关于一级倒立摆的模糊控制
一阶倒立摆模糊控制实验报告
一阶倒立摆模糊控制实验报告一、实验目的本实验旨在通过模糊控制方法来控制一阶倒立摆系统，实现摆杆保持竖直的稳定控制。
二、实验原理1. 一阶倒立摆系统一阶倒立摆系统由一个垂直的支撑杆和一个在杆顶端垂直摆动的杆组成。
系统的输入为杆的控制力矩，输出为杆的角度。
系统的动力学方程可以表示为：Iθ''(t) + bθ'(t) + mgl sin(θ(t)) = u(t)其中，I为倒立摆的转动惯量，b为摩擦阻尼系数，θ为倒立摆的角度，m为倒立摆的质量，l为杆的长度，g为重力加速度，u为输入的控制力矩。
2. 模糊控制方法模糊控制方法是一种基于模糊逻辑的控制方法，通过将模糊集合与模糊规则相结合，构建模糊控制器来实现对系统的控制。
在本实验中，可以使用模糊控制器来实现倒立摆系统的稳定控制。
三、实验步骤1. 搭建实验平台，包括倒立摆系统、传感器和执行器。
2. 训练模糊控制器a. 定义模糊集合：根据角度误差和角速度误差定义模糊集合，并确定模糊集合的划分方式。
b. 构建模糊规则：根据经验或系统建模，确定模糊规则。
c. 设计模糊控制器：根据模糊集合和模糊规则，设计模糊控制器，包括模糊推理和模糊解模块。
d. 调整模糊控制器参数：根据系统响应实验，根据控制效果调整模糊控制器参数。
3. 实施模糊控制a. 读取传感器数据：获取倒立摆的角度和角速度数据。
b. 计算控制器输出：根据模糊控制器和传感器数据计算控制力矩的输出。
c. 执行控制器输出：将控制力矩作用在倒立摆上。
4. 监测系统响应：实时监测倒立摆的角度和角速度，判断控制效果。
5. 调整模糊控制器参数：根据实验监测结果，调整模糊控制器参数，以提高控制效果。
四、实验结果分析通过实验，我们可以观察到倒立摆系统在模糊控制下的稳定控制效果。
通过实时监测倒立摆的角度和角速度，可以验证控制器的性能。
实验结果可以通过绘制控制力矩输入和倒立摆角度响应曲线，以及观察系统的稳态误差来分析。
倒立摆PID调节模糊控制
倒立摆系统的简介倒立摆系统发展倒立摆系统的研究意义倒立摆系统的简介倒立摆系统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。
例如杂技顶杆表演，人们常为演员的精湛技艺叹服，然而其机理更引发了人们的深思。
它深刻的揭示了自然界的一种基本规律．即一个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。
不难看出杂技演员顶杆的物理机制可简化为一个倒置的倒立摆,也就是人们常称之为倒立摆或一级倒立摆系统。
一级倒立摆系统是一个复杂的非线性系统，小车可以自由地在限定的轨道上左右移动，小车上的倒立摆一端被铰链链接在小车顶部，另一端可以在小车轨道所在的垂直平面上自由转动。
系统的控制目的是通过电机带动小车运动，使倒立摆平衡并保持小车不与轨道两端相撞。
倒立摆已经由原来的直线倒立摆扩大很多种类，典型的有直线倒立摆，环形倒立摆，平面倒立摆等，倒立摆系统是运动模块上装有倒立摆装置，由于在相同的运动模块上可以装载不同的倒立摆装置，倒立摆的种类由此而丰富很多倒立摆的控制方法倒立摆作为一个典型的被控对象,适合用多种理论和方法进行控制。
当前,倒立摆的控制规律有: (1)PID 控制,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其非线性模型,再在平衡点处进行线性化得到倒立摆系统的状态方程和输出方程,于是就可设计出PID 控制器实现其控制;(2) 状态反馈H ∞控制,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,于是就可应用H ∞状态反馈和Kalman 滤波相结合的方法,实现对倒立摆的控制; (3) 利用云模型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; (4) 神经网络控制,业已证明,神经网络(Neural Network ,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; (5) 遗传算法( Genetic Algorithms , GA) ,高晓智在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; (6) 自适应控制,主要是为倒立摆设计出自适应控制器; (7) 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; (8) 使用几种智能控制算法相结合实现倒立摆的控制,比如模糊自适应控制,分散鲁棒自适应控制等等; (9) 采用GA 与NN 相结合的算法,这也是我们采用的方法,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,再利用改进的贵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。
一级直线倒立摆系统模糊控制器设计---实验指导书精讲
一级直线倒立摆系统模糊控制器设计---实验指导书精讲第一篇：一级直线倒立摆系统模糊控制器设计---实验指导书精讲一级直线倒立摆系统模糊控制器设计实验指导书目录实验要求........................................................................................................................... ...................3 1.1 实验准备........................................................................................................................... ................3 1.2 评分规则........................................................................................................................... ................3 1.3 实验报告内容........................................................................................................................... ........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（预习内容）............................................................................................................6 4 模糊控制实验........................................................................................................................... ............8 4.1 模糊控制器设计（预习内容）.......................................................................................................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 函数.......................................................................................13 6 参考文献........................................................................................................................... .................14 实验要求1.1 实验准备实验准备是顺利完成实验内容的必要条件。
