单级倒立摆的PID控制研究

对单级倒立摆系统的平衡控制问题进行了研究，分别采用PD，PI和PID三种方案实现了单级倒立摆系统的平衡控制。首先，建立系统的数学模型，然后通过仿真实验设计并整定各方案的控制器参数，将所设计的控制器分别在实际的物理设备上进行实时控制实验，都成功地实现了倒立摆的平衡控制。实际控制结果验证了各方案的正确性和有效性。     

基于能量控制与近似输出调节的二级倒立摆起摆和跟踪控制

二级倒立摆是一个典型的欠驱动非线性系统,其控制问题具有一定的挑战性.为了解决时变参考信号下二级倒立摆的起摆和跟踪控制问题,本文提出了一种基于能量控制与近似输出调节方法的起摆和三阶控制器设计方案.首先,采用能量控制方法将第1级摆杆从下垂位置摆起到倒立位置附近;其次,采用滑模控制方法将第1级摆杆稳定在倒立位置,同时,采用等效小车与能量控制相结合的方法将第2级摆杆摆起到倒立位置附近;最后,采用基于近似输出调节理论的多项式近似方法设计三阶控制器实现二级倒立摆的位置跟踪控制.仿真和实验结果均验证了该控制方案的有效性.     

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。     

二级倒立摆变结构控制改进方案的对比研究

关于二级倒立摆稳定性优化控制问题,二级倒立摆是一个高度非线性系统,具有强耦合和快速运动的特点。但目前采用常规滑动模态变结构控制方法使系统出现高频抖动,导致系统存在稳定性差的问题。采用直线二级倒立摆为被控对象,通过用指数趋近律、边界层法和连续函数的趋近律三种改进方案对二级倒立摆系统进行了仿真,实验效果的对比结果表明,三种方案均能实现对二级倒立摆的稳定性有效控制,并可以使系统抖振得到抑制,为二级倒立摆稳定性设计提供了依据。     

PID控制在倒立摆实时控制系统中的应用

针对单级倒立摆系统的单输入双输出、强非线性、强耦合的不稳定系统,提出了双回路PID控制方案。通过仿真试验研究了双回路PID多种组合控制方案的可行性,并选出最佳方案——双回路PD-PD控制方案。通过在实际单级倒立摆装置上的实时控制试验证实所提出的控制方案可以实现了对小车位置和摆杆偏角的同时闭环控制。     

基于DSP实现的一阶倒立摆控制

倒立摆是控制领域中典型的被控对象。本文通过智能控制算法实现倒立摆的起摆控制。当摆杆的角度进入稳定区域时,通过PID控制算法使摆杆稳定。整个控制过程由基于DSP(DigitalSignalProcessor)为核心的控制器来实现。经过实物检验,成功地实现了一级倒立摆的稳摆和起摆控制。     

倒立摆系统的T-S模糊控制研究

针对倒立摆的非线性采用T-S模糊控制的方法对倒立摆进行控制,建立了倒立摆的数学模型,并用Matlab进行了仿真,仿真结果表明该控制方法对倒立摆具有好的控制效果。     

一种生长型神经网络的倒立摆控制方案

针对倒立摆系统,提出了在结构上可生长的神经网络控制方案。网络利用细胞生长结构算法,在工作域中实现对状态变量的模式分类,并通过新神经元的插入实现网络规模的生长演化。在输出域中针对倒立摆控制任务采用强化Hebb学习机制,实现不同的神经元以最佳方式响应不同性质的信号刺激。仿真表明,通过神经网络自身的发育,该方案有效控制了倒立摆系统。     

一种生长型神经网络的倒立摆控制方案

针对倒立摆系统,提出了在结构上可生长的神经网络控制方案.网络利用细胞生长结构算法,在工作域中实现对状态变量的模式分类,并通过新神经元的插入实现网络规模的生长演化.在输出域中针对倒立摆控制任务采用强化Hebb学习机制,实现不同的神经元以最佳方式响应不同性质的信号刺激.仿真表明,通过神经网络自身的发育,该方案有效控制了倒立摆系统.     

倒立摆系统概述

首先,本文阐述倒立摆的国内外发展现状并介绍倒立摆的自动起摆和稳定控制方法.其次,对倒立摆的稳定控制方法进行比较.最后,对倒立摆控制算法今后的发展趋势做进一步预测.     

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.     

一种基于人工免疫原理的最优模糊神经网络控制器

提出了一种基于人工免疫原理的最优RBF模糊神经网络控制器设计方案．首先给出了控制器结构，其次将免疫进化算法用于控制器参数的优化，设计了一种满足二次型性能指标的最优RBF模糊神经网络控制器．将该控制器用于控制实际倒立摆系统，并采用状态变量合成方法以大大减少模糊规则的数目，实验结果验证了该控制器的有效性．     

基于模糊神经网络的模型参考自适应控制

用模糊神经网络作为控制器,依靠参考模型产生理想的控制系统闭环响应,从而随时得 到控制系统的输出误差.用梯度法实时修正模糊控制器的输入和输出隶属度参数,得到一种 在线模糊自适应控制的新方法.通过倒立摆的仿真实验表明,该方法是可行的并能适应对象 特性的大范围变化.     

模糊规则控制一种绝对不稳定系统

本文设计了一个高精度、高分辨率的模糊控制器，并用以控制二阶倒立摆获得成功。提出了一种处理多变量系统的新观点，给出了模糊控制二阶倒立摆的控制规则；和一种强有力的清晰化方法，从而使模糊控制器的输出更加细腻，应用上述理论设计的高精度、高分辨率的模糊控制器，对二阶倒立摆进行实时控制获得成功。     

模糊控制在二级倒立摆中的应用

本文推导了二级倒立摆的数学模型，研究了它的控制方法。本文引入了综合误差和综合误差变化率的概念，大大的减少了模糊控制器的输入变量，从而减少了模糊控制器的控制规则，使控制器的控制规则更简单、有效。     

基于模糊树模型的间接自适应模糊控制

提出了一种基于模糊树模型的间接自适应模糊控制器的设计方法. 采用模糊树辨识方法离线辨识系统中的未知非线性函数, 得到初始的控制器, 然后在线调节模糊树模型中的线性参数, 改善控制器的性能, 实现对有界参考信号的跟踪控制. 通过对倒立摆系统进行数值仿真, 验证了所提方法的有效性和优越性.     

二级倒立摆基于信息融合的模糊控制

本文针对二级倒立摆系统,提出了一种基于信息融合的模糊控制方法.该种方法将线性系统理论与模糊控制技术相结合,利用信息融合技术完成输入变量降维,从而大大简化了多输入模糊控制器的设计过程.仿真结果表明,本文提出的设计方法是正确的和可行的.     

一级直线倒立摆匀速行走的模糊控制研究与实现

当前针对倒立摆的研究一般是把角度控制或者位置控制作为控制目标,很少着眼于速度控制,有鉴于此,设计了一种简单的模糊控制器,应用于一级直线倒立摆的匀速行走控制中;仿真实验和实物实时控制实验均验证了该控制器的有效性,对于设定的速度整定值,通过调整几个比例环节的系数,系统具有很好的动态性能指标,而且控制器在有外界扰动时体现了很好的抗扰性;考虑到实际物理系统中倒立摆行程的限制,设计的自动换向开关实现了倒立摆在一段给定的行程上匀速来回行走的控制目标,通过手动切换开关也能实现倒立摆的位置控制。     

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.