共查询到17条相似文献,搜索用时 62 毫秒
1.
2.
3.
平行单级双倒立摆基于滑模的稳定控制 总被引:4,自引:1,他引:4
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。 相似文献
4.
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
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.
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
7.
8.
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. 相似文献
9.
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
10.
11.
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
12.
13.
14.
运用动力学原理建立了小车—倒摆的仿真模型,并以对象输入输出的测试数据为依据,讨论了Takagi—Sugeno模糊模型的参数辨识,提出了模糊逆模型控制方案,基于此借助Matlab的Simulink设计了小车—倒摆的动态模型及其模糊自适应控制系统。仿真结果证明了本文采用的控制策略的有效性。 相似文献
15.
混沌系统基于T-S模糊模型的控制方法 总被引:2,自引:0,他引:2
将模糊控制技术应用于混沌控制中,可以克服反馈线性化等传统方法对参数完全精确已知的限制;用T-S模糊系统来逼近非线性系统,它的IF-THEN规则后件由线性状态空间子系统构成,进而可以应用模糊系统的控制理论求得模糊控制器,用此非线性控制器来控制非线性系统,以求良好的控制效果;模糊规则后件部分以局部线性方程形式给出的T-S模糊模型可以通过调整相关参数很好地逼近混沌系统,基于该模型采用平行分散补偿技术设计出具有相同规则数目的模糊控制器,控制器所有参数可以通过求解一组线性矩阵不等式一次性得到。仿真结果验证了该方法的有效性。 相似文献
16.
17.
基于改进T-S模型的模糊辨识算法及其应用 总被引:1,自引:2,他引:1
热工过程往往具有非线性和不确定性,用传统的描述热工过程动态数学模型的方法(如传统函数等)难以建立非线性模型,从而难于精确表达热工过程及实施整体优化控制。该文提出了一种基于改进T-S模型的热工系统模糊辨识方法。采用启发性知识与复合非线性优化方法相结合的综合方法求解出模糊模型的结构,然后通过基于熵的聚类和竞争学习算法对热工过程的输入数据空间的划分,在此基础上利用加权递推最小二乘法(WRLSA)建立热工过程的T-S模型。仿真结果表明基于改进T-S模型的非线性模糊模型,不仅能精确地描述过程的非线性,而且算法简单、快速。 相似文献