基于加权变量模糊控制的倒立摆控制系统

针对多变量、非线性和强耦合的二级倒立摆系统,利用最优控制反馈矩阵,综合考虑小车、下摆、上摆和模糊误差信息,加权模糊控制器输入变量.设计了分别以倒立摆的小车、下摆和上摆为主控制量设计三种加权变量模糊控制器,控制二级倒立摆系统稳定.仿真研究表明,以上摆为主控制量设计的加权变量模糊控制器控制效果最佳,能够得到很好的稳定效果,收敛快、精度高,表明该方法的控制效果是最有效可行的.     

基于粒子群算法的变论域模糊控制在二级倒立摆中的研究

为了实现二级倒立摆系统的快速稳定控制,设计了一款基于粒子群算法的变论域模糊控制器。通过对二级倒立摆系统结构和参数的分析,建立了二级倒立摆的数学模型,再利用粒子群算法优化了变论域模糊控制器的参数,改进了控制器的性能,最后通过仿真证明该算法切实可行。     

基于改进的表格查询法的二级倒立摆模糊控制

研究了二级倒立摆系统的模糊控制问题,对表格查询算法在二级倒立摆上的应用进行了详细介绍,通过引入输入-输出数据对及模糊规则置信度的概念,去除冗余规则,减少了控制规则,使控制器的控制规则更为简单、有效。通过建立模糊规则,构造模糊控制器,实现了倒立摆系统的稳定性控制。研究结果表明,该算法具有简单、实时跟踪效果好等特性。     

改进混沌优化算法在二级倒立摆控制中的应用

针对二级倒立摆模糊控制器需要对大量参数进行调整,以及可能出现的规则爆炸问题,本文提出了一种基于混沌优化的模糊控制器的设计方法。将常规模糊控制器进行加权变论域处理,并且对常规混沌优化方法进行改进,采用新的二次载波方式将优化变量转变成混沌变量,通过混沌搜索的方式对当前工作点进行扰动,在搜索过程中通过时变参数的初始值的设定逐渐减少扰动幅度。本文使用Matlab/Simulink对二级倒立摆进行优化仿真研究,分析比较了各种方法的控制效果。结果表明模糊控制器经过混沌搜索的优化后,具有良好的鲁棒性好和适应性。本文提出的改进的混沌优化算法对多变量快速时变系统的模糊控制器的设计提供了一种有效的改进方法。     

自适应神经网络模糊控制在倒立摆中的应用

应用MATLAB的模糊控制工具箱，设计了用于倒立摆系统的模糊控制器，并且利用神经网络能够自学习的特点，采用反向传播算法对倒立摆控制样本数据进行了学习，调整了各变量的隶属函数，从而使学习后的模糊控制器更能适应倒立摆系统控制的需要。把学习前后的模糊控制器用于倒立摆系统进行了实验对比，结果表明学习后的控制器控制效果明显优于学习前的控制器。     

二级倒立摆的参数自整定模糊-PI控制

基本模糊控制器在面对复杂控制对象时,其稳态精度比较差。针对这一问题,文中以二级倒立摆系统为控制对象,提出了一种新的模糊控制器。该模糊控制器通过对基本模糊控制器中结构参数的寻优和调整,以及系统输出结构的完善,实现了二级倒立摆的稳定控制。仿真研究表明,提出的模糊控制算法无论是在动态指标还是在稳态精度方面与基本模糊控制器相比,都有了明显的改进。     

二级倒立摆的参数自整定模糊-PI控制

基本模糊控制器在面对复杂控制对象时，其稳态精度比较差。针对这一问题，文中以二级倒立摆系统为控制对象，提出了一种新的模糊控制器。该模糊控制器通过对基本模糊控制器中结构参数的寻优和调整，以及系统输出结构的完善，实现了二级倒立摆的稳定控制。仿真研究表明，提出的模糊控制算法无论是在动态指标还是在稳态精度方面与基本模糊控制器相比，都有了明显的改进。     

倒立摆系统的模糊控制方法

阐述了基于二级倒立摆的两种模糊控制方法，即模糊逻辑控制方法和分层模糊控制方法．模糊逻辑控制方法是将二级倒立摆系统的6个状态变量加权变化为两个参变量，再用模糊控制器实现稳定控制．而分层模糊控制是将状态变量分解为子系统，设计下层模糊控制器对其控制，上层模糊控制器负责整个系统的协调和管理，实现稳定控制．实验结果表明：分层模糊控制较模糊逻辑控制具有更好的控制效果．     

