三级倒立摆系统非线性模型的建立

目前,人们对三级倒立摆系统的研究较少,其主要原因在于系统结构复杂和其非线性模型难以建立,这极大地限制了使用智能控制算法对其进行控制,本文在给出了三级倒立摆系统的硬件组成和分析了三级倒立摆的系统结构的基础上,用Lagrange方程推导出了其非线性数学模型,并对系统进行了线性化和分析了系统的可控性和可观测性,给出了智能控制算法的思路。     

基于LMI三级倒立摆系统的H∞鲁棒控制

倒立摆系统为典型的快速、多变量、非线性、绝对不稳定系统,且存在不确定因素。针对三级倒立摆系统中所受摩擦的不确定性,采用LMI方法,设计了H∞鲁棒控制器,给出了控制器的求解方法。仿真实验证明,控制方法具有很好的鲁棒稳定性。     

基于滑模控制的二级倒立摆稳定控制

对二级倒立摆系统的稳定和鲁棒控制问题,采用极点配置方法设计了滑模变结构控制器。针对变结构控制器的抖振,提出了一种新型的变趋近律方法来改进控制器。仿真实验表明,该控制策略不仅能实现系统的稳定控制,而且具有较强的抗干扰能力和鲁棒性。     

三级倒立摆建模与H∞鲁棒优化保性能控制

针对倒立摆系统当中存在的自然不稳定性和大量不确定性,提出了一种H∞鲁棒优化保性能控制方法.利用分析力学中的Lagrange方程建立三级倒立摆的不确定数学模型,把系统的不确定性和外界扰动分别转化为模型状态矩阵的不确定性和模型的扰动输入,从而将系统稳定问题转化为H∞范数求解问题.仿真实验结果证明,应用这种方法可以保证系统指数稳定,二次代价泛函满足性能指标,同时使系统具有相同H∞范数界γ.与传统方法相比,该方法对三级倒立摆的控制具有较强的鲁棒性,能够在系统存在外界干扰和不确定性时,仍能保持系统的稳定性.     

基于滑模的平行双倒立摆系统稳定控制研究

结合控制目标对两摆间无弹簧连接的平行双倒立摆系统进行合理建模,验证所建模型可行性,讨论系统能控性和参数间的关系,设计了滑模变结构控制律,仿真结果表明滑模变结构控制能实现平行双倒立摆系统的稳定控制.     

基于非线性干扰补偿的倒立摆反演终端滑模控制

针对倒立摆控制系统既是非线性系统,又存在干扰及参数不确定的情况,提出了基于干扰补偿的反演终端滑模控制.充分利用反演与终端滑模控制的优点,在反演滑模控制的最后一步,采用终端滑模面取代传统的线性滑模面,使误差快速收敛到零,从而提高控制精度.同时,利用非线性干扰观测器对干扰信号进行估计,并进行前馈补偿,提高系统的抗干扰能力.仿真结果表明所用方法的有效性.     

单级倒立摆LQR控制方法的鲁棒稳定性分析

鲁棒稳定性是控制系统的一个重要指标,针对单级倒立摆系统,采用LQR最优控制方法,通过MATLAB实验环境下的仿真,得到了良好的控制效果。重点对该控制方法的鲁棒稳定性做了详细分析,通过增加系统自身的扰动及LQR控制器中加权阵R的改变考察该控制方法的鲁棒稳定性,对比仿真结果表明该控制方法鲁棒稳定性良好,进一步验证了LQR控制方法在对于倒立摆这样一个非线性极强的控制系统上所具有的控制优势。     

基于LQR算法的三级倒立摆控制系统的仿真研究

倒立摆是智能控制的理想实验对象.本文首先建立了直线三级倒立摆的非线性数学模型,然后在平衡点处对其线性化,再利用二次型最优控制理论,导出控制规律.本文以MATLAB为仿真工具,设计了一系列稳定摆动和加扰实验,通过分析三级摆仿真实验曲线,明确了加权矩阵Q中各权系数对倒立摆稳定影响的相对重要程度,由此来优化加权系数的选择.实验表明,这样选择参数后,系统显示出较好的鲁棒性及动态特性.     

二级倒立摆系统的模糊滑模变结构控制

目的 在满足良好的控制性能指标下,不依赖数学模型,实现对固有不稳定系统的有效控制.方法 根据Lyapunov稳定性定理,建立模糊逻辑规则库,设计模糊滑模变结构控制器来控制二级倒立摆不稳定系统,并通过仿真验证控制方法有可行性和有效性.结果 该控制方法能以较为满意的动态和静态性能实现对不稳定系统的控制,摆脱了对被控对象数学模型的依赖,控制器的设计方法简单,实施方便,提高了控制方法的实用性.结论 笔者有效地融合了模糊逻辑系统和滑模控制系统,开发了针对固有不稳定系统的控制算法,此方法扩大了控制对象的范围,在生产实践中有很广阔的应用空间.     

