基于自适应神经模糊推理的倒立摆控制

本文研究基于自适应神经模糊推理（ANFIS）的三级倒立摆控制。ANFIS建立在专家经验的基础上，以收集到的数据为样本，进行训练学习，从而优化模糊控制器参数，然后用优化的控制器对倒立摆系统进行控制，并与线性二次型最优控制LQR做了比较，实验表明ANFIS具有调节时间短和稳定性好等优点。     

基于鲁棒H∞理论的三级倒立摆控制系统研究

为了研究三级倒立摆的鲁棒控制方法,设计出三级倒立的状态反馈H∞控制器。仿真结果表明三级倒立摆具有良好的鲁棒稳定性、鲁棒性、抗干扰性,实现了对三级倒立摆的稳定控制。同时运用了状态空间极点配置法和LQR最优控制法,分别设计出针对三级倒立摆的控制器。经比较研究：采用状态反馈H∞方法设计的三级倒立摆控制器的控制效果非常好,使其具有较小的振荡和超调量,倒立摆起摆迅速,稳定控制性能优良。     

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。     

三级倒立摆的加权变量模糊神经网络控制

为了提高三级倒立摆系统控制的响应速度和稳定性,在设计Mamdani型摸糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器。该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练,能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则。通过与Mamdani型控制器的仿真对比,表明该Sugeno型模糊神经网络控制器对三级倒立摆系统的控制具有良好的稳定性和快速性,以及较高的控制精度。     

数字倒立摆系统控制方法的对比研究

倒立摆系统是一个典型的单输入多输出、非线性、复杂的不稳定系统,以FEEDBACK公司的数字倒立摆为研究对象,实现了线性二次状态调节嚣(LQR),模糊控制器以及基于自适应神经模糊推理系统的ANFIS控制器的设计,并且从理论和实时控制结果上对三种方法进行了时比分析,得出了相应的结论.     

车轨长度受限的并行双摆能量控制

采用牛顿-欧拉方法建立并行二级倒立双摆系统的数学模型.针对车轨长度受限的并行二级倒立摆系统,本文提出了一种基于能量控制思想和直接李雅普诺夫函数方法的摆起控制策略.所设计的控制器保证了小车的速度收敛到零和摆杆在达到垂直向上的位置时摆杆的能量为零.同时,它能实现对并行双摆的稳摆控制.控制器简单易行,参数调节方便.在并行二级倒立摆摆起控制器设计的基础上,简述了三级车摆的摆起控制器设计过程.最后,通过计算机仿真验证了控制方法在工作效率和抗干扰方面能保持良好的控制性能.     

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。     

基于非线性控制方法的倒立摆系统控制

应用非线性系统跟踪控制方法对倒立摆系统的控制进行研究.基于非线性系统控制方法对倒立摆系统摆的镇定问题、台车位置调节问题和鲁棒控制问题设计出了具体的控制器.最后给出了在所设计的各种控制器作用下系统的仿真结果,结果表明所设计的控制器对倒立摆系统的稳定控制具有良好的效果.     

一类非线性欠驱动系统的混沌优化LQ控制

提出了一种基于混沌优化线性二次最优控制器权矩阵参数的三级倒立摆控制方法;根据系统控制的目标,设计了一类适合多变量系统的优化性能指标函数;这类性能指标函数综合考虑三级倒立摆系统各个输出间的重要程度,以及动态特性和稳定性要求,结合文中的性能指标函数,首先利用混沌粗搜索得到控制器权矩阵参数的次优解,再在次优解的邻域内继续寻优,得到全局最优的权矩阵参数;利用这种方法得到的LQ控制器,有效地实现了对三级倒立摆的稳定控制。     

三级倒立摆的自动摆起与稳定控制

采用非线性逆系统轨迹控制实现三级倒立摆的自动摆起,并设计了变增益LQR控制器将其稳定在竖直倒立位置.首先,三级倒立摆从静止下垂状态摆起到竖直倒立位置的过程,从数学角度看是一个两点边值问题,通过求解该两点边值问题获得摆起的标称轨迹,利用逆系统方法设计前馈控制,同时结合增益调度反馈控制使摆起过程稳定;其次,在稳定控制阶段,...     

