倒立摆的自调整模糊控制器设计及稳定性分析

本文针对倒立摆多变量的系统特性,提出双模糊控制器设计方案,分别对倒立摆的摆角和小车位移设计模糊控制器.然后根据摆角的不同进入不同的控制阶段,调整两个控制器的输出权重,实现倒立摆的平衡控制.实验证明用Matlab实现的控制算法在对倒立摆的控制中表现出很好的控制效果.     

基于鲁棒保性能控制的倒立摆虚拟现实仿真研究

为研究倒立摆的虚拟现实仿真教学平台,首先建立了倒立摆的数学模型,叙述并分析了基于线性矩阵不等式（LMI）的鲁棒保性能控制方法;然后基于鲁棒保性能控制器和虚拟现实技术,建立了倒立摆的虚拟现实仿真系统。研究结果表明：相对于PID控制器,鲁棒保性能控制器能使系统具有更好的渐近稳定性、干扰抑制能力和最优性能;而虚拟现实技术在教育领域中的应用,能给人以身临其境的感觉,增加了学生学习控制理论知识的兴趣。     

单级倒立摆系统中模糊控制理论的应用

在分析了单级倒立摆非线性模型的基础上,设计了一种利用模糊控制器进行倒立摆系统控制的方法,并对计算机控制倒立摆系统进行了实际调试。结果表明控制过程具有良好的动态性能和稳态性能,该方案可以得到较为满意的控制效果。     

单级倒立摆系统中模糊控制理论的应用

在分析了单级倒立摆非线性模型的基础上,设计了一种利用模糊控制器进行倒立摆系统控制的方法,并对计算机控制倒立摆系统进行了实际调试.结果表明控制过程具有良好的动态性能和稳态性能,该方案可以得到较为满意的控制效果.     

直线倒立摆的快速起摆与稳摆控制研究

针对直线倒立摆系统,提出了一种优化的快速摆起控制方法和基于ANFIS-PI的稳定控制算法。建立了直线倒立摆系统的数学模型,根据Lyapunov能量反馈思想对基于能量的起摆控制策略进行优化,实现了倒立摆系统的快速起摆实时控制,并从实验角度设计切换控制策略过渡到系统的平衡控制。采用小车跟踪方波信号获取样本数据,引入PI控制器,完成了基于ANFIS-PI稳摆控制器的设计。仿真和实验结果表明,优化后的起摆控制算法显著提高摆杆摆起速度,系统具有较强的鲁棒性,自适应性和动态性能。     

一级倒立摆系统设计与LQR最优控制仿真

应用Lagrange力学,对一级倒立摆系统进行数学建模,得出了状态空间方程;设计了一级可控倒立摆系统,并对系统进行了性能分析;设计了直线一级倒立摆的LQR控制器,通过仿真和实验证明,LQR实时控制效果好,保证了系统具有良好的稳定性和鲁棒性。     

倒立摆系统的建模及MATLAB仿真

通过建立倒立摆系统的数学模型，应用状态反馈控制配置系统极点设计倒立摆系统的控制器，实现其状态反馈，从而使倒立摆系统稳定工作。之后通过MATLAB软件中Simulink工具对倒立摆的运动进行计算机仿真，仿真结果表明，所设计方法可使系统稳定工作并具有良好的动静态性能。     

直线二级倒立摆系统的H_∞鲁棒最优控制

针对存在模型参数不确定性和外部扰动的直线型二级倒立摆系统的稳摆控制问题,对如何实现倒立摆系统鲁棒稳定的同时,还保证其达到期望的最优控制性能和H_∞性能指标的稳定性控制问题进行了研究。基于状态反馈、最优控制和H_∞鲁棒控制方法设计了一个H∞鲁棒最优控制器,用来实现对该倒立摆系统的稳摆控制。利用设计的控制器,基于倒立摆实验平台和Matlab数值仿真平台,使用该控制器来实现系统的控制并对稳定倒立摆的过程进行了验证。研究结果表明,该控制器能较好的实现对直线型二级倒立摆的稳摆控制,并对受控系统的模型参数摄动有较好的鲁棒性,同时还能利用最优的控制作用达到期望的H_∞性能指标。     

单级倒立摆的模糊控制应用

随着被控对象的日趋复杂,对控制性能的要求不断提高,传统控制理论对解决复杂系统无能为力。该文将人工智能中的模糊控制引入倒立摆控制系统,以提高控制要求,改善控制精度。通过仿真实验表明这种控制思路是可行的,效果良好。     

模糊自适应PID控制器的设计及应用研究

为实现多输入多输出、高度非线性、不稳定的倒立摆系统平衡稳定控制,将倒立摆系统的非线性模型进行近似线性化处理,获得系统在平衡点附近的线性化模型,利用牛顿一欧拉方法建立直线型一级倒立摆系统的数学模型.利用模糊控制技术对直线型一级倒立摆系统设计模糊自适应PID控制器,此整定方法有效地把专家经验应用于PID参致调节中,控制器集模糊控制器和PID控制器的优点于一身.仿真表明设计的控制器是有效的,该整定策略是实现自动工业控制器的一种简单、实用的方法.     

