基于神经网络的一阶倒立摆控制 Inverted-pendulum 基于神经网络的一阶倒立摆控制 介绍 两个模型均采用传统LQR控制器控制一阶倒立摆，为了体会学习神经网络的数据拟合能力，使用BP、RBF神经网络代替LQR控制器，实现对一阶倒立摆的控制效果 模型来自万能的Github，个人部分：将神经网络代替LQR控制器，实现控制效果 Modle1 Modle1基于Matlab的SimMechanics工具箱，建立一阶倒立摆的物理仿真模型，模拟真实倒立摆的受力情况 Initial 运行“dlb_DataFile.m”文件，为仿真模型提供初始化参数设置 运行“dlb_fangzhen.slx”文件（已调参），采集LQR控制器对应的“4输入-1输出数据” 4输入：位置、速度、角度、角速度 1输出：加速度 Process 将保存在工作区的数据以“.mat”的文件格式保存到“File”文件夹 运行“BP.m”代码，拟合训练BP神经网络，并生成可供Simulink调用的网络模块 替换原有的LQR控制器，再次运行文件，观看倒立摆的摆动幅度、稳定时间 Modle2 Modle2基于纯数学模型，

单阶倒立摆控制系统_Matlab实验报告.doc

PID控制算法

自动控制课程设计 基于双闭环PID控制的一阶倒立摆控制系统设计

基于双闭环PID控制的一阶倒立摆控制系统设计（很实用）

1、理解一阶倒立摆的工作机理及其数学模型的建立及简化的方法； 2、通过对一阶倒立摆的建模，掌握使用Matlab/Simulink软件对控制系统的建模方法； 3、通过对一阶倒立摆控制系统的设计，理解和掌握双闭环PID控制系统的设计方法； 4、掌握双闭环PID控制器参数整定的方法； 5、掌握Simulink子系统的创建方法； 6、理解和掌握控制系统设计中稳定性、快速性的权衡以及不断通过仿真实验优化控制系统的方法。