倒立摆PID调节模糊控制.doc

倒立摆系统的简介 倒立摆系统发展 倒立摆系统的研究意义 倒立摆系统的简介 倒立摆系统是日常生活中所见到的任何重心在上，支点在下的控制问题的抽象。例如杂技顶杆表演，人们常为演员的精湛技艺叹服，然而其机理更引发了人们的深思。它深刻的揭示了自然界的一种基本规律．即一个自然不稳定的被控对象，通过控制手段可使之具有良好的稳定性。 不难看出杂技演员顶杆的物理机制可简化为一个倒置的倒立摆,也就是人们常称之为倒立摆或一级倒立摆系统。一级倒立摆系统是一个复杂的非线性系统，小车可以自由地在限定的轨道上左右移动，小车上的倒立摆一端被铰链链接在小车顶部，另一端可以在小车轨道所在的垂直平面上自由转动。系统的控制目的是通过电机带动小车运动，使倒立摆平衡并保持小车不与轨道两端相撞。 倒立摆已经由原来的直线倒立摆扩大很多种类，典型的有直线倒立摆，环形倒立摆，平面倒立摆等，倒立摆系统是运动模块上装有倒立摆装置，由于在相同的运动模块上可以装载不同的倒立摆装置，倒立摆的种类由此而丰富很多 倒立摆的控制方法 倒立摆作为一个典型的被控对象,适合用多种理论和方法进行控制。当前,倒立摆的控制规律有: (1)PID 控制,通过对倒立摆物理模型的分析,建立倒立摆的动力学模型,然后使用状态空间理论推导出其非线性模型,再在平衡点处进行线性化得到倒立摆系统的状态方程和输出方程,于是就可设计出PID 控制器实现其控制; (2) 状态反馈H ∞控制,通过对倒立摆物理模型的分析,建立倒立摆的动力学模型,然后使用状态空间理论推导出状态方程和输出方程,于是就可应用H ∞状态反馈和Kalman 滤波相结合的方法,实现对倒立摆的控制; (3) 利用云模型实现对倒立摆的控制,用云模型构成语言值,用语言值构成规则,形成一种定性的推理机制。这种拟人控制不要求给出被控对象精确的数学模型,仅仅依据人的经验、感受和逻辑判断,将人用自然语言表达的控制经验,通过语言原子和云模型转换到语言控制规则器中,就能解决非线性问题和不确定性问题; (4) 神经网络控制,业已证明,神经网络(Neural Network ,NN) 能够任意充分地逼近复杂的非线性关系,NN 能够学习与适应严重不确定性系统的动态特性,所有定量或定性的信息都等势分布贮存于网络内的各种神经元,故有很强的鲁棒性和容错性;也可将Q 学习算法和BP 神经网络有效结合,实现状态未离散化的倒立摆的无模型学习控制; (5) 遗传算法( Genetic Algorithms , GA) ,高晓智在Michine 的倒立摆控制Boxes 方案的基础上,利用GA 对每个BOX 中的控制作用进行了寻优,结果表明GA 可以有效地解决倒立摆的平衡问题; (6) 自适应控制,主要是为倒立摆设计出自适应控制器; (7) 模糊控制,主要是确定模糊规则,设计出模糊控制器实现对倒立摆的控制; (8) 使用几种智能控制算法相结合实现倒立摆的控制,比如模糊自适应控制,分散鲁棒自适应控制等等; (9) 采用GA 与NN 相结合的算法,这也是我们采用的方法,首先建立倒立摆系统的数学模型,然后为其设计出神经网络控制器,再利用改进的贵传算法训练神经网络的权值,从而实现对倒立摆的控制,采用GA 学习的NN 控制器兼有NN 的广泛映射能力和GA 快速收敛以及增强式学习等性能。 倒立摆系统的发展 倒立摆的研究是和自动控制的发展息息相关的。大约从上个世纪50、60年代开始，计算机的出现为复杂系统的时域分析提供了可能，从1960年到1980年这段短短的时间内，不论是确定系统的最佳控制还是随机系统的最佳控制，乃至复杂系统的自适应控制和学习控制，都有了很多研究。从1980年开始，现代控制理论的发展极为迅速，鲁棒控制、模糊控制、智能控制、神经网络控制等都有了很大的发展。随着控制理论的发展，作为自动控制原理应用的典型例子，倒立摆的研究也有了很大的发展。 倒立摆系统的研究始于20 世纪50 年代，麻省理工学院（MIT）的控制论专家根据火箭发射助推器原理设计出一级倒立摆实验设备，而后世界很多国家都将一级倒立摆控制作为验证某种控制理论或方法的典型方案；后来人们参照双足机器人控制问题研制二级倒立摆控制设备，二级倒立摆控制的仿真或实物系统已广泛见于某些实验室中。在1993 年，三级摆的仿真控制已经实现，美国、日本、俄罗斯、瑞士等很多国家的科研机构都对倒立摆进行了很多的研究，提出了很多先进的控制算法。 国外研究现状1966年，Schaefet和Cannonl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，受到世界上各国许多科学家的重视，从而用不同的控制方