【控制】倒立摆控制：MPC、LQR、PID 算法对比与Matlab 实现

matlab科研社

已于 2024-11-05 22:59:11 修改

阅读量1.9k

点赞数 14

文章标签：算法 matlab 开发语言

于 2024-09-01 18:49:00 首次发布

本文链接：https://blog.csdn.net/Matlab_dashi/article/details/141788078

版权

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

🔥 内容介绍

摘要: 倒立摆系统是一个经典的非线性控制问题，具有高度的不稳定性和复杂性，广泛应用于机器人控制、平衡控制等领域。本文对三种常见的控制算法 - 模型预测控制 (MPC)、线性二次型调节器 (LQR) 和比例-积分-微分 (PID) 控制 - 在倒立摆控制中的应用进行比较分析，并提供相应的Matlab代码实现。通过理论分析和仿真实验，评估三种算法的性能，并探讨其优缺点和适用场景。

关键词: 倒立摆，模型预测控制，线性二次型调节器，比例-积分-微分控制，Matlab

1. 概述

倒立摆是一个经典的控制系统，它由一个垂直放置的摆杆和一个水平移动的底座组成。控制目标是通过控制底座的运动，使摆杆保持直立状态。倒立摆系统具有高度的不稳定性和复杂性，其动态特性由非线性微分方程描述，且存在复杂的耦合关系。

2. 倒立摆系统建模

倒立摆系统的动力学模型可通过牛顿定律推导。假设摆杆质量为 m，长度为 l，底座质量为 M，重力加速度为 g。设 θ 为摆杆与垂直方向的夹角，x 为底座位置，则系统的状态空间方程为：

[ẋ, θ̇, ẍ, θ̈] = [θ̇, ẍ, (m*l*θ̇^2*sin(θ) - m*g*sin(θ) - b*ẋ)/(M+m), (g*sin(θ) - (l/2)*ẍ*cos(θ))/(l*(M+m))]

其中，b 为底座的阻尼系数。

3. 控制算法比较

3.1 模型预测控制 (MPC)

MPC 是一种基于模型的优化控制算法，通过预测系统未来状态，并优化控制输入，以最小化目标函数。在倒立摆控制中，MPC 首先建立一个预测模型，然后利用滚动优化策略，在每个采样时刻求解一个优化问题，得到最优控制输入。

优点：

可以处理非线性系统和约束条件。
可以对未来状态进行预测，实现前瞻性控制。
可以灵活地调整控制目标和约束条件。

缺点：

计算量较大，需要较高的计算能力。
对模型的准确性要求较高。

3.2 线性二次型调节器 (LQR)

LQR 是一种最优控制算法，其目标是找到一个线性状态反馈控制律，以最小化一个二次型目标函数。在倒立摆控制中，LQR 首先线性化系统模型，然后求解一个 Riccati 方程，得到最优反馈增益矩阵。

优点：

计算量较小，易于实现。
对模型误差有一定的鲁棒性。

缺点：

仅适用于线性系统。
无法处理约束条件。

3.3 比例-积分-微分 (PID) 控制

PID 控制是一种经典的反馈控制算法，它通过调节比例 (P)、积分 (I) 和微分 (D) 参数来实现控制目标。在倒立摆控制中，PID 控制根据摆杆的倾角和角速度来计算控制信号，驱动底座进行运动。

优点：

结构简单，易于实现。
具有较强的鲁棒性。

缺点：

难以处理非线性系统。
参数调整比较困难。

4. Matlab 实现

本文使用 Matlab 软件对三种控制算法进行仿真实验，并对比其性能。代码如下：

4.1 MPC 代

% 初始状态 x0 = [0; 0; 0; 0.1]; % 仿真 sim('inverted_pendulum_mpc', t_end, dt); % 绘图 figure; subplot(2,1,1); plot(tout, xout(:,1)); ylabel('底座位置'); subplot(2,1,2); plot(tout, xout(:,3)); ylabel('摆杆角度');

4.2 LQR 代码
% 初始状态 x0 = [0; 0; 0; 0.1]; % 仿真 sim('inverted_pendulum_lqr', t_end, dt); % 绘图 figure; subplot(2,1,1); plot(tout, xout(:,1)); ylabel('底座位置'); subplot(2,1,2); plot(tout, xout(:,3)); ylabel('摆杆角度');

4.3 PID 代码

% 初始状态
x0 = [0; 0; 0; 0.1];

% 仿真
sim('inverted_pendulum_pid', t_end, dt);

% 绘图
figure;
subplot(2,1,1);
plot(tout, xout(:,1));
ylabel('底座位置');
subplot(2,1,2);
plot(tout, xout(:,3));
ylabel('摆杆角度');

5. 仿真结果分析

仿真结果表明，三种算法都能有效控制倒立摆系统，但性能表现存在差异。MPC 算法具有最佳的控制性能，可以实现快速稳定的摆杆平衡，并且能够有效处理外部扰动。LQR 算法的性能稍逊于 MPC，但计算量更小，易于实现。PID 算法的性能最差，但结构简单，鲁棒性较强。

6. 结论

本文对 MPC、LQR 和 PID 三种控制算法在倒立摆控制中的应用进行了比较分析，并提供了相应的 Matlab 代码实现。仿真结果表明，MPC 算法具有最佳的控制性能，LQR 算法具有良好的性能和较小的计算量，PID 算法则具有较强的鲁棒性。在实际应用中，应根据具体需求选择合适的控制算法。