分级模糊滑模解耦控制方法在二级倒立摆中的应用

采用分级模糊滑模解耦控制方法,将二级倒立摆非线性系统解耦成几个次级系统,基于Lyapunov函数的自适应规则来调解分级滑模控制器的耦合因素,并且通过仿真实验,在保证系统稳定性的基础上,获得了良好的解耦性能,同时也验证了该方法的可行性及优于采用常规模糊滑模解耦控制的解耦性能.     

一级倒立摆的双回路PID控制

利用牛顿-欧拉方法方法建立了一阶倒立摆的数学模型,参照固高科技的倒立摆系统参数,得到了倒立摆系统的状态空间方程及其传递函数,设计了双回路PID控制器,实现了摆杆角度和小车位移的同时稳定。最后,通过Matlab仿真验证了所提算法的有效性。     

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.     

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。     

直线一级倒立摆的PID控制方法研究

直线一级倒立摆控制系统是控制理论研究的典型实验平台之一,它具有非线性、不确定性和开环不稳定性等特点.首先对直线一级倒立摆系统进行分析,建立其数学模型;其次由系统的传递函数设计出该系统的PID控制器;然后通过MATLAB仿真软件中的M模块建立其该系统的PID控制器模型;最后通过调节合适的PID参数来控制直线一级倒立摆系统的平衡性,并通过其响应曲线来验证所提出的算法和模型的正确性.     

倒立摆的Reinforcement Learning模糊自适应控制

根据Lagrange方程建立了单级倒立摆系统的数学模型，利用模糊自适应控制算法设计了倒立摆系统的控制器，并在Matlab的仿真模块中将倒立摆系统的数学模型和控制器结合起来．对倒立摆控制系统进行了仿真研究。结果表明，对于要求实时性较高的非线性不稳定系统。用模糊自适应控制算法可以按照控制要求在线调节控制参数，在最短的调整时间内取得良好的控制效果。     

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Sugeno模糊模型的倒立摆模糊控制

当倒立摆的摆角及摆速很小时,对倒立摆系统的动力学方程进行局部线性化,采用Sugeno模糊模型,得到相应的模糊规则,然后选择期望的闭环极点,可设计出极点配置状态反馈控制器对倒立摆系统进行控制,仿真结果证明了该方法的有效性,能够实现倒立摆系统的稳定控制。     

基于遗传算法优化的双回路模糊控制倒立摆系统

通过遗传算法、模糊控制、PID的结合,对直线一级倒立摆的平衡控制问题进行了优化控制。首先用牛顿-欧拉法建立倒立摆的动力学模型,得出系统的传递函数和状态空间表达式,分析系统的稳定性和可控性。以此为基础,先设计了PID单回路和双回路控制器;然后用遗传算法优化PID参数;再用优化的参数设计双回路模糊PID控制器;并用MATLAB对系统进行了仿真。纵向和横向控制方法的对比分析表明:该方案控制效果最好,能同时控制角度和位移;其参数可在最优PID初值的基础上在线修改,实现最佳调整,使对象具有良好的静态和动态性能。     

基于PID算法的旋转倒立摆实验教学平台研究

开发了一套基于PID控制算法的实验教学平台,由电机、编码器的硬件架构及驱动电路、ARM内核片上系统、PID算法和上位机仿真软件等组成。平台能够仿真上位机算法并选择最佳运动状态的PID参数,片上系统产生控制信号驱动倒立摆的电机验证其结果,上位机实时显示相关参数及运动状态。经实践教学,学生在平台中通过独立完成对PID控制算法计算和查看倒立摆的运转。同时该平台能调动学生兴趣,提高实践动手能力,有助于深化理论教学,让实验不再是乏味无趣的一门课程。     

基于多Agent的倒立摆模糊控制系统

在研究Agent技术的基础上,结合模糊控制的特点,提出了一种基于多Agent的模糊控制系统.根据Multi Agent System的设计原则,将系统分解为三个Agent,通过建立三者之间的协商策略,使各Agent间相互作用,相互联系,完成了单个Agent所无法完成的任务.对倒立摆系统的仿真验证了Agent思想与模糊控制理论结合的可行性和有效性.     

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.     

一种基于ANFIS的模糊RBF网络的倒立摆控制方法

阐述一种基于变论域的模糊神经网络控制器的设计方法,并基于ANFIS在MATLAB下,用SIMULINK对倒立摆进行仿真验证,证明此方法的正确性.     

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.     

现代控制理论在三级倒立摆系统中的应用

本文提出了一种带有两个控制电机的三级倒立摆的新结构形式。文中采用Lagrange方法导出三级倒立摆的数学模型。控制系统的设计方法采用了基于现代控制理论的状态反馈控制器和状态观测器,并由单板机通过软件的方法实现。实验结果是令人满意的。     

基于动平衡状态的不确定倒立摆系统跟踪控制

针对存在不确定摆杆质量、长度和外加干扰的倒立摆系统的稳定控制问题,提出了基于动平衡状态理论的鲁棒自适应控制策略.首先对台车位置和摆杆摆角规划了理想的动平衡状态参考轨迹,然后应用分段滑模和模糊逻辑系统设计了直接自适应模糊控制器实现对动平衡状态的实时跟踪.理论分析和仿真结果证明了不确定倒立摆系统是全局渐近稳定的,并具有很好的适应性和鲁棒性.     

基于增强学习规则的倒立摆模糊神经网络控制器

为实现模型未知、初始时有脉冲输入的车上单级倒立摆镇定控制,提出了一种采用增强学习规则训练的模糊神经网络控制器。以神经网络构造基于T-S(Tankagi-Sugeno)规则的模糊控制器;用3层前馈网络组成预测器进入仿真,得到倒立摆状态并计算状态预测值,再将状态和状态预测值组成训练数据对,训练状态预测BP(Backward Propagation)网络;利用增强学习的方法训练模糊控制器,根据神经网络产生的模糊控制量和倒立摆状态预测,做出控制决策。此方法简化了模糊控制部分参数调整,亦可应用于其他无模型控制。实验证明,控制器鲁棒性良好,即使在倒立摆参数变化较大时,控制器仍能维持倒立摆平衡。     

单级倒立摆两种控制方法的研究

本文针对多变量、非线性、强耦合性的倒立摆系统,建立了单级倒立摆的数学模型。采用PID、LQR两种不同的控制方法对单级倒立摆系统进行了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控制器的设计方法及其实际控制效果的特点．指出了不同方法的优缺点。     

倒立摆系统及其智能控制研究

倒立摆系统是绝对不稳定非线性系统的一个典型范例，如何对其进行有效的控制是控制界的一大热点。这里以各种智能控制理论为基础，对应用于倒立摆系统控制的智能控制方法进行综述，分析了各种方法的特点和联系，最后还就这一领域的研究方向进行了展望。