基于RBF-ARX模型的倒立摆系统的预测控制
Vol.45 No.7 1332
计算机与数字工程
Computer& D ig ita l Engineering
总第333期
2017年第7期
基于R B F-A R X模型的倒立摆系统的预测控制*
刘丽丽u左继红u吴军1廖娟娟1
(1.中南大学信息科学与工程学院长沙410083)(2.湖南铁道职业技术学院株洲412001)
摘要针对倒立摆系统的高阶次、非线性和强耦合特性，导致难以建立准确的数学模型，针对这个难题，提出了基于 R B F-A R X模型的预测控制算法。该建模方法结合了线性自回归模型和高斯径向基函数的理论，通常用于构建非线性系统 的模型。预测控制算法采取R B F-A R X模型多步向前预测输出，并反馈到输人端，根据参考轨迹进行校正，使误差最小。该法首先构建倒立摆系统的R B F-A R X模型结构，然后辨识并优化模型参数。基于此模型采取预测控制算法控制倒立摆系 统，最后通过仿真控制效果验证了该方法的可行性和有效性。
关键词倒立摆系统；R B F-A R X模型；预测控制
中图分类号TP391.9 D O I：10.3969/j.issn.1672-9722. 2017. 07.020
Predictive Control for An Inverted Pendulum System Based on
RBF-ARX Mode
L I U L i l i1'2Z U O J ih o n g1'2W U J u n1L IA O J u a n ju a n1
(1.School of Inform ation Science and Engineering,Central South U n ive rsity,Changsha410083)
(2.College of Hunan Railway Professional Technology,Zhuzhou412001)
A b s tra c t The Inverted Pendulum System w hich is high o rd e r,nonlinear and coupled w ith each other makes it d iffic u lt to es-tablish accurate mathematical m odel，for the pro b le m，the design of predictive control algorithm based on R
B F-A R X model were discussed.This m odeling method is a combination model based on the theory of linear autoregressive(Auto-Regressive eXogenous，A R X)model and Gauss radial basis function(R adial Basis F unction)neural network (R B F)，it is used to construct the model of nonlinear system usually.Predictive control algorithm uses R B F-A R X model to predict m u lti-step’s output fo rw a rd,and feedback to the input in order to m inim ize the error according to the reference trajectory correction.The structure of the Inverted Pendulum System’s R B F-A R X model is b u ilt fir s tly,then the m odel’s parameters are identified and optim ized.Take predictive control algo-rithm to control the inverted pendulum system based on this m odel，the sim ulation results verify the fe a sib ility and va lid ity of the method.
K e y W o rd s inverted pendulum system，R B F-A R X m odel，predictive control
Class N u m b e r TP391.9
1引言
倒立摆系统是一个多变量、高阶次和强耦合非 线性系统，一直是自动控制领域研究的热点和难点 问题111。可以用其验证控制策略对非线性系统的 控制效果，广泛应用于自动化领域，对其研究具有 重要的理论价值和工程参考价值。目前对倒立摆系统的研究主要集中在建模和控制策略方面。建 模多采用拉格朗日法或牛顿-欧拉法，此类建模通 过研究倒立摆系统运动机理，不考虑倒立摆运动过 程中空气阻力及各种摩擦力，利用物理、化学和数 学知识，构建系统输人-输出状态关系。这种建模 方法忽视客观存在的非线性因素，导致模型不够精 确。目前对倒立摆系统控制方法的研究有经典的
*收稿日期：017年1月7日，修回日期：017年2月19日
基金项目：2015年度湖南省教育厅科学研究资助项目“四旋翼飞行器的建模及控制策略的研究”编号：15C0903);
2015年度国家自然科学基金“抗参数横摇的欠驱动船舶航迹跟踪控制研究”(编号:61403045)资助。
作者简介:刘丽丽，女，硕士研究生，工程师，研究方向:控制科学与工程等。左继红，男，硕士研究生，讲师，研究方向: 控制科学与工程等。
2017年第7期计算机与数字工程1333
P I D控制，通过运动机理构建系统动力学模型，线 性化处理得到系统状态输出方程，利用P I D控制理
论实现控制[2]。也有学者通过状态输出方程，采取 状态反馈理论和K a lm a n滤波相结合的方法[3]，实现 倒立摆系统的控制。采取模糊控制理论，根据倒立 摆运动输出定义模糊集合和隶属函数等，并构建模 糊规则[4]，实现倒立摆系统的闭环模糊控制。采取 神经网络理论控制倒立摆系统[5]。
2倒立摆控制系统
本文研究的倒立摆系统由固高公司生产，实验 平台主要包括倒立摆本体、电控柜、运控卡、及PC 机，系统框图如图1所示。
抑控内#平控台制卡
。电控箱
图i倒立摆实验平台结构框图
倒立摆本体主要包含:基座、交流伺服电机、同步带、摆杆、角度编码器和限位开关等。电控柜主 要由I/O接口板、电源开关、指示灯等构成。P C机 和固高运动控制卡构成控制平台。倒立摆控制系 统硬件框图如图2所示。运控卡控制伺服电机，通 过同步带控制小车在导轨上往返运动。光电编码 器1反馈小车的位移信息，光电编码器2反馈摆杆 的角度信息给运控卡。P C机读取运控卡中实时数 据信息，通过一定的控制策略得到电机的目标输出 扭矩，并发指令给运控卡，最终控制电机按照目标 扭矩转动，带动小车运动，并保持摆杆处于平衡状 态。
3倒立摆系统的R B F-A R X模型
3.1 RBF-ARX模型简介
R B F-A R X模型是一个全局状态下的非线性模 型，它结合了线性自回归（A u to-R e g re s s iv e e X o g e-n o u s，A R X)模型和高斯径向基函数（R a d ia l B a s is F u n c tio n，R B F)，适用于非线性系统的建模，实际上 是将非线性过程局部线性化处理，将非线性过程划 分成无数个局部线性区间，每个区间可用线性A R X模型表示。采用神经网络R B F逼近非线性模型中依存于时变工作点的函数型系数，这样 R B F-A R X模型可以描述非线性系统在任意工作点 处的动态非线性特征。
3.2倒立摆系统的RBF-ARX模型结构
针对1输入2输出的倒立摆系统，其R B F-A R X 模型结构如式（1)所示：
>1(t)_>〇(X(t-i))_
_少2(，)_‘(X(t-1))_
+z
i=1
I(邱-i))C(邱-i))
4>21i(邱-i))C(邱-i))_
n a
n b
i=i
(邱-i))_
__>Z(邱-i))_
u(t- i)+
~ei(t)~
_e2(t)_
1)其中，
^j k(X(t- i))= c c0+ X c〇j f(X(t-i),A l Z y)
k=i
c(x(t-1))=〇X c f(x(t- i)a r，z;q)
.k=i
?x(t-1))=心+X c b f(x(t- i)a u b，z u b)
k=i
f(X，A，Z k)= e x p{-4||X-Z k||2}
⑵式（1)中y i(t)、y2(t)分别是小车的位移量和摆杆的 角度，u(t-i)是电机输出电压，n a，n b表示模型阶 次；m为非线性环节数。q(t)，e2(t)为白噪声干扰 项。
式（2)中 Z k= (Zk，1，Zk，2,…，Zk，nx);=1，2 ;;，q，b=1，2; a=1;n x= d im{X(t- 1)}为 X(t- 1)列向量的 维数，Ak (k=1，…，r n;=y，u;=1，2)是缩放比例因 子：
