用模糊控制实现对二级环形倒立摆的大回环运动并仿真

二级倒立摆的T-S模糊建模和模糊控制

绝对可以用的二级倒立摆模型。simulink建模，matlab编写s函数，使用lqr最优控制

为了解决高阶次、多变量、非线性、强耦合的直线二级倒立摆的稳定控制问题，设计了一种参数自校正模糊PI控制器算法。结合线性二次型最优调节器(LQR)方法，设计了融合函数，降低了模糊控制器的维数、减少了控制器规则数、实现了参数在线自校正，进而提高了控制器的性能。借助固高科技倒立摆硬件平台，采用MATLAB仿真及实时控制，系统均能在较短时间内达到稳定，且控制效果较好，满足了稳定性和鲁棒性要求。

基于MATLAB的一级倒立摆控制系统设计，通过最优控制决策，实现对一级倒立摆状态空间法数学模型的稳定性分析

现代控制理论-大作业-倒立摆.doc

基于误差反馈的环形一级倒立摆自动摆起控制，汪青华，汪德刚，本文以单级环形倒立摆为研究对象，使用拉格朗日方程建立倒立摆系统的数学模型，对其进行起摆控制。提出了一种基于误差反馈的控制

首先，对倒立摆系统的组成及其工作原理进行了研究，建立其数学模型，并分析倒立摆系统控稳定性、能控性及影响稳定的干扰等。 其次，学习和了解LQR控制、模糊控制及BP网络控制的原理，设计出相应的控制器，并利用Simulink仿真。

描述一级直线倒立摆的最优控制，文中介绍了倒立摆的分类、特性、控制目标、控制方法

pid控制器代码matlab 倒立摆 我的四年级工程项目的存储库，“使用机器学习控制倒立摆”。 该代码是使用MATLAB和Simulink编写/创建的。 “ main_training.m”用于通过模拟由失谐PID控制器控制的倒立摆的许多不同初始条件来生成训练数据集。 该系统作为Simulink模型包含在“ pid_ss.slx”中。 “ state_space.m”是一个函数，该函数根据输入参数返回倒立摆系统的state_space表示。 'scaling.m'可用于将数据缩放到-1和1之间，同时保存缩放因子。 生成此数据后，可以使用MATLAB回归学习器和神经网络拟合工具来训练和导出机器学习模型。 “ ml_ss.slx”是用于机器学习回归模型的Simulink模型。 训练完模型后，可以使用“ model_for_simulink.m”将其转换为Simulink-able格式。 在MATLAB功能块“ ml_ss.slx”中更改模型名称，并确保比例因子在工作空间中，将允许模型控制摆。 “ nn_ss.slx”是神经网络的Simulink模型。 使用神经网络拟合工具时，可以将网络导出