单级倒立摆系统的神经网络逆模控制

给出了单级倒立摆的一种神经网络逆模控制方案。首先，采用PD控制器控制倒立摆，采集倒立摆的输入输出数据；然后，以这些数据为基础训练倒立摆的神经网络逆模型；再采用比例控制器与逆模型串联构成逆模控制器。整体结构上单级倒立摆系统是一种闭环的逆模控制结构。仿真结果表明，所采用的神经网络逆模控制比传统的PD控制具有更短的调节时间和更小的超调，能更好地实现倒立摆的稳定控制。     

基于网格划分策略的自适应ACO算法优化LQR控制器权值

线性二次最优控制（Linear Quadratic Regulator,LQR）是现代控制理论中应用广泛的状态空间设计法,如何选取适当的加权矩阵Q和R的问题一直没有得到很好解决。提出一种基于网格划分策略的自适应蚁群算法来设计LQR控制器,利用蚁群算法获取加权矩阵Q、R及反馈控制率K,并将控制器用于LQR问题的标准试验平台倒立摆系统。仿真结果表明基于网格划分策略的自适应蚁群算法优化设计的LQR控制器超调小,响应速度快,可以有效的对被控系统实施控制。     

基于模糊控制算法的二级倒立摆控制器设计

针对非线性、不稳定的二级倒立摆状态空间方程模型问题,本文提出一种基于最优控制的模糊控制器的设计方法,采用状态变量融合技术,将模糊控制器的维数由6维降到2维,并通过不断调试量化因子来提高模糊控制器的精度;同时,以Matlab Simulink为平台,建立了二级倒立摆系统仿真模型,并进行仿真分析。仿真结果表明,模糊控制很好地实现了倒立摆的稳定性控制,而且在系统存在噪声的情况下也能较好的完成控制任务;减少了模糊控制器的推理规则数,很好地解决了模糊规则爆炸问题。该研究超调量小,调节时间短,鲁棒性强,证明所提出的控制策略可行,因此具有很好的应用前景。     

基于GA的两轮自平衡小车LQR最优控制器设计

针对传统LQR最优控制器权重矩阵确定困难以及由此导致的响应速度慢等问题,以具有多变量、强耦合、非线性特点的两轮自平衡小车为被控对象,提出了一种通过遗传算法实现LQR控制器参数寻优的方法。选择线性二次型性能指标为目标函数,利用遗传算法的全局优化搜索能力,获取权阵Q的最优解,从而设计状态反馈控制率K,搭建系统动力学模型进行仿真实验。实验结果表明:该方法设计的最优控制器相对于传统的极点配置和LQR方法具有更好的控制效果,系统响应速度更快,超调更小。     

LQG／LTR控制在二级倒立摆系统中的应用研究

以二级倒立摆系统为例,采用LQR状态反馈与卡尔曼状态估计相结合的方法,通过回路传输恢复LTR技术弥补LQG设计的不足,完成了LQG/LTR全状态反馈控制器的设计,并运用MATLAB语言进行仿真分析,将其仿真结果与LQR控制器进行了对比。结果表明,LQG/LTR控制在二级倒立摆系统中有效地解决了在外界干扰和量测噪声等情况下出现的不稳定问题,且具有较好的鲁棒性。     

基于滑模控制的二级倒立摆稳定控制

对二级倒立摆系统的稳定和鲁棒控制问题,采用极点配置方法设计了滑模变结构控制器。针对变结构控制器的抖振,提出了一种新型的变趋近律方法来改进控制器。仿真实验表明,该控制策略不仅能实现系统的稳定控制,而且具有较强的抗干扰能力和鲁棒性。     

一种改进的二级倒立摆LQR控制器参数优化方法

在LQR控制器设计原理的基础上,利用改进粒子群算法对控制器参数矩阵k进行优化,使之在对倒立摆实现稳摆控制的同时减小小车的位移误差积分。仿真实验证明:改进粒子群算法优化后的LQR控制器达到了对二级倒立摆稳摆控制的目的,减小了小车的位移误差积分。     

基于模糊逻辑的滑模与状态反馈加权控制

针对小车倒立摆系统,提出了一种基于模糊逻辑的滑模与状态反馈加权的控制方法。倒立摆摆杆角度作为模糊逻辑系统的输入,输出为滑模控制器的加权系数。滑模控制将摆角控制在一个零的邻域内,在邻域内先采用近似的线性化模型来描述系统,然后采用基于极点配置的线性状态反馈来控制系统达到给定值。仿真结果表明,设计的控制器具有良好地跟踪性。     

倒立摆的一种FUZZY-PD复合控制器设计

针对高维模糊控制器设计中的“规则爆炸”问题,以倒立摆为研究对象,直接将四维控制器分解为两个二维控制器,其中一个为 PD 控制器、一个为二维模糊控制器,并将这两个控制器输出直接叠加作为控制量.在此基础上,借助状态反馈极点配置方法,提出了一种比较系统化的模糊控制器参数估计方法,以弥补模糊控制器参数系统化设计方法的不足.对倒立摆系统的仿真及对它的实时控制结果均验证了该复合控制方案及这种模糊控制器参数估计方法的有效性.     