一种改进的三级倒立摆变论域模糊控制器设计

在传统变论域模糊控制系统中, 论域随着输入的变化实时改变, 论域的反复调整降低了控制的实时性, 同时伸缩因子的函数结构和参数也不易确定. 基于上述问题本文设计了基于改进型变论域算法的三级倒立摆模糊控制器: 首先提出了相对变论域控制思想, 然后采用模糊逻辑推理器构造了伸缩因子, 实时调整输入变量, 从而相对性地改变论域大小, 避免了传统伸缩因子的函数结构和参数不易确定的问题, 并根据系统闭环响应曲线设计了控制 器输出调整因子. 最后采用极点配置方法对状态变量进行综合, 避免了规则爆炸问题. 三级倒立摆的仿真结果表明了该方法具有较好的控制效果.     

Modeling of an inverted pendulum based on fuzzy clustering techniques

The inverted pendulum is a highly nonlinear and open loop unstable system. To develop an accurate model of the inverted pendulum, different linear and nonlinear methods of identification will be used. However one of the problems encountered during modeling is the collection of experimental data from the inverted pendulum system. Since the output data from the unstable system does not show enough information or dynamics of the system. This can be overcome by designing a feedback controller, which stabilize the system before identification can takes place. Recently Takagi–Sugeno (T–S) fuzzy modeling based on clustering techniques have shown great progress in identification of nonlinear systems. Hence in this paper, Takagi–Sugeno (T–S) model is proposed for an inverted pendulum based on fuzzy c-means, Gustafson–Kessel (G–K) and Gath–Geva clustering techniques. Simulation results show that Gustafson–Kessel (G–K) clustering technique produces satisfactory performance.     

平面二级倒立摆自适应滑模控制器设计

研究平面二级倒立摆系统稳定性和速度特性优化问题,由于倒立摆系统的外界扰动的不确定性,建立平面二级倒立摆的数学模型,应用变结构控制理论(SMC)和模糊逻辑系统设计了自适应滑模控制器,把趋近律和切换控制的模糊化相结合,采用模糊系统调整趋近速率的大小,在加快趋近速度的同时用模糊逼近切换控制,为减少控制量的抖振和优化控制系统,同时倒立摆控制具有了滑模控制对外界扰动和参数摄动的不变性。进行仿真的结果验证了控制器的稳定性,表明控制器系统能保证在不同的运行条件下具有快速性和鲁棒性。     

二级倒立摆的Sugeno型模糊神经网络控制

为了提高二级倒立摆系统实时控制的响应速度和稳定性,在设计Mamdani型模糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器.该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练.能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则.通过与Mamdani型控制器的仿真对比及实际控制实验结果,表明该Sugeno型模糊神经网络控制器时二级倒立摆实验装置的控制具有良好的稳定性、快速性和较高的控制精度.     

Selection and impact of different topologies in multi-layered hierarchical fuzzy systems

An evolutionary algorithm based approach for selection of topologies in hierarchical fuzzy systems (HFS) is presented. Coupling fuzzy system with evolutionary algorithm provides a solution to the automated acquisition of the fuzzy rule base. It is difficult to study the problem of hierarchical decomposition for a large class of fuzzy systems but it is possible to analyse such architectures on the example of a particular fuzzy system, such as inverted pendulum. Topology of the HFS must be selected according to the physical properties of the dynamical system under consideration. Different HFS topologies for an inverted pendulum system are investigated and analysed to address the problem of how input configuration in multi-layered structure affects the controller performance. The experiments are conducted to test controller performance for different topologies of the hierarchical fuzzy system. The impact of different topologies on control process is discussed. The results from the case study of inverted pendulum can be extended to other dynamical systems.     

三级倒立摆的LQR方法优化参数控制

倒立摆是智能控制的理想对象。使用拉格朗日方程建立三级倒立摆系统的非线性数学模型,在平衡点处对其线性化,利用LQR（Linear Quadratic Regulator）最优控制理论,导出控制规律。通过对三级倒立摆一系列稳定摆动和加扰实验仿真曲线的分析,明确了加权矩阵Q中各权系数对系统稳定性控制的重要性,由此来优化权系数的选择。实验表明,系统显示出较好的鲁棒性和动态性能。     

基于变量分组模糊控制算法的倒立摆系统

采用模糊控制理论研究了直线一级倒立摆控制问题。直线一级倒立摆系统是多变量不稳系统,为了解决模糊规则爆炸问题,本文采用了变量分组的方法完成倒立摆模糊控制器的设计方案。要使直线一级倒立摆系统稳定,必须对小车位置和摆杆角度同时进行闭环控制,而单一的控制只能控制一个控制量,本文提出了两回路的模糊控制方案。仿真和实验结果证明了该方案的可行性和良好的控制性能。