基于遗传算法的倒立摆系统的多级控制研究

将单一的复杂控制转化为多级简单控制的控制方法应用到三级倒立摆系统的控制中,并通过遗传算法对各级控制中的未知参数进行优化.给出了多级控制器的设计方法和参数优化步骤.仿真试验证明了该控制方法的可行性.     

基于神经网络的鲁棒自适应滑模迭代学习控制

对一类不确定非线性系统，包括不确定性机器人，提出一种自适应鲁棒迭代学习控制方案，学习控制用于学习周期性的系统不确定性，自适应滑模控制用于抑制非周期性系统不确定性，并且利用RBF神经网络自适应学习系统不确定性的未知上界，对不确定性系统动态和有界输入拢动具有鲁棒性，通过Lyapunov直接方法，确保了对每次迭代闭环系统是一致有界的，并且沿着迭代次数的增加，跟踪误差渐近收敛于零，仿真结果表明了该方案的有效性。     

基于Sugeno模型的倒立摆模糊控制及实验

为实现对倒立摆非线性不稳定系统的精确控制,利用Sugeno模糊模型将其处理成多个局部线性模型的模糊逼近,并设计了模糊控制器．通过Simulink对倒立摆系统建模仿真,控制效果分析比较．现场实验表明,该算法能够实现对单级倒立摆的稳定控制,具有结构简单、良好的稳定性和快速性等优点,对其他非线性不稳定系统的控制提供了一种有效的途径．     

基于最优控制LQR的单级倒立摆系统仿真研究

单级倒立摆控制是一个即复杂而又对准确性、怏速性要求很高的非线性不稳定系统控制问题。在倒立摆系统数学模型的基础上,对系统进行了性能分析。应用现代控制理论最优控制LQR方法对单级倒立摆系统进行仿真控制研究,仿真结果说明反馈控制理论对倒立摆系统的控制是有效的,无沦是系统的输出还是各个状态变量都具有较好稳定性和一定的鲁棒性。     

多Agent倒立摆模糊控制系统

为了提高模糊控制系统的智能性,将Agent技术与模糊控制理论相结合,设计了一种基于多Agent的倒立摆模糊控制系统．根据多Agent系统（MAS）的设计原则,将倒立摆系统分解为3个Agent,通过建立3者之间的协商策略,使各Agent间相互协作,完成了单个Agent所无法完成的预定任务．对倒立摆控制系统的仿真验证了Agent技术与模糊控制理论结合的可行性和有效性．     

模糊神经网络的二级倒立摆稳定控制分析

在MATLAB环境下,针对二级倒立摆系统稳定控制问题,引入新的智能控制策略,该种方法采用BP算法与最小二乘（LSE）算法结合的混合算法对Takagi-Sugeno模糊模型中的前件及后件参数进行优化修正,在已获得的客观输入、输出样本集的基础上,提出一种基于自适应神经网络的模糊推理系统ANFIS来对倒立摆系统进行＂倒立＂控制。实时控制结果表明,所提出的控制方法是可行而且有效的。     

3D刚体摆姿态稳定性的自适应滑模控制

针对3D刚体摆的倒立平衡位置处的姿态稳定性问题,考虑系统的惯量不确定性,根据3D刚体摆的约化姿态模型建立滑模面,设计相应滑模控制器,并引入自适应滑模控制,用于处理参数模型不确定的情况。李雅普诺夫稳定性分析表明提出的自适应滑模控制律能够确保3D刚体摆姿态控制系统渐近稳定。仿真实验验证了方法的有效性。     

基于滑模原理的鲁棒交流伺服控制器

滑模变结构控制器由于具有鲁棒性好、设计实现方便等优点,已被逐步应用于电力传动控制领域, 该理论在工程应用中最大的障碍是高频开关控制带来的抖动现象．本文首先深入地分析了在交流伺服系统 中,当采用传统滑摸控制时,抖动产生的原因及特点．在此基础上提出了一种无抖动现象的新型滑模控制 器,并论证了控制参数整定的原则．实验的结果表明这种新型滑模控制器既保留了传统变结构控制的鲁棒 性,又有效地解决了抖动问题．     

基于滑模控制的PWM整流器的研究

针对PI调节器在扰动情况下不能获得良好的动态特性以及三相电压型PWM整流器典型的非线性结构问题,在三相电压型PWM整流器d-q数学模型的基础上,提出了对非线性系统具有良好控制效果的滑模控制策略。首先,给出了PI控制和滑模控制的设计方法;其次,通过仿真对比双闭环PI控制与双闭环混合滑模控制,得出混合滑模控制较PI控制,超调量小,动态响应快,鲁棒性好的结论。最后,基于TMS320F2812搭建实验样机,结果证明了混合滑模控制策略的正确性。