二级倒立摆的TS型逐级模糊神经网络控制

提出了一种逐级模糊神经网络控制法．该控制法通过采用Takagi-Sugeno型模糊神经网络控制器和逐级模糊控制规则,实现了二级倒立摆系统的稳定控制．模糊神经网络控制器的参数采用遗传算法分4步进行优化．实验结果表明,采用逐级模糊神经网络控制法,用20条模糊规则就可以实现二级倒立摆系统的稳定控制,并且控制效果佳,系统鲁棒性强。     

环形二级倒立摆H∞鲁棒控制器设计及仿真

研究了环形二级倒立摆的平衡控制,首先利用拉格朗日动力学方法建立了环形二级倒立摆的数学模型,分析了系统的稳定性及能控能观性;接着引入H∞回路成形鲁棒方法设计其控制器,但考虑到H∞控制器阶次过高的问题,因此采用最小信息损失方法对设计的控制器进行了降阶.通过仿真验证,证实了降阶后的H∞回路成形控制器对于环形二级倒立摆平衡控制有良好效果.     

Hardware implementation of the quadruple inverted pendulum with single motor

Inverted pendulums are always used to verify some qualities and effect of certain control theory or method. Single or double inverted pendulum control system has been extensively studied for education and research purposes. However how to control a triple inverted pendulum is a difficult problem, which just a couple of control experts can solve including us. Undoubtedly, to implement controlling of a quadruple inverted pendulum is a very difficult problem, but we first successfully accomplished it using variable universe adaptive fuzzy control method in August, 2002. In this paper, a controller for a quadruple inverted pendulum is demonstrated using the variable universe adaptive fuzzy control theory.     

基于LQR最优调节器的二级倒立摆控制系统

倒立摆是一个典型的快速、多变量、非线性、绝对不稳定系统,对倒立摆系统的稳定性研究在理论上和方法上具有深远的意义。本文建立了二级倒立摆的数学模型,并推导出模型的状态空间表达式,分析了系统的稳定性,能控性和能观性,利用了线性二次型最优调节器(LQR)方法实现对二级倒立摆的最优控制,MATLAB仿真结果表明了该方法的有效性。     

基于倒立摆系统的模糊仿人智能控制

倒立摆系统是一个绝对不稳定的系统,具有高阶次、非线性、强耦合等特性,很多控制方法的验证都是通过对倒立摆的控制来实现的.为了实现倒立摆系统的自摆起倒立平衡控制,提出了一种模糊仿人智能控制方法,在起摆控制阶段以仿人智能控制方法为主,平衡点附近切换至模糊控制方法,实现其稳定控制.仿真结果表明,模糊仿人智能控制对于典型非线性自不稳定系统有着很好的控制能力.     

旋转倒立摆平衡姿态模糊变结构控制算法研究

针对非线性、多变量、强耦合的旋转倒立摆系统,利用模糊控制与滑模变结构控制相结合设计了一种模糊变结构控制器,该控制器既保持了滑模变结构控制的快速性和鲁棒性,又能较好地消除单纯采用滑模变结构所产生的抖振问题。仿真结果表明,模糊变结构控制算法能够实现倒立摆的平衡姿态控制,抖振现象基本消除且具有很强的鲁棒性。     

二级倒立摆的三种控制方法比较

通过采用LQY最优控制、变结构控制及模糊控制3种方法对二级倒立摆系统进行实时控制,从理论上讨论了这类典型的非线性自不稳定系统控制器的设计方法,通过分析指出各种方法之间的优缺点,并通过数字仿真加以证实。     

基于动态查询表的模糊控制策略及其应用

研究基于动态查询表的模糊控制策略及其在转臂式倒立摆中的应用.采用一种新的倒立摆系统的控制方法,将传感器检测的倒立摆的两个角度信息传送到控制器,控制器利用该信息的模糊化量按基于动态查询表的模糊控制策略进行实时计算,由得出的控制量控制力矩电机驱使摆杆运动,从而使摆臂处于动态的直立状态.采用C++语言实现了对倒立摆的控制.实验结果表明,这种控制方式能够提高系统的控制精度.     

基于PSO—SA的二级倒立摆前馈补偿模糊神经网络控制

以模糊神经网络为基础,结合误差前馈补偿完成了二级倒立摆系统的稳定控制,并采用模拟退火粒子群算法对控制参数进行全局寻优。与基于状态变量合成的模糊神经网络控制器相比,该控制方法豢仅解决了多变量系统模糊控制器的“规则爆炸”问题,并且。由于所有状态变量直接参与控制输出,控制精度亦有所提高。仿真结果表明,该控制方案所需规则数目少,响应速度快,有良好的鲁棒性和非线性适应能力。