LQR控制与PID控制在单级倒立摆中的对比研究

本文在单级倒立摆系统模型的基础上,介绍设计LQR控制器和PID控制器的基本原理,并通过对单级倒立摆系统的控制仿真实验对比研究两种控制方法,给出了相应的结论。     

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。     

基于BP网络二级倒立摆系统PID控制

为了更好地实现对二级倒立摆系统的控制,在基于BP神经网络的PID控制器的基础上,引入增量式函数观测器。以便更好反馈系统的状态来帮助PID控制器作出鲁棒性和适应性更高的控制策略。仿真实验表明,该技术成功地实现了对二级倒立摆系统的控制,其稳定性要优于LQR控制策略。     

基于RBF网络二级倒立摆系统PID控制

为解决传统PID控制SIMO系统的不足,提出在RBF网络辨识系统Jacobian阵基础上,引入kx-函数观测器的控制策略,实现PID控制参数的在线自整定。根据PID控制系统与LQR控制系统传递函数阵的等效关系,得到PID控制器的初始kp、ki、kd,解决实物二级倒立摆在初始时刻扰动大,但对稳定性要求高的矛盾。最后,仿真结果表明该方法使倒立摆系统具有快速性,稳态误差小,其控制效果要优于LQR控制,可实现二级倒立摆系统的稳定控制。     

基于参数优选法LQG最优控制的倒立摆控制

为了实现对单级倒立摆系统的控制,提出了一种基于LQG(线性二次型高斯控制)的倒立摆系统控制方法.利用LQR(线性二次最优)构建系态反馈矩阵,再结合Kalman滤波器,综合得到了LQG控制器,并对该控制器的参数进行了优化设计.通过MATLAB仿真,验证了采用的控制算法能够有效地对单级倒立摆系统进行控制,系统超调量较小,并具有一定的鲁棒性.     

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。     

基于模糊神经网络的倒立摆非线性系统分析

倒立摆系统以其自身的不稳定性而难以控制,也因此成为自动控制实验中验证控制策略优劣的极好的实验装置;针对倒立摆系统的平衡控制问题,提出了用一种应用神经网络来控制倒立摆的方法,同时由于神经元网络的训练的反复性,因此在系统中加入一个模糊控制器,来对神经网络输出的控制变量进行补偿,使神经元网络训练的权值能够始终保持在某一稳定值,从而保证了控制器稳定,仿真实验结果表明采用该方法设计的并联型模糊神经网络控制器对倒立摆这一先天不稳定的系统具有理想的控制效果。     

基于改进遗传算法的环形倒立摆PID参数整定

针对传统的环形倒立摆PID控制器参数整定方法主观性强,系统响应性能不佳等问题,提出来了一种基于改进遗传算法的环形倒立摆PID参数整定方法.采用仿真研究方法,比较了试凑法、遗传算法和改进遗传算法求取的PID控制器参数对环形倒立摆的控制效果.实验表明,相比于试凑法,遗传算法得到的PID控制器参数使系统的超调量减小、调节时间缩短;改进的遗传算法得到的PID控制器参数使系统的响应性能进一步优化.改进遗传算法求取PID控制器参数的方法对于环形倒立摆以外的控制系统也有借鉴作用.     

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.     

基于LQR三级倒立摆变论域自适应模糊控制

针对传统模糊控制的不足,以三级倒立摆为例,应用变论域自适应模糊控制理论,给出了三级倒立摆的数学模型,并验证了其可控性。考虑到三级倒立摆为多变量系统,为了解决模糊控制器规则组合爆炸问题,利用LQR理论先设计出状态反馈器,再进行降维处理。最后利用变论域自适应模糊控制理论给出伸缩因子,从而得到变论域自适应模糊控制器。仿真结果表明,该方法控制精度高,具有良好的稳定性和鲁棒性,可实现倒立摆系统的随动控制。