二级倒立摆系统的稳定控制与仿真(Matlab/Simulink)

简介: 二级倒立摆系统的稳定控制与仿真(Matlab/Simulink)

b13ca2c808764dcd8cfdd71ee657afa9.png67c0b7972a4c4ab780201c58d3639f7e.png


利用拉格朗日方程推导运动学方程

拉格朗日方程为:


eb25f69c7a6f4cfc8f02f18994e262b9.png


其中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。


bb029c2d35224484959d1a09ba477723.png


其中f_1为系统在第i个广义坐标上的外力,在二级倒立摆系统中,系统有三个广义坐标,分别为x,θ_1,θ_2。


首先计算系统的动能:

T=T_M+T_m1+T_m2+T_m3

其中T_M,T_m1,T_m2,T_m3分别为小车的动能,摆杆1的动能,摆杆2的动能和质量块的动能。


小车的动能:


5eec1f30308f490e8393f59226d6a729.png


对于系统,设以下变量:

Xpend1摆杆1质心横坐标

Xpend2摆杆2质心横坐标

Yangle1摆杆1质心纵坐标

Yangle2摆杆2质心纵坐标

Xmass 质量块质心横坐标

Ymass 质量块质心横坐标

又有:


f861511b443444f9b9f88513c91f35b4.png


则有:


9cf0b15f07b94b3e9f26dbe8d3cc57cc.png


系统总动能:

T=T_M+T_m1+T_m2+T_m3

系统总势能:

V=V_m1+V_m2+V_m3=m_1 ypend1+m_2 ypend2+m_3 ymass

则有:

V=m_1 l_1 cosθ_1+m_2 (2l_1 cosθ_1+l_2 cosθ_2)+2m_3 l_1 cosθ_1

求解状态方程:


633cd7ca9f32480284d986099a3f8237.png


可解得:


859808855e724fffb1de64ae5c1ea38d.png


使用matlab进行编程,A=[0 0 0 1 0 0;0 0 0 0 1 0;

0 0 0 0 0 1;

0 0 0 0 0 0;

0 86.69 -21.62 0 0 0;

0 -40.31 39.45 0 0 0];

B=[0;0;0;1;6.64;-0.088];

C=[ 1 0 0 0 0 0;

0 1 0 0 0 0;

0 0 1 0 0 0;

];

D=[0;0;0];

M=ss(A,B,C,D);

t=0:0.001:5;

step(M,t);

得到图线为:


53b8e9fb5a324c0482284cb351a40423.png


由图像可知,系统小车位置、摆杆A角度和摆杆二角度发散,需要增设控制器。


二、直线二级倒立摆使用极点配置方法控制

二级倒立摆系统是一个不稳定的系统。设计控制器的目的是使倒立摆系统动态稳定,即使小车在外力作用下其位移以较小的误差跟随输入的变化。由于系统的动态响应主要是由他的极点位置决定的 ,同时容易证明二级倒立摆系统是一个能控而且能观的系统。因此本文通过极点配置状态反馈控制器来使系统保持稳定。建立simulink模型,如图所示:


e49467cf0bbd46be9d1fe41a7652ca6b.png


首先设配置的极点为-2+i2√3,-2-i2√3,-10,-10,-10,-10的矩阵


bb9f7516f4374a9da9e476cd1a951b54.png


并求出对应的特征方程,再利用A,B计算出能控标准型M,由特征方程和A计算出特征值,然后利用matlab编辑器使用函数计算出K值(公式:K=[0 0 0 0 0 1]*(inv(M))*Phi),[ 62.7840 122.6947 -280.2655 40.8096 -0.1389 -46.7317].

显示波形图:


b73929c1c4e242be8f293f47706458b6.png


然后增设扰动,simulink仿真模型如图:


扰动数据如下图所示:每4 S突加一个值为1的脉冲,持续时间为2 S,


5a1ce18d33fb47dc81ecec7cfb6ae9f8.png


显示波形如下图,在脉冲初次来到之前,系统正常运行,而当脉冲到来时,系统出现微弱波动,然后进行反馈调节,逐渐稳定,持续2 S,然后周期进行。


3dc0b59a676347e28cb41548bd55c57e.png


三、心得体会

本文以二级倒立摆为研究对象 ,讨论了将极点配置 在期望的区域内的状态反馈控制方法。从结果可以看出 ,该方法可以保证系统具有一定的动态和稳态性能 ,不仅满足闭环系统的内部动态特性要求 , 也兼顾了抑制外部扰动对系统的影响。由此可知 , 极点配置控制方法可以实现二级摆的倒立平衡控制。


