二级倒立摆的模糊控制研究

　　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是一种较为理想的实验装置。小车倒立摆系统的控制目标是倒立摆通过小车能够稳定在有限长度的导轨上而不倒下，从而达到动态平衡。本文针对二级倒立摆非线性模型，基于Maminadi模型扭矩，通过设计融合函数来设计模糊控制器，有效解决规则爆炸问题，实现二级倒立摆的有效控制。

　　二级倒立摆由小车、摆杆、水平导轨等组成，小车由伺服电机、皮带轮、传动带带动在水平导轨上左右运动，上下摆可绕各自的转轴在水平导轨所在的铅垂面内自由转动。小车和上下摆杆间通过轴承连接，每个轴承连接处固定有电位器，分别用以检测两根摆杆与铅垂线的角度偏移。小车相对轨道中心点的偏移位置也由固定在皮带轮轴上的电位器检测。

　　其基本原理为：角度、位置信号经检测电路获取后，再由微分电路得到相应的微分信号，这些信号经A／D转换器转换为数字信号传输至计算机。通过已设计的控制程序计算控制力所需电压值，经D／A转换器转换为模拟信号，功率放大后驱动电机运转，电机再用皮带拖动小车在导轨上往复运动实现对倒立摆的有效控制。忽略空气阻力和各种摩擦，并认为摆杆为刚体。图1为二级倒立摆示意图。

　　倒立摆参数定义如下：M为小车质量，0．584 kg；m1为摆杆1质量，0．05 kg；m2为摆杆2质量，0．13 kg；m3为摆杆3质量，0．236 kg；l1为摆杆1中心到转动中心的距离，0．077 5 m；l2为摆杆2中心到转动中心的距离，0．25 m；θ1为摆杆1与竖直方向的夹角；θ2为摆杆2与竖直方向的夹角；F为作用在系统上的外力；g为重力加速度，9．8 m／s2。

　　式中，L为拉格朗日算子，q为系统的广义坐标，T为系统的动能，V为系统的势能。

　　在二级倒立摆系统中，系统的广义坐标有3个，分别为x，θ1，θ2。经计算并线性化并带人参数值得到系统的状态空间方程：

　　二级倒立摆系统控制目标较多，包括小车位移，下摆摆角，上摆摆角。传统的模糊控制器采用系统误差，误差的导数作为输入，若用传统模糊控制控制二级倒立摆，则模糊控制器有6个输入：小车位移、小车速度、下摆摆角、下摆角速度模糊控制系统、上摆摆角和上摆角速度。

　　若对每个输入变量定义5个模糊子集，控制规则最多有56个，模糊控制规则设计复杂，可调参数非常多，不利于模糊规则的完整制定，这就是在使用模糊控制研究多变量非线性系统时的所谓“规则爆炸(Rule Explosion)”问题。然而，如果用3组二维模糊控制器(2输入1输出)通过串行或并行设计控制器，由于控制器个数增加，大大降低控制实时性，甚至由于不能及时输出当前控制作用力而失控。

　　本文是将最优控制理论与模糊控制相结合而采用的一种融合技术。它是把小车的位移、上摆摆角、下摆摆角综合成一个变量E，将小车的速度、上摆的角速度、下摆的角速度综合成一个变量EC，E和EC作为模糊控制器的输入，电压u作为输出，减少模糊控制器的输入，解决规则爆炸的问题，由此设计Mamdani型模糊控制器。

　　对于嵌套函数Y=f2[f1(x)]，先使f1(x)对输入变量作初步处理，再利用算法f2(x)根据前级算法的输出进行控制。f1称为融合函数，f2称为作用函数。

　　为实现变量融合，分别选取两个反馈系数为控制主元，其他输入变量可根据与主元的相关性和可融合性分别归并到两主元中。对于二级倒立摆，由于摆杆2的控制难度最大，分别选择θ2、θ2为控制主元，相应系数为：kθ=kθ2，kθ=kθ2融合函数的输出向量为：

