三级倒立摆的自适应神经模糊控制

在三级倒立摆(TIP)系统中, 应用神经网络与模糊控制相结合的自适应神经模糊推理系统(adaptive neuralfuzzy inference system), 根据样本数据调整隶属函数和控制规则参数, 使得训练后ANFIS控制器很好地模拟期望的输入输出数据. 仿真结果表明所设计的ANFIS控制器对三级倒立摆系统的稳定控制是可行的. 与LQR控制相比, 基于ANFIS控制的倒立摆系统具有良好的动态性能和抗干扰性能.     

平面倒立摆自适应滑模模糊控制

采用拉格朗日方程建立平面倒立摆的动力学模型,并将其在平衡位置进行线性化,得到了系统在X和Y两个正交控制方向解耦的近似模型．针对每一个控制方向上由互相耦合的基座小车定位子系统和摆杆镇定子系统组成的欠驱动系统,设计了自适应滑模模糊控制器,实现了基座小车沿圆周行走条件下摆杆的运动平衡控制．行走实验验证了所提出控制算法的有效性．     

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.     

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。     

基于参数自适应模糊PI的三级倒立摆控制

三级倒立摆作为高阶次、多变量、非线性、强耦合的不稳定系统,不易对其进行有效控制.在基本模糊控制器基础上,设计了一种参数自适应模糊PI控制器.即通过LQR(Linear Quadratic Regulator)最优控制理论方法,确定出融合函数,降低了模糊控制器的输入维数,减少了控制器规则数.经过参数修正模糊控制器,实现参数自适应调整,提高了系统控制性能.通过SIMULINK仿真及对比,结果显示,系统能在较短时间内达到稳定,控制效果、稳定性及鲁棒性均较好,能满足系统要求.     

基于LQR的二级倒立摆的变论域自适应模糊控制

针对传统模糊控制的不足,以二级倒立摆为例,采用了变论域自适应模糊控制理论.考虑到二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,该方法控制效果好,鲁棒性强.     

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。     

二级倒立摆的参变量模糊控制

本文主要研究用参变量模糊控制对二级倒立摆进行实时控制的问题。提出了Ｆｕｚｚｙ控制多变量系统的一种分析方法，给出了综合误差、综合误差变化率的概念，并叙述了综合系数的设计方法。应用综合误差理论设计了带参变量Ｆｕｚｚｙ控制器，且用３８６微机对二级倒立摆进行实时控制，取得了较好的效果。     

倒立摆的双闭环模糊控制

对倒立摆采用双闭环的模糊控制方案，内环控制倒立摆的角度，外环控制倒立摆的位置，两个模糊控制器的设计都很简单，执行时间很短。在实际倒立摆装置上的实验结果验证了该方案的可行性和良好的控制性能。     

基于自适应积分反步的四旋翼飞行器控制*

四旋翼飞行器系统是强耦合,多输入多输出（MIMO）和非线性的。首先,进行动力学建模,考虑模型参数确定与阵风干扰两种情况。接着,提出了一种自适应积分反步控制方法应用于飞行器跟踪期望轨迹。整个控制系统采用双闭环回路结构,内回路用于控制姿态,外回路用于稳定位置。最后,在模型参数确定的情况下,与积分反步法（Integral Backstepping,IB）做实验对比。在模型参数不确定情况下,对飞行器的期望姿态和位移进行跟踪,结果表明,应用自适应积分反步（Adaptive Integral Backstepping,AIB）控制算法的飞行器对外界较强阵风干扰和模型参数不确定具有一定的鲁棒性,能够较为精确地完成轨迹跟踪任务。     

小车倒立摆的自适应动态面控制

针对一类含有参数扰动和外部扰动的不确定欠驱动系统提出了一种改进自适应动态面控制方法.首先通过坐标变换,小车倒立摆模型转换成部分反馈形式,由半严格形式模型设计动态面控制器.利用模糊逻辑处理系统不确定性的能力设计自适应控制器,然后在传统动态面控制器设计中采用跟踪微分器来得到原稳定化函数的精确微分,解决传统反步法的"微分爆炸",显著提升闭环系统的性能.采用李雅普洛夫方法,设计适当的参数,系统跟踪误差能收敛到原点,仿真结果验证了该方法的有效性.     

倒立摆系统自适应高阶微分反馈控制

利用提取的系统高阶微分信息,提出了自适应高阶微分反馈控制器.某种程度上该控制器不依赖于单输入单输出(SISO)非线性仿射系统的模型.并且分析了闭环系统的稳定性和鲁棒性.通过将摆角方程的位移加速度看作是控制输入,将倒立摆系统转化成相互影响的两个SISO仿射系统,从而用两个串级高阶微分反馈控制器成功地实现了倒立摆系统的镇定与调节.数字仿真表明,控制器对摆的基准模型实现了较为满意的控制,而且该控制方法对非线性摩擦项,对摆长、摆质量、小车质量等参数变化以及外扰动具有强鲁棒性.     

倒立摆系统的一种H∞优化控制

在运用H_∞环路成形设计方法时权函数的选择一般是凭经验试凑,不能保证所得控制器综合指标最优;且控制器阶次较高,不便于工程实现和参数调整.鉴于以上问题,提出了基于遗传算法的权函数选取方法,在遗传算法的目标函数里加入对鲁棒性能和时域性能指标的约束,从而得到使控制器综合性能指标最优的权函数,避免了凭经验试凑权函数的盲目性;然后,给出一种用多变量PID控制器逼近此控制器的方法,使所得控制器便于实际运用.最后用此方法对小车倒立摆系统进行仿真,结果表明了该方法的有效性.     

倒立摆系统的变结构控制方案

对单级倒立摆系统的稳定和鲁棒控制问题,提出了一种基于李雅普诺夫直接法的变结构控制方案,理论分析和计算机模拟都表明该控制方案不仅能镇定倒立摆,实现对台车的位移控制,而且当系统参数变化时也实现了对该系统的鲁棒控制.     

倒立摆的迭代学习控制方法研究

针对倒立摆系统典型的非线性、多变量和自然不稳定的特点,在建立系统数学模型基础上,利用迭代学习控制方法,根据动态指标的要求设计了控制器,并完成了系统仿真,结果表明:与传统反馈控制相比较,所设计的迭代学习控制器使系统的动态性能得到了很大的改善。     

基于滑模变结构的倒立摆系统稳定控制

利用滑模变结构控制对一级倒立摆系统进行了有效控制.首先对一级倒立摆系统的模型进行线性化处理,再利用滑模变结构控制方法对此模型中摆的镇定、台车位置的调节和系统参数不确定性设计了具体的控制规律,并使用饱和函数的方法抑制系统的抖振.最后在Matlab/Simulink上进行了仿真实验,实验结果说明滑模变结构控制方法是有效的.     

拟人控制二维单倒立摆

以二维单极倒立摆为被控对象，利用拟人控制的思想形成非线性控制律，并确定出反馈系数间的相对关系。通过在线调试实现定性控制律的量化，从而成功地控制了二维单级倒立摆的稳定。与传统的控制系统设计相比，不依赖于数学模型，不受线性约束；与模糊控制相比，不需要人类直接被控对象的经验。拟人控制方法设计简单易行，且得到的控制系统具有较强的鲁棒性。