相关文章
|
14天前
|
算法 Serverless
基于魏格纳函数和焦散线方法的自加速光束matlab模拟与仿真
本项目基于魏格纳函数和焦散线方法,使用MATLAB 2022A模拟自加速光束。通过魏格纳函数法生成多种自加速光束,并设计相应方法,展示仿真结果。核心程序包括相位和幅度的计算、光场分布及拟合分析,实现对光束传播特性的精确控制。应用领域涵盖光学成像、光操控和光束聚焦等。 关键步骤: 1. 利用魏格纳函数计算光场分布。 2. 模拟并展示自加速光束的相位和幅度图像。 3. 通过拟合分析,验证光束加速特性。 该算法原理基于魏格纳函数描述光场分布,结合数值模拟技术,实现对光束形状和传播特性的精确控制。通过调整光束相位分布,可改变其传播特性,如聚焦或加速。
|
6天前
|
算法 数据安全/隐私保护
基于DVB-T的COFDM+16QAM+LDPC图传通信系统matlab仿真,包括载波同步,定时同步,信道估计
### 简介 本项目基于DVB-T标准,实现COFDM+16QAM+LDPC码通信链路的MATLAB仿真。通过COFDM技术将数据分成多个子载波并行传输,结合16QAM调制和LDPC编码提高传输效率和可靠性。系统包括载波同步、定时同步和信道估计模块,确保信号的准确接收与解调。MATLAB 2022a仿真结果显示了良好的性能,完整代码无水印。仿真操作步骤配有视频教程,便于用户理解和使用。 核心程序涵盖导频插入、载波频率同步、信道估计及LDPC解码等关键环节。仿真结果展示了系统的误码率性能,并保存为R1.mat文件。
115 76
|
4天前
|
算法 数据安全/隐私保护 计算机视觉
基于Retinex算法的图像去雾matlab仿真
本项目展示了基于Retinex算法的图像去雾技术。完整程序运行效果无水印,使用Matlab2022a开发。核心代码包含详细中文注释和操作步骤视频。Retinex理论由Edwin Land提出,旨在分离图像的光照和反射分量,增强图像对比度、颜色和细节,尤其在雾天条件下表现优异,有效解决图像去雾问题。
|
4天前
|
算法 数据可视化 安全
基于DWA优化算法的机器人路径规划matlab仿真
本项目基于DWA优化算法实现机器人路径规划的MATLAB仿真,适用于动态环境下的自主导航。使用MATLAB2022A版本运行,展示路径规划和预测结果。核心代码通过散点图和轨迹图可视化路径点及预测路径。DWA算法通过定义速度空间、采样候选动作并评估其优劣(目标方向性、障碍物距离、速度一致性),实时调整机器人运动参数,确保安全避障并接近目标。
|
6天前
|
算法 JavaScript
基于遗传优化的Sugeno型模糊控制器设计matlab仿真
本课题基于遗传优化的Sugeno型模糊控制器设计,利用MATLAB2022a进行仿真。通过遗传算法优化模糊控制器的隶属函数参数,提升控制效果。系统原理结合了模糊逻辑与进化计算,旨在增强系统的稳定性、响应速度和鲁棒性。核心程序实现了遗传算法的选择、交叉、变异等步骤,优化Sugeno型模糊系统的参数,适用于工业控制领域。
|
6天前
|
算法 决策智能
基于遗传优化的货柜货物摆放优化问题求解matlab仿真
本项目采用MATLAB2022A实现基于遗传算法的货柜货物摆放优化,初始随机放置货物后通过适应度选择、交叉、变异及逆转操作迭代求解,最终输出优化后的货物分布图与目标函数变化曲线,展示进化过程中的最优解和平均解的变化趋势。该方法模仿生物进化,适用于复杂空间利用问题,有效提高货柜装载效率。
|
5天前
|
机器学习/深度学习 监控 算法
基于yolov4深度学习网络的排队人数统计系统matlab仿真,带GUI界面
本项目基于YOLOv4深度学习网络,利用MATLAB 2022a实现排队人数统计的算法仿真。通过先进的计算机视觉技术,系统能自动、准确地检测和统计监控画面中的人数,适用于银行、车站等场景,优化资源分配和服务管理。核心程序包含多个回调函数,用于处理用户输入及界面交互,确保系统的高效运行。仿真结果无水印,操作步骤详见配套视频。
41 18
|
10天前
|
机器学习/深度学习 算法 计算机视觉
基于CNN卷积神经网络的金融数据预测matlab仿真,对比BP,RBF,LSTM
本项目基于MATLAB2022A,利用CNN卷积神经网络对金融数据进行预测,并与BP、RBF和LSTM网络对比。核心程序通过处理历史价格数据,训练并测试各模型,展示预测结果及误差分析。CNN通过卷积层捕捉局部特征,BP网络学习非线性映射,RBF网络进行局部逼近,LSTM解决长序列预测中的梯度问题。实验结果表明各模型在金融数据预测中的表现差异。
|
13天前
|
移动开发 算法 计算机视觉
基于分块贝叶斯非局部均值优化(OBNLM)的图像去噪算法matlab仿真
本项目基于分块贝叶斯非局部均值优化(OBNLM)算法实现图像去噪,使用MATLAB2022A进行仿真。通过调整块大小和窗口大小等参数,研究其对去噪效果的影响。OBNLM结合了经典NLM算法与贝叶斯统计理论,利用块匹配和概率模型优化相似块的加权融合,提高去噪效率和保真度。实验展示了不同参数设置下的去噪结果,验证了算法的有效性。
|
11天前
|
算法 决策智能
基于SA模拟退火优化算法的TSP问题求解matlab仿真,并对比ACO蚁群优化算法
本项目基于MATLAB2022A,使用模拟退火(SA)和蚁群优化(ACO)算法求解旅行商问题(TSP),对比两者的仿真时间、收敛曲线及最短路径长度。SA源于金属退火过程,允许暂时接受较差解以跳出局部最优;ACO模仿蚂蚁信息素机制,通过正反馈发现最优路径。结果显示SA全局探索能力强,ACO在路径优化类问题中表现优异。