模糊控制一级倒立摆matlab实现
模糊控制一级倒立摆MATLAB实现课程：现代仿真技术及应用专业：控制理论与控制工程学号：姓名：模糊控制一级倒立摆MATLAB实现摘要：一级倒立摆是一个典型的非线性，强耦合，多变量的不稳定系统，为了控制其平衡性，对一级倒立摆系统建立了数学模型，采用模糊控制法设计了控制器，并用MATLAB/SIMULINK对控制系统进行了仿真实验研究，实验结果表明，模糊控制器具有良好的控制效果。
关键词：一级倒立摆；模糊控制；MATLAB/SIMULINK一引言倒立摆最初研究开始于20世纪50年代，麻省理工学院的控制论专家根据火箭发射器原理设计出一级倒立摆实验设备，而后倒立摆就成了验证控制方法和理论的实验平台，被广泛应用与实验教学中。
一级倒立摆具有结构简单，便于模拟的优点，同时它在控制过程中能够优先的反应控制中的许多关键问题，如系统的非线性、鲁棒性等。
因此对倒立摆的研究一直是控制领域中经久不衰的课题。
二一级倒立摆数学模型的建立在忽略各种摩擦之后，一级倒立摆系统是由小车、质量块和匀质杆组成的系统，通过控制小车位置，以使小车上的倒立摆始终处于反转垂直位置，左右倾斜角在︒±5.0范围内，原理结构图如图1.1所示。
图1.1 一级倒立摆原理结构图对该模型进行受力分析，作如下假设：M 小车质量 1.096Kg m 摆杆质量 0.109Kg b 小车摩擦系数 0.1N/m/sec I 摆杆惯量 0.0034Kg*m*m T 采样频率 0.005sl 摆杆转动轴心到杆质心的长度 0.25m F 夹在小车上的力 x 小车位置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分析小车水平方向所受的合力：N x b F xM --= 摆杆水平方向的合力：)sin (22θl x dtd m N +=即： θθθθsin cos 2ml ml x m N -+= 把这个等式代入上式中，得到系统的第一个运动方程：F ml ml x b xm M =-+++θθθθsin cos )(2 对摆杆垂直方向上的合力进行分析，得到以下方程：θθθcos 2 ml ml mg P --=- 力矩平衡方程如下：θθθ I Nl Pl =--cos sin合并以上两个方程，得到第二个运动方程：θθθcos sin )(2xml mgl ml I -=++ 线性化后两个运动方程如下：⎪⎩⎪⎨⎧=-++=-+u ml x b x m M x ml mgl ml I φφφ)()(2 对方程组进行拉普拉斯变换，得到摆杆角度和小车位移之间的传递函数：mgls ml I mls X s -+=Φ22)()()( 将实际参数代入后得到实际模型：26705.00102125.002725.0)()(2-=Φs s X s 三 模糊控制器控制 3.1 模糊控制原理模糊逻辑控制简称模糊控制，是以模糊集合论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字智能控制技术。
一阶倒立摆模糊控制matlab仿真
一阶倒立摆模糊控制仿真实验分析报告%mainclearclose all%load table.matglobal Table;global RULE;global UCenter;global Width;global num;global RuleMatch; %前件匹配方式0 取小；1乘积global Defuzzy; %反模糊化方法0: COG ; 1:COA; 2:MAXglobal g0;global g1;global h;x=[0.4,0,0];RuleMatch = 1; %前件匹配方式0 取小；1乘积Defuzzy = 0;%反模糊化方法0: COG ; 1:COA; 2:MAXg0=1.5;g1=0.1;h=1;% u=0;% Table = u;% [m,n]=size(u);% num = (m-1)/2;%u=[];RULE =[2, 2, 2, 1, 0; ...2, 2, 1, 0,-1;...2, 1, 0,-1,-2;...1, 0,-1,-2,-2;...0,-1,-2,-2,-2];%% RULE =[2,2,1,1,0; ...% 2,1,1,0,-1;...% 1,1,0,-1,-1;...% 1,0,-1,-1,-2;...% 0,-1,-1,-2,-2];RULE=RULE + 3*ones(size(RULE));%原始的%UCenter=[-20,-10,0,10,20];%改进的%UCenter=[-25,-15,0,15,25];UCenter=[-20,-15,0,15,20];Width(1)=(UCenter(5)-UCenter(4))/2;Width(2)=(UCenter(5)-UCenter(3));Width(3)=(UCenter(4)-UCenter(3))*2;Width(4)=Width(2);Width(5)=Width(1);x=x';[t,y]= ode45('P_Pendulum',[0,5],x);% [t,y]= ode45('P_Pendulum_tab',[0,10],x);% y2=y.*y;% inty = intnum(t,y2)%% int_e2 = inty(1)+inty(2);% int_u2 = inty(3);%int_y2 = sum(y.^2);%int_e2 = int_y2(1)+int_y2(2);%int_u2 = int_y2(3);figuresubplot(2,1,1)plot(t,y(:,1 ),'r',t,y(:,2),'k')%xlabel('t(sec)')% str1 = sprintf('x(0)=[%2.2f,%2.2f]',x(1),x(2)); % Title(str1,'Interpreter','latex','fontsize',14)%% str1=sprintf('t(sec)---index:$\\int{e^{T}(t)e(t)dt}=$ %f', int_e2);%str1 = '$\int{e^2}dt$'% text(6,0,str1,'Interpreter','latex','fontsize',14)%% xlabel(str1,'Interpreter','latex','fontsize',14)legend('x1(rad)', 'x2(rad/s)')title('输出隶属函数中心值：[-20,-15,0,15,20]')subplot(2,1,2)plot(t,y(:,3),'r')xlabel('t(sec)')ylabel('u(N)')% str1=sprintf('t(sec)--index:$\\int{u^{2}(t)dt}$= %f', int_u2);% %H = Title(str1,'Interpreter','latex','fontsize',14)% xlabel(str1,'Interpreter','latex','fontsize',14)% inverted pendulum stabilized% program on 2006,10,26function xdot = P_Pendulum(t,x)global RULE;global UCenter;global step;global k;global Kc;global QQ;global Width;global RuleMatch; %前件匹配方式0 取小；1乘积global Defuzzy; %反模糊化方法0: COG ; 1:COA; 2:MAXglobal