倒立摆 该项目模拟C ++中的倒立摆
2022-02-07 11:42:11 1MB control robotics simulation C++
1
matlab代码旋转交叉摆 本论文提出了控制具有一个自由度的倒立摆的主题。 论文将介绍应用理论的基础,模型的机械设计等细节部分,学习和建立数学模型,在Matlab上建立和进行仿真模型,建立模型,在嵌入式库上建立控制块并设计控制台。 模型的力学设计主要是在国内外倒立摆研究已有模型的基础上,设计出一个简单的、最适合论文需要的模型,然后建立数学模型,在Matlab的Simulink程序上进行仿真。研究模型的特性和参数,并根据这些参数,根据主体的需要设计仿真模型的控制阶段。 接下来,为了运行基于仿真控制器的实际模型,我们通过 Matlab Simulink 上的支持嵌入式库进行连接。 实现者使用Waijung 库(Matlab 的嵌入式支持库,用于STMicroelectronics 的STM32F4 DISCOVERY 应用程序套件)来构建处理输入和输出信号的嵌入式块,并使用嵌入式库上可用的支持功能块来构建控制算法。到实际模型。 构建功能块模型后,实施者将继续将这些块编译为 Code C 代码并将它们加载到微控制器中以运行应用程序。 同时,实施者将在计算机上建立用户界面,以监测和评估实际控制
2021-12-23 19:50:23 15.88MB 系统开源
1
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
2021-12-22 18:03:12 794KB 系统开源
1
离散控制Matlab代码 一阶倒立摆最优控制 Invert pendulum Optimal Control 考虑一阶倒立摆简化模型如下图,如图所示为非线性不稳定的倒立摆,目标是通过传感器测量
2021-11-30 21:14:33 1.46MB 系统开源
1
一级倒立摆基于LMI的状态反馈H无穷控制器设计,希望对大家有帮助
旋转倒立摆的滑模和LQR控制 lqr.mdl实现了用于旋转倒立摆的线性二次调节器 smc.mdl具有针对相同RIP模型的滑模控制器实现 有关任何文档,请阅读report.pdf
1
二阶倒立摆matlab代码倒立摆模型 该报告介绍了一个倒立摆的例子以及用于设计和实现模糊控制器的典型程序。 为了模拟模糊控制系统,必须指定倒立摆的数学模型。 使用MATLAB集成了表示钟摆数学模型的代码,实现了隶属函数。 数学模型由二阶微分方程表示,该方程需要在Matlab中使用ode23命令才能求解。
2021-10-27 11:48:46 1.1MB 系统开源
1
课程模拟项目——带模糊控制器的倒立摆 在这个项目中,一个由简单模糊控制器控制的倒立摆系统在 Matlab 环境中进行了仿真。 主要参考书是《模糊控制》[1]。 主要目的是评估不同参数的效果。 共有三种类型的文件:支持的函数、仿真函数和仿真结果。 支持的功能 倒立摆系统模型InvertedPendulum.m : 根据上一时间步长的值计算当前环境值; 四阶 Runge Kutta 方法ODE_RK.m :使用四阶 Runge Kutta 方法求解 ODE。 它用于InvertedPendulum.m ; Fuzzy Controller FuzzyController.m : 根据用户的设置和测量值计算将传递到倒立摆系统的力。 它仅包含两个输入和一个输出。 一种输入是角度误差。 另一个输入是角速度误差。 输出是力。 ConvertEps2Pdf.sh : 将仿真结果从 eps 图形转换
2021-07-13 21:01:42 4.98MB MATLAB
1
倒立摆 对倒立摆问题的强化学习解决方案的调查。 介绍 倒立摆问题可以简明地定义为创建一个系统,该系统使用致动器沿轨道移动推车,并使用传感器来揭示推车和摆的状态,从而自动平衡附着在轨道上的推车上的旋转摆。 给定特定的倒立摆系统,解决问题就等于选择使用哪种传感器,可以选择制定近似于所涉及物理的确定性或随机模型,最重要的是找出有效的控制策略。 它是控制理论和动力学中的经典问题,可以作为开发实时控制算法的良好测试平台。 注意到问题在自然界和人造世界中的普遍性,可以很好地证明人们理解问题的动机。 例如,每个人在站立时都需要不断进行调整以防止摔倒,因此我们所有人在坐着或四处走动时都会反复解决此问题的一个更为困难的版本。 问题表述 长度为l的摆锤的一端具有质量m ,并通过铰链连接到质量为M的手推车,该摆锤能够通过在手推车上施加一定的力F来旋转。 通过假设,忽略了小车在地面上的摩擦以及摆锤在小车上的摩擦
2021-07-01 21:38:30 84KB Python
1
介绍 这是论文的源代码库: Moore, JK 和 van den Bogert, A.“安静的常设控制器参数识别:方法比较”,2015 年。 该存储库包含或链接到重现论文中的结果所需的所有信息。 可以通过 CI 系统查看最新呈现的 PDF 版本: 许可证和引用 此存储库的内容已根据。 如果您使用我们的工作,我们要求您引用我们。 获取源码 首先,导航到文件系统上的所需位置,然后使用 Git 克隆存储库并切换到新目录: $ git clone https://github.com/csu-hmc/inverted-pendulum-sys-id-paper.git $ cd inverted-pendulum-sys-id-paper 或者使用 wget 下载,解压 zip 文件,然后切换到新目录: $ wget https://github.com/csu-hmc/inver
2021-06-18 13:05:00 466KB Python
1