Ak=-i〇g V m—〒{||X(t- 1)-Z k112}
Z y(k= 1，2，…，m= 1，2) Z u U(k= 1，2，…，m;j= 1)是R B F网络的中心；||.|丨2代表矢量的2-范数。^，^和C bi(P，q，b= 1，2; a= 1)是依存于系统状态 变化的模型系数，c j <7和C b(P，q，b=1，2; a= 1;i= 0，1，…，m a x(n a，n b);k= 0，1，…，m)为线 性权系数。
式(2)中的X(t-1)的选择主要取决于倒立摆 系统非线性的因素，可以是输出序列，或是输入序 列，或是二者组合。在倒立摆系统运行过程中，非 线性因素主要表现在摆杆的角度上，故X(t-
1)选
1334
刘丽丽等:基于RBF -ARX 模型的倒立摆系统的预测控制
第45卷
图2
R B F -A R X 模型参数优化过程
为了检验R B F -A R X 模型的建模精度，比较系 统在全局区间运行时模型输出与系统实际输出，并 计算两者间的误差及其相关函数。模型输出误差 如图3所示，误差的相关函数如图4所示。
图3 R B F -A R X 模型预测输出及误差
f
(e N，&)=y(T+2|T+1)-y(T+2)
(10)
_y )(M \M - 1) - y (M )
寻优问题就是计算
(^，先)=哗忠史v (6n ，心）
(11)
通过上述方法，可辨识得到倒立摆系统
R B F -A R X 模型的参数。实践证明，该辨识方法具 有收敛快速，精度高等显著特点。3.4参数辨识结果分析
通过A I C 方法计算得到題=5,以=5,
= 3 〇
采用S N P O M 参数寻优法来优化参数，优化过程如 图2所示，从图2可看出在11步时参数已经达到最 优状态，表明S N P O M 法收敛速度快。
择式(3)所示的输出信号y 2(t )序列。
X (t — 1)n x *1 = [y 2(t — kd ), ? ? ?，y 2(t — kd — n x )f (3)
其中k d 是系统的最大延时。3.3模型参数辨识
R B F -A R X
模型参数辨识主要包括参数估算和
阶次选取。因经典的非线性参数辨识方法计算量 大，故本文采用一种快速收敛的结构化非线性参数 优化策略(S N P O M )[6]来离线估算。S N P O M 采用线 性L S M [7](线性最小二乘法）和
L M M
[8](列文伯格-
马夸尔特法)相结合辨识R B F -A R X
的模型参数。
S N P O M 离线估算的方法是把参数划分成线性
和非线性参数，在非线性子空间中寻优方法类似于
L M M
，在线性子空间寻优采用L S M 。这种优化方法 步骤如下：
1)分类参数
将模型参数分成线性参数
e l
= J c 01，c f k '^，=1，2;k =O , 1，…，r n ;[
1，...，n a ; h = 1，
02 y 2b u 2b
，nb
⑷
K
' \i = 1，...，n a ; h = 1， nb 非线性参数 e n ={^k ; |k = 1，...，m ;j = y ，u } (5) 令： y (t ): e l - e L 1e L 2 ，冲）= 咕)却)_ y 1(t ) _y 2(t ) 模型（1)可化为 y (t ) = w(e n ，X (t — 1))e l + e (t ) ⑹ w (e n ，x (t —1))= 炉2 (7) ^i = 9(eN ，X (t — 1))(i = 1，2) 2)寻优问题 首先确定模型阶次，m —般选取1或2。采用 A I C 信息准则方法确定n a ，n b : A IC = lo g (V ) + 2(d + 1)/N (8) 式(8)中V 为模型残差，N 为采集数据个数，d 为 非线性和线性参数个数之和。针对本文研究对象， 线性参数个数为2(m + 1)(2*n a + n b +1)，非线性参 数个数为2m (1 +n x )。循环计算使上式A I C 最小时 的n a ，n b ，即为所求模型阶次。 寻优目标函数定义为[1] v (e n ，eL )= 2F (e n ，e l ) | (9) e L 2 o o &D .s I s g j 〇x i；a 一 p a i j 2017年第7期计算机与数字工程1335 __2 5 _____I ______|___|_______|_____|_______|_____|_______|______|____ ~ '0 0.5 1 1.5 2 2.5 3 3.5 4 4. 5 5 t / s 图6基于RBF-ARX 预测控制输出y1效果从图6可看出基于R B F -A R X 预测控制中y 1在 1s 内稳定到参考输出，响应迅速，稳定后误差也比 Gt g t ，0 g t ，1 g t ，0 g t ，N u -1g t ，N u -2*? * g t ，0_g t ，N u -1g t ，N -2..N - N u .上，=0 N x N u -j +1优化问题是 喻J = ||f (H (t )||: +||哨 s.t U (t ) ￡l () I (N x N )A N ,n ) Ym in ￡ ^ (t ) ￡ 7m a x ，U m in ￡ U (t ) ￡ U m a x (13) 将式（12)带入式（13)，消去常数项，式（13)所 示的优化问题可转化成： m in |u (t )T(G fG t +R )U (t ) + [Y 〇(t )- Yr (t )f G ,U (t ) X a x — Y 〇(t )_ _Ymin -Y 〇(t )_ Umm ￡ U (t ) ￡ Umax (14) 式（14)所示优化问题可以用二次规划求解。 实践表明，若不考虑输出，只考虑输入限制，可以不 使用二次规划，并可得到控制量u (t )如下式[11] I I (t ) = (G tTG t + R )-l (G T t Yr (t ) — G f Y 〇(t ))； u (t ) = [1，0…，0]^(t ); (15) U m in ￡ U (t ) ￡ U m a x 4.3预测控制结果分析 通过仿真实验，检验预测控制算法的控制效 果，为方便实际应用，尽量减少计算量，要求N 和 %尽可能小。设定采样周期5m s ，基于R B F -A R X 模型预测控制器(R B F -A R X M P C )的预测时域长度 N 取5,控制时域长度％取2。仿真控制效果如图 6?10所示。 图4 R BF -A R X 模型预测误差的相关函数 显然，全局区间内R B F -A R X 模型输出与实际 输出之间的误差比较小，近似白噪声，表明该建模 方法能较好描述系统在全局区间内的动态非线性 特征。 4 基于R B F -A R X 模型的预测控制 器的设计 4.1控制器设计框图 基于R B F -A R X 模型设计系统预测控制器，采 用闭环输出预测控制算法，算法设计框图如图5所 示。R B F -A R X 模型局部处理成线性化的A R X 模 型。采取二次规划策略计算控制器的最优预测输 出，并计算与系统实际输出之间的误差，并将误差 反馈给输入端，并依据参考轨迹校正，使系统预测 输出接近参考轨迹，优化目标函数，计算出控制量 用于控制系统[9]。 -------------e(k) 图5 R BF -A R X 模型下预测控制器设计框图 4.2基于R B F -A R X 模型的预测控制算法 基于R B F -A R X 模型的预测控制算法，采用矢 量和矩阵表示，先定义： 細=[K t +1|t )，j )(t + 2|t )，…，j )(t + N |t )f ， Y 〇(t )=Ly 〇(t + ilO ^ o d O ，…，j 〇(t +鄭)]r U (t ) = [u (t )，u (t +1，..，u (t + N u -1)f ]， Yr (t ) = [7，+1)，7^+2)，. ，7，+ N )f 其中N 为预测时域，N u 为控制时域，Yr (t )是期望 输出序列[10]，定义 f (t ) = G tU (t )+Y 0(t ) (12) -Gt 预测输出 参考轨迹 wy f % 出出 输输 际考 | 实参一 ： 日/1 身 渥 1336 刘丽丽等:基于RBF -ARX 模型的倒立摆系统的预测控制 第45卷 特性有关，倒立摆本体只有水平往返运动，摆杆才能 获得动能稳定在平衡位置处。输出模型的预测输 出能很好地拟合系统的实际输出值，稳态后误差也 比较小。总体来看，倒立摆运行区间基于R B F -A R X 模型的预测控制输出的误差比较小，模型预测输出 能很好的吻合系统实际输出，控制精度高。 5结语 针对不稳定、高阶次、非线性和强耦合的倒立 摆系统，提出了基于R B F -A R X 模型的预测控制算 法。根据系统输入输出情况构建R B F -A R X 模型， 并采用S N P O M 分类离线辨识及优化模型参数，基 于该模型设计了系统预测控制器。仿真结果表明， 模型预测输出能很好的拟合系统实际输出，两者之 间的误差也比较小，验证了该方法在非线性系统建 模和控制方面的可行性和有效性。 