基于极点配置的倒立摆平衡控制与设计文献综述

《基于极点配置的倒立摆平衡控制与设计文献综述》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、文献综述基于极点配置的倒立摆平衡控制与设计一、前言（说明设计或论文的目的、意义，介绍有关概念）倒立摆作为一个实验装置，是一个高阶次、不稳定、多变量、非线性和强耦合系统，具有形象、直观、结构简单、构件组成、参数和形状易于改变、成本低廉等特点。对倒立摆的研究可归结为对非线性、多变量、绝对不稳定系统的研究，它在控制过程中能有效地反映控制中的许多关键问题，如非线性问题、系统的鲁棒性问题、随动问题、镇定问题及跟踪问题等。因此对倒立摆系统的研究在理论上和方法论上具有深远的意义。近些年来，国内外不少专家学者对一级、二级等倒立摆进行了大量的研究，人们试图寻找不同的控制方法实现对倒立摆的控制，

2、以便检验或说明该算法对严重非线性和绝对不稳定系统的控制能力。研究倒立摆系统不仅有很强的理论意义，同时也具有深远的实践意义。许多抽象的控制概念如稳定性、能控性、快速性和鲁棒性，都可以通过摆杆角度、位移和稳定时间直接度量，控制效果一目了然。同时其动态过程与人类的行走姿态类似，其动态平衡控制与火箭的发射姿态调整类似，因此倒立摆在研究双足机器人直立行走、火箭发射过程的姿态调整和飞行器飞行控制领域中有重要的现实意义，相关的科研成果已经应用到航天科技和机器入学等诸多领域。倒立摆问题具有如上所述的研究意义，而倒立摆系统又具有抗扰能力不佳的弱点，尤其是二级以上的倒立摆。倒立摆系统在镇定后，如

3、果受到扰动后摆杆易于倾倒，系统失控。倒立摆系统属于多变量、非线性、不稳定、强耦合的快速系统，这些特点导致实现其控制较为困难，因此多年来对它的研究受到控制学界的普遍重视。对倒立摆的研究可归结为对多变量非线性系统的研究，因此其控制方法和思路对处理一般工业过程也具有指导意义。通过对倒立摆的研究不仅可以解决控制中的理论问题，还能将控制理论涉及的三个主要基础学科，力学、数学和电学(包含计算机)进行有机的综合应用。在多种控制理论与方法的研究和应用中，特别是在工程实践中，存在一种可行性的试验问题，使其理论和方法得到有效的检验，因此倒立摆的研究是一个从控制理论通往实践的桥梁。倒立摆系统能有效

4、地反映诸如可镇定性、鲁棒性、随动性以及跟踪等许多控制中的关键问题，是检验各种控制理论的理想模型。其控制方法在军工、航天、机器人领域和一般工业过程中都有着广泛的用途。二级倒立摆在镇定后，如果受到扰动后摆杆易于倾倒，系统失控，即系统具有扰能力不佳的弱点。9多年来，人们对倒立摆的研究越来越感兴趣，倒立摆的种类也由简单的单级倒立摆发展为多种形式的倒立摆系统，这其中的原因不仅在于倒立摆系统在高科技领域的广泛应用，而且新的控制方法不断出现，人们试图通过倒立摆这样一个严格的控制对象，检验新的控制方法是否有较强的处理多变量、非线性和绝对不稳定系统的能力。目前，倒立摆系统的结构形式多种多样，根

5、据不同的标准，其分类如下：(1)根据倒立摆系统的摆杆数目不同，有一级、二级、三级倒立摆等；(2)根据摆杆与小车连接方式的不同，有柔性倒立摆系统和刚性倒立摆系统；(3)根据控制电机多少，有单电机倒立摆系统和多电机倒立摆系统；(4)根据摆杆之间连接形式的不同，有并联式和串联式倒立摆两种；(5)根据运动轨道的不同，有水平的或者倾斜轨道的倒立摆系统；(6)根据摆杆运动轨迹的不同，有直线式倒立摆、平面倒立摆、旋转式倒立摆、乘性连接倒立摆系统和Acrobot、Pcnduot等其他形式的倒立摆系统9二、主题（阐明有关主题的背景、现状和发展方向，以及对这些问题的评述）倒立摆系统的最初研究开始

6、于20世纪50年代，当时，麻省理工学院设计出单级倒立摆设备。在此基础上，研究人员进行拓展，产生了直线二级倒立摆、多级倒立摆，柔性连接直线倒立摆，环形倒立摆，平面倒立摆等实验设备。从此，倒立摆系统成为控制领域中不可或缺的研究设备和验证各种控制策略的实验平台。960年代后期，作为一个典型的快速、多变量、不稳定、严重非线性例证，首先提出了倒立摆的概念，一直是控制理论与应用的热点问题。直到70年代国内外学者对不同类型的倒立摆问题进行了较为广泛的研容。到80年代后期，利用模糊控制理论控制倒立摆受到了广泛重视，其目的在于检验模糊控制理论对快速、绝对不稳定系统适应能力，并且用模糊控制理论控

7、制一级倒立摆取得了非常满意的效果。1996年，张乃尧等采用双闭环的模糊控制方案成功地稳定住了一级倒立摆。1997年，ZH．Hung等设计了类PI模糊控制器应用于一级倒立摆控。程福雁先生等研究了使用参变量模糊控制。对二级倒立摆进行实时控制的问题。早在1963年，Widrow和Smith就开始将神经网络应用予倒立摆小车系统的控制。神经网络控制能够任意充分地逼近复杂的非线性关系，能够学习与适应严重不确定性系统。从90年代初神经网络开始得到快速的发展。Deals利用神经网络的自学习能力来整定PID控制器参数。1