倒立摆系统的自摆起和稳定控制

为了实现一级倒立摆系统自摆起和稳定控制，该文采用了最优控制与PID控制相结合的控制方法。首先，采用Bang—Bang控制理论设计开环时间最优控制器，实现倒立摆的平稳快速摆起，同时设计经典PID控制器控制小车位置；然后采取线性二次型最优控制理论设计LQR控制器，将倒立摆稳定在平衡位置。计算机仿真和倒立摆系统实时仿真表明，文中提出的控制策略和控制算法得到了很好的验证，取得了满意的效果。     

直线一级倒立摆的视觉伺服控制

把视觉引入倒立摆的控制中,建立了视觉伺服的倒立摆系统.利用针孔摄像机的成像几何模型建立与图像坐标有关的状态空间方程,采用基于图像的视觉伺服控制方法,对摆杆在像平面上的位置进行实时控制.在Matlab环境下用LQR(Linear Quadratic Regulator)和极点配置法进行仿真,对比仿真结果.验证了系统方程推导的正确性,以及控制算法的有效性.     

无人机鲁棒伺服LQR飞行控制律设计

为抑制无人机飞行模态切换时舵面跳变使机体产生的大过载,降低无人机对舵系统及结构可用过载的要求,将鲁棒伺服LQR方法与经典控制方法相结合设计了飞行控制律;以俯仰角控制模态为例,对鲁棒伺服LQR控制方法的特性进行了分析,俯仰角速率回路采用鲁棒伺服LQR最优控制方法设计了控制律,俯仰角回路采用经典控制方法设计了控制律,并通过非线性数字仿真对控制律的控制效果进行了验证;仿真结果表明:鲁棒伺服LQR控制比常规PID控制超调量减小50%,且大大减小了响应初期的升降舵偏角突变,降低了对机体可用过载的要求;该控制律形式简单,易于工程实现。     

带有时变计算时延的倒立摆视觉实时控制研究

针对倒立摆视觉实时控制系统中,通过每帧图像处理检测小车位移和摆杆偏角带来的时变图像处理计算时间,直接影响控制系统采样周期和系统性能的问题,不同于目前不考虑图像处理计算时间或将其视为定时滞进行倒立摆视觉实时控制的研究方法,本文首先构建了倒立摆视觉伺服控制实验平台,考虑倒立摆的小车与摆杆特征,提出了小车位移和摆杆偏角的实时计算方法;然后统计分析了图像处理计算时间的特性并设计了视觉传感事件触发采样策略,进一步刻画了时变时延与计算时间的直接关系,进而建立了带有时变计算时延的倒立摆视觉控制系统闭环模型,证明了系统稳定性并建立了反映图像处理计算时间与系统稳定性之间的关系.最后,仿真和实时控制实验验证了所提方法的可行性和有效性.     

单神经元PID倒立摆系统

为解决双PD倒立摆控制器参数不可调的难题,利用单神经元PID控制算法简单、权值可调的特点,针对倒立摆系统,设计出基于小车位移和摆杆摆角两个回路的单神经元PID控制器。通过仿真实验研究,证明了该控制方案的可行性和有效性。最后,将该控制方案与目前常使用的双PD控制及LQR控制进行了比较。     

带时变计算时间和计算误差的倒立摆视觉H∞控制研究

针对基于视觉传感的倒立摆实时控制系统中,通过每帧图像计算小车位移和摆杆偏角产生的时变计算时间和计算误差直接影响控制系统性能甚至导致系统失稳问题,不同于目前不考虑计算时间和计算误差或将计算时间视为定时滞进行研究倒立摆视觉实时控制方法,本文首先创新设计了新型的倒立摆视觉伺服控制实验平台,然后设计了一种基于事件触发机制的工业图像采集策略,提出了考虑小车和摆杆特征的小车位移和摆杆偏角计算方法,并统计分析了图像处理计算时间和计算误差特性;进一步建立了融合计算时间和计算误差的闭环控制系统模型,理论证明系统的稳定性并建立了反映计算时间与系统稳定性能之间关系,给出了系统对计算误差的H_∞扰动抑制水平γ和控制器设计方法.最后,仿真和实时控制实验验证了所提方法可行且有效.     