参考文献 [1] J .A .K .Suykens , J .Vandew alle , B.De M oor , O ptim al control by least squares support vector machines [J ]. Neural Net -works ,2001,14：23-35. [2] 黄永宣.自动平衡倒置摆系统-一个有趣的经典控制理 论教学实验装置[J ].控制理论与应用，1987,4(3): 92-95. H U A N G Yongxuan . Autom atic balance inversion sys - tem -an interesting teaching experimental device of classi -cal control theory [J ]. Control theory and ap p lica tio n ， 1987,4(3)92-95.[3] 刘珊中，朱邦太，牛新闻.状态反馈控制在二级倒立摆 平衡系统中的应用[J ].洛阳工学院学报，1999,14(1): 36-40. L IU Shanzhong , ZH U B a n g ta i,N IU X inw en . The applica -tion of state feedback control in double inverted pendulum system [J ]. Journal of Luoyang institute of technology ， (下转第1372页) 0 0.5 1 1.5 2 2.5 3 3.5 4 4. 5 5 ^ / s 图9预测控制局部输出误差图 如图9,10,输出y 1模型输出和实际输出误差 在-0.035左右，除了控制算法外，也和倒立摆自身 较小。图7显示基于R B F -A R X 预测控制中输出y 2 角度值，响应快，稍有震荡和超调。 从图8看出，预测控制输入电压u 在很短时间 内基本达到稳定状态，证明基于R B F -A R X 预测控 制对倒立摆系统控制是可行的，并且控制效果优良。 为进一步验证基于R B F -A R X 模型预测控制 的控制效果，比较倒立摆在稳摆阶段局部和全局工 作区间内的系统实际输出与模型预测输出，并计算 两者之间的局部误差和全局的平均误差。 糊 °1 ~~1 ~1 ~1 ~1 ~1 ~1 ~1 ~1 ~-o.oi -翻 總-0.02,■ -^ -0.03 ■ - ? ---------------------------------------------- 000^3 1372王静等：多敏感属性K-匿名模型的实现第45卷 [4] 刘乐伟.面向多敏感属性的隐私保护方法研究[D].北 京:北京工业大学，2013. L IU Lew ei.Research of privacy preserving methods for m ultiple seneitive a ttributes[D].B e ijin g：B eijing U niversi-ty of Technology,2013. [5] 程亮，蒋凡.基于微聚集的a-多样性k-匿名大数据隐私 保护[J].信息网络安全，2015(3):19-22. CHENG L ia n g,JIAN G Fan.a-d ive rsity and k-anonym ity Big Data P ri-v a c y Preservation Based on M icro-aggrega-tio n[J].N etinfo S ecurity,2015(3) ：19-22. [6] 王茜，张刚景.实现单敏感属性多样性的微聚集算法 [J]计算机工程与应用，2015(11)72-75. W A N G Q ia n，Z H A N G Gangjing.Microaggregation algo-rithm for single sensitive attribute diversely[J].Computer Engineering and A p p lica tio n s,2015(11):72-75. [7] 唐印浒，钟诚.基于变长聚类的多敏感属性概率k-匿名 算法[J].计算机工程与设计，2014(8)2660-2665. TAN G Y in h u,ZHO NG Cheng.Probabilistic k-anonym ity a lg o-rith m w ith m ulti-se n sitive attributes based on variab le n-g th clustering[J].Computer Engineering and D esign，2014(8)：2660-2665. 8]D om ingo-Ferrer J，Mateo-Sanz J M，Torra https://www.wendangku.net/doc/df1476002.html,paring SDC Methods for M icrodata on the Basis of Inform ation Loss and Disclosure[C]//Proceedings of E T K-N T T S 2001,Luxem burg：E urostat,2001. [9]Chang C C,L i Y C,Huang W H.T F R P：A n efficient m i- croaggregation algorithm for statistical disclosure control [J].Journal of Systems& Software，2007, 80 (11)：1866-1878. (上接第1336页） 1999,14(1)36-40. [4] 李士勇.模糊控制神经控制和智能控制论[M].哈尔滨： 哈尔滨工业大学出版社，1998 ：133-140. L I Shiyong.fuzzy control neural control and intelligent con-trol theory[M].H a rb in：Press of H arbin institute of tech-nology,1998：133-140. [5] 蒋国飞，吴沧浦.基于Q学习算法和B P神经网络的倒立 摆控制[J].自动化学报，1998，24(5):662-666. JIAN G G uofei,W U Cangpu.Inverted pendulum control based on q-lea rn in g algorithm and BP neural network[J]. A cta automatica s in ica，1998，24(5)：662-666. [6]H u i Peng,Tohru O za ki，Valerie Haggan-O zaki，Y u k ih i- ro Toyoda.A Parameter O ptim ization Method for R adial Basis Function Type Models[C]//IE E E Transactions on Neural N etw orks，M A R C H，2003：432-438. [7] 苏迪前，饶立昌，柴天佑.自适应控制[M].沈阳:东北大 学出版社，1993，12：23-35. SU D iq ia n,RAO L ica n g,C A I Tianyou.Adaptive control [M] Shenyang：Press of northeastern u n ive rsity, 1993,[10]陈建明，韩建民.面向微聚集技术的k-匿名数据质量 评佔模型[J].计算机应用研究，2010, 27 (6)：2344-2347. CHEN Jianm ing，H A N Jianm in.valuation model for q-u a lity of k-anonym ity data oriented to m icroa-ggre- gat-io n[J].A pplica tio n Research of Com puters,2010, 27(6)：2344-2347. 11] D om ingo-Ferrer J，Mateo-Sanz J M.Practical data-o ri-ented microaggregation for statistical disclosure control [J].IE E E Transactions on Knowledge& Data Engineer- in g,2002,14(1) ：189-201. [12] 王茜，甘荣庆.一种高效的微聚集k-匿名算法[J].