基于RBF神经网络二级倒立摆系统的PID控制

针对二级倒立摆系统,提出一种基于RBF神经网络的PID控制方法。该方法采用RBF神经网络对PID控制器的参数进行优化修正,从而使控制器处于最优状态,实现二级倒立摆的稳定控制。仿真结果表明,该方法的控制精度较高,响应迅速,超调量较小。对于多变量、非线性、不稳定的快速系统,具有较好的控制效果。     

基于RBF神经网络二级倒立摆系统的PID控制

针对二级倒立摆系统,提出一种基于RBF神经网络的PID控制方法。该方法采用RBF神经网络对 PID控制器的参数进行优化修正,从而使控制器处于最优状态,实现二级倒立摆的稳定控制。仿真结果表明,该方法 的控制精度较高,响应迅速,超调量较小。对于多变量、非线性、不稳定的快速系统,具有较好的控制效果。     

粒子群优化LQR控制器在环形倒立摆中的应用

为解决环形倒立摆控制中试探法难以确定LQR控制器最优Q和R矩阵的问题,采用Bang-Bang法对倒立摆进行了起摆控制,利用拉格朗日法建立了垂直位置附近的线性化模型.采用LQR进行了平衡位置控制,采用粒子群算法优化了LQR控制器的加权矩阵.对加入了噪声扰动的模型输出进行了卡尔曼滤波处理.仿真结果表明:基于粒子群的加权矩阵寻优算法可以迭代解算出Q和R的最优矩阵,粒子群LQR控制器可以提高系统鲁棒性,减小起摆时延,提高平衡位置稳定性.     

柔性倒立摆的PD实时控制

针对直线一级柔性倒立摆系统的多变量特性,采用三个PD控制器实现了系统的平衡控制。建立了系统的数学模型,并利用极点配置方法整定控制器参数进行仿真实验,将所设计的控制器在实际的实验设备上进行实时控制实验。实际控制结果验证了方案的有效性和正确性。     

倒立摆的一种FUZZY-PD复合控制器设计

针对高维模糊控制器设计中的“规则爆炸”问题，以倒立摆为研究对象，直接将四维控制器分解为两个二维控制器，其中一个为PD控制器、一个为二维模糊控制器，并将这两个控制器输出直接叠加作为控制量，在此基础上，借助状态反馈极点配置方法，提出了一种比较系统化的模糊控制器参数估计方法，以弥补模糊控制器参数系统化设计方法的不足，对倒立摆系统的仿真及对它的实时控制结果均验证了该复合控制方案及这种模糊控制器参数估计方法的有效性。     

二级倒立摆最优控制实验

二级倒立摆是检验各种控制理论的理想模型.本文给出了二级倒立摆的两种最优控制方法,分别是线性二次状态控制器（LQR）和线性二次输出控制器（LQY）.通过仿真实验,分别得出LQR和LQY两种方法下的响应曲线,可以发现两种方法都能够使得二级倒立摆系统稳定,且将两种方法进行了对比,发现其控制效果相当.     

线性二次型最优控制在倒立摆系统中的应用

在倒立摆系统数学模型的基础上,对系统进行了性能分析.并基于LQR对倒立摆进行了最优控制器的设计,并将其运用到倒立摆的实际控制中,实时控制效果良好.同时还对LQR中加权矩阵Q和R进行了实验研究与分析,找出了倒立摆系统的动态响应与Q和R阵之间遵循的基本规律,实验结果证明了该结论的正确性和实用性.     

基于LQR算法的倒立摆动态可视控制系统

针对倒立摆系统的非线性特点,利用LQR算法实现了对倒立摆系统的小车位置和摆杆角度的同时控制.为了生动直观地演示这一控制效果,提出了使用组态软件对倒立摆系统进行动态可视化处理的实现方案.仿真计算和组态设计结果表明,该方案不仅直观地证明了LQR算法在倒立摆系统中的应用价值,而且在实际教学过程中取得了良好的教学效果.     

单级倒立摆LQR控制方法的鲁棒稳定性分析

鲁棒稳定性是控制系统的一个重要指标,针对单级倒立摆系统,采用LQR最优控制方法,通过MATLAB实验环境下的仿真,得到了良好的控制效果。重点对该控制方法的鲁棒稳定性做了详细分析,通过增加系统自身的扰动及LQR控制器中加权阵R的改变考察该控制方法的鲁棒稳定性,对比仿真结果表明该控制方法鲁棒稳定性良好,进一步验证了LQR控制方法在对于倒立摆这样一个非线性极强的控制系统上所具有的控制优势。     

环形二级倒立摆H_∞鲁棒控制器设计及仿真

研究了环形二级倒立摆的平衡控制,首先利用拉格朗日动力学方法建立了环形二级倒立摆的数学模型,分析了系统的稳定性及能控能观性;接着引入H∞回路成形鲁棒方法设计其控制器,但考虑到H∞控制器阶次过高的问题,因此采用最小信息损失方法对设计的控制器进行了降阶。通过仿真验证,证实了降阶后的H∞回路成形控制器对于环形二级倒立摆平衡控制有良好效果。     

基于卡尔曼滤波的二级倒立摆LQR控制方法

针对二次型最优控制调节器难以实现对二级倒立摆系统的最优控制问题,本文建立了倒立摆数学模型,并对直线二级倒立摆(线性二次型控制器)(linear quadratic regulator,LQR)进行设计,同时采用卡尔曼滤波对系统的输出做出最优估计,并利用Matlab对未经卡尔曼滤波的调节器系统与前置卡尔曼滤波器的调节器系统进行仿真比较分析,仿真结果表明,应用基于前置Kalman滤波器的控制,比单独用线性二次型最优控制效果更加有效可行:未经滤波时,系统输出受扰动影响大;采用卡尔曼滤波后,系统输出波动小,稳定性好。该研究可以消除噪声给系统带来的抖动影响,具有一定的实用性。