基于变增益LQR控制方法的二级倒立摆自动摆起

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.     

倒立摆一级控制算法设计和半实物仿真验证

在倒立摆的控制研究试验过程中,在MATLAB环境下,以状态空间表达式形式建立倒立摆数学模型,采用MATLAB控制工具箱直接对倒立摆进行控制设计和仿真,之后在Simulink环境下建立倒立摆的控制仿真模型,将通过MATLAB控制工具箱设计的控制参数直接运用到Simulink仿真模型中,并通过代码生成工具RTW将模型下载到控制卡中进行倒立摆的实时控制试验.试验结果表明通过MATLAB设计平台,大大加快了倒立摆系统的建模、控制仿真设计和实现过程.     

四级倒位摆系统的模糊控制方法研究

倒立摆系统由于其多变量、非线性和强耦合性等特点而一直成为各国专家学者研究的热点。目前,一级、二级、三级倒立摆都已经有成功控制的实例,而单电机控制的四级倒立摆系统的控制还未见报导。本文首先推导了四级倒立摆系统的数学模型,并对倒立摆系统在平衡点附近进行了可控性研究。在此基础上,提出一种基于三维模糊组合变量的控制方法。仿真研究结果证明了所提出控制方法的有效性。     

基于多个并行CMAC神经网络的强化学习方法

为解决标准Q学习算法收敛速度慢的问题,提出一种基于多个并行小脑模型(Cerebellar Model Articulation Controller:CMAC)神经网络的强化学习方法。该方法通过对输入状态变量进行分割,在不改变状态分辨率的前提下,降低每个状态变量的量化级数,有效减少CMAC的存储空间,将之与Q学习方法相结合,其输出用于逼近状态变量的Q值,从而提高了Q学习方法的学习速度和控制精度,并实现了连续状态的泛化。将该方法用于直线倒立摆的平衡控制中,仿真结果表明了其正确性和有效性。     

单级倒立摆系统角运动控制方案建模及仿真

单级倒立摆系统是一种广泛应用的物理模型。控制单级倒立摆裁体的运动是保证倒立摆稳定性的关键因素。为了避免常用的物理反馈分析方法和运动轨迹摄像制导控制方法的某些缺点，本文从力学的角度提出对倒立摆的运动进行纯角度制导分析，完成了对倒立摆裁体的角度制导运动微分方程的数学建模，根据应用背景，设计了该模型的模糊控制系统，并利用Matlab软件的Simulink工具对倒立摆的运动进行了计算机仿真。实验表明，这种模糊控制配合代数解析方法的运算速度和计算机仿真的效果均较物理反馈和运动轨迹摄像制导控制方法有了一定的提高，仿真结果与其相当。该方法容易向二级甚至三级倒立摆控制系统推广。该方法可以有效地改善单级倒立摆控制系统的性能。     

平行单级双倒立摆基于滑模的稳定控制

平行单级双倒立摆相对单级倒立摆、二级倒立摆而言是非线性更强、耦合作用更复杂的不稳定欠驱动系统,从而控制难度更大。本文针对俩摆间无弹簧的平行单级双倒立摆设计了滑模变结构控制律,仿真结果显示该控制律对外部干扰和内部参数变化都有很强的鲁棒性。     

单级倒立摆三种控制方法的对比研究

倒立摆系统以其自身的不稳定性为系统的平衡提出了难题,也因此成为自动控制实验中验证控制算法优劣的极好的实验装置.通过分别分用极点配置法、优化控制策略的LQR及LQY方法对单级倒立摆系统进行了实际系统实时控制效果的实验对比,从理论和实验方法上讨论了这类典型非线性自不稳定系统的线性控制器的设计方法及其实际控制效果的特点,通过分析指出不同方法之间的优缺点,并通过实验得以证实,使人们从理论及实践的两个层次对不同的算法有更加深入和清晰的认识.     

基于T-S模型的倒立摆双闭环串级模糊控制设计与仿真

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。     

并行双倒立摆系统的鲁棒同步控制

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。     

加入预测信息的反馈误差学习模型及其仿真研究

针对非线性平衡控制问题，提出了一种加入预测信息的反馈误差学习（P-FEL）模型，该模型使用系统状态预测信息和反馈控制器的输出信号共同构成前馈神经网络控制器的教师信号，使用在线BP算法保证运动控制和运动学习同步进行。将P-FEL模型应用于倒立摆平衡控制的仿真实验结果表明，P-FEL模型可以有效地减少前馈神经网络控制器对反馈控制器参数的依赖性，同时还具有良好的平衡控制性能和鲁棒性。     

非线性系统的T-S模糊建模与控制

研究了非线性系统的T-S模糊建模与控制问题，并应用到一级倒立摆的模糊建模中，采用并行分配补偿法（PDC）设计控制器，并用线性矩阵不等式（LMI）计算控制器参数，仿真验证建模正确，控制器简洁有效。     

二级倒立摆的摆起控制

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。     

非线性系统基于HM模型的变结构控制

对非线性系统的稳定控制问题进行了研究，基于HM模型对非线性系统进行描述，并将全局HM模型表示成含不确定项的形式，在满足匹配条件下，采用稳定性理论设计出确保HM模型全局渐近稳定的滑模变结构控制器，用一级倒立摆进行仿真验证，控制器结构简单，只用较少的模糊规则，就能得到满意的控制效果，成功地将变结构控制应用于非线性系统，有推广应用价值。     

模糊-GPC串级控制在网络时延控制中的应用

为了解决网络闭环非线性控制系统中的时延问题,本文提出了一种在模糊神经网络控制的基础上结合广义预测控制(GPC)处理非线性系统网络时延的方法,建立了网络控制系统的结构模型,并分析了此模型对处理非线性网络控制系统中时延问题的有效性。在MATLAB环境下对网络控制倒立摆系统进行了仿真,通过对比模糊神经网络控制与模糊-GPC串级控制的控制效果,进一步证实了此方法对非线性网络控制系统能够实现稳定控制。     

一种简单的模糊鲁棒二次稳定控制器设计

研究非线性系统的稳定控制问题，采用模糊动态模型方法，并将全局模糊系统模型表示成不确定系统形式。在满足匹配条件下，采用一种简单的鲁棒二次稳定控制器设计方法，设计出便模糊系统全局渐近稳定的控制器。避免了并行分配补偿法中求解公共矩阵P的困难。一级倒立摆的模糊控制器设计实例，证明了方案的简洁有效。     

Sliding Mode Control for Nonlinear System Based on T－S Model

1　IntroductionNonlinear control system is the mostactive research region,butthere is little systematicaleffective way to deal with them.In the eighties of the 2 0 th century,fuzzy logic controlobtained greatdevelopment in control theory and industrial control,because the design offuzzy controller is simple and suits for many nonlinear system and has strong robustness,but less strict proof for stability.Takagi[1 ] and Sugeno put forward famous T- S fuzzydynamic system model,and raised new way…     

一种自适应强化学习算法在状态空间构建中的应用

针对模型未知以及具有连续状态的系统控制问题,提出一种基于强化学习的自适应控制策略。在Actor-Critic框架下,建立归一化径向基网络的自适应调节机制,实现未知系统状态空间的动态创建。有效克服了状态空间分割所带来的维度灾难,而且能够使得系统的结构总保持在最佳状态。通过对倒立摆控制的仿真研究验证了方法的有效性。     

基于干扰观测器的倒立摆自适应滑模控制及仿真研究

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.