世 界科技研究与发展，2013，35( 1)：38-40. W A N G Q ia n,G ANRongqing.A n E fficie n t M icro-aggre- gation A lgorithm f-o r K-A n o n y m ity[J].W orld S ci-tech R&D,2013,35(1)38-40. [13] D om ingo-Ferrer J，Sebe F，Solanas A.A polynom ial t-im e approxim ation to optim al m ultivariate microag- gr-egation[J].Computers& M at-hem atics w ith A p p lica- t i-ons,2008,55(4) ：714-732. [14] Laszlo M，M ukherjee S.M inim um Spanning Tree P arti- tioning A lgorithm for Microaggregat-io n[J].IEE E Trans- actions on Knowledge& Data Engineering,2010,17(7)：902-911. [15] 杨静，王超，张健沛.基于敏感属性熵的微聚集算法 [J].电子学报，2014,42(7): 1327-1337. Y A N G J in g,W A N G Chao,Z H A N G Jianpei.M icro-Ag- gregation Algorithm Based on Sensitive A ttrib u te Entropy [J].Acta Electronica S in ica,2014,42(7) ：1327-1337. 12：23-35. 8]D.M arquart.A n algorithm for least-squares estimation of nonlinear parameter[J].SIAM J A p p l.M ath.，1963，11 (2)431-441. [9] 李翔，陈增强，袁著祉.基于神经网络的非线性前馈补 偿广义预测自校正控制器51[J].南开大学学报，1999, 32(2)：51-55. L I X ia n g,CHEN Zengqiang,Y U A N Zhuzhi.Generalized predictive se lf-tu n in g controller 51 of nonlinear feedfor-ward compensation based on neural network[J].Journal of Nankai u n ive rsity,1999,32(2) ：51-55. [10] 王磊，戴冠中.基于B P算法的自适应模糊控制系统研 究[J].控制理论与应用，1996,13(6) ：797-801. W A N G L e i，D A I Guanzhong.Researth of adaptive fuzzy control system based on BP algorithm[J].Control theory and a p p lica tio n,1996,13(6) ：797-801. [11] Q.W e i,W.P.Dayawansa,W.S.L e vin e,N onliner controller for an inverted pendulum having restricted tra v e l，A uto- m atica,1995,31(6) ：841-850. 控制工程与仿真课程设计报告 报告题目直线一级倒立摆建模、分析及控制器的设计 组员1专业、班级14自动化1 班姓名朱永远学号1405031009 组员1专业、班级14自动化1 班姓名王宪孺学号1405031011组员1专业、班级14自动化1 班姓名孙金红学号1405031013 报告评分标准 评分项目权重评价内容评价结果项目得分 内容70设计方案较合 理、正确，内容 较完整 70-50分 设计方案基本合 理、正确，内容 基本完整 50-30分 设计方案基本不 合理、正确，内 容不完整 0-30分 语言组织15语言较流顺，标 点符号较正确 10-15分语言基本通顺， 标点符号基本正 确 5-10分 语言不通顺，有 错别字，标点符 号混乱 5分以下 格式15 报告格式较正 确，排版较规范 美观 10-15分 报告格式基本正 确，排版不规范 5-10分 报告格式不正 确，排版混乱 5分以下总分 直线一级倒立摆建模、分析及控制器的设计 一状态空间模型的建立 1.1直线一级倒立摆的数学模型 图1.1 直线一级倒立摆系统 本文中倒立摆系统描述中涉及的符号、物理意义及相关数值如表1.1所示。 图1.2是系统中小车的受力分析图。其中，N 和P 为小车与摆杆相互作用力的水平和垂直方向的分量。 图1.2 系统中小车的受力分析图 图1.3是系统中摆杆的受力分析图。F s 是摆杆受到的水平方向的干扰力, F h 是摆杆受到的垂直方向的干扰力，合力是垂直方向夹角为α的干扰力F g 。 图1.3 摆杆受力分析图 分析小车水平方向所受的合力，可以得到以下方程： ()11- 设摆杆受到与垂直方向夹角为α 的干扰力Fg ，可分解为水平方向、垂直方向的干扰力，所产生的力矩可以等效为在摆杆顶端的水平干扰力FS 、垂直干扰力Fh 产生的力矩。 ()21- 对摆杆水平方向的受力进行分析可以得到下面等式： ()θsin 22 l x dt d m F N S +=- ()31- 即： αθθθθsin sin cos 2f F ml ml x m N +-+= ()41- 对图1.3摆杆垂直方向上的合力进行分析，可以得到下面方程： ()θcos 22 l l dt d m F mg P h -=++- ()51- 即 θθθθ αcos sin cos 2 ml ml F mg P g +=++- ()61- 力矩平衡方程如下： 0cos sin sin cos cos sin =++++θθθθαθα I Nl Pl l F l F g g ()71- 代入P 和N ，得到方程： () 0cos 2sin sin 2cos sin cos 2cos sin 2222=+-++++θθθθθθθαθαx ml ml mgl ml I l F l F g g ()81- 设φπθ+=，（φ是摆杆杆与垂直向上方向之间的夹角，单位是弧度），代入上式。假设φ<<1，则可进行近似处理： φφφφφφφ===?? ? ??==2sin ,12cos ,0,sin ,1cos 2 dt d N x f F x M --= α sin g S F F =α cos g h F F = 单级倒立摆系统的分析与设计 小组成员：武锦张东瀛杨姣 李邦志胡友辉 一．倒立摆系统简介 倒立摆系统是一个典型的高阶次、多变量、不稳定和强耦合的非线性系统。由于它的行为与火箭飞行以及两足机器人行走有很大的相似性，因而对其研究具有重大的理论和实践意义。由于倒立摆系统本身所具有的上述特点，使它成为人们深入学习、研究和证实各种控制理论有效性的实验系统。 单级倒立摆系统（Simple Inverted Pendulum System）是一种广泛应用的物理模型，其结构和飞机着陆、火箭飞行及机器人的关节运动等有很多相似之处，因而对倒立摆系统平衡的控制方法在航空及机器人等领域有着广泛的用途，倒立摆控制理论产生的方法和技术将在半导体及精密仪器加工、机器入技术、导弹拦截控制系统、航空器对接控制技术等方面具有广阔的开发利用前景。 倒立摆仿真或实物控制实验是控制领域中用来检验某种控制理论或方法的典型方案。最初研究开始于二十世纪50年代，单级倒立摆可以看作是一个火箭模型，相比之下二阶倒立摆就复杂得多。1972年，Sturgen等采用线性模拟电路实现了对二级倒立摆的控制。目前，一级倒立摆控制的仿真或实物系统已广泛用于教学。 二．系统建模 1．单级倒立摆系统的物理模型 图1：单级倒立摆系统的物理模型 单级倒立摆系统是如下的物理模型：在惯性参考系下的光滑水平平面上，放置一个可以在平行于纸面方向左右自由移动的小车（cart ），一根刚性的摆杆（pendulum leg ）通过其末端的一个不计摩擦的固定连接点（flex Joint ）与小车相连构成一个倒立摆。倒立摆和小车共同构成了单级倒立摆系统。倒立摆可以在平行于纸面180°的范围内自由摆动。倒立摆控制系统的目的是使倒立摆在外力的摄动下摆杆仍然保持竖直向上状态。在小车静止的状态下，由于受到重力的作用，倒立摆的稳定性在摆杆受到微小的摄动时就会发生不可逆转的破坏而使倒立摆无法复位，这时必须使小车在平行于纸面的方向通过位移产生相应的加速度。依照惯性参考系下的牛顿力学原理，作用力与物体位移对时间的二阶导数存在线性关系，单级倒立摆系统是一个非线性系统。 各个参数的物理意义为： M — 小车的质量 m — 倒立摆的质量 F — 作用到小车上的水平驱动力 L — 倒立摆的长度 x — 小车的位置 θ— 某一时刻摆角 整个倒立摆系统就受到重力、驱动力和摩擦阻力的三个外力的共同作用。这里，驱动力F 是由连接小车的传动装置提供，控制倒立摆的稳定实际上就是依靠控制驱动力F 使小车在水平面上做与倒立摆运动相关的特定运动。为了简化模型以利于仿真，假设小车与导轨以及摆杆与小车铰链之间的摩擦均为0。 2．单级倒立摆系统的数学模型 令小车的水平位移为x ，运动速度为v ，加速度a 。 小车的动能为212kc E Mx =，选择特定的参考平面使得小车的势能为0。 