二级直线倒立摆系统的实物控制

针对二级直线倒立摆系统,采用拉格朗日方程法建立其理论模型,分别使用线性二次最优控制（Linear Quadratic Regulator,LQR）及基于趋近律的滑模控制（Sliding Mode Control,SMC）算法来实现干扰存在情况下倒立摆的平衡控制。对于LQR算法,研究了矩阵[Q]和矩阵[R]与反馈控制矩阵[K]的定性关系,并经过反复多次实验,不断试凑,得到一组良好的控制参数,实现了倒立摆的稳定控制。SMC算法采用基于指数趋近律的控制方法进行了滑模变结构控制器的设计,并利用边界层法来进一步削弱抖振。最后通过仿真及实验,实现了倒立摆的实物平衡控制。     

平面一级倒立摆的稳定控制

平面倒立摆系统是进行控制理论研究的理想实验平台.在对平面一级倒立摆进行运动学和动力学分析的基础上,采用拉格朗日方程建立了它的动力学模型.分别设计了LQR控制器和模糊控制器,应用所设计的控制器对倒立摆系统进行了实时控制实验.验证了两种控制方法的优缺点.     

二级倒立摆系统的实时稳定控制实验研究

为实现二级倒立摆系统的实时稳定控制,以深圳固高直线二级倒立摆装置作为控制对象,在MATLAB环境下,利用基于二次型最优控制理论的线性二次型(Linear Quadratic Regulator,LQR)最优控制器,成功实现了该装置的实时稳定控制。为引入新的控制策略,采集二级倒立摆实时控制过程中的LQR控制器数据作为样本,经过自适应神经模糊推理系统(Adaptive Neuro-Fuzzy Inference System,ANFIS)工具箱训练并生成出一种新型模糊神经网络控制器,应用到装置上同样实现了实时平衡。结果表明,新型控制器较LQR控制器控制效果更优,也为成功实现装置的实时平衡提供了一种新的思路和解决方法。     

基于模糊加权的倒立摆混合控制

针对小车倒立摆系统,提出了一种线性状态反馈控制和滑模控制模糊加权的控制方法.滑模控制器的作用是将摆角控制在零的一个邻域内,在此邻域内首先采用近似的线性化模型来描述倒立摆系统,然后采用基于极点配置的方法设计系统的线性状态反馈控制器以使系统的状态稳定在给定值,两个控制器的输出通过加权求和作为倒立摆的控制作用.仿真结果证实了该方法的有效性.     

简易两轮自平衡机器人的设计与制作

两轮自平衡机器人与倒立摆的基本原理相同,都是自动控制理论的典型研究对象,但要自行制作都有一定难度。介绍了用市场上很容易买到的玩具车改装而成的两轮自平衡机器人。在单片机的控制下,实现了连续稳定的直立平衡。可以作为自动控制系统的实验平台,进行各种控制算法的可行性与效果验证。     

两轮自平衡机器人动力学建模及其平衡控制*

针对高阶次、不稳定、多变量、非线性、强耦合的两轮自平衡移动机器人系统,采用Lagrange方程推导出动力学模型,对其进行稳定性和可控性判断,并利用LQR和龙伯格极点配置的方法在此模型的基础上对两轮自平衡机器人的姿态和速度进行控制,可获得较为稳定的动态平衡过程。给出了数学模型推导的具体步骤,分别采用以上两种方法进行了仿真研究和比较。仿真实验结果表明,这两种控制方法对机器人的稳定性控制都是有效的。其中龙伯格极点配置控制方法使系统的跟踪速度更快、稳定性更高,具有较高的实际应用价值。     

基于飞轮的单级倒立摆系统的建模与仿真

针对目前融轮机器人的侧向平衡控制问题,设计了一种基于飞轮的单级倒立摆系统.简单地介绍了目前有关倒立摆系统的研究现状,然后利用拉格朗日方法建立了基于飞轮的单级倒立摆系统的数学模型,同时,对所建立的数学模型(精确模型和线性化模型)在Matlab/Simulink中进行了仿真验证,仿真结果证实了所建立的模型是可信的,并用现代...     