g0;global g1;global h;M = 1;m =0.5;g = 9.8;l = 0.5;a = 1/(m+M);%计算隶属度mu_e= emembershipdegree(-x(1)*g0);mu_de = demembershipdegree(-x(2)*g1);%pausemu_e_id = find(mu_e>0);mu_de_id = find(mu_de>0);eLen= length(mu_e_id);deLen = length(mu_de_id);mu_pre= zeros(1,4);fuzzy_out = zeros(1,4);weight = zeros(1,4);in =1;%规则匹配for (i=1:eLen)for(j=1:deLen)switch RuleMatchcase 0%前件采用取小推理mu_pre(in)= min(mu_e(mu_e_id(i)),mu_de(mu_de_id(j)));case 1%前件采用乘积推理mu_pre(in)= mu_e(mu_e_id(i))*mu_de(mu_de_id(j));end%计算规则匹配度fuzzy_out(in) = RULE(mu_e_id(i),mu_de_id(j));in=in+1;endendnRule = eLen *deLen;u = 0;summu =0;%反模糊化for(i=1:nRule)switch Defuzzycase 0%按照重心法计算(COG)weight(i)= Width(fuzzy_out(i))*(mu_pre(i)-mu_pre(i)*mu_pre(i)/2);case 1% 按照中心平均法weight(i)=mu_pre(i);case 2% 取大法(大中求中)[max_v,max_id] = max(mu_pre);weight(max_id)=1;endu = weight(i)*UCenter(fuzzy_out(i))+u;summu =summu + weight(i);end%u=0;u=h*u/summu;if (u>20)u=20;endif (u<-20)u=-20;endt% if(t>2.5 && t<2.6 )% u=u+20;% end% if (u>20)% u=20;% end%% if (u<-20)% u=-20;% end% xdot(1)=x(2);% xdot(2)=(g*sin(x(1))-a*m*l*x(2)*x(2)*sin(2*x(1))/2-a*cos(x(1))*x(3))/(4*l/3-a*m*l*cos(x(1))*cos(x(1))); % xdot(3)=-100*x(3)+100*u;% x(3) = u;xdot(1)=x(2);xdot(2)=(g*sin(x(1))-a*m*l*x(2)*x(2)*sin(2*x(1))/2-a*cos(x(1))*x(3))/(4*l/3-a*m*l*cos(x(1))*cos(x(1))); xdot(3)=-100*x(3)+100*u;xdot = xdot';y=zeros(1,5);if (x<= -pi/2)y(1) =1 ;elseif (x<=-pi/4)y(1) = abs(x+pi/4)/(pi/4);y(2) = 1-abs(x+pi/4)/(pi/4); elseif (x<= 0)y(2) = 1-abs(x+pi/4)/(pi/4);y(3) = 1- abs(x)/(pi/4);elseif (x<=pi/4)y(3) = 1- abs(x)/(pi/4);y(4) = 1-abs(x-pi/4)/(pi/4); elseif (x<=pi/2)y(4) = 1-abs(x-pi/4)/(pi/4);y(5) = abs(x-pi/4)/(pi/4);elseif (x>pi/2)y(5) =1;endfunction y = demembershipdegree(x) y=zeros(1,5);if (x<= -pi/4)y(1) =1 ;elseif (x<=-pi/8)y(1) = abs(x+pi/8)/(pi/8);y(2) = 1-abs(x+pi/8)/(pi/8); elseif (x<= 0)y(2) = 1-abs(x+pi/8)/(pi/8);y(3) = 1- abs(x)/(pi/8);elseif (x<=pi/8)y(3) = 1- abs(x)/(pi/8);y(4) = 1-abs(x-pi/8)/(pi/8); elseif (x<=pi/4)y(4) = 1-abs(x-pi/8)/(pi/8);y(5) = abs(x-pi/8)/(pi/8);elseif (x>pi/4)y(5) =1;endy=zeros(1,5); if (x<= -30) y(1) =0 ; elseif (x<=-20)y(1) = 1-abs(x+20)/(10); elseif (x<=-10)y(1) = 1-abs(x+20)/(10); y(2) = 1-abs(x+10)/(10); elseif (x<= 0)y(2) = 1-abs(x+10)/(10); y(3) = 1- abs(x)/(10); elseif (x<=10)y(3) = 1- abs(x)/(10); y(4) = 1-abs(x-10)/(10); elseif (x<=20)y(4) = 1-abs(x-10)/(10); y (5) = 1-abs(x-20)/(10); elseif (x>30) elseif (x<=30)y(5) = 1-abs(x-20)/(10); elseif (x>30) y(5) =0; end不同的推理方式，反模糊化方法初始值：x0=[0.1 0]’t(sec)u (N )t(sec)u (N )t(sec)u (N )t(sec)u (N )t(sec)u (N )t(sec)u (N )不同的初始条件前件隶属度函数计算方法：乘积模糊蕴含关系计算方法：取小 反模糊化方法：COGt(sec)u (N )t(sec)u (N )t(sec)u (N )t(sec)u (N )结论：当初始角达到一定程度时，控制力趋向饱和，系统不稳定。
基于模糊控制的一级倒立摆控制系统设计【毕业作品】
BI YE SHE JI（20 届）基于模糊控制的一级倒立摆控制系统设计所在学院专业班级自动化学生姓名学号指导教师职称完成日期年月II摘要倒立摆系统是研究控制理论的典型实验装置，具有价格低廉，结构简单，参数易于调整等优点。
但是倒立摆同时也是一个典型的快速，非线性，多变量，本质不稳定系统，对于其稳定性的控制绝非易事。
也正因为如此，对于倒立摆系统控制方法的研究和开发才具有重要和深远的意义。
目前适用此系统的控制理论包括变结构控制，非线性控制，目标定位控制，智能控制等。
本文根据一级直线倒立摆系统，建立了数学模型，依据模糊控制的相关规则设计了模糊控制规则，并从位移和角度观点出发设计了双模糊控制器，经过仿真调试对重要参数进行不断的调试和优化，最终实现了“摆杆不倒，小车稳住”的总体目标。
对于实物实验系统，本文对构成倒立摆运动控制系统的电机，编码器和运动控制模块进行了比较选择，选择了交流伺服电机，增量式光电编码器和基于DSP技术的运动控制器作为主要的硬件组合，该运动控制器具有良好的性能，可以保证控制的精度。