　　通过信息融合，将系统的6个状态变量化为2个状态变量，减少系统的输入，实现模糊控制器的降维。由降维后得到的2个变量E和EC做为模糊控制器的输入，设计一个二维Mamdani型的模糊控制器。利用最优控制求得K。最优控制性能指标函数为：

　　性能指标函数中，定义矩阵Q和矩阵R用来平衡系统对输入量和状态量的敏感程度。它们对闭环系统的动态性能影响很大。

　　在倒立摆系统中，Q，R分别用来对状态向量x和输入控制量u进行平衡加权。一般情况下，P增加时，控制力减小，角度变化变小，跟随速度变慢。而Q中某元素增加时，其对应的状态变量的响应速度也增加，其他状态变量的响应速度相对减慢。为了使得反馈矩阵K更合理，对矩阵Q，R的选取一定要尽量恰当。通过反复测试，实际系统的控制过程选取Q=diag[500 700 700 0 0 0]，R=1。

　　根据二级倒立摆的参数，基于MATLAB强大的矩阵运算及其丰富的内部函数，利用K=lqr(A，B，Q，R)命令计算，可得到状态反馈矩阵K：

　　输入变量E、EC，输出变量u；E、EC论域设定：E=[-6，6]，EC=[-6，6]，输出论域U=[-1，1]均采用三角型、全交迭、均匀分布隶属度函数。每个变量用5个模糊子集{NB NS ZE PS PB}来描述，隶属度函数曲线所示。EC的隶属度函数曲线同E的隶属度函数曲线。

　　模糊推理采用Mamdani最小运算规则。根据输入、输出论域上的模糊语言变量划分NB(负大)变频电气传动，NS(负小)，ZE(零)，PS(正小)，PB(正大)，设计模糊推理规则如图4所示。

　　模糊控制器采用重心法实现非模糊化，与一般采用的最大隶属度法相比较，重心法具有更加平滑的输出推理控制。通过以上分析和试验，并恰当地选择模糊逻辑系统的参数，从而设计一个适合被控对象的模糊控制器，如图5所示。图5中，Ke、Kec为量化因子，Ku为比例因子，State-Space为系统的状态空间方程，Saturation为限幅模块，Scope为示波器模块。根据以上工作，在Simulink环境中对二级倒立摆系统进行仿真，其仿线 结束语

　　二级倒立摆是典型的多输入、非线性、强耦合系统。通过设计融合函数降低控制器的输入维数，用模糊控制解决多输入系统时遇到的模糊规则爆炸问题，使设计的实用模糊控制器成为可能。融合函数的设计方法还可推广应用到一级、三级倒立摆系统中。该模糊控制器设计切实可行，能较好地控制系统，达到较好的控制效果。模糊控制具有鲁棒性和稳定性好、算法简单等特点，应用在实时性要求较高的场合，该控制方法也可应用到其他多变量、非线性系统的控制问题。

　　1 引言      模糊控制(Fuzzy Control)是目前自动控制研究中活跃而富有成果的领域之一，模糊理论是当前能用来对信息进行软处理的最新技术，可以将人的定性思维和判断方法定量化 为适合计算机处理的过程，使计算机能判断像“大概”、“轻”这样的模糊信息。采用传统控制理论，不管是用经典控制理论还是用现代控制理论来设计一个控制系 统，都需要事先知道被控对象的精确数学模型。然而，在许多情况下被控对象(或生产过程)的精确数学模型很难建立；像建材工业生产中的水泥窑、玻璃窑，化学 生产中的化学反应过程，食品生产中的发酵过程，还有众多炉类的热处理过程。诸如此类过程具有变量多，各种参数存在不同程度的时变性；且过程具有非线性，强 耦合，较