摆杆的长度为L ，某时刻摆角为θ，在摆杆上与固定连接点距离为q （0 倒立摆 倒立摆百度文库解释： 倒立摆系统的输入为小车的位移（即位置）和摆杆的倾斜角度期望值，计算机在每一个采样周期中采集来自传感器的小车与摆杆的实际位置信号，与期望值进行比较后，通过控制算法得到控制量，再经数模转换驱动直流电机实现倒立摆的实时控制。直流电机通过皮带带动小车在固定的轨道上运动，摆杆的一端安装在小车上，能以此点为轴心使摆杆能在垂直的平面上自由地摆动。作用力u平行于铁轨的方向作用于小车，使杆绕小车上的轴在竖直平面内旋转，小车沿着水平铁轨运动。当没有作用力时，摆杆处于垂直的稳定的平衡位置（竖直向下）。为了使杆子摆动或者达到竖直向上的稳定，需要给小车一个控制力，使其在轨道上被往前或朝后拉动。 倒立摆系统简介 倒立摆是机器人技术、控制理论、计算机控制等多个领域、多种技术的有机结合，其被控系统本身又是一个绝对不稳定、高阶次、多变量、强耦合的非线性系统，可以作为一个典型的控制对象对其进行研究。最初研究开始于二十世纪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。近年来，新的控制方法不断出现，人们试图通过倒立摆这样一个典型的控制对象，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，从而从中找出最优秀的控制方法。倒立摆系统作为控制理论研究中的一种比较理想的实验手段，为自动控制理论的教学、实验和科研构建一个良好的实验平台，以用来检验某种控制理论或方法的典型方案，促进了控制系统新理论、新思想的发展。由于控制理论的广泛应用，由此系统研究产生的方法和技术将在半导体及精密仪器加工、机器人控制技术、人工智能、导弹拦截控制系统、航空对接控制技术、火箭发射中的垂直度控制、卫星飞行中的姿态控制和一般工业应用等方面具有广阔的利用开发前景。平面倒立摆可以比较真实的模拟火箭的飞行控制和步行机器人的稳定控制等方面的研究。 倒立摆分类 一阶直线倒立摆系统 姓名： 班级： 学号： 目录 摘要 (3) 第一部分单阶倒立摆系统建模 (4) （一）对象模型 (4) （二）电动机、驱动器及机械传动装置的模型 (6) 第二部分单阶倒立摆系统分析 (7) 第三部分单阶倒立摆系统控制 (11) （一）内环控制器的设计 (11) （二）外环控制器的设计 (14) 第四部分单阶倒立摆系统仿真结果 (16) 系统的simulink仿真 (16) 摘要： 该问题源自对于娱乐型”独轮自行车机器人”的控制，实验中对该系统进行系统仿真，通过对该实物模型的理论分析与实物仿真实验研究，有助于实现对独轮自行车机器人的有效控制。 控制理论中把此问题归结为“一阶直线倒立摆控制问题”。另外，诸如机器人行走过程中的平衡控制、火箭发射中的垂直度控制、卫星飞行中的姿态控制、海上钻井平台的稳定控制、飞机安全着陆控制等均涉及到倒立摆的控制问题。 实验中通过检测小车位置与摆杆的摆动角，来适当控制驱动电动机拖动力的大小，控制器由一台工业控制计算机（IPC）完成。实验将借助于“Simulink封装技术——子系统”，在模型验证的基础上，采用双闭环PID控制方案，实现倒立摆位置伺服控制的数字仿真实验。实验过程涉及对系统的建模、对系统的分析以及对系统的控制等步骤，最终得出实验结果。仿真实验结果不仅证明了PID方案对系统平衡控制的有效性，同时也展示了它们的控制品质和特性。 第一部分单阶倒立摆系统建模 （一） 对象模型 由于此问题为”单一刚性铰链、两自由度动力学问题”，因此，依据经典力学的牛顿定律即可满足要求。 如图1.1所示，设小车的质量为0m ，倒立摆均匀杆的质量为m ，摆长为2l ，摆的偏角为θ，小车的位移为x ，作用在小车上的水平方向上的力为F ，1O 为摆杆的质心。 图1.1 一阶倒立摆的物理模型 根据刚体绕定轴转动的动力学微分方程，转动惯量与角加速度乘积等于作用于刚体主动力对该轴力矩的代数和，则 1）摆杆绕其重心的转动方程为 sin cos y x l F J F l θθθ=-&& （1-1） 2）摆杆重心的水平运动可描述为 2 2(sin )x d F m x l dt θ=+ （1-2） 3）摆杆重心在垂直方向上的运动可描述为 2 2(cos )y d F mg m l dt θ-= （1-3） 4）小车水平方向运动可描述为 202x d x F F m dt -= （1-4） M A T L A B模型预测控制工具箱函数 8.2系统模型建立与转换函数 前面读者论坛了利用系统输入/输出数据进行系统模型辨识的有关函数及使用方法，为时行模型预测控制器的设计，需要对系统模型进行进一步的处理和转换。MATLAB的模型预测控制工具箱中提供了一系列函数完成多种模型转换和复杂系统模型的建立功能。 在模型预测控制工具箱中使用了两种专用的系统模型格式，即MPC状态空间模型和MPC传递函数模型。这两种模型格式分别是状态空间模型和传递函数模型在模型预测控制工具箱中的特殊表达形式。这种模型格式化可以同时支持连续和离散系统模型的表达，在MPC传递函数模型中还增加了对纯时延的支持。表8-2列出了模型预测控制工具箱的模型建立与转换函数。 表8-2模型建立与转换函数 8.2.1模型转换 在MATLAB模型预测工具箱中支持多种系统模型格式。这些模型格式包括： ①通用状态空间模型； ②通用传递函数模型； ③MPC阶跃响应模型； ④MPC状态空间模型； ⑤MPC传递函数模型。 在上述5种模型格式中，前两种模型格式是MATLAB通用的模型格式，在其他控制类工具箱中，如控制系统工具箱、鲁棒控制工具等都予以支持；而后三种模型格式化则是模型预测控制工具箱特有的。其中，MPC状态空间模型和MPC传递函数模型是通用的状态空间模型和传递函数模型在模型预测控制工具箱中采用的增广格式。模型预测控制工具箱提供了若干函数，用于完成上述模型格式间的转换功能。下面对这些函数的用法加以介绍。 1．通用状态空间模型与MPC状态空间模型之间的转换 MPC状态空间模型在通用状态空间模型的基础上增加了对系统输入/输出扰动 和采样周期的描述信息，函数ss2mod()和mod2ss()用于实现这两种模型格式之间的转换。 1）通用状态空间模型转换为MPC状态空间模型函数ss2mod() 该函数的调用格式为 pmod=ss2mod(A,B,C,D) pmod=ss2mod(A,B,C,D,minfo) pmod=ss2mod(A,B,C,D,minfo,x0,u0,y0,f0) 式中，A,B,C,D为通用状态空间矩阵； minfo为构成MPC状态空间模型的其他描述信息，为7个元素的向量，各元素分别定义为： ◆minfo(1)=dt，系统采样周期，默认值为1； ◆minfo(2)=n，系统阶次，默认值为系统矩阵A的阶次； ◆minfo(3)=nu，受控输入的个数，默认值为系统输入的维数； ◆minfo(4)=nd，测量扰的数目，默认值为0； ◆minfo(5)=nw，未测量扰动的数目，默认值为0； ◆minfo(6)=nym，测量输出的数目，默认值系统输出的维数； ◆minfo(7)=nyu，未测量输出的数目，默认值为0； 注：如果在输入参数中没有指定m i n f o，则取默认值。 x0,u0,y0,f0为线性化条件，默认值均为0； pmod为系统的MPC状态空间模型格式。 例8-5将如下以传递函数表示的系统模型转换为MPC状态空间模型。 解：MATLAB命令如下： 系统建模 系统建模可以分为两种:机理建模和实验建模.实验建模就是通过在研究对象上加上一系列的研究者先确定的输入信号,激励研究对象并通过传感器的检测其可观测的输出,应用数学手段建立起系统输入---输出关系.这里包括输入信号的设计选取,输出信号的精确检测,数学算法的研究等等内容.机理建模就是在了解研究对象在运动规律基础上,通过物理,化学的知识和数学手段建立起的系统内部的输入输出状态关系.系统的建模原则： 1) 建模之前，要全面了解系统的自然特征和运动机理，明确研究目的和准确性要求，选择合适的分析方法。 2) 按照所选分析法，确定相应的数学模型的形式； 3) 根据允许的误差范围，进行准确性考虑，然后建立尽量简化的合理的数学模型。 小车—倒立摆系统是各种控制理论的研究对象。只要一提小车—倒立摆系统，一般均认为其数学模型也已经定型。事实上，小车—倒立摆的数学模型与驱动系统有关，常见到的模型只是对应于直流电机的情况，如果执行机构是交流伺服电机，就不是这个模型了。本文主要分析由直流电机驱动的小车—倒立摆系统。小车倒立摆系统是检验控制方式好坏的一个典型对象，其特点是高阶次、不稳定、非线性、强耦合，只有采取有效的控制方式才能稳定控制. 在忽略空气阻力,各种摩擦之后,可将直线一级倒立摆系统抽象成小车忽然均匀质杆组成的系统,如下图所示: 图中F 是施加于小车的水平方向的作用力，x 是小车的位移，φ是摆的倾斜角。若不给小车施加控制力，倒摆会向左或向右倾斜，控制的目的是当倒摆出现偏角时，在水平方向上给小车以作用力，通过小车的水平运动，使倒摆保持在垂直的位置。即控制系统的状态参数，以保持摆的倒立稳定。 M 小车的质量 0.5Kg m 摆杆的质量 0.2Kg X φ F M 图1 直线一级倒立摆系统 θ 神经网络模型预测控制器 摘要：本文将神经网络控制器应用于受限非线性系统的优化模型预测控制中，控制规则用一个神经网络函数逼近器来表示，该网络是通过最小化一个与控制相关的代价函数来训练的。