基于蚁群算法的机器人系统LQR最优控制研究

针对两轮自平衡机器人线性二次最优控制器(LQR)中的权参数选择问题,提出了一种基于自适应蚁群算法的权矩阵优化参数策略.利用LQR控制器,采用自适应蚁群算法对LQR权矩阵Q的各位参数进行数字寻优,将得到的数字序列进行划分,寻找到最优参数值,从而对两轮自平衡机器人的俯仰属性进行有效的系统控制.仿真实验结果表明:采用蚁群算法优化后的控制器比人工选择参数策略有更好的控制效果,验证了方法的稳定性和有效性.     

非同轴两轮机器人自平衡与转向闭环控制

针对车速、车身侧倾角和前轮转角变化较大工况下的非同轴两轮机器人在基于前轮转角的自平衡控制中,因动力学模型准确性对自平衡控制带来的影响,设计了基于RBF神经网络模糊滑模控制的自平衡控制器,利用RBF神经网络的逼近特性,对动力学模型中非线性时变的不确定部分进行自适应逼近,从而提高动力学模型的准确性,并借助模糊规则削弱滑模控制中产生的系统抖振;以及因前轮转角用于自平衡控制中难以实现转向闭环控制,建立了基于纯跟踪法的轨迹跟踪控制器,并设计利用车身平衡时车身侧倾角与前轮转角的耦合关系,将转向闭环控制中的目标前轮转角替换为目标车身侧倾角,从而将自平衡控制器与轨迹跟踪控制器相结合,在保证车身平衡行驶的前提下,实现带有轨迹跟踪的转向闭环控制。实验结果表明,凭借动力学模型的较高准确性,RBF神经网络模糊滑模自平衡控制器具有鲁棒性好、超调量低和响应迅速的优点,并且利用车身平衡后车身侧倾角与前轮转角耦合关系,实现转向闭环控制是可行的,具有良好的轨迹跟踪效果。     

基于电磁寻迹的二轮自平衡小车的设计与实现

基于电磁寻迹二轮自平衡小车融合直立、速度、转向闭环控制系统,实现小车沿着磁导线平稳快速寻迹。采用S9KEAZ128AMLK作为核心处理器来实现二轮自平衡小车循迹。软件方面,通过MPU6050采集姿态数据,经过卡尔曼滤波器得到精确姿态角,通过串级pid控制器实现小车稳定直立。通过工字电感对外界磁场感应,采用分段PD控制实现方向的控制。在环岛处给予反向PWM,使小车不受环岛磁场的干扰,在直道保持直行,通过上位机观测环岛特征,设定入环标志位。硬件方面,在小车车身处固定左右电感,使小车和电感同步检测环岛,避免提前入环。     

基于内在动机的智能机器人自主发育算法

针对两轮自平衡机器人在学习过程中主动性差的问题,受心理学内在动机理论启发,提出一种基于内在动机的智能机器人自主发育算法。该算法在强化学习的理论框架中,引入模拟人类好奇心的内在动机理论作为内部驱动力,与外部奖赏信号一起作用于整个学习过程。采用双层内部回归神经网络存储知识的学习与积累,使机器人逐步学会自主平衡技能。最后针对测量噪声污染对机器人平衡控制中两轮角速度的影响,进一步采用卡尔曼滤波方法进行补偿,以提高算法收敛速度,降低系统误差。仿真实验表明,该算法能够使两轮机器人通过与环境的交互获得认知,成功地学会运动平衡控制技能。     

自平衡两轮移动机器人的LQR控制策略研究

采用dsPIC30F4011作为主控芯片,利用自制倾角传感器、陀螺仪和自制的电机编码器作为系统的传感器,设计了价格低廉的自平衡两轮移动机器人,很适合作为各种控制方法的研究平台。根据机器人的系统参数和运动状态,设计了电机模型、车轮模型及车身前进模型,构建了系统的动力学模型,得到了机器人平衡前进时的状态空间表达式,设计了LQR最优控制器,并进行了MATLAB仿真,得到了预期的平衡效果,验证了系统具有良好的鲁棒性,同时表明硬件设计和系统建模的合理有效性。