关键词：倒立摆，模糊控制，系统设计，仿真，稳定IIAbstractInverted pendulum system is the study of the typical experiment device control theory, which is inexpensive, simple structure and easy to adjust the parameters. But it is also a system that typical rapid, nonlinear, many variables, and its essence is not stable, for its stability control is not going to be easy. Also because of this inverted pendulum system control method of the research and development are important and profound significance. At present the system for the control theory including variable structure control, nonlinear control, the goal positioning control, intelligent control, etc.According to the level of linear inverted pendulum system, this paper established the mathematical model, based on the fuzzy control rules we designed its fuzzy control rules, and from the view point of view design displacement and the dual fuzzy controller, through the simulation test of continuing the important parameters of debugging and optimization, and finally achieved "swinging rod, the car is not steady overall goal.For physical experiment system, this paper constitutes inverted pendulum motion control system of motor, encoder and motion control module are compared choice. Choose the ac servo motor, the solid-axes photoelectric encoder and the motion controller based on DSP technology as the main combination of hardware, this controller has good performance, and can ensure the precision of the control.Key words: inverted pendulum，Fuzzy control，System design ，The simulation，stabilityII目录摘要 (I)Abstract.......................................................................................................................................... I I 目录 (III)第一章引言 (1)1.1课题研究目的及意义 (1)1.3倒立摆系统介绍 (3)第二章倒立摆系统建模 (6)第三章模糊控制 (11)3.1概念 (11)第四章基于模糊控制的一级倒立摆系统设计 (15)4.1控制系统部件选择 (15)4.1.1位置传感器选择 (15)4.1.3运动控制模块 (17)4.2 模糊控制器设计 (18)4.2.1 确定模糊控制器的结构 (19)4.2.2位置模糊控制器的设计 (19)4.2.3角度模糊控制器设计 (27)4.3simulink仿真 (28)4.3.1将simulink与模糊控制器相关联 (28)4.3.2进行仿真 (32)结论 (39)III参考文献 (40)致谢 (41)III第一章引言1.1课题研究目的及意义倒立摆系统作为一个本身绝对不稳定的非线性系统，兼具高阶次、多变量、强耦合的特点。
旋转倒立摆的模糊控制
WORD文档下载可编辑旋转倒立摆的模糊控制摘要：该文针对一级旋转倒立摆系统进行研究。
基于Lagrange方程进行了对旋转倒立摆的系统建模，并在Matlab环境下使用了模糊控制，实现了倒立摆的良好控制，采用积分消除了稳态误差。
实验证明，此种模糊控制方法有一定的鲁棒性并且控制效果较好。
关键词：一级旋转倒立摆；模糊控制；Matlab一、控制对象一级旋转倒立摆倒立摆系统是自动控制理论中比较典型的控制对象,许多抽象的控制理论概念如系统稳定性、可控性和系统抗干扰能力等,都可以通过倒立摆系统直观地表现出来。
因此它成为自动控制理论研究的一个较为普遍的研究对象。
倒立摆系统作为一个被控对象,是快速、多变量、开环不稳定、非线性的高阶系统,必须施加十分有力的控制手段才能使之稳定。
对倒立摆的研究在现实中也有一定的指导意义,航天器的发射就是很好的例子, 未来仿人类机器人的发展也离不开倒立摆模型。
一直以来,很多种控制方法已经应用到倒立摆的控制当中本文采用了一种模糊控制方法实现了对一级旋转倒立摆的控制。
目标是使倒立摆在保持平衡的同时,旋臂还能够快速跟踪一个位置给定信号。
该次设计所研究的旋转倒立摆系统模型如图1所示,倒立摆模块由倒立摆的摆杆和一个支撑摆杆的旋转臂组成,摆杆固定在旋转臂一端,可以在垂直于转臂的方向上做360度的转动。
旋臂的另一端安装在一个旋转伺服装置上,伺服装置通过电机驱动齿轮转动来实现旋臂在水平面内做360度的旋转。
在摆杆的底端以及旋臂的里端均装有光电编码器,用来检测角度的变化并将信号传送给计算机。
涉及到的参数有：θ1 ——旋转臂的旋转角l1 ——旋转臂从电机轴到摆支撑点的长度——0 . 25mJ1 ——为旋转臂的转动惯量——0 . 01kg ·m2θ2 ——倒立摆的旋转角l2 ——倒立摆的旋转轴到重心的长度——0 . 1mm2 ——倒立摆的质量——0 . 1kgJ2 ——倒立摆的转动惯量——0 . 001kg·m2M ——电机产生的转矩二、设计方案既涉及设计过程(一)、建模：系统采用拉格朗日动力学分析法[1] 建立运动方程为：因摆杆摆动幅度小, 可认为sinθ1≈θ1 , sinθ2≈θ2 , cos (θ2 +θ1) ≈1 , 由此将(1) 式和(2) 式作线性化处理,得:由(3) 式和(4) 式可求出:令系统的状态矢量为x = [ x1 x2 x3 x4 ]′=[θ1 θ2 θ1′θ2′]′，得状态空间方程：即输入而输出部分的故输出为由于旋转倒立摆系统自身的特点,在没有控制或控制效果不佳的情况下很难稳定。
单级倒立摆的模糊控制应用2
单级倒立摆的模糊控制应用摘要:随着被控对象的日趋复杂,对控制性能的要求不断提高,传统控制理论对解决复杂系统无能为力。
该文将人工智能中的模糊控制引入倒立摆控制系统,以提高控制要求,改善控制精度。
通过仿真实验表明这种控制思路是可行的,效果良好。
关键词:倒立摆;模糊控制;模糊推理系统;仿真The applica tion of a fuzzy con trol theory to a single inverted pendulumCHEN J in,QU Cheng2ming, J IANGMing, CHEN Qi2gong (Anhui Provincial Key Laboratory of Electrical Transm ission and Control,Anhui University of Technology and Science, AnhuW uhu 241000, China)Abstract:As the controlled objects become more and more comp lex and the requirement of controlperformance is higher and higher, the conventional control theory is inefficiency. The paper p resents theapp lication of the fuzzy control theory of artificial intelligent to an inverted pendulum control system. It canimp rove the control requrement and accuracy. Simulations show that this control concep tion is p ractical.Key words: inverted pendulum; fuzzy control; F IS; simulation 引言倒立摆系统是一个复杂的非线性系统。