本文提出的方法可以用于构造任意结构的控制器，如减速优化控制器和分散控制器。 关键字：模型预测控制、神经网络、非线性控制 1.介绍 由于非线性控制问题的复杂性，通常用逼近方法来获得近似解。在本文中，提出了一种广泛应用的方法即模型预测控制（MPC），这可用于解决在线优化问题，另一种方法是函数逼近器，如人工神经网络，这可用于离线的优化控制规则。 在模型预测控制中，控制信号取决于在每个采样时刻时的想要在线最小化的代价函数，它已经广泛地应用于受限的多变量系统和非线性过程等工业控制中[3,11,22]。MPC方法一个潜在的弱点是优化问题必须能严格地按要求推算，尤其是在非线性系统中。模型预测控制已经广泛地应用于线性MPC问题中[5]，但为了减小在线计算时的计算量，该部分的计算为离线。一个非常强大的函数逼近器为神经网络，它能很好地用于表示非线性模型或控制器，如文献[4,13,14]。基于模型跟踪控制的方法已经普遍地应用在神经网络控制，这种方法的一个局限性是它不适合于不稳定地逆系统，基此本文研究了基于优化控制技术的方法。 许多基于神经网络的方法已经提出了应用在优化控制问题方面，该优化控制的目标是最小化一个与控制相关的代价函数。一个方法是用一个神经网络来逼近与优化控制问题相关联的动态程式方程的解[6]。一个更直接地方法是模仿MPC方法，用通过最小化预测代价函数来训练神经网络控制器。为了达到精确的MPC技术，用神经网络来逼近模型预测控制策略，且通过离线计算[1,7.9,19]。用一个交替且更直接的方法即直接最小化代价函数训练网络控制器代替通过训练一个神经网络来逼近一个优化模型预测控制策略。这种方法目前已有许多版本，Parisini[20]和Zoppoli[24]等人研究了随机优化控制问题，其中控制器作为神经网络逼近器的输入输出的一个函数。Seong和Widrow[23]研究了一个初始状态为随机分配的优化控制问题，控制器为反馈状态，用一个神经网络来表示。在以上的研究中，应用了一个随机逼近器算法来训练网络。Al-dajani[2]和Nayeri等人[15]提出了一种相似的方法，即用最速下降法来训练神经网络控制器。 在许多应用中，设计一个控制器都涉及到一个特殊的结构。对于复杂的系统如减速控制器或分散控制系统，都需要许多输入与输出。在模型预测控制中，模型是用于预测系统未来的运动轨迹，优化控制信号是系统模型的系统的函数。因此，模型预测控制不能用于定结构控制问题。不同的是，基于神经网络函数逼近器的控制器可以应用于优化定结构控制问题。 在本文中，主要研究的是应用于非线性优化控制问题的结构受限的MPC类型[20,2,24,23,15]。控制规则用神经网络逼近器表示，最小化一个与控制相关的代价函数来离线训练神经网络。通过将神经网络控制的输入适当特殊化来完成优化低阶控制器的设计，分散和其它定结构神经网络控制器是通过对网络结构加入合适的限制构成的。通过一个数据例子来评价神经网络控制器的性能并与优化模型预测控制器进行比较。 2.问题表述 考虑一个离散非线性控制系统： 其中为控制器的输出，为输入，为状态矢量。控制 第1 页共11 页 倒立摆系统的建模及Matlab仿真 1.系统的物理模型 考虑如图(1)所示的倒立摆系统。图中，倒立摆安装在一个小车上。这里仅考虑倒立摆在图面内运动的二维问题。 图(1)倒立摆系统 假定倒立摆系统的参数如下。 摆杆的质量：m=0.1g l=1m小车的质量：摆杆的长度：2重力加速度：g=9.8m/M=1kg s摆杆的质量在摆杆的中心。 设计一个控制系统，使得当给定任意初始条件(由干扰引起)时，最大超调量?≤10%，调节时间ts ≤4s ，通过小车的水平运动使倒立摆保持在垂直位置。 2.系统的数学模型 2.1建立倒置摆的运动方程并将其线性化。 为简化问题，在数学模型中首先假设：1)摆杆为刚体；2）忽略摆杆与支点之间的摩擦；3）忽略小车与接触面间的摩擦。 ?）,在u设小车瞬时位置为z,摆心瞬时位置为（作用下，小车及摆均产生加速远 动，sin?lz根据牛顿第二定律，在水平直线远动方向的惯性力应与u平衡，于是有 22dzd?)?sinu?M?m(zl22dtdt???2????z(M?mml?)cos?mlusin? 即：??① 绕摆轴转动的惯性力矩与重力矩平衡，因而有． 第2 页共11 页 2??d??? sin??lcosm(z?lsinmgl)??2dt?????22???????即： nis?l?ocgcosincoszs?ls??② 以上两个方程都是非线性方程，为求得解析解，需作线性化处理。由于控制的目的是保持倒立摆直?2?????且可忽略则，立，在试驾合适的外力条件下，假定θ很小，接近于零时合理的，1sincos??,项。于是有 ???M?zm?u?ml??)(③ ????g?z?l??④联立求解可得1mg?u?z????MM 1)?m(M????u??MlMl 列写系统的状态空间表达式。2.2??T xx,x,x,，选取系统变量则 xx,x,xx?,42134123xx??211mgux???x?32MM x?x?431)(M?mu?x?x? 34MlMl 即00100????z??1mg??????000?z?????d MM??Bu?Ax?xux????????00001???dt????1gm?(M)????000??????? MlMl??????Cx?0?y?xx1001代入数据计算得到：0100????000?1??????T0D,?0??1BA?,?001,C100??1000??00011?? 11 页3 页共第 3.设计控制器3.1判断系统的能控性和稳定性 1100????0011????23BBAABAB?Q?故被控对象完全可控， rank()=4,Q kk??11?0?10??011?10???22???11?。出现大于零的特征值，故被，，0 解得特征值为 0由特征方程0??11I?A?)(控对象不稳定3.2确定希望的极点， 另一对为远极点，认为系统性能主要由主导，选其中一对为主导极点和希望的极点n=4ss21极点决定，远极点只有微小影响。根据二阶系统的关系式，先确定主导极点???42??1????10.?e??t1.67?有，闭环可得；取误差带，于是取，则6.?059?0.02.?0? pns??n2????1?js??=-10.8j,远极点选择使它和原点的距离大于主导极点与原点 距离主导极点为?n,21s??15倍，取的54,33.3采用状态反馈方法使系统稳定并配置极点 ??kkkk?k；状态反馈系统的状态方程，馈状态反的控制规律为为kxu??3102?，其 单级倒立摆经典控制系统 摘要：倒立摆控制系统虽然作为热门研究课题之一，但见于资料上的大多采用现代控制方法，本课题的目的就是要用经典的方法对单级倒立摆设计控制器进行探索。本文以经典控制理论为基础，建立小车倒立摆系统的数学模型，使用PID控制法设计出确定参数(摆长和摆杆质量)下的控制器使系统稳定，并利用MATLAB软件进行仿真。 关键词：单级倒立摆；经典控制；数学模型；PID控制器；MATLAB 1绪论 自动控制理论是研究自动控制共同规律的技术科学。它的发展初期，是以反馈理论为基础的自动调节原理，并主要用于工业控制。 控制理论在几十年中，迅速经历了从经典理论到现代理论再到智能控制理论的阶段，并有众多的分支和研究发展方向。 1.1经典控制理论 控制理论的发展，起于“经典控制理论”。早期最有代表性的自动控制系统是18世纪的蒸汽机调速器。20世纪前，主要集中在温度、压力、液位、转速等控制。20世纪起，应用范围扩大到电压、电流的反馈控制，频率调节，锅炉控制，电机转速控制等。二战期间，为设计和制造飞机及船用自动驾驶仪、火炮定位系统、雷达跟踪系统及其他基于反馈原理的军用装备，促进了自动控制理论的发展。 至二战结束时，经典控制理论形成以传递函数为基础的理论体系，主要研究单输入-单输出、线性定常系统的分析问题。经典控制理论的研究对象是线性单输入单输出系统，用常系数微分方程来描述。它包含利用各种曲线图的频率响应法和利用拉普拉斯变换求解微分方程的时域分析法。这些方法现在仍是人们学习控制理论的入门之道。 1.2倒立摆 1.2.1倒立摆的概念 图1 一级倒立摆装置 倒立摆是处于倒置不稳定状态，人为控制使其处于动态平衡的一种摆。如杂技演员顶杆的物理机制可简化为一级倒立摆系统，是一个复杂、多变量、存在严重非线性、非自治不稳定系统。 线控大作业 如图所示的倒立摆系统。图中，倒立摆安装在一个小车上。这里仅考虑倒立摆在图面内运动的二维问题。 图倒立摆系统 假定倒立摆系统的参数如下。 摆杆的质量：m=0.1g 摆杆的长度：2l=1m 小车的质量：M=1kg 重力加速度：g=10/s2 摆杆惯量：I=0.003kgm2 摆杆的质量在摆杆的中心。 设计一个控制系统，使得当给定任意初始条件(由干扰引起)时，最大超调量 %≤10%， 调节时间ts ≤4s ，使摆返回至垂直位置，并使小车返回至参考位置(x=0)。 要求：1、建立倒立摆系统的状态方程 2、定量分析,定性分析系统的性能指标——能控性、能观性、稳定性 3、极点配置 设计分析报告 1 系统建模 在忽略了空气阻力和各种摩擦之后，可将直线一级倒立摆系统抽象成小车和匀质杆组成的系统。如下如所示。 