直线倒立摆的稳定控制研究

《直线倒立摆的稳定控制研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要直线倒立摆的稳定控制研究学科：控制理论与控制工程学生：周党伟导师：钱富才教授刘涵副教授摘要(签名：!垒垫堡)(签名：盈垦才)f签名：鑫：l工盘直线倒立摆是一个典型的快速、多变量、非线性和本质不稳定系统。在控制过程中，它能有效的反映诸如稳定性、鲁棒性、随动性及跟踪等控制中的关键问题，是检验各种控制理论和算法的理想模型，对倒立摆系统的研究具有重要的理论价值。本文采用MatlabRTW实时工具箱构建实时控制平台，将Simulink仿真模型下载到目标实时内核中运行，驱动外部硬件设备，实现对倒立摆的实时控制。论文以深圳固高公司直线倒立摆为研究对象，进行了不

2、同控制算法的研究和实验，并得出了相应的结论。主要研究内容如下：1)介绍了倒立摆控制的背景和研究现状，同时对倒立摆系统进行建模，并推导出了倒立摆模型的状态空间表达式；2)研究了基于留优遗传算法的直线倒立摆最优控制方法，实现了二级倒立摆的最优控制；3)研究了自适应模糊神经网络(AdaptiveNeural—FuzzyInferenceSystem，ANFISl控制，并将其用丁倒立摆的控制：4)介绍了支持向量机理论与支持向量机同归的原理，将支持向量机用于模糊规则的提取、简化，构造{l{支持向量机模糊推理系统并实现了对倒立摆的控制。通过与神经网络方法的比较证

3、明了该方法的有效性和可行性。研究发现，基于留优遗传算法的最优控制在计算和J二程r实现容易，目前在倒立摆控制系统中应用普遍，但该方法依赖j：系统的线性化模型，对于复杂的_L=业过程无法获得线性模型的对象别无能为力；ANFIS可辨识本质非线性系统，用混合学习算法西安理工大学硕士学位论文调节前件参数和后件参数，收敛速度快，但是模糊神经网络的结构需要由设计者在训练前选定；支持向量机模糊推理系统能自动的从训练样本中提取支持向量，根据支持向量构建模糊规则，在不能事先确定模糊规则的复杂系统控制中有着』“泛的应用，是模糊建模及非线性系统控制新的研究方向。关键词：倒立

4、摆白适应神经模糊控制支持向量机模糊推理本论文受陕西省教育厅专项科研计划项目(No．05JK267)资助ABSTRACTRESEARCH0NSTABILlTYCONTROLOFRECTILINEALINVERTEDPENDULUMSpecialty：ControlTheoryandControlEngineeringAuthor：ZhouDangwei(Signature：Supervisor：Prof．QianFucai(Signature：AssociateProf．LiuHan(Signature：生立塑塑)AbstractInvertedpen

5、dulumisatypicalmodelofmultivariable，nonlinear,essentiallyunslcadysystem．Itcaneffectivelyreflectmanykeyproblemssuchasstability,robustnessandtracking．Soitisaperfectmodelusedtotestvariouscontrolstrategies．Thisthesisbuildsareal-timecontrolworkspaceutilizingtheMATLABRTWReal-TimeTool

6、box，whichadministratestheexternalhardwaretocontroltheinvertedpendulumbydownloadingthesimulationmodelgeneratedbySimulinktothetargetreal-timekernel．BasedontheinvertedpendulumofGUGAOCompanyinShenzhen，Differentkindsofcontroltheorieshavebeenanalyzedandtheirapplicationshavebeenrealiz

7、ed，correspondingconclusionsaregivensimultaneouslyinthethesis．Themainresearchofthethesisisasfollows：Atfirst，thebackgroundandresearchsituationoftheinvertedpendulumareintroduced，meanwhile，variouskindsofcontrolmethodsofthesystemarepresented．Themodelofthesystemisestablishedandthesta

8、tespaceexpressionofthemodelisdeduced．Secondl5thisthesi