1 绪论

1.1倒立摆系统简介

倒立摆系统是一种很常见的又和人们的生活密切相关的系统，它深刻揭示了自然界一种基本规律，即自然不稳定的被控对象，通过控制手段可使之具有良好的稳定性。倒立摆系统是一个非线性，强耦合，多变量和自然不稳定的系统。它是由沿导轨运动的小车和通过转轴固定在小车上的摆杆组成的。在导轨一端装有用来测量小车位移的电位计，摆体与小车之间由轴承连接，并在连接处安置电位器用来测量摆的角度。小车可沿一笔直的有界轨道向左或向右运动，同时摆可在垂直平面内自由运动。直流电机通过传送带拖动小车的运动，从而使倒立摆稳定竖立在垂直位置。

图1.1一级倒立摆装置简图

由图1.1中可以看到，倒立摆装置由沿导轨运动的小车和通过转轴固定在小车上的摆体组成。导轨的一端固定有位置传感器，通过与之共轴的轮盘转动可以测量出沿导轨由图中可以看到，倒立摆装置由沿导轨运动的小车和通过转轴固定在小车上的摆运动的小车位移；小车通过轴承连接摆体，并在小车与摆体的连接处固定有共轴角度传感器，用以测量摆体的角度信号；并通过微分电路得到相应的速度和角速度信号；导轨的另一端固定有直流永磁力矩电机，直流电机通过传送带驱动小车沿导轨运动，在小车沿导轨左右运动的过程中将力传送到摆杆以实现整个系统的平衡。倒立摆的种类很多，有悬挂式倒立摆、平行式倒立摆、和球平衡式倒立摆；倒立摆的级数可以是一级，二级，乃至更多级。控制方法也是多种，可以通过模糊控制，智能控制，PID控制，LQR控制等来实现倒立摆的动态平衡，本文介绍的是状态反馈极点配置方法来实现一级倒立摆的控制。

1.2倒立摆的控制规律

当前，倒立摆的控制规律可总结如下:

(1)状态反馈控制[1]，通过对倒立摆物理模型的分析，建立倒立摆的动力学模型，然后使用状态空间理论推导出状态方程和输出方程，应用状态反馈和Kalnian滤波相结合的方法，实现对倒立摆的控制。

(2)利用云模型[2-3]实现对倒立摆的控制，用云模型构成语言值，用语言值构成规则，形成一种定性的推理机制。这种拟人控制不要求给出被控对象精确的数学模型，仅仅依据人的经验、感受和逻辑判断，将人用自然语言表达的控制经验，通过语言原子和云模型转换到语言控制规则器中，就能解决非线性问题和不确定性问题。

(3)神经网络控制，已经得到证明，神经网缴(NeuralN etwork NN)能够任意充分地逼近复杂的非线性关系，NN能够学习与适应严重不确定性系统的动态特性，所有定量或定性的信息都等势分布贮存于网络内的各种神经元，故有很强的鲁棒性和容错性;也可将Q学习算法[4]和BP神经网络有效结合，实现状态未离散化的倒立摆的无模型学习控制。

(4)遗传算法(Genetic Algorithms, GA)，高晓智[a]在Michine的倒立摆控制Boxes方案的基础上，利用GA对每个BOX中的控制作用进行了寻优，结果表明GA可以有效地解决倒立摆的平衡问题。

(5)自适应控制，主要是为倒立摆设计出自适应控制器。

(6)模糊控制，主要是确定模糊规则，设计出模糊控制器实现对倒立摆的控制。

(7)使用几种智能控制算法相结合实现倒立摆控制，比如模糊自适应控制，分散鲁棒自适应控制等等。

(8)采用遗传算法与神经网络相结合的方法，首先建立倒立摆系统的数学模型，然后为其设计出神经网络控制器，再利用改进的遗传算法训练神经网络的权值，从而实现对倒立摆的控制，采用GA学习的NN控制器兼有NN的广泛映射能力和GA快速收敛以及增强式学习等性能。

1.3对倒立摆系统研究的意义

倒立摆装置被公认为自动控制理论中的典型实验设备，也是控制理论教学和科研中的典型物理模型。通过对它的研究不仅可以解决控制中的理论和技术实现问题，还能将控制理论涉及的主要基础学科:力学，数学和计算机科学进行有机的终合应用。倒立摆的研究不仅有其深刻的理论意义，还有重要的工程背景。在多种控制理论与方法的研究与应用中，特别是在工程实践中，也存在一种可行性的实验问题，使其理论与方法得到有效检验，倒立摆就能为此提供一个从理论通往实践的桥梁，由于倒立摆系统与火箭飞行和双足步行机器人的行走有很大的相似性，因此倒立摆的研究对于火箭飞行和机器人的控制等现代高新技术的研究具有重要的实践意义。[4]目前，对倒立摆的研究己经引起国内外学者的广泛关注，是控领域研究的热门课题之一。

在控制理论发展的过程中，某一理论的正确性及在实际应用中的可行性需要一个按其理论设计的控制器去控制一个典型对象来验证这一理论，倒立摆就是这样一个被控对象。倒立摆本身是一个自然不稳定体，在控制过程中能够有效地反映控制中的许多关键问题，如镇定问题，非线性问题，鲁棒性问题，随动问题以及跟踪问题等。倒立摆的典型性在于作为一个装置，成本低廉，结构简单，形象直观，便于实现模拟和数字两者不同的方式的控制;作为一个被