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。     

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。     

鲁棒H-状态反馈控制

本文对结构参数不确定线性定常多变量系统的鲁棒Ｈ∞状态反馈设计问题进行了研究，给出了系统鲁棒稳定和干扰衰减的条件，及相应的鲁棒Ｈ∞状态反馈设计方法，并用这种方法设计了一个倒立摆平衡控制器。仿真结果表明，与ＬＱ设计方法相比，按本文所提出的设计方法得到的控制器具有鲁棒稳定能力强、闭环动态性能良好等优点。     

自适应滑模变结构控制算法的研究与仿真

针对倒立摆系统中的不确定因素进行了研究,并考虑到倒立摆系统模型本身的不确定因素较小可以忽略,而外部的不确定性因素很难预料,因此采用了自适应变结构的控制方法设计控制器,通过调整参数估计的可调增益,估计系统所受不确定性大小.针对扰动的不确定性上界提出了一种改进的自适应滑模变结构控制方法,以直线二级倒立摆为仿真对象设计控制器,并且应用MATLAB进行了仿真,仿真结果证明了这种方法的可行性.     

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.     

非线性系统基于HM模型的自适应鲁棒跟踪控制

研究了非线性系统的跟踪控制问题，基于HM模型对非线性系统进行描述，并将全局模糊模型表示成不确定系统形式。在满足匹配条件下，针对未知不确定界，采用自适应鲁棒控制器，利用自适应变量信息来补偿系统的不确定性信息，实现了非线性系统的渐近跟踪控制。一级倒立摆仿真实验，验证了方案的有效性。控制器结构简单，规则少，具有应用价值。     

使用鲁棒控制器稳定模糊系统模型

将非线性系统用T-S模糊动态模型描述,并将全局模糊系统模型表示成不确定系统形式采用新的鲁棒控制器设计方法,设计出使全局模糊系统模型渐近稳定的线性控制器避免了并行分配补偿法中求解公共矩阵P的困难.一级倒立摆的模糊控制器设计实例,证明了方案的简洁有效.     

鲁棒极点配置约束下的模糊控制系统设计

针对一类利用T-S模糊模型近似描述的不确定非线性系统,给出了一种具有鲁棒极点配置功能的模糊控制器和模糊状态观测器的设计方法.首先,利用并行分配补偿(PDC)设计思想和基于线性矩阵不等式(LMI)的鲁棒极点配置理论,得到了使整个闭环系统全局渐近稳定并满足希望的动态性能的充分条件.然后将这些条件转化为标准的LMI问题.最后将该设计方法应用于倒立摆的平衡控制中,验证了本方法的有效性.     

一级倒立摆系统的鲁棒方差控制

倒立摆是一种典型的非线性、多变量、不稳定的不确定性系统。在存在不确定建模误差和外界干扰的情况下,该文提出了一种鲁棒方差控制器的设计方法,不仅使得控制系统具有一定的协方差来保证其稳定性,而且使得控制系统可以有效抑制外界干扰对其产生的影响。实验和仿真结果表明,在存在不确定性的情况下,一级倒立摆系统在鲁棒方差控制的情况下比传统的LQ控制具有更好动态性和稳定性。     

基于H∞环路成形和自适应神经模糊推理系统的模糊控制器设计

H_∞环路成形方法设计的控制器阶次较高,不便于工程实现和参数调整;用传统方法确定模糊控制器隶属度函数的参数和模糊规则比较费时且难以保证鲁棒性能和时频域性能指标.针对上述情况,提出了一种综合运用H_∞环路成形和自适应神经模糊推理系统来设计模糊控制器的方法.首先采用H_∞环路成形设计方法,得到鲁棒裕量、动态和稳态性能都符合要求的控制器,然后用自适应神经模糊推理系统来逼近此控制器,最后根据自适应神经模糊推理系统参数确定相应的模糊控制器规则和参数.该方法确定模糊控制器隶属度函数的参数精确而省时,且能保证控制器具有较强的鲁棒性和良好的控制效果.通过对小车倒立摆系统进行的仿真,验证了该控制器设计方法的有效性.     

基于性能协调的平面二级倒立摆控制

针对平面二级倒立摆系统具有的多变量、非线性、强耦合、稳定控制实时性和快速性要求高的特点,设计了利用协调因子优化控制效果的改进型LQR控制器.运用分析动力学方法对倒立摆建立数学模型,以LQR理论设计了平面倒立摆的最优控制器,在此基础上加入性能协调因子,它能根据状态变量的变化实时调整控制作用的大小,进而对LQR输出的预控制...     

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.     