一级直线型倒立摆的模糊控制控制
图1 倒立摆系统一级直线型倒立摆的模糊控制一、问题的描述在忽略了空气流动之后, 可将倒立摆系统抽象成小车和匀质杆组成的系统, 如图1所示. 记小车质量为M, 摆杆质量为m, 摆杆转动中心到杆质心的距离为l, 作用在系统上的外力为F , 重力加速度为g, θ为摆杆偏角, 即摆杆与竖直向上方向的夹角,取顺时针方向为正方向, x 为小车水平方向位移, 取导轨中点为零点, 水平向右为正方向, 水平向左为负方向.图2为隔离体受力图。
摆杆围绕中心A 点转动方程为22d J Vlsin Hlcos dt θθθ=-。
式中，J 为摆杆围绕重心A 的转动惯量。
摆杆重心A 沿x轴方向运动方图2 隔离体受力图程为2A2d xm Hdt=，即22dm(x lsin)Hdtθ+=。
摆杆重心A 沿y轴方向运动方程为2A2d ym V mgdt=-，即22dm(lcos)V mgdtθ=-。
小车沿x轴方向运动方程式为22=-d xM F Hdt。
以上方程为车载倒立摆系统运动方程组。
因为还有sinθ和cosθ项，所以为非线性微分方程组。
中间变量不易相消。
把J的表达式代入，联合几个方程式得到如下的非线性方程组：设，''1234 [(),(),(),()][,,,]θθ==X t t x t x t x x x x则有如下非线性状态方程组：二，控制系统的matlab实现实现的步骤为：1.划分模糊空间2.用上述的每个离散状态空间点X1, X2,…，Xn来线性化线性车棒模型，选择合适的LQR控制参数Q，R，N，设计出线性最优控制器K1, K2,…，Kn 。
其中Q， R，N可以取为相同，也可以按需要选择不同的值，这里为了简便，选择相同的值。
3.自学习模糊控制器向K1, K2,…，Kn 学习。
再根据以上步骤进行matlab编程，程序如下：%函数genstate. mfunction h=genstate()n1=6;%输入变量一的分割点数目n2=4;%输入变量二的分割点数目n3=4;%输入变量三的分割点数目n4=6;%输入变量四的分割点数目%上述数目不必相等%我们在每个变量方向上都选5个点data=order([n1 n2 n3 n4]);al =linspace(-0.3,0.3,n1);a2=linspace(-1,1,n2);a3=linspace(-3,3,n3);a4=linspace(-3,3,n4);%上面是进行均匀分割%如果不想使用均匀分割可以直接给定其他的分割点%但是个数必须与前面指定的相当%例如al=[-0.25 -0.15 0 0.2 0.3］；for i=1:length(data);data(i,1)=al (data(i,1));data(i,2)=a2(data(i,2));data(i,3)=a3(data(i,3));data(i,4)=a4(data(i,4));end;%上述语句将各个输入变量组合成数据h=data;return;%函数order. mfunction h=order(x)n=length(x);%计算输入变量个数w=prod(x,2);h=[];%计算总数据点数 N＝n1 x n2 x n3 x n4for i=1:na=w/prod(x(1:i),2);b=w/x(i)/a;c=[];m=[];for k=1 :x(i);c=[c;k*ones(a,1)];endfor j=1:b;m=[m;c];endh=[h,m];endreturn;%其中k为前面生成的输入空间数据function h= genrules(k)q=[11 0 0 0;0 80 0 0;0 0 90 0;0 0 0 60]; %最优控制参数Qn=[0 ;0 ; 0; 0]; %最优控制参数Nlk=size(k);lk=lk(1);data=[];for i=1:lk;[a,b,c,d]=linmod('cp1',k(i,:));%图6.7所生成的对象模型[K,S,E]=lqr(a,b,q,r,n);X=k(i,:)*K';R=[k(i,:),-X];data=[data;R];endinfis=genfis1(data,[2,2,2,2]);h=anfis(data,infis);return其中cp1的模型为：程序编号后在matlab的命令窗口中输入S=genstate;F=genrules(s);经运算后即可生成模糊规则，规则生成之后在命令窗口中输入slcp,打开模糊控制的系统，在Fuzzy LogicController中将原来的模糊规则换成F即可。
单级倒立摆的模糊控制
智能控制期中作业（ 2009届）题目单级倒立摆系统中模糊控制以及在MATLAB中的仿真学院电气工程学院专业自动化班级 09自动化（2）班学号 P091813224学生姓名王伟指导教师刁晨完成日期 2012年10月单级倒立摆系统中模糊控制以及在MATLAB中的仿真Single inverted pendulum fuzzy control and simulation inMATLAB学生姓名：王伟指导教师：刁晨西北民族大学电气工程学院Northwest University for NationalitiesSchool of Electrical Engineering2012年10月October 2012摘要倒立摆系统是一个非线性、多变量、强耦合和自然不稳定的系统。
对倒立摆系统的研究在很对方面有着重要的现实意义，例如：火箭发射过程中的调整，双足行走机器人和直升机飞行控制等领域。
许多这方面的科研成果已经应用到了航天科技领域和机器人学科领域当中。
本文通过对模糊控制理论的介绍，进而对倒立摆系统的实时性控制以及相关的仿真工作进行的探讨。
本文的主要工作有如下几点：1.建立了一级倒立摆系统的数学模型并对其进行了分析。
2.对倒立摆系统的模糊控制进行了介绍。
3.介绍了仿真平台MATLAB，并用Simulink进行了系统建模以及仿真。
关键词倒立摆；模糊控制；MATLAB；仿真AbstractInverted pendulum system is nonlinear, multivariable, strong-coupling and instability naturally. The research of inverted pendulum system has many important realistic meaning in the research such as：the lunching process of rocket, the walking of biped robot, and flying control of helicopter. Many correlative productions have applications in the field of technology of spaceflight and subject of robot. Fuzzy control theory is introduced in order to study simulation and the controlling problem in realtime of inverted pendulum system in this paper. Main research work is declared below：1. The mathematical model of single inverted pendulum is proposed. 