应用模糊控制技术的二级倒立摆系统文献综述

《应用模糊控制技术的二级倒立摆系统文献综述》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、文献综述应用模糊控制技术的二级倒立摆系统一、前言摘要：在控制理论发展的过程中，某一理论的正确性及实际应用中的可行性都需要一个按其理论设计的控制器控制一个典型对象进行验证。倒立摆就是这样一个被控制对象。倒立摆系统是一个多变量、快速、非线性和自然不稳定系统，在控制过程中该系统能有效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。倒立摆在控制理论研究中作为一种较为理想的实验装置，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。倒立摆系统的控制效果可以通过其稳定性直观地体现，也可以通过摆杆角度、小车

2、位移和稳定时间直接度量，其实验效果直观、显著。当新的控制理论与方法出现后，可以用倒立摆对其正确性和实用性加以物理验证，并对各种方法进行快捷、有效、生动的比较。倒立摆的种类许多，有悬挂式倒立摆、平行倒立摆、环形倒立摆、平面倒立摆；倒立摆的级数可以是一级、二级、三级、四级、乃至多级；倒立摆的运动轨道可以是水平的，还可以是倾斜的(这对实际机器人的步行稳定控制研究更有意义)；控制电机可以是单电机，也可以是多级电机。二、主题早在60年代人们就开始了对倒立摆系统的研究，1966年Schaefer和Cnnon应用Bang-Bang控制理论，将一个曲轴稳定于

3、倒立摆位置。在60年代后期，作为一个典型的不稳定、严重非线性证例提出了倒立摆的概念，并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，从而用不同的控制方法控制不同类型的倒立摆，成为具有挑战性的课题之一。倒立摆的研究具有重要的工程背景[薛安克,王俊宏,柴利,王惠蛟.倒立摆控制仿真与试验研究现状.《上海交通大学报》,2002,36（增刊）:1-7]：（1）机器人的站立与行走类似双倒立摆系统，尽管第一台机器人在美国问世至今已有三十年的历史，机器人的关键技术——机器人的行走控制至今仍未能很好解决。（2）在火箭等飞行器

4、的飞行过程中，为了保持其正确的姿态，要不断进行实时控制。（3）通信卫星在预先计算好的轨道和确定的位置上运行的同时，要保持其稳定的姿态，使卫星天线一直指向地球，使它的太阳能电池板一直指向太阳。9（1）侦察卫星中摄像机的轻微抖动会对摄像的图像质量产生很大的影响，为了提高摄像的质量，必须能自动地保持伺服云台的稳定，消除震动。（2）为防止单级火箭在拐弯时断裂而诞生的柔性火箭(多级火箭)，其飞行姿态的控制也可以用多级倒立摆系统进行研究。由于倒立摆系统与双足机器人、火箭飞行控制和各类伺服云台稳定有大相似性，因此对倒立摆控制机理的研究具有重要的理论和实践意

5、义。1、倒立摆系统的控制方法对倒立摆这样的一个典型被控对象进行研究，无论在理论上和方法上都具有重要意义，不仅由于其级数增加而产生的控制难度是对人类控制能力的有力挑战，更重要的是实现其控制稳定的过程中不断发现新的控制方法、探索新的控制理论，并进而将新的控制方法应用到更广泛的受控对象中。各种控制理论和方法都可以在这里得以充分实践，并且可以促成相互间的有机结合。当前，倒立摆的控制方法可分为以下几类:(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

6、器。PID控制、状态反馈控制、LQ控制算法是其典型代表。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，这就要求采用更有效的方法来进行合理的设计。（2）预测控制和变结构控制方法[姚利娜,王宏,周靖林,岳红.倒立摆系统的变结构控制方案[J].《控制理论与应用》,2004,21（5）:28-32]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

7、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。人们先后开展了预测控制、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，强调的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。91）神经网络控制[朱学

8、峰,周文彬,陈华燕.二级倒立摆的T-S型逐级模糊神经网路控制.《华南理工大学学报》,2005，33(2):34-39]神经网络能够任意充分地逼近复杂的非线性关系，N