　　传统PID（比例、积分和微分）控制原理简单，使用方便，适应性强，可以广泛应用于各种工业过程控制领域。但是PID控制器也存在参数调节需要一定过程，最优参数选取比较麻烦的缺点，对一些系统参数会变化的过程，PID控制就无法有效地对系统进行在线控制。不能满足在系统参数发生变化时PID参数随之发生相应改变的要求，严重的影响了控制效果。 模糊控制技术，已经成为智能控制技术的一个重要分支精加工，它是一种高级算法策略和新颖的技术。自从1974年英国的马丹尼(E.H.Mandani)工程师首先根据模糊集合理论组成的模糊控制器用于蒸汽发动机的控制以后，在其发展历程的30多年中，模糊控制技术得到了广泛而快速的发展。 现在，模糊控制已广泛地应用于冶金与

　　在汽车伺服控制系统中有哪些应用 /

　　随着科技的发展、和谐社会的需求，在恶劣矿井下自动小车取代人力运作、保证矿工的人身安全成为了急需解决的问题。智能循迹小车为改善和提高矿井下运输货物，发挥了重要的作用。其中，系统硬件设计及其运行稳定性是智能循迹小车系统的基本要素，而自动循迹的控制是其重要的方面。在矿井环境下，小车运行控制系统具有较强的非线性、模糊性和不确定性，一般路面的运载小车无法完成相应工作，用传统的控制理论和方法很难对其进行有效的控制。 可见矿井恶劣环境下，智能小车自动循迹系统性能的设计变得非常重要。为了实现系统的稳定性，在做了具体环境分析和需求情况下，提出了一种智能小车系统的设计方案，该方案采用最新的ARM内核作控制端，红外探测器和图像传感器等作为信息采集

　　摘要：介绍了迟早门同步器的基本工作原理，提出了在迟早门同步器中引入模糊逻辑控制获得较小相位抖动的方法，给出了迟早门同步器在ＦＰＧＡ上的具体实现。 关键词：符号同步 模糊控制 ＦＰＧＡ 在数字通信系统中，必须以符号速率对解调器的输出进行周期性地采样。为此，接收器需要一个采样时钟信号，这个时钟信号的频率和符号速率相等，相位则必须保证采样时刻是最佳的。在接收器中获得这个采样时钟的过程被称为符号同步或符号定时恢复齿坯图。迟早门（Ｅａｒｌｙ－ｌａｔｅ Ｇａｔｅ）是实现符号同步的重要方法之一，广泛运用于各种数字通信系统中。本文提出的基于模糊控制的迟早门与传统的迟早门相比，具有同步速度快、过冲小、相位抖动小等优点螺旋锥齿轮。在其ＦＰＧＡ实现中，采用了离线计算实时

　　摘要：分析了由MCU和双向晶闸管开关来控制通用电动机转速的原理，提出了一种提高电动机效率的设计方案，给出了该实现方案的硬件电路和软件程序框图，同时给出了实验仿真的结果。 关键词：微控制器；晶闸管开关；电路板 １引言 在日常生产与生活中，大量电动机都以规定的速度和功率去拖动各种机械。而在军事上，很多应用往往要求旋转天线在各种条件下都要保持匀速转动,这就要求在不同的情况下，电动机能相应调整工作速度，以保持恒定的速度。要实现这一功能， 最常用的方法是对电动机的转速进行调节。改变直流电动机的电枢或交流电动机的定子电压，都可以在一定的范围里改变转速；也可用双向晶闸管交流开关或直接选用模拟控制的通用电动机驱动器来取代笨重的电动机

　　在我国，IC卡水表大约出现于20世纪90年代初期，经过10多年的快速发展已渐趋成熟。尤其是近几年，随着设计水平的提高及生产的规模化，在各大中城市中得到了越来越多的使用。 IC卡水表是集测控于一身的机电一体化产品，除了具备一般仪表所需的基本功能，还有其自身的特点。例如，对其必须采取防水防潮措施;再如IC卡水表必须具备低成本、低功耗、小外形及高精度的特点，即IC卡水表的四要素。在设计过程中必须基于此四要素进行设计，方能满足产品的实际应用要求。 1 IC卡水表的测控电路组成及软件设计 1.1 IC卡水表的测控电路组成 测控电路组成框图见图1。考虑到低成本的要求，本系统主要芯片采用AT89C2051-12PI、PCF8564