2. Research on fuzzy control algorithm of inverted pendulum system. 3.The MATLAB is introduced in this paper. The simulation of fuzzy control of inverted pendulum system. It is introduced how to realize the simulation of the inverted pendulum system by the SIMULINK Toolbox．Key wordsInverted Pendulum System；Fuzzy Control；MATLAB；Simulation目录1. 引言 (1)1.1 倒立摆简介 (1)1.2倒立摆控制方法简介 (2)1.3 国内外研究现状 (4)2. 倒立摆系统特性分析和单级倒立摆数学建模 (5)2.1 倒立摆系统特性分析 (5)2.2 单级倒立摆数学模型 (6)3. 单级倒立摆的模糊控制方法 (8)3.1 模糊控制理论简介 (8)3.2 模糊控制器的设计方法 (9)3.3 模糊控制方法简介 (10)3.4 模糊控制系统设计 (11)3.5 模糊监督控制器设计 (11)3.6 稳定性分析 (13)4. 仿真平台matlab (14)4.1 matlab发展历程 (14)4.2 matlab的强大功能 (15)5. 仿真 (15)6. 结论与展望 (21)谢辞 (24)1.引言倒立摆系统是研究控制理论的一种典型实验平台，其具有成本低廉，结构简单，物理参数和结构易于调整等优点，是一个高阶次、极不稳定、多变量、非线性和强耦合的不稳定系统。
一级倒立摆的模糊控制
一级倒立摆的模糊控制一、 立题背景倒立摆( Inverted Pendulum)是处于倒置不稳定状态、通过人为控制使其处于动态平衡的一种摆。
它是一个复杂的快速、非线性、多变量、强耦合的非最小相位系统,是重心在上、支点在下控制问题的抽象。
倒立摆的控制一直是控制理论及应用的典型课题倒立摆系统通常用来检验控制策略的效果,是控制理论研究中较为理想的实验装置。
又因其与火箭飞行器及单足机器人有很大的相似之处,引起国内外学者的广泛关注。
控制过程中的许多关键问题,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都可以以倒立摆为例加以研究。
本文围绕一级倒立摆系统，采用模糊控制理论研究了倒立摆的控制系统仿真问题。
仿真 的成功证明了本文设计的模糊控制器有很好的稳定性。
二、 倒立摆的数学模型质量为m 的小球固结于长度为L 的细杆（可忽略杆的质量）上，细杆又和质量为M 的小车铰接相连。
由经验知：通过控制施加在小车上的力F （包括大小和方向）能够使细杆处于θ＝0的稳定倒立状态。
在忽略其他零件的质量以及各种摩擦和阻尼的条件下，推导小车倒立摆系统的数学模型。
倒立摆模型如图2-1所示。
图 2-2 单机倒立摆模型图小车由电机通过同步带驱动在滑杆上来回运动，保持摆杆平衡。
电机编码器和角编码器向运动卡反馈小车和摆杆位置（线位移和角位移）。
导轨截面成H 型，小车在轨道上可以自由滑动，其在轨道上的有效运行长度为1米。
轨道两端装有电气限位开关，以防止因意外失控而撞坏机构。
以摆角θ、角速度θ’、小车位移x 、加速度x ’为系统状态变量，Y 为输出，F 为输入 以摆角θ、角速度θ’、小车位移x 、加速度x ’为系统状态变量，Y 为输出，F 为输入。
即X=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡4321x x x x =⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡x'x 'θθ Y=⎥⎦⎤⎢⎣⎡x θ=⎥⎦⎤⎢⎣⎡31x x由线性化后运动方程组得x1’=θ’=x2 x2’=''θ=()Ml g m M +x1-Ml1 F X3’ =x ’=x4 x4’=x ’’=-M mg x1+M 1 F 故空间状态方程如下：X ’=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡'4'3'2'1x x x x =()⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎣⎡-+00010000000010M mgMl g m M ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡4321x x x x + ⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎣⎡-M Ml 1010 F Y= ⎥⎦⎤⎢⎣⎡31x x =⎥⎦⎤⎢⎣⎡01000001 ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡4321x x x x + 0⨯F 其中，M=1 kg ，m=0.1kg ，l=.1m ，g=10m/s 。
一级直线倒立摆串联模糊控制方法研究
［３］刘丽 ，何华灿．五种倒 立摆控 制器对比研究 计算机 工程 与应用 ，
２００６，３０：３－５．
［４］薛安克 ，王俊宏 ，柴利等 ．倒 立摆控 制仿真与试验研 究现状 ．杭 州Ｉ 电子工业学院学报 ，２００５，１：３７－４１．
［５］石 辛 民，郝 整清．模 糊控 制及 其 ＭＡＴＬＡＢ仿 真．清 华大 学 出版 社 ，北京交通大学 出版社 ，２００８．
（上 接第４９页 ）
表 １分布参 数取 值
参数
ｌ
取 值范围
１．２５
－
０．０４４５３
１．０２１８～１．０９４０
Ｃ
Ｏ．１３７８－０．０８３５６
６ Ｃ６
１．０２１８～１．０９４０ Ｏ．１２４６－０．０６３８７
３．模 糊可靠度计算与分析 本 文运用 所建 模型 对某 型号 的钢带 缠绕式 等静 压机 （工 作压力 ３００ＭＰａ、内径 ￣ｂ５ＯＯｍｍ ）进行 了可靠度计算 ，把 以上 的分 布参数代人公 式得 出了该 型号的钢带缠绕式等 静压机工作载荷及屈 服载荷 （接 近使 结构屈服失效 的载荷 ）的模糊可靠度为 ：
（３）模 糊推理采用 ｍａｍｄａｎｉ最小运算。 （４）解模糊采用面积 中心法 。 ３．仿 真 实验 由 ＭＡＴＬＡＢ对控 制系统 进行 仿真实验 ，搭建系统模型如 图３。
。２
。
．ｏ ２ ０
Ｏ １
苗 Ｅ ０
５ ｔｉｍｅ ）
１０
Ｖ ’
粤 ０
－，
科 技信 息
图３仿真模块结构 其 中 Ｋ１、Ｋ２、Ｋ５、Ｋ６为量化 因子 ，分别取 值 ８、６、５２、５；Ｋ３、Ｋ７为 比 例 因子 ，分别 取值 ０．０９、２０；Ｋ４为耦合因子 ，取值 ０．４。 图４所示 为摆杆初 始角 ０．１ｔａｄ，小车位移 、速度 、角度 、角 速度 的仿 真 曲线 ，可以看 出，上升时 间小 ，在较 短时间内恢复到平衡状态 ，并且 各 项指标超调量较 小 ，在可接受范围内。
直线一级倒立摆模糊控制系统的研究
摘要本文以直线一级倒立摆为被控对象，应用模糊控制算法设计了一个二维模糊控制器，实现了直线一级倒立摆的倒立摆控制。
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。
设计直线一级倒立摆，首先要清楚直线一级倒立摆及它的特性，其次用数学建模的方法建立直线一级倒立摆模型，最后对模糊控制设计方法进行了控制器结构设计和参数设计。
本文重点分析了模糊控制器的设计涉及的各项内容在理论上对系统性能的影响，设计了一个二维模糊控制器，以Matlab/Simulink为平台，搭建了倒立摆系统的模糊控制仿真模型，仿真结果表明该控制器可到良好的控制效果，系统的抗干扰能力很强；同时，分析了模糊控制器各项参数对系统性能的影响。
