一级倒立摆的模糊控制.doc

一级倒立摆的模糊控制 立题背景 倒立摆( Inverted Pendulum)是处于倒置不稳定状态、通过人为控制使其处于动态平衡的一种摆。它是一个复杂的快速、非线性、多变量、强耦合的非最小相位系统,是重心在上、支点在下控制问题的抽象。 倒立摆的控制一直是控制理论及应用的典型课题倒立摆系统通常用来检验控制策略的效果,是控制理论研究中较为理想的实验装置。又因其与火箭飞行器及单足机器人有很大的相似之处,引起国内外学者的广泛关注。控制过程中的许多关键问题,如镇定问题、非线性问题、鲁棒性问题、随动问题以及跟踪问题等都可以以倒立摆为例加以研究。 本文围绕一级倒立摆系统，采用模糊控制理论研究了倒立摆的控制系统仿真问题。仿真 的成功证明了本文设计的模糊控制器有很好的稳定性。 倒立摆的数学模型 质量为m的小球固结于长度为L的细杆（可忽略杆的质量）上，细杆又和质量为M的小车铰接相连。由经验知：通过控制施加在小车上的力F（包括大小和方向）能够使细杆处于θ＝0的稳定倒立状态。在忽略其他零件的质量以及各种摩擦和阻尼的条件下，推导小车倒立摆系统的数学模型。倒立摆模型如图2-1所示。 图 2-2 单机倒立摆模型图 小车由电机通过同步带驱动在滑杆上来回运动，保持摆杆平衡。电机编码器和角编码器向运动卡反馈小车和摆杆位置（线位移和角位移）。导轨截面成H型，小车在轨道上可以自由滑动，其在轨道上的有效运行长度为1米。轨道两端装有电气限位开关，以防止因意外失控而撞坏机构。 以摆角θ、角速度θ’、小车位移x、加速度x’为系统状态变量，Y为输出，F为输入 以摆角θ、角速度θ’、小车位移x、加速度x’为系统状态变量，Y为输出，F为输入。 即X== Y== 由线性化后运动方程组得 x1’=θ’=x2 x2’==x1-F X3’ =x’=x4 x4’=x’’=-x1+F 故空间状态方程如下： X’== + F Y= = + 0F 其中，M=1 kg，m=0.1kg，l=.1m，g=10m/s。 立题方案 倒立摆系统是一个比较复杂的不稳定、多变量、带有非线性和强耦合特性的高阶机械系统，它的稳定控制是控制理论应用的一个典型范例。早在上个世纪五十年代，国外就丌始了倒立摆的研究，我国学者也从80年代初开始倒立摆系统的研究。 1966年Schaefer和cannon就应用bang-bang控制理论，将一个曲轴稳定于倒置位置，实现了单级倒立摆的稳定控制。在60年代后期，作为一个典型的不稳定、严重非线性证例，倒立摆的概念被提出，并将其用于检验控制方法对不稳定、非线性和快速性系统的控制能力，受到世界各国许多科学家的重视，寻找不同的控制方法实现对倒立摆的控制。目前，倒立摆的控制方法可分如下几类： (1) 线性理论控制方法 将倒立摆系统的非线性模型进行近似线性化处理获得系统在平衡点附近的线性化模型，然后再利用各种线性系统控制器设计方法得到期望的控制器。。这类方法对一、二级的倒立摆(线性化后误差较小、模型较简单控制时，可以解决常规倒立摆的稳定控制问题。但对于像非线性较强、模型较复杂的多变量系统(三、四级以及多级倒立摆)线性系统设计方法的局限性就十分明显。 (2) 预测控制和变结构控制方法 由于线性控制理论与倒立摆系统多变量、非线性之间的矛盾使人们意识到针对多变量、 非线性对象，采用具有非线性特性的多变量控制解决多变量、非线性系统的必由之路。人们 先后丌展了预测控制、变结构控制和自适应控制的研究。预测控制是一种优化控制方法，强 调实模型的功能而不是结构。变结构控制是一种非连续控制，可将控制对象从任意位置控制 到滑动曲面上，仍然保持系统的稳定性和鲁棒性，但是系统存在颤抖。预测控制、变结构控制和自适应控制在理论上有较好的控制效果，但由于控制方法复杂，成本也高，不易在快速变化的系统上实时实现。 (3) 智能控制方法[1-2] 在倒立摆系统中用到的智能控制方法主要有神经网络控制、模糊控制、仿人智能控制、 拟人智能控制和云模型控制等。糊控制理论产生于二十世纪六十年代，是美国加利福尼亚U．C．Berkkley学校的自动控制理论专家L．A．扎德(Zadeh)教授最先提出的，主要是为了克服过程本身的不确定性、不精确性，因此在处理复杂系统的大时滞、时变及非线性方面显示了极大的优越性。 由于倒立摆的非线性、多变量、强耦合等特性，本文选择模糊控制器控制。 方案一：由于倒立摆有4个输入量，对于一个多输入多输出（MIMO）系统，若采用Mamdani 模糊模型，为了获得满意的控制精度和响应速度，通常需要在输入输出空间的每一维上定义多个语言变量$使模糊语言规则数显著增加，而且由于各规则之间的耦合作用，使某一条规则的修改给整个模糊控制器带来的影响难以控制。而.模糊模型可以显