模糊神经网络控制倒立摆系统

对单级倒立摆进行了详细的受力分析。通过建立模糊规则，构造模糊神经网络系统，运用BP算法对系统进行训练，并用这一网络对倒立摆进行控制。仿真结果表明，模糊神经网络有很广阔的适用领域。     

单级倒立摆的专家模糊控制

详细地阐述了专家模糊控制的基本原理,引用控制界中成功的实例倒立摆进行了系统分析,并采用专家模糊控制这一理论解决倒立摆的垂直问题和回到中心问题,在此基础上用高级Ｃ语言来进行了专家模糊推理器的实现,以便于用交叉汇编技术形成机机器代码,把程序固化在单片机上实现控制。     

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．     

基于倒立摆系统的实验设计

倒立摆系统作为一个经典的控制理论研究平台,是将理论应用于实际的理想实验平台.以固高公司的一级直线倒立摆为平台,搭建了实验教学系统,建立了系统数学模型,给出了PID控制实验和模糊控制实验的设计过程和仿真结果.结果表明:所设计的实验系统是可行、有效和可拓展的,丰富了实验教学内容,为设计性实验教学改革提供了支撑.     

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.     

基于智能方法的倒立摆系统研究

对利用智能方法来实现对倒立摆系统的研究进行了综述,并详细论述了几种主要的倒立摆系统的控制方法,最后介绍了目前控制倒立摆的最成功的控制方案中云模型的概念,并对未来的研究方向进行了探讨.     

一种简易的倒立摆控制实验系统

利用旧式针式打印机的横向走行结构，作为倒立摆的基本机械结构，设计并制作一种简单可行的低成本倒立摆实验系统。在此基础上，对其控制电机和主控电路加以重新设计，并设计控制算法，使之能够实现对倒立摆的控制。经实验验证收到了一定的控制效果。本系统可应用于演示倒立摆控制，或验证控制算法。     

旋转式倒立摆控制策略

基于旋转倒立摆模型,分别应用状态反馈、状态反馈 PID和状态反馈 Fuzzy等控制策略进行控制,通过仿真研究表明这些算法的可行性及有效性.     

倒立摆系统及其控制策略研究现状

总结了近几年来国内外对倒立摆控制系统的控制算法及其研究现状,概述了各种控制算法的内容及其分析的结论,讨论了进一步研究的方向.     

基于自适应神经网络倒立摆模糊控制器的设计

倒立摆系统本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。本文使用一种基于最优控制和自适应神经网络模糊控制器的设计方法,将各个线性LQR控制器进行综合,使之成为一个非线性的控制器。仿真结果证明,模糊神经网络控制器要优于单个的LQR控制器。     

倒立摆系统的Lagrange方程建模与模糊控制

针对多变量、非线性和强耦合性的倒立摆系统,采用分析力学中的Lagrange方程来建立其动力学方程,并提出一种基于模糊组合变量的控制方法·研究结果表明,利用分析动力学方法来建立倒立摆系统的数学模型可以大大降低建模的复杂性,仿真研究和实际物理系统的实验结果证明了所提出控制方法的有效性     

采用自适应模糊PID的二阶倒立摆控制

建立一个二阶倒立摆的数学模型,将常规比例-积分-微分(PID)控制与模糊控制相结合,设计模糊PID控制器,实现PID参数的自适应模糊整定.仿真实验表明:所设计的模糊PID控制器能很好地实现二阶倒立摆的扶起平衡控制,控制效果明显好于常规PID控制器,超调量和调节时间较小,具有较好的抗干扰能力,非常适合二阶倒立摆模型的稳定控制.     

基于模糊控制的单臂旋转倒立摆系统研究

研究的是单支点垂直旋转式倒立摆系统,采用步进电动机进行驱动。由于其系统的复杂性,采用模糊控制的方法进行控制。以拉格朗日动力学分析方法为基础,推导并建立倒立摆的运动方程。为了得到简便的数学模型采取方程近似化处理。通过MATLAB仿真软件进行仿真,验证其结论的正确性和方法的可行性。     

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。     

单级倒立摆区间值Trapmf-Trimf型模糊控制

给出了区间值模糊控制原理,选择Trapmf型和Trimf型的函数作为输入、输出变量的隶属函数,形成区间结构,设计控制器模块,进行了系统仿真与实时控制实验.实验表明:倒立摆的区间值模糊控制比点值模糊控制表现出较好的性能.     

基于模糊控制和PID控制的一阶倒立摆系统建模与仿真

对一阶倒立摆系统的平衡控制问题进行了控制策略研究.建立了系统数学模型,分别采用模糊控制和PID控制策略设计了控制器,并用Matlab/Simulink对控制系统进行了仿真实验研究.仿真实验结果不仅证明了两种控制策略对系统平衡控制的有效性,同时也展示了它们的控制品质和特性.     

基于观测器的倒立摆变结构控制

针对单级倒立摆这一非线性系统，在对它的非线性模型进行线性化处理的基础上，利用滑模变结构控制方法设计了控制律，同时考虑到其实际物理过程，设计了非线性观测器用于控制律中状态变量的估计。最后在Matlab／Simulink上进行了仿真实验，实验结果说明了该方法的有效性。     

直线一级倒立摆模糊控制中次优滤波器的应用

采用模糊控制算法实现倒立摆的倒立平衡控制,当系统受到随机干扰时,其输出会有较大超调,摆杆存在抖动现象.为了实现系统的精确控制,得到被控对象的真实状态,消除动态噪声和量测噪声对系统带来的抖动影响,提高响应的平稳性.设计了计算量小、实时性好于Kalman滤波器的次优滤波器,从而实现倒立摆的快速平稳控制.