关键词：直线一级倒立摆，模糊控制，Matlab仿真ABSTRACTIn this paper, a straight line to an inverted pendulum controlled object, the application of fuzzy control algorithm designed a two-dimensional fuzzy controller, the realization of the linear inverted pendulum an inverted pendulum control.L inear level inverted pendulum is made of Linear motion module and Level one place body components, It is one of the most common handstand pendulum. Design linear level, first we make clear inverted pendulum straight level inverted pendulum and its characteristics;secondly we use mathematical modeling method to set up straight level inverted pendulum model; Finally, using the fuzzy control design method of structural design and parameters of the controller design. This article mainly analyzes the design of fuzzy controller in theory the content involved effect the performance of the system. Designed a two-dimensional fuzzy controller to Matlab / Simulink as a platform, set up the inverted pendulum fuzzy control system simulation model, simulation results show that the controller can achieve good control of the system and anti-interference ability to follow strong; At the same time, an analysis of the parameters of fuzzy controller for the impact on system performance; The control algorithm is applied to the physical control, good control system anti-interference ability.KEY WORD: L inear level inverted pendulum, Fuzzy control，MATLAB simulation目录摘要 (I)ABSTRACT.......................................................................................................................................... I II 1 绪论. (1)1.1课题背景 (2)1.2国内外研究现状 (3)1.2.1国内研究现状 (3)1.2.2国外研究现状 (4)1.3本文研究内容 (5)2 一级倒立摆数学模型的建立 (7)2.1数学模型 (7)2.2数学模型的建立 (7)2.2.1建立数学模型的要求 (7)2）必须具有代表性； (7)2.2.2数学模型的建立方法 (8)2.2.3 数学模型的构建步骤 (9)2.3 直线一级倒立摆的基本结构 (9)2.4直线一级倒立摆数学模型的建立 (10)2.5状态空间方程 (12)3模糊控制系统 (15)3.1 模糊控制系统概述 (15)3.1.1模糊控制系统的组成 (15)3.1.2 模糊控制系统的工作原理 (16)3.2 模糊控制器 (16)3.2.1 模糊控制器的基本结构 (16)3.2.2 模糊控制器各主要环节的功能 (17)3.3 量化因子和比例因子 (17)3.4 隶属函数 (19)3.5 解模糊 (19)3.6 模糊控制器的分类 (20)3.7 模糊控制器的设计 (21)3.7.1 模糊控制器的设计规则 (21)3.7.2 模糊控制器的设计步骤 (24)4 直线一级倒立摆模糊控制的仿真 (25)4.1 MATLAB及Simulink的介绍 (25)4.2倒立摆仿真的研究 (26)4.2.1 模糊控制器的输入和输出变量 (26)4.2.2 隶属函数的选择与确定 (27)4.2.3 模糊控制规则的设计 (29)4.2.4 解模糊和推理模糊 (30)4.2.5 确定量化因子和比例因子 (31)4.3 系统仿真 (31)4.3.1 直线一级倒立摆的数学模型 (31)4.3.2 仿真模型和结果 (32)4.3.3 K e、K ec及K u对系统性能的影响 (34)4.3.4 系统抗干扰能力 (40)4.3.5 隶属函数形状对系统性能的影响 (41)4.3.6 改变被控对象对系统性能的影响 (45)4.4 小结 (46)5 总结 (47)致谢 (49)参考文献 (51)1 绪论计算机的诞生和发展给自动动控制增添了先进的工具，现代控制理论的发展，又给自动控制提供了新的理论支柱。
毕业设计毕业论文一阶倒立摆模糊控制系统[管理资料]
![毕业设计毕业论文一阶倒立摆模糊控制系统[管理资料]](https://img.taocdn.com/s3/m/cd451f987e21af45b307a8f7.png)
摘要一阶直线倒立摆是一个典型的“快速、多变量、非线性、自不稳定系统”，对一阶倒立摆系统的稳定性研究在理论上和方法上具有深远的意义。
对一阶倒立摆的研究可以归结为对非线性、多变量、不稳定系统的研究。
在应用上，一阶倒立摆广泛应用于控制理论研究、航空航天控制等领域，在自动化领域中具有重要的价值。
本文首先是建立一阶倒立摆的数学模型，并且采用的是双闭环控制系统，通过对一阶倒立摆的双闭环控制系统数学模型的分析，将模糊控制方法应用于一阶倒立摆的控制问题，其中，内环控制倒立摆的摆角，外环控制倒立摆的位置。
采用模糊控制器的设计包括隶属函数及模糊控制规则、解模糊，最后利用MATLAB软件进行仿真实验。
模糊控制方法应用于一阶倒立摆系统的控制中，能够发挥模糊控制在非线性系统的控制、复杂对象系统控制方面的优势，简化设计，提高系统的鲁棒性。
