【倒立摆研究现状的文献综述2000字】

致谢倒立摆研究现状的文献综述从上世纪50年代开始，控制理论专家设计出了世界上最简单的倒立摆研究实验装置，开始了对倒立摆系统控制研究。直到20世纪60年代，才提出了倒立摆系统的概念，它才因此被世人所熟知。由于倒立摆系统具有强耦合、多变量、非线性和高阶不稳定的特点，所以一直作为重要的被控对象用来研究各种控制理论。在1982平面直线运动倒立摆的控制。1975Yamakita立摆级数増加到二级。根据级数，倒立摆系统可以分为一级、二级、三级和多级倒立摆；根据小车的运动方向，可分为直线型和平面型；根据小车运动轨道，可分为水平轨道、斜轨道和圆轨道倒立摆系统。随着对倒立摆系统研究的增多，又出现了柔性摆、旋转式、球摆倒立摆等[4]。1.1倒立摆的分类系统。通过对倒立摆结构的分类，大致有下面几种类型：（1）直线倒立摆系列模块分成多种类型的直线倒立摆。直线倒立摆系列如图1-11-1（2）环形倒立摆系列1-2所示：1-2（3）平面倒立摆系列平面倒立摆主要是XY工作台和两自由度机械臂分别与两自由度球关节进行组合，同时根据级数的不同，又可以分为多种平面倒立摆。平面倒立摆系列如图1-3所示[18];图1-3平面倒立摆系列1.2倒立摆的研究控制理论倒立摆系统主要由电机、导轨、摆杆、光电编码器、小车和限位开关等部分组成，由于倒立摆系统具有强耦合、多变量、非线性和高阶不稳定的特点，可以通过利用各种控制理论相结合的方法来进行验证。倒立摆在稳定控制方面，主要有以下几种方法：1.经典控制理论经典控制理论是倒立摆系统研究控制中最先使用的控制理论，通过对倒立摆系统建立数学模型，从而推导出倒立摆系统的传递函数，根据得到的传递函数设计PID控制器。由于PID，不能同时研究摆杆角度和小车的位置，具有一定的局限性。2.现代控制理论现代控制理论是基于状态空间理论为基础的一种控制理论，通过推导倒立摆系统的非线性模型推导出倒立摆系统的输出方程和状态方程，应用极点配置和LQR最优控制等方法配置系统的极点，从而实现对系统的控制。3.智能控制相关理论模糊控制模糊控制这种控制方法不依靠数学模型的精确性，且有较好的鲁棒性，但模糊控制也有其缺点，模糊控制常常与其他控制方法相结合起来使用，得到的控制效果更好。神经网络神经网络算法往往用来学习和适应不确定性系统的动态特性，具有较好的容错性和鲁棒性，但神经网络的层数和隐含神经元的个数不好确定。遗传算法遗传算法是智能算法的一个重要分支，它是模拟自然界的进化机制发展起来的一种随机全局搜索算法，其本质是一种并行、高效、全局搜索的方法，在搜索过程中能够自行搜索和积累有关空间相关的知识，并且能够自适应控制搜索达到最优控制的效果，具有简单且鲁棒性强等优点[5]。参考文献：[1]洪旭.倒立摆系统模糊控制算法研究[D].西安电子科技大学,2005.任志巍,[2]罗芳,潘光辉.基于MATLAB的模糊控制倒立摆系统研究[J].清远职业技术学院学报,2015,8(03):80-82.[3]赵文才.环形单级倒立摆系统的控制研究[D].广东工业大学,2018.[4]茹斐斐.双闭环控制方法在两轮自平衡小车中的应用研究[D].河南大学,2013.[5]赵明明.基于PID的二级倒立摆控制器的设计[D].曲阜师范大学,2012.[6]刘峰.基于倒立摆的控制方法研究[D].西安电子科技大学,2019.[7]洪旭.倒立摆系统模糊控制算法研究[D].西安电子科技大学,2005.[8]罗灿.基于自适应模糊PID的双轮自平衡车的控制系统研究[D].吉林大学,2018.[9]汤维.基于直线二级倒立摆控制系统的研究[D].内蒙古科技大学,2012.[10]张敏.二级倒立摆云模型PID控制研究[D].大连海事大学,2016.[11]缪文南,周政,旋极一,陈东水,曹闹昌.基于模糊PID的球平衡机器人控制器设计与仿真[J].传感器与微系统,2021,40(01):66-70.[12]程键.倒立摆系统的稳定控制[D].长春理工大学,2008.[13]罗华强.基于直线电机驱动的一级倒立摆[D].华南理工大学,2013.[14]马杰.基于Matlab/Simulink的环形倒立摆建模与控制方法实验研究[D].长安大学,2018.[15]杨雨雨.倒立摆系统的模糊控制器设计及研究[D].中原工学院,2014.[16]王俊.基于倒立摆的三种控制策略的研究[D].湖北工业大学,2008.[17]杜洋.二级直线倒立摆系统建模、仿真与实物控制[D].北京交通大学,2013.[18]尹贻晓.直线一级倒立摆系统研究[D].山东农业大学,2015.（实物图那篇）[19]RobertoSaco.SubspaceIdentificationofanInvertedPendulumonaCartusingStateVariablesTransformation[J].IFACPapersOnLine,2019,52(11):244-249.[20]TianXiaoying;PengHui;ZhouFeng;PengXiaoyan.RBFARXmodelbasedfastrobustMPCapproachtoaninvertedpendulum.[J].ISAtransactions,2019,93:255-267.[21]MorassoPietro;CherifAmel;Zenzer