图 一级倒立摆模型 其中： φ 摆杆与垂直向上方向的夹角 θ 摆杆与垂直向下方向的夹角（考虑到摆杆初始位置为竖直向下） 图是系统中小车和摆杆的受力分析图。其中，N 和P 为小车与摆杆相互作用力的水平和垂直方向的分量。 注意：在实际倒立摆系统中检测和执行装置的正负方向已经完全确定，因而矢量方向定义如图所示，图示方向为矢量正方向。 分析小车水平方向所受的合力，可以得到以下方程： N x b F x M --= 由摆杆水平方向的受力进行分析可以得到下面等式： )sin (22 θl x dt d m N += 即： θθθθsin cos 2 ml ml x m N -+= 把这个等式代入式(3-1)中，就得到系统的第一个运动方程： F ml ml x b x m M =-+++θθθθsin cos )(2 为了推出系统的第二个运动方程，我们对摆杆垂直方向上的合力进行分析，可以得到下面方程： )cos (22 θl dt d m mg P =- θθθθ cos sin 2 ml ml mg P --=- 力矩平衡方程如下： θ θθ I Nl Pl =--cos sin 注意：此方程中力矩的方向，由于θφθφφπθsin sin ,cos cos ,-=-=+=，故等式前面有负号。 合并这两个方程，约去P 和N ，得到第二个运动方程： θθθcos sin )(2x ml mgl ml I -=++ 设φπθ+=（φ是摆杆与垂直向上方向之间的夹角），假设φ与1（单位是弧度）相比很小，即1<<φ，则可以进行近似处理：0)(,sin ,1cos 2=-=-=dt d θφθθ。用u 来代表被控对象的输入力F ，线性化后两个运动方程如下： 2(+)()I ml mgl mlx M m x bx ml u ????-=?++-=? 对式(3-9)进行拉普拉斯变换，得到 ?????=Φ-++=Φ-Φ+) ()()()()()()()()(22222s U s s m l s s bX s s X m M s s m lX s m gl s s m l I 注意：推导传递函数时假设初始条件为0。 由于输出为角度φ，求解方程组的第一个方程，可以得到： )(])([)(22s s g ml ml I s X Φ-+= 或 m g l s ml I mls s X s -+=Φ222 )()()( 如果令x v =，则有： 基于双闭环PID控制的一阶倒立摆控制系统设计 一、设计目的 倒立摆是一个非线性、不稳定系统,经常作为研究比较不同控制方法的典型例子。设计一个倒立摆的控制系统，使倒立摆这样一个不稳定的被控对象通过引入适当的控制策略使之成为一个能够满足各种性能指标的稳定系统。 二、设计要求 倒立摆的设计要求是使摆杆尽快地达到一个平衡位置，并且使之没有大的振荡和过大的角度和速度。当摆杆到达期望的位置后，系统能克服随机扰动而保持稳定的位置。实验参数自己选定，但要合理符合实际情况，控制方式为双PID控制，并利用MATLAB进行仿真，并用simulink对相应的模块进行仿真。 三、设计原理 倒立摆控制系统的工作原理是：由轴角编码器测得小车的位置和摆杆相对垂直方向的角度，作为系统的两个输出量被反馈至控制计算机。计算机根据一定的控制算法，计算出空置量，并转化为相应的电压信号提供给驱动电路，以驱动直流力矩电机的运动，从而通过牵引机构带动小车的移动来控制摆杆和保持平衡。 四、设计步骤 首先画出一阶倒立摆控制系统的原理方框图 一阶倒立摆控制系统示意图如图所示： 分析工作原理，可以得出一阶倒立摆系统原理方框图： 一阶倒立摆控制系统动态结构图 下面的工作是根据结构框图，分析和解决各个环节的传递函数！ 1.一阶倒立摆建模 在忽略了空气流动阻力，以及各种摩擦之后，可将倒立摆系统抽象成小车和匀质杆组成的系统，如下图所示，其中： M ：小车质量 m ：为摆杆质量 J ：为摆杆惯量 F ：加在小车上的力 x ：小车位置 θ：摆杆与垂直向上方向的夹角 l ：摆杆转动轴心到杆质心的长度 根据牛顿运动定律以及刚体运动规律，可知： （1） 摆杆绕其重心的转动方程为 （2） 摆杆重心的运动方程为 得 sin cos ..........(1)y x J F l F l θθθ=-2 22 2(sin ) (2) (cos ) (3) x y d F m x l d t d F mg m l d t θθ=+=- 开题报告填表说明 1.开题报告是毕业设计（论文）过程规范管理的重要环节，是培养学生严谨务实工作作风的重要手段，是学生进行毕业设计（论文）的工作方案，是学生进行毕业设计（论文）工作的依据。 2.学生选定毕业设计（论文）题目后，与指导教师进行充分讨论协商，对题意进行较为深入的了解，基本确定工作过程思路，并根据课题要求查阅、收集文献资料，进行毕业实习（社会调查、现场考察、实验室试验等），在此基础上进行开题报告。 3.课题的目的意义，应说明对某一学科发展的意义以及某些理论研究所带来的经济、社会效益等。 4.文献综述是开题报告的重要组成部分，是在广泛查阅国内外有关文献资料后，对与本人所承担课题研究有关方面已取得的成就及尚存的问题进行简要综述，并提出自己对一些问题的看法。 5.研究的内容，要具体写出在哪些方面开展研究，要突出重点，实事求是，所规定的内容经过努力在规定的时间内可以完成。 6.在开始工作前，学生应在指导教师帮助下确定并熟悉研究方法。 7.在研究过程中如要做社会调查、实验或在计算机上进行工作，应详细说明使用的仪器设备、耗材及使用的时间及数量。 8.课题分阶段进度计划，应按研究内容分阶段落实具体时间、地点、工作内容和阶段成果等，以便于有计划地开展工作。 9.开题报告应在指导教师指导下进行填写，指导教师不能包办代替。 10.开题报告要按学生所在系规定的方式进行报告，经系主任批准后方可进行下一步的研究（或设计）工作。 一、课题的目的意义： 倒立摆系统作为一个实验装置，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；作为一个被控对象，它又相当复杂，就其本身而言，是一个高阶次、不稳定、多变量、非线性、强耦合系统，只有采取行之有效的控制方法方能使之稳定。 理论是工程的先导，倒立摆的研究具有重要的工程背景。机器人行走类似倒立摆系统，尽管第一台机器人在美国问世以来已有几十年的历史，但机器人的关键技术至今仍未很好解决。由于倒立摆系统的稳定与空间飞行器控制和各类伺服云台的稳定有很大相似性，也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。因此，倒立摆机理的研究又具有重要的应用价值，成为控制理论中经久不衰的研究课题。 文献综述（分析国内外研究现状、提出问题，找到研究课题的切入点，附主要参考文献，约2000字）： 倒立摆系统的最初分析开始于二十世纪五十年代，是一个比较复杂的不稳定，多变量，带有强耦合特性的高阶机械系统。倒立摆系统存在严重的不确定性，一方面是系统的参数的不确定性，一方面是系统受到不确定因素的干扰。其控制方法和思路在处理一般工业过程中有很广泛的用途，此外，其相关的研究成果也在航天科技和机器人学习方面得到了大量的应用，如机器人行走过程中平衡控制，火箭发射中的垂直度控制和卫星飞行中的姿态控制等，因此，倒立摆系统是进行控制理论研究的理想平台。 倒立摆是机器人技术﹑控制理论﹑计算机控制等多个领域﹑多种技术的有机结合，其被控 一级直线倒立摆系统模糊控制器设计 实验指导书 目录 1 实验要求................................................................................. . (3) 1.1 实验准备................................................................................. . (3) 1.2 评分规则................................................................................. . (3) 1.3 实验报告容................................................................................. .. (3) 1.4 安全注意事项................................................................................. .. (3) 2 倒立摆实验平台介绍................................................................................. .. (4) 2.1 硬件组成................................................................................. . (4) 2.2 软件结构................................................................................. . (4) 