关键词：一阶倒立摆,数学模型,模糊控制,MATLABAbstractThe first-order linear inverted pendulum is a typical “fast, multivariable, nonlinear, unstable system”, for an inverted pendulum system stability research in theory and method has the profound significance. For an inverted pendulum can boil down to the research on nonlinear, multivariable, unstable system research. In application, an inverted pendulum is widely used in control theory, aerospace control and other fields, in the field of automation has important value.This paper is to establish a mathematical model of the inverted pendulum, and using the double closed-loop control system, through the inverted pendulum double closed-loop control mathematical model analysis, a fuzzy control method is applied to an inverted pendulum control, Wherein, the inner control of the inverted pendulum swing angle, the outer loop controls the position of inverted pendulum. Fuzzy controller design including the membership function and fuzzy control rule, fuzzy solution, finally using the Matlab software simulation. The fuzzy control method is applied to an inverted pendulum control system, fuzzy control can play in the control of nonlinear system, complex object systems control advantages, simplify the design, improve the stability of system.Key words: Inverted pendulum,Mathematical model,Fuzzy control,Matlab目录摘要 (I)Abstract.............................................................................................................................................. I I 1 绪论 (1)一阶倒立摆系统研究的意义 (1)一阶倒立摆系统在国内外研究综述 (1)本论文的研究内容和所用方法 (2)2 一阶倒立摆数学模型的建立与控制系统 (3)一阶倒立摆的数学模型 (3)一阶倒立摆系统的动力学分析 (4)系统微分方程的线性化 (5)系统微分方程状态空间表示 (6)一阶倒立摆定性分析 (7)系统的稳定性、能控性和能观测性判据 (7)基于状态方程的系统定性分析 (8)一阶倒立摆控制系统 (11)一阶倒立摆控制系统硬件 (11)一阶倒立摆系统总体控制框图 (11)3 模糊控制的基本原理 (15)模糊控制理论的基本概念 (15)模糊逻辑操作 (16)模糊规则与模糊推理 (16)模糊控制系统 (16)模糊控制系统的组成 (17)模糊控制系统的特点 (18)模糊控制器 (18)模糊控制器的组成 (18)模糊控制器的结构 (19)4 双闭环模糊控制系统设计 (21)建立双闭环模糊控制系统 (21)模糊控制器的设计 (21)隶属函数的确定 (21)模糊控制规则 (23)输出向量的解模糊 (24)建立模糊控制查询表 (25)5 一阶倒立摆系统仿真及其分析 (28)MATLAB及其模糊工具箱的介绍 (28)MATLAB的主要特点 (28)MATLAB的基本组成 (29)一阶倒立摆模糊控制系统仿真实验 (30)利用GUI编辑FIS结构文件，即设计模糊控制器 (30)建立一阶倒立摆模糊控制系统的仿真模型图 (33)6 结论与展望 (38)参考文献 (39)致谢 (40)系统总体框图 (41)系统总体原理图 (42)1 绪论一阶倒立摆系统研究的意义一阶倒立摆在稳定性控制问题中具有成本低廉，结构简单，形象直观，物理参数和结构易于调整的优点。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
关于一级倒立摆的模糊控制
班级：12级电气工程及其自动化2班
学号：2012330301139
姓名：吕杰
1.倒立摆模糊控制的研究
倒立摆一般有两种起始状态的控制。
一种是在摆杆自然下垂，竖直向下为起始状态，通过不断的摆动,最终使其稳定在竖直向上的不稳定点,这种控制叫做起摆稳定控制,也即DOWN-UP控制；另一种是用手提起摆杆,在不稳定平衡点处开始实行控制,称作稳定控制,也即UP-UP控制。
倒立摆系统也是一个复杂的、非线性的、不稳定的高阶系统。
倒立摆的控制一直是控制理论及应用的典型课题。
为了解决这个问题，张乃尧等提出双闭环的倒立摆模糊控制方案，内环控制倒立摆的角度，外环控制倒立摆的位移。
范醒哲等人将这一方法推广到三级倒立摆控制系统中，并提出两种模糊串级控制方案，用来解决倒立摆这类多变量系统模糊控制时的规则爆炸问题。
2.位置模糊控制器的设计
位置模糊控制器是二维模糊控制器，以小车位移误差e和小车速度误差ec为该模糊控制器的输入，u为输出量。
位移误差e,控制输出速度误差ec，u的论域均选为
｛6,4,2,0,2,4,6｝采用七级分割，表示为[NB,NM,NS.ZO,PS,PM,PB]。
图1-1模糊关系的建立
在进行模糊推理运算时，采用Mamdani的max-min合成算法，而输出量的解模糊运算则采用常用的重心法。
通过该模糊控制规则,实现了小车的位移和速度的输入到虚拟角的输出。
从而间接控制了小车的位置。
还要注意到,由于位置控制器先运行,然后是角度控制器工作,两者串行工作,很好的解决了实时性的问题。
图1-2模糊规则的确定
图1-3 模糊规则的建立
位移误差e的实际范围为[-0.6,0.6]，单位为m,规定Kel=10。
速度误差ec实际范围为[-1,1],单位为m/s规定Kecl=1。
只讨论平衡点附近30°的倒立摆的稳定，输出量（虚拟角）实际范围为[-30°,30°]，[-0.52,0.52],单位rad,规定Kul=0.09。
利用simulink建立模型：
2.角度模糊控制器的设计
角度模糊控制器是二维模糊控制器，以摆角偏差e和偏差变化率ec为该模糊控制器的输入，u为输出量。
位移误差e,控制输出速度误差ec，u的论域均选为｛6,4,2,0,2,4,6｝采用七级分割，表示为[NB,NM,NS.ZO,PS,PM,PB]。
图2-1模糊控制器关系建立
图2-2模糊规则的确定
摆角偏差的实际范围为[-30°,30°]，也即[-0.52，0.52],单位为rad，规定Ke2=11.5。
偏差变化率的实际范围为[-1.2,1.2],单位为rad/s,规定Kec2=5。
输出控制量在范围
[-120,120]内，单位为N，Ku2=20。
Simulink模型建立：
3.稳定控制器的结合
据稳定控制器设计思想把位置模糊控制器乘以一个虚拟系数,作为虚拟角输入到角度模糊控制器,这样,把位置和角度模糊控制器有机结合,从而可以使倒立摆在期望位置处稳定。
把位置模糊控制器和角度模糊控制器进行封装：
在建立模型以后，最后仿真的过程中，并没有得到理想的图像。
经过多次的修改参数和设计，最终还是因为方案比较复杂，个人的能力有限，非常遗憾地以失败告终。
于是我又决定选择一个比较简单的模糊控制器进行仿真，得到了稳定的图像。
以下是选择的一个相对简单的模型进行设计仿真：
通过参数的改变和修正，最终得到趋于稳定的图像：
4.心得体会
本次实验仿真花费了几乎一整天的时间，从资料的收集到模糊控制器的建立，以及模型建立和仿真。
期间遇到了各种各样的问题，通过和同学讨论以及网络的查询，还是有一些无法解决的难题。
这次作业让我发现自己从理论到实际操作的过程，学习了很多知识，特别是在动手操作软件方面，当然还有很多的地方是需要学习巩固的。