二级倒立摆PID与LQR控制策略对比仿真研究

1. 项目背景与核心挑战

倒立摆系统作为控制理论中的经典实验平台，一直是验证各类控制算法效果的试金石。二级倒立摆相比一级倒立摆，其非线性特性和耦合程度显著增加，对控制器的设计要求更为严苛。这个项目通过Matlab/Simulink环境，对PID和LQR两种主流控制策略进行对比仿真，为工程实践中的控制器选型提供直观参考。

二级倒立摆的动力学特性主要体现在三个方面：首先是欠驱动特性——仅通过底部的直线电机提供单一控制输入，却需要同时稳定摆杆角度和滑台位置；其次是强非线性——当摆杆偏离平衡位置较大时，系统方程中的三角函数项会引入显著非线性；最后是多变量耦合——滑台移动与摆杆摆动之间存在动态能量交换。这些特性使得简单的PID控制往往难以胜任，而LQR这类基于状态空间的设计方法则展现出独特优势。

2. 系统建模与参数辨识

2.1 动力学方程推导

采用拉格朗日方程建立系统数学模型。定义滑台位置为x，下摆杆角度为θ₁，上摆杆角度为θ₂，系统动能T和势能V可表示为：

code复制T = 1/2*M*ẋ² + 1/2*m₁*(ẋ² + l₁²θ̇₁² + 2l₁ẋθ̇₁cosθ₁) 
   + 1/2*m₂*(ẋ² + L₁²θ̇₁² + l₂²θ̇₂² + 2L₁ẋθ̇₁cosθ₁ + 2l₂ẋθ̇₂cosθ₂ + 2L₁l₂θ̇₁θ̇₂cos(θ₁-θ₂))

V = m₁gl₁cosθ₁ + m₂g(L₁cosθ₁ + l₂cosθ₂)

通过拉格朗日算子L=T-V，最终得到系统的非线性微分方程组。在平衡点附近进行线性化处理，得到状态空间表达式：

code复制ẋ = Ax + Bu
y = Cx + Du

其中状态变量x=[x, ẋ, θ₁, θ̇₁, θ₂, θ̇₂]ᵀ，控制输入u为电机施加的力。

2.2 实际参数测量

我们实验室使用的倒立摆装置实测参数如下：

• 滑台质量 M = 0.5 kg
• 下摆杆质量 m₁ = 0.2 kg，长度 2l₁ = 0.6 m
• 上摆杆质量 m₂ = 0.1 kg，长度 2l₂ = 0.4 m
• 电机推力系数 Kf = 1.8 N/V
• 编码器分辨率 1000脉冲/转

这些参数将直接代入仿真模型。特别要注意的是，上下摆杆的转动惯量需要根据实际几何形状计算，不能简单视为质点。

3. PID控制器设计与实现

3.1 控制结构设计

采用串级PID控制架构：

1. 内环：角度控制PID（同时控制θ₁和θ₂）
2. 外环：位置控制PID（控制滑台x）

具体实现时，先将两个摆杆的角度误差加权融合：

code复制θ_err = k₁θ₁ + k₂θ₂ （k₁+k₂=1）

然后设计角度PID控制器输出电机速度指令，再通过位置PID修正速度指令中的直流分量。

3.2 参数整定方法

使用试凑法结合Ziegler-Nichols规则进行参数整定：

1. 先置Ti=∞，Td=0，逐渐增大Kp直至系统出现等幅振荡
2. 记录临界增益Ku和振荡周期Tu
3. 根据Z-N公式计算PID参数：
   • Kp = 0.6Ku
   • Ti = 0.5Tu
   • Td = 0.125Tu

实际调试中发现，由于二级倒立摆的双摆耦合效应，需要将理论计算值再减小30%-40%才能获得稳定控制。

3.3 Simulink实现细节

在Simulink中搭建模型时需注意：

1. 对编码器信号添加一阶低通滤波（截止频率50Hz），抑制高频噪声
2. 对微分项采用带滤波的近似微分（时间常数0.01s）
3. 输出限幅设置为±10V（对应电机最大推力）
4. 加入抗积分饱和逻辑

关键仿真参数设置：

matlab复制simTime = 10;       % 仿真时长
fixedStep = 0.001;  % 固定步长
solverType = 'ode4';% 龙格库塔法