Intelligent semi-active vibration control of eleven degrees of freedom suspension system using magnetorheological dampers

A novel intelligent semi-active control system for an eleven degrees of freedom passenger car’s suspension system using magnetorheological (MR) damper with neuro-fuzzy (NF) control strategy to enhance desired suspension performance is proposed. In comparison with earlier studies, an improvement in problem modeling is made. The proposed method consists of two parts: a fuzzy control strategy to establish an efficient controller to improve ride comfort and road handling (RCH) and an inverse mapping model to estimate the force needed for a semi-active damper. The fuzzy logic rules are extracted based on Sugeno inference engine. The inverse mapping model is based on an artificial neural network and incorporated into the fuzzy controller to enhance RCH. To verify the performance of the NF controller (NFC), comparisons with existing semi-active techniques are made. The typical control strategy are linear quadratic regulator (LQR) and linear quadratic Gaussian (LQG) controllers with clipped optimal control algorithm, while inherent time-delay and non-linear properties of MR damper lie in these strategies. Simulation results demonstrated that the NFC has better control performance and less control effort than the optimal in improving the service life of the suspension system and the ride comfort of a car.     

自适应神经模糊推理的方向驾驶员模型研究

以方向驾驶员模型为研究对象,讲解了自适应神经模糊推理系统的原理和结构,并基于自适应神经模糊推理系统建立了一种两输入单输出的方向驾驶员模型。输入变量是道路参考线到预瞄点的横向偏差和道路参考线与车辆X轴之间面积偏差,输出是车辆方向盘转角。首先,通过车辆动力学仿真软件Carsim获取车辆的仿真数据。其次,自适应神经模糊推理系统通过仿真数据能够自动获取模糊控制规则并建立方向驾驶员模糊控制器。最后,将基于自适应神经模糊推理系统建立的方向驾驶员模型和Carsim中的车辆动力学模型进行联合仿真。仿真结果表明:基于自适应神经模糊推理系统所建立的方向驾驶员模型能够对路径进行良好的跟踪。     

Navigation of autonomous mobile robot using adaptive network based fuzzy inference system

Intelligent soft computing techniques such as fuzzy inference system (FIS), artificial neural network (ANN) and adaptive neuro-fuzzy inference system (ANFIS) are proven to be efficient and suitable when applied to a variety of engineering systems. The hallmark of this paper investigates the application of an adaptive neuro-fuzzy inference system (ANFIS) to path generation and obstacle avoidance for an autonomous mobile robot in a real world environment. ANFIS has also taken the advantages of both learning capability of artificial neural network and reasoning ability of fuzzy inference system. In this present design model different sensor based information such as front obstacle distance (FOD), right obstacle distance (ROD), left obstacle distance (LOD) and target angle (TA) are given input to the adaptive fuzzy controller and output from the controller is steering angle (SA) for mobile robot. Using ANFIS tool box, the obtained mean of squared error (MSE) for training data set in the current paper is 0.031. The real time experimental results also verified with simulation results, showing that ANFIS consistently perform better results to navigate the mobile robot safely in a terrain populated by variety obstacles.     

基于神经模糊技术的电液伺服控制

研究了基于神经模糊混合技术的电液伺服系统控制问题。综合神经网络与模糊逻辑技术的优势,构造了一种神经模糊控制器,它具备知识自动获取、并行分布存储及快速模糊推理决策的能力,给出了一种在线学习算法。用于一类典型的电液伺服系统的控制,获得了满意的效果。神经模糊混合技术对于电液伺服控制的发展与要求（如更复杂系统及其高性能控制）具有重要价值。     

采用磁流变阻尼器的人体座椅悬架系统模糊ANFIS-PID复合控制技术研究

对座椅悬架用单出杆式磁流变阻尼器进行阻尼特性试验,并借助MATLAB多项式拟合工具箱对改进多项式模型中未知参数进行辨识。分析人体振动特性,建立五自由度人体座椅悬架模型。综合模糊控制器与自适应模糊神经推理系统(Adaptive Neuro-Fuzzy Inference System,ANFIS)整定PID控制器的优点,提出一种模糊ANFIS-PID复合控制策略。采用正弦信号作为外界激励,分别对被动悬架、传统模糊控制、ANFIS-PID控制及模糊ANFIS-PID复合控制人体座椅悬架系统进行仿真分析。结果表明,辨识得出的参数和建立的改进多项式模型均可满足后续仿真要求;采用模糊ANFIS-PID复合控制策略的隔振效果明显优于传统模糊控制及ANFIS-PID控制,能有效改善人体座椅悬架系统的行驶平顺性及驾乘人员乘坐舒适性。     

线性二次最优算法的倒立摆系统仿真与实时控制

文章对倒立摆进行了详细的力学分析,建立了该种倒立摆的数学模型,并为系统设计了线性二次指标最优控制器。然后,通过计算机数值仿真实验,为倒立摆控制系统选取合适的性能指标和状态反馈矩阵,仿真实验结果说明,应用该状态反馈控制,能够取得了良好的控制效果。最后,文章建立了基于matlabRTW实时工具箱的倒立摆实时控制平台。通过倒立摆的实时控制实验,验证了理论分析和数值仿真的正确性。     

三级倒立摆系统全程滑模变结构控制

提出了一种基于全程滑模的变结构控制方法对具有单控制输入的三级倒立摆系统进行平衡控制的综合设计和成功的实验研究.该方法使得倒立摆系统从初始时刻开始就运行在滑模面上,从而使系统具有较强的鲁棒性.实验结果证明了该控制方法的有效性和可行性.     

二级倒立摆的 LQG 最优控制研究

为实现二级倒立摆系统的稳摆控制,应用了线性二次高斯最优控制。根据LQG的分离原理,首先利用最优控制设计控制律,得到状态反馈;由于系统状态不能完全测得,而且系统也不可避免地会受到噪声的影响,在详细给出相应参数取值规则的基础上,采用了卡尔曼滤波对系统输出做出最优估计。最后的仿真结果表明,设计的控制器能够较好地对二级倒立摆进行稳定控制,且具有抑制噪声和抗干扰能力。