论文部分内容阅读
倒立摆系统以其非线性、多变量、强耦合的特性和简单易操作的实验设备而成为控制领域的理想实验平台，广泛应用于验证新控制方法的正确可行性以及比较现有方法控制性能的优劣，在军事建设、飞行器设计以及普通工业生产过程中都有广泛的应用价值和重要的工程意义。本文以固高科技公司的直线二级倒立摆为实验对象，完成了基于Matlab6.5的倒立摆稳定控制算法研究与实现以及基于VC6.0的实验平台开发。首先利用拉格朗日方法实现了系统非线性模型的创建，采用小角度线性化方法得到线性化模型，并用Matlab的S-function编程实现了直线二级倒立摆的线性和非线性模型构建。然后针对线性化模型研究了LQR算法，并采用PSO粒子群优化算法，简化了Q和R的寻优过程，实验结果显示系统的动态性能指标达到预期要求，有较高的鲁棒性；而在非线性模型中LQR算法的有效性受限于系统的初始状态，充分证明LQR算法本质上只适用于线性问题。针对非线性模型研究了BP和RBF神经网络控制算法，BP神经网络控制器基于神经网络工具箱创建而成，而RBF网络训练高维度大容量的数据极其缓慢，故采取编写m文件的方式创建RBF神经网络，实验结果表明神经网络控制器成功地解决了实时控制中系统稳定运行时小车的漂移问题，同时动态性能和鲁棒性略有提高。最后，针对目前实验室对倒立摆控制方法的研究依赖于Matlab平台，导致应用程序开放性差、运行速度慢这样的局限性，本文在VC6.0下实现了直线二级倒立摆系统的LQR算法本地仿真，实时控制程序调试通过。