4. LQR控制器设计与实现

4.1 状态空间模型建立

基于2.1节得到的线性化模型，提取A,B矩阵：

matlab复制A = [0 1 0 0 0 0;
     0 0 -m1*g/M 0 -m2*g/M 0;
     0 0 0 1 0 0;
     0 0 (M+m1)*g/(M*l1) 0 m2*g/(M*l1) 0;
     0 0 0 0 0 1; 
     0 0 m1*g/(M*l2) 0 (M+m2)*g/(M*l2) 0];
     
B = [0; 1/M; 0; -1/(M*l1); 0; -1/(M*l2)];

4.2 权重矩阵选择

Q矩阵对角元素对应状态变量[x, ẋ, θ₁, θ̇₁, θ₂, θ̇₂]的权重：

matlab复制Q = diag([10, 1, 100, 10, 100, 10]); 
R = 0.1;  % 控制量权重

通过Bryson规则确定初始值：

code复制Qii = 1/(允许最大偏差)²
R = 1/(允许最大控制量)²

4.3 求解Riccati方程

使用Matlab命令求解反馈矩阵K：

matlab复制[K,S,e] = lqr(A,B,Q,R);

得到的反馈增益矩阵：

code复制K = [-3.16 -4.12 180.3 25.6 135.2 18.9]

4.4 状态观测器设计

实际系统中部分状态不可直接测量，需设计全维观测器：

matlab复制obsv_rank = rank(obsv(A,C));  % 检验能观性
L = place(A',C',obs_poles)';  % 观测器极点配置

观测器极点通常取为控制器极点的2-3倍。

5. 仿真对比与分析

5.1 阶跃响应对比

设置滑台位置阶跃指令0.1m，得到响应曲线：

• PID控制：调节时间2.8s，超调量15%
• LQR控制：调节时间1.5s，超调量5%

LQR在动态性能上优势明显，得益于其多变量协调控制能力。

5.2 抗干扰测试

在t=5s时施加0.5N的脉冲干扰力：

• PID控制：最大偏移角度8°，恢复时间3s
• LQR控制：最大偏移角度3°，恢复时间1.2s

LQR表现出更强的鲁棒性，因其在设计时已考虑扰动抑制。

5.3 参数敏感性分析

改变摆杆质量±20%：

• PID控制：需要重新整定参数才能稳定
• LQR控制：仍能保持稳定，性能略有下降

LQR对模型参数变化具有更好的适应性。

6. 实际部署注意事项

1. 采样周期选择：

   • 根据香农定理，采样频率应大于系统带宽5倍
   • 建议控制周期≤1ms（对应1kHz采样率）

2. 编码器信号处理：

   • 采用四倍频技术提高分辨率
   • 使用一阶差分计算角速度时需配合滑动平均滤波

3. 电机非线性补偿：

   • 实测电机死区电压±0.3V
   • 在控制输出中加入死区补偿：

     c复制if(u>0) u += 0.3;
     else if(u<0) u -= 0.3;
     

4. 安全保护机制：

   • 设置软件限位（±0.2m）
   • 当摆杆角度＞30°时紧急制动
   • 看门狗定时器监测程序运行

7. 扩展与改进方向

1. 模糊PID控制：
   在传统PID基础上增加模糊推理机，根据误差大小动态调整参数：

   c复制if(fabs(e_angle)<5°)  // 小误差区间
     Kp=Kp1, Ki=Ki1;
   else                 // 大误差区间  
     Kp=Kp2, Ki=Ki2;
   

2. 状态依赖Riccati方程(SDRE)：
   将LQR推广到非线性系统：

   code复制A(x) = ∂f/∂x|x=x_current
   实时求解Riccati方程
   

3. 强化学习控制：
   设计奖励函数：

   code复制reward = -[10*x² + θ₁² + θ₂² + 0.1*u²]
   

   使用DDPG等算法进行训练。

4. 硬件在环测试：
   通过RT-Xenomai实现实时控制，采样抖动＜10μs。

8. 工程实践心得

1. PID调试技巧：

   • 先调P使系统有基本响应
   • 再调D抑制振荡
   • 最后加I消除静差
   • 每次只调整一个参数

2. LQR设计经验：

   • 先调整Q中对角元素数量级
   • 再微调R值平衡控制力度
   • 最后可适当调整非对角元素

3. 仿真到实物的gap：

   • 仿真中忽略的电机电气时间常数（约10ms）
   • 传动机构的间隙（约0.1mm）
   • 连接件的柔性变形

4. 数据记录建议：

   • 保存每次实验的控制器参数
   • 记录阶跃响应曲线特征参数
   • 标注异常现象发生条件