3 倒立摆数学建模（预习 容） .............................................................................. (6) 4 模糊控制实验................................................................................. (8) 4.1 模糊控制器设计（预习容）............................................................................... (8) 4.2 模糊控制器仿真................................................................................. (12) 4.3 模糊控制器实时控制实验................................................................................. .. (12) 5 附录：控制理论中常用的MATLAB 函 云南大学信息学院学生实验报告 课程名称：现代控制理论 实验题目：预测控制 小组成员：李博（12018000748） 金蒋彪（12018000747） 专业：2018级检测技术与自动化专业 1、实验目的 (3) 2、实验原理 (3) 2.1、预测控制特点 (3) 2.2、预测控制模型 (4) 2.3、在线滚动优化 (5) 2.4、反馈校正 (5) 2.5、预测控制分类 (6) 2.6、动态矩阵控制 (7) 3、MATLAB仿真实现 (9) 3.1、对比预测控制与PID控制效果 (9) 3.2、P的变化对控制效果的影响 (12) 3.3、M的变化对控制效果的影响 (13) 3.4、模型失配与未失配时的控制效果对比 (14) 4、总结 (15) 5、附录 (16) 5.1、预测控制与PID控制对比仿真代码 (16) 5.1.1、预测控制代码 (16) 5.1.2、PID控制代码 (17) 5.2、不同P值对比控制效果代码 (19) 5.3、不同M值对比控制效果代码 (20) 5.4、模型失配与未失配对比代码 (20) 1、实验目的 （1）、通过对预测控制原理的学习，掌握预测控制的知识点。 （2）、通过对动态矩阵控制（DMC）的MATLAB仿真，发现其对直接处理具有纯滞后、大惯性的对象，有良好的跟踪性和较强的鲁棒性，输入已 知的控制模型，通过对参数的选择，来获得较好的控制效果。 （3）、了解matlab编程。 2、实验原理 模型预测控制(Model Predictive Control，MPC)是20世纪70年代提出的一种计算机控制算法，最早应用于工业过程控制领域。预测控制的优点是对数学模型要求不高，能直接处理具有纯滞后的过程，具有良好的跟踪性能和较强的抗干扰能力，对模型误差具有较强的鲁棒性。因此，预测控制目前已在多个行业得以应用，如炼油、石化、造纸、冶金、汽车制造、航空和食品加工等，尤其是在复杂工业过程中得到了广泛的应用。在分类上，模型预测控制(MPC)属于先进过程控制，其基本出发点与传统PID控制不同。传统PID控制，是根据过程当前的和过去的输出测量值与设定值之间的偏差来确定当前的控制输入，以达到所要求的性能指标。而预测控制不但利用当前时刻的和过去时刻的偏差值，而且还利用预测模型来预估过程未来的偏差值，以滚动优化确定当前的最优输入策略。因此，从基本思想看，预测控制优于PID控制。 2.1、预测控制特点 首先，对于复杂的工业对象。由于辨识其最小化模型要花费很大的代价，往往给基于传递函数或状态方程的控制算法带来困难，多变量高维度复杂系统难以建立精确的数学模型工业过程的结构、参数以及环境具有不确定性、时变性、非线性、强耦合，最优控制难以实现。而预测控制所需要的模型只强调其预测功能，不苛求其结构形式，从而为系统建模带来了方便。在许多场合下，只需测定对象的阶跃或脉冲响应，便可直接得到预测模型，而不必进一步导出其传递函数或状 上海电力学院课程设计报告 课名：自动控制原理应用实践 题目：倒立摆控制装置 院系：自动化工程学院 专业：测控技术与仪器 班级：2011151班 姓名：马玉林 学号：20112515 时间：2014年1月14日 倒立摆系统按摆杆数量的不同，可分为一级，二级，三级倒立摆等，多级摆的摆杆之间属于自有连接（即无电动机或其他驱动设备）。对倒立摆系统的研究能有效的反映控制中的许多典型问题：如非线性问题、鲁棒性问题、镇定问题、随动问题以及跟踪问题等。通过对倒立摆的控制，用来检验新的控制方法是否有较强的处理非线性和不稳定性问题的能力。 倒立摆的控制问题就是使摆杆尽快地达到一个平衡位置，并且使之没有大的振荡和过大的角度和速度。当摆杆到达期望的位置后，系统能克服随机扰动而保持稳定的位置。 1.1 倒立摆的控制方法 倒立摆系统的输入来自传感器的小车与摆杆的实际位置信号，与期望值进行比较后，通过控制算法得到控制量，再经数模转换驱动直流电机实现倒立摆的实时控制。直流电机通过皮带带动小车在固定的轨道上运动，摆杆的一端安装在小车上，能以此点为轴心使摆杆能在垂直的平面上自由地摆动。作用力u平行于铁轨的方向作用于小车，使杆绕小车上的轴在竖直平面内旋转，小车沿着水平铁轨运动。当没有作用力时，摆杆处于垂直的稳定的平衡位置（竖直向下）。为了使杆子摆动或者达到竖直向上的稳定，需要给小车一个控制力，使其在轨道上被往前或朝后拉动。 本次设计中我们采用其中的牛顿－欧拉方法建立直线型一级倒立摆系统的数学模型，然后通过开环响应分析对该模型进行分析，并利用学习的古典控制理论和Matlab /Simulink仿真软件对系统进行控制器的设计，主要采用根轨迹法，频域法以及PID（比例-积分-微分）控制器进行模拟控制矫正。 2 直线倒立摆数学模型的建立 直线一级倒立摆由直线运动模块和一级摆体组件组成，是最常见的倒立摆之一，直线倒立摆是在直线运动模块上装有摆体组件，直线运动模块有一个自由度，小车可以沿导轨水平运动，在小车上装载不同的摆体组件。 系统建模可以分为两种：机理建模和实验建模。实验建模就是通过在研究对象上加上一系列的研究者事先确定的输入信号，激励研究对象并通过传感器检测其可观测的输出，应用数学手段建立起系统的输入－输出关系。这里面包括输入 内蒙古科技大学课程设计 内蒙古科技大学 控制系统仿真设计说明书 题目：直线一级摆的PID控制与校正 学生姓名：罗鹏飞 学号：0967112208 专业：测控技术与仪器 班级：2009-2班 指导教师：张勇 摘要 倒立摆系统是一个典型的快速、多变量、非线性、不稳定系统，对倒立摆的控制研究无论在理论上和方法上都有深远的意义。 本论文以实验室原有的直线一级倒立摆实验装置为平台，重点研究其PID控制方法，设计出相应的PID控制器，并将控制过程在MATLAB上加以仿真。 本文主要研究内容是：首先概述自动控制的发展和倒立摆系统研究的现状；介绍倒立摆系统硬件组成，对单级倒立摆模型进行建模，并分析其稳定性；研究倒立摆系统的几种控制策略，分别设计了相应的控制器，以MATLAB为基础，做了大量的仿真研究，比较了各种控制方法的效果；借助固高科技MATLAB实时控制软件实验平台；利用设计的控制方法对单级倒立摆系统进行实时控制，通过在线调整参数和突加干扰等，研究其实时性和抗千扰等性能；对本论文进行总结，对下一步研究作一些展望。 关键词：一级倒立摆，PID，MATLAB仿真 目录 摘要...................................................................I 目录..................................................................II 第1章 MATLAB仿真软件的应用.. (1) 1.1 MATLAB的基本介绍 (1) 1.2 MATLAB的仿真 (1) 1.3 控制系统的动态仿真 (2) 1.4 小结 (4) 第2章直线一级倒立摆系统及其数学模型 (5) 2.1 系统组成 (5) 2.1.1 倒立摆的组成 (6) 2.1.2 电控箱 (6) 2.1.4 倒立摆特性 (7) 2.2 模型的建立 (7) 2.2.1 微分方程的推导 (8) 3.2.2 传递函数 (10) 3.2.3 状态空间结构方程 (10) 2.2.4 实际系统模型 (12) 2.2.5 采用MATLAB语句形式进行仿真 (13) 第3章直线一级倒立摆的PID控制器设计与调节 (16) 3.1 PID控制器的设计 (16) 3.2 PID控制器设计MATLAB仿真 (18) 结论 (21) 参考文献 (22)一级倒立摆的建模与控制分析
单级倒立摆系统的分析与设计
倒立摆姿态控制模型
一阶倒立摆控制系统
MA AB模型预测控制工具箱函数
倒立摆建模
神经网络模型预测控制器
倒立摆系统的建模及Matlab仿真资料
单级倒立摆经典控制系统
倒立摆MATLAB建模
一级倒立摆【控制专区】系统设计
小车倒立摆系统开题报告
一级直线倒立摆系统模糊控制器设计---实验指导书
模型预测控制
20112515直线一级倒立摆机理建模
直线一级倒立摆控制系统设计(1)