　　1 引言 直接转矩控制技术一诞生，就以其新颖的控制思想，简洁明了的系统结构，优良的动、静态性能受到了普遍的关注和得到迅速的发展。尽管直接转矩控制具有上述优点，但仍存在不完善之处：如传统直接转矩控制中采用Bang—Bang控制，起动和转速突变时响应较慢；低速时，存在较大的转矩和磁链脉动；另外，如何提高速度辨识精度和改善速度调节性能也是研究的热点问题之一。 模糊控制是一种典型的智能控制方法，其基本思想是把人类专家对特定被控对象或过程的控制策略总结成一系列控制规则，通过模糊推理得到控制作用集，作用于被控对象或过程。模糊控制不依赖于对象特性，无需建立数学模型，且控制具有较强的鲁棒性，是解决不确定系统控制的有效途径，可用于非线性、时

　　能源危机的出现和环境保护意识的增强，使人们对新型的无污染的能源有了更加强烈的要求，而风力发电就是在这个大的趋势下逐渐进入人们的视野。从定浆距到变浆距、双馈调速控制方式的引入，无一不是为了提高 风能 的利用率。人们对风机进行有效控制时，不论是利用经典控制方法还是利用现代控制方法，由于它们均须进行模型的建立，而风速和风向的随机性、空气动力学的不确定性，使风机机舱模型的建立有一定的困难，而机舱的自适应追随风力和风向是增大风电机的效率和 功率 的前提，在这中前题下智能控制正好避开数学模型的建立，对于多变量 非线性 的风机的控制有很好的效果。 1、 风力发电机机舱的旋转工作原理 现在使用的风力发电机由于控制方式的

　　的智能风力发电机机舱控制的研究 /

　　有奖直播 是德科技 InfiniiMax4.0系列高带宽示波器探头新品发布

　　MPS电机研究院 让电机更听话的秘密！ 第一站：电机应用知识大考！跟帖赢好礼~

　　ADI世健工业嘉年华——深度体验：ADI伺服电机控制方案

　　解锁【W5500-EVB-Pico】，探秘以太网底层，得捷电子Follow me第4期来袭！

　　强固型嵌入式电脑品牌 – 德承Cincoze，持续深化其嵌入式电脑的布局，2023年甫上市的两款工业电脑 ( P2202 Series以及P1201 )，以其 ...

　　康宁举办“熔合创新，锻造未来”合肥创新日活动， 助力未来产业升级和可持续发展

　　中国合肥 康宁公司于近日举办了主题为“熔合创新，锻造未来”的康宁合肥创新日活动，携手产业链合作伙伴，共同探索技术创新与应用，助 ...

　　生成式人工智能（GenAI）可对内容生成和对话式用户界面产生颠覆性影响，作为一项新兴技术，GenAI在数字商务等诸多不同领域展现出了业务和应 ...

　　Transphorm发布4引脚TO-247封装器件，针对高功率服务器、可再生能源、工业电力转换领域

　　Transphorm发布两款4引脚TO-247封装器件，针对高功率服务器、可再生能源、工业电力转换领域扩展产品线新推出的氮化镓场效应晶体管可作为原 ...

　　在软件定义时代，不断降低软件开发、测试和生产成本，提升开发效率、缩短开发周期，是一个永远在路上没有完结的课题。目前，由生成式人工智 ...

　　直播已结束【使用 TI 低成本 MSPM0 MCU 快速开发 – 生态详解系列之二】（9:45开始入场）

　　“慧眼”识PCIe——阅读《PCIe要了解的十件事》和泰克OPEN-DAY的培训资料 抽奖、分享赢好礼！

　　信息处理嵌入式系统PLC传动与执行工业通讯工控设备其它技术综合资讯能源管理节能减排工控百科工控论坛词云：