单级倒立摆LQR最优控制及其嵌入式系统实现

倒立摆以其非线性特点成为控制理论分析和设计的典型实验设备.针对单级倒立摆系统,建立其数学模型,设计了线性二次型最优控制器,利用Matlab进行了仿真验证.同时,搭建了控制系统的实物实验平台,利用Z-World公司的嵌入式系统实现了该控制算法,并进行了调试,完成了倒立摆的平衡控制.并作了一些干扰实验来验证系统性能.仿真研究和实物实验的结果,表明在嵌入式控制系统中实现的LQR最优控制算法具有很好的控制效果,使倒立摆具有良好的动态性能和稳态性能.     

二级倒立摆的鲁棒建模及其鲁棒H∞最优控制

针对倒立摆系统本身存在的大量不确定性因素，建立其不确定数学模型。苦于最优控制的思想，针对二级倒立摆的参数摄动及干扰，设计了鲁棒H∞最优控制器，并在二级倒立摆实验装置上进行控制。实验结果表明；用鲁棒H∞最优控制器的二级倒立摆系统，具有很强的鲁棒稳定性和抗干扰性。     

直线柔性连接两级倒立摆控制器设计

倒立摆系统是一个复杂的、非线性的、不稳定的高阶系统。倒立摆的控制一直是控制理论及应用的典型课题。分析了如何利用拉格朗日方程对直线柔性连接两级倒立摆系统建模，采用LQR法设计最优控制器，进行了具体架构以及阐述了此系统设计的控制器在实际物理系统中的实现问题。所设计的控制器对此倒立摆系统成功实施了控制，既证明了系统建模的正确性，也是倒立摆控制中的一项重大突破。相关研究成果将在航天科技及机器人学等领域发挥重要作用．     

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.     

倒立摆的一种模糊控制方法

提出一种模糊控制方案,实现对倒立摆系统的平衡控制.针对倒立摆系统多变量的特性,采用双模糊控制器方案,分别对摆杆倾角和小车位移设计模糊控制器,大大降低了设计难度;为了实现对摆角和位移双重控制的功能,采用两个控制器轮流控制的策略,当摆角偏差或角速度值较大时,摆角控制器起作用,保持摆杆的垂直,反之,位移控制器起作用,调整小车位置不越界.在实际的物理设备上进行了实时控制实验,实验结果验证了方案的正确性和有效性.     

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.     

倒立摆系统的最优控制应用研究

针对倒立摆系统的不稳定性,对最优控制理论在倒立摆控制系统中的应用进行了分析,设计LQR控制器,并在倒立摆实验装置上进行了实验。实验结果表明设计的控制器是有效的,对倒立摆系统的平衡稳定控制效果好,提高了系统的抗干扰能力。     

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。     

环型二级倒立摆的控制研究与实现

通过分析环型二级倒立摆系统的动力学特性,将系统的状态空间方程在“倒立”的 平衡点附近进行线性化处理,应用线性二次型最优控制策略,对环型二级倒立摆进行控制器 的设计与仿真实验,并成功地将所设计的控制器应用到实际的环型二级倒立摆系统上,使其 稳定地平衡在“倒立”状态．所做应用与实际实验在国内尚未见到报道．     

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.