共查询到16条相似文献,搜索用时 78 毫秒
1.
二级倒立摆的摆起控制 总被引:4,自引:0,他引:4
以往对非线性系统主要是采用线性化的方法进行控制,提出了一种基于专家系统及变步长预测控制的实时非线性系统控制方法。用变步长一步预测避开复杂的非线性推导,结合专家系统对控制参数进行修正,从而实现对复杂非线性系统的实时控制。利用这种方法,实现了二级倒立摆的摆起及稳定控制。 相似文献
2.
旋转二级倒立摆是一种非线性、强耦合的复杂不稳定的欠驱动系统,在已建立的倒立摆数学模型的基础上,提出了一种基于干扰观测器的离散自适应滑模控制算法,针对系统的内部参数变化和外部扰动,利用干扰观测器对系统的不确定因素进行了动态补偿,同时结合自适应算法降低系统的抖振,与未采用干扰观测器的传统自适应滑模控制律的仿真结果进行对比,可以看出,采用改进的控制算法大大降低了系统的抖振和超调,改善了系统的动态性能,得到更好的控制效果. 相似文献
3.
针对一类非线性系统, 提出了一种新的滑模控制方案.将改进粒子群算法与滑模控制方法结合,利用改进粒子群智能优化方法设计切换函数和指数趋近律系数,加快了系统到达滑平面的速度,改善了系统的动态性能和保证较强的鲁棒性,系统能快速精确跟踪期望的状态轨迹,而且有效地消除了滑模控制固有的高频颤动现象.最后应用到倒立摆系统进行了仿真研究, 结果表明了该方案的有效性. 相似文献
4.
5.
基于强化学习的倒立摆起摆与平衡全过程控制 总被引:4,自引:0,他引:4
倒立摆的控制是一种典型的非线性控制问题。本文的目标是在假设不知道任何倒立摆模型的前提下,采用强化学习控制器实现倒立摆的起摆和平衡的全过程控制。为提高学习效率,采用了任务分解的方法,将整个控制任务分解为起摆和平衡两个子任务,对于不同的子任务根据其特点采用不同的强化学习算法。在Matlab/Simulink上进行仿真实验,结果证明,该方法在合理的时间内可以学习到成功的控制方法。 相似文献
6.
为了实现导轨受限情况下二级倒立摆非线性系统的自动摆起控制,提出了基于变增益LQR控制方法的自动摆起控制方案. 首先,基于Lyapunov函数, 设计了变参数切换控制器, 通过限制小车运动的最大速度,将小车位移控制在一定的范围内,并将第一级摆杆从下垂位置摆起到倒立位置; 其次,采用变增益LQR控制方法将第一级摆杆稳定在倒立位置, 同时,采用等效小车法将第二级摆杆摆起到倒立位置;最后,采用变增益LQR控制方法将两摆杆同时稳定在倒立平衡点.变增益LQR控制器的鲁棒性较强,避免了由于摆杆状态变化而引起小车位移的冲击.仿真和实物实验均验证了该控制方案的有效性. 相似文献
7.
基于LQG的弹性倒立摆动态稳定性控制 总被引:1,自引:0,他引:1
机械系统的轻量化,将使其材料弹性刚度减弱,从而导致系统振动加剧。为了实现对具有弹性的不稳定机械系统的控制,对弹性倒立摆的动态稳定性控制进行了研究。通过动力学分析,建立了车型弹性倒立摆系统的动力学控制模型,并对系统进行了线性化和可控、可观性分析。利用线性二次高斯(linear quadratic Gaussian,LQG)控制方法对其进行动态稳定性控制。相应的仿真研究和实时控制结果证明,该系统具有良好的控制效果和鲁棒稳定性。 相似文献
8.
针对一类非线性系统的稳定控制问题,提出了一种终端滑模分解控制器的设计方法.首先将整个系统分解成两个二阶子系统,设计两个子系统各自的终端滑模面;然后将一个子系统的控制目标嵌入到另一个子系统的控制目标中,用一个控制量使两个子系统在有限时间内收敛至平衡点.该方法对于维数较高系统的控制具有较大意义,可简化设计.倒立摆的仿真结果验证了该方法的有效性. 相似文献
9.
基于T-S模型的倒立摆双闭环串级模糊控制设计与仿真 总被引:4,自引:1,他引:4
针对具有多变量、非线性特性的倒立摆系统,提出了一种基于T-S模型的双闭环串级模糊控制方法。在该方法中,内环控制倒立摆的角度,外环控制倒立摆小车的位移,并对双闭环参数耦合实现了解耦,降低了系统设计的难度和复杂度。数字仿真结果表明了该方法的可行性。 相似文献
10.
基于非线性系统反馈线性化方法,得到了倒立摆系统的局部反馈线性化模型,并构造非奇异坐标变换使系统满足特定的形式,采用Backstepping方法设计了倒立摆系统的鲁棒稳定控制器。进而根据所定义的系统同步误差设计了并行双倒立摆系统的鲁棒同步控制器。采用该同步控制器,在实际的实验装置上进行了实时控制实验。实验结果表明,所设计的同步控制器实现了倒立摆装置的稳定平衡以及小车的定点控制和正弦指令信号的精确跟踪,并且令两个装置间达到了同步运动。 相似文献
11.
12.
13.
14.
15.
基于神经网络的全局滑模变结构控制 总被引:1,自引:0,他引:1
针对一类非线性不确定离散时间系统,提出了一种基于神经网络趋近律的全局滑模变结构控制方法。分别用两个前馈神经网络(FNNs)自适应调整趋近律中的参数ε和δ,克服了常规变结构控制方法中需要预先设定趋近律中参数的限制。在用径向基神经网络(RBFNN)对系统进行模型估计的同时,基于平移滑平面的设计方案,实现了系统的全局鲁棒滑模控制。仿真结果表明控制系统具有良好的跟踪性能,该方案使系统一开始就处于滑平面上,消除了系统抖振,具有较强的鲁棒性。 相似文献