倒立摆的自适应积分反步控制策略

针对直线单级倒立摆在模型参数不确定和外部扰动情况下的稳定控制问题,提出一种自适应积分反步控制策略。采用拉格朗日方程建立倒立摆系统的运动学模型,为减少稳态误差,将误差积分项引入反步法,设计了倒立摆的控制器;对含有未知参数的系统非线性状态微分方程,设计适当的Lyapunov函数推导出系统未知参数的自适应更新律,削弱了参数不确定性的影响。将自适应积分反步控制与一般的反步法控制、模糊控制及神经网络控制的仿真结果进行了对比,并在LabVIEW开发环境下进行了实物实验。结果表明,自适应积分反步法可以较为迅速且精确地完成稳定控制,较好地克服系统参数不确定及外部扰动的影响,具有较强的鲁棒性。     

Online adaptive fuzzy neural identification and control of a class of MIMO nonlinear systems

This paper presents a robust adaptive fuzzy neural controller (AFNC) suitable for identification and control of a class of uncertain multiple-input-multiple-output (MIMO) nonlinear systems. The proposed controller has the following salient features: 1) self-organizing fuzzy neural structure, i.e., fuzzy control rules can be generated or deleted automatically; 2) online learning ability of uncertain MIMO nonlinear systems; 3) fast learning speed; 4) fast convergence of tracking errors; 5) adaptive control, where structure and parameters of the AFNC can be self-adaptive in the presence of disturbances to maintain high control performance; 6) robust control, where global stability of the system is established using the Lyapunov approach. Simulation studies on an inverted pendulum and a two-link robot manipulator show that the performance of the proposed controller is superior.     

基于分区切换方法设计倒立摆系统的控制器

针对非线性倒立摆系统,利用小台车平移速度与摆偏角角速度之比,设计了分区的Lyapunov函数和基于自适应律的分段切换控制律。由于该方法考虑了导轨摩擦和节点摩擦对系统的影响,设计的控制律具有较强的鲁棒性,较好地解决了摆的偏角和小车位移非线性强耦合带来的困难,并且得到的是全局渐近稳定的结果。该方法计算简单,且自适应律的应用减少了保守性。最后通过倒立摆实例,利用所设计的控制器进行Matlab仿真,仿真结果验证了所设计控制器的可行性和有效性。     

Adaptive supervisory WCMAC neural network controller (SWC) for nonlinear systems

This paper proposes a wavelet-based cerebellar model arithmetic controller neural network (called WCMAC) and develops an adaptive supervisory WCMAC control (SWC) scheme for nonlinear uncertain systems. The WCMAC is modified from the traditional CMAC for obtaining high approximation accuracy and convergent rate using the advantages of wavelet functions and fuzzy TSK-model. For nonlinear uncertain systems, a PD-type WCMAC controller with filter is constructed to approximate an ideal control signal. The corresponding adaptive supervisory controller is used to recover the residual of approximation error. Finally, the adaptive SWC scheme is applied to chaotic system identification and control including Mackey–Glass time-series prediction, control of inverted pendulum system, and control of Chua circuit system. These demonstrate the effectiveness of our adaptive SWC approach for nonlinear uncertain systems.     

Tracking and load sway reduction for double‐pendulum rotary cranes using adaptive nonlinear control approach

Because of the existence of rotational boom motion, the load sway characteristics is more complex. In particular, when the sway presents double‐pendulum phenomenon, the design of the controller is more challenging. Furthermore, the uncertain parameters and external disturbances in crane system make it difficult for traditional control methods to obtain satisfactory control performance. Hence, this paper presents an adaptive nonlinear controller based on the dynamic model of double‐pendulum rotary crane. Unlike a traditional method, the proposed one does not need to linearize the crane system for controller design; therefore, the control performance can be guaranteed even if the system states are far away from the equilibrium point. By using Lyapunov technique and LaSalle's invariance theorem, it is strictly proved that the whole control system is asymptotically stable at the equilibrium point. The effectiveness of the presented controller is demonstrated via comparative simulations.     

自适应跟踪输出控制器的设计和仿真

本文介绍带有未建模动态的倒立单摆非线性模型的全局自适应实际跟踪输出控制器的设计。该控制器对不确定性具有鲁棒性。数字仿真的结果证实了这种方法的有效性。     

拟人智能控制及鲁棒LQ控制在倒立摆基准问题中的应用

分别应用拟人智能控制策略解决倒立摆标称系统的控制和鲁棒LQ方法解决其鲁棒控制问题.拟人智能控制模仿人解决问题的归约思路,从物理角度出发分析被控系统并设计定性控制律.利用遗传算法良好的全局搜索收敛特点,对定性控制律中的参数进行优化搜索.当模型只存在结构化型不确定性且不确定性有界时,可通过求解一个Riccati方程来设计鲁棒LQ控制器.仿真结果表明给定的控制指标均得到满足,且控制律算法简单,实现比较方便.