1. 一阶小车倒立摆系统概述
倒立摆系统作为控制理论中的经典实验平台，由可沿水平轨道移动的小车和铰接在小车顶部的摆杆组成。一阶倒立摆特指摆杆为单节刚性杆的简化模型，其动力学特性表现为典型的非线性、多变量和不稳定系统。当摆杆处于垂直向上的倒立位置时，系统处于不稳定平衡点，任何微小扰动都会导致摆杆倾倒。
在Matlab仿真环境中构建该系统时，需要建立包含以下关键参数的物理模型：
- 小车质量（M）：通常取值0.5-2kg
- 摆杆质量（m）：约为小车质量的1/10-1/5
- 摆杆长度（l）：0.3-1m范围
- 摆杆转动惯量（I）：(ml²)/3
- 轨道摩擦系数（b）：0.1-1 N/m/s
- 摆杆铰接摩擦系数（c）：0.001-0.01 Nms/rad
实际建模时需注意：当摆杆角度θ很小时（|θ|<10°），可作sinθ≈θ、cosθ≈1的线性化近似，但大角度摆动时必须使用完整的非线性方程。
2. 系统动力学建模与状态方程推导
2.1 拉格朗日方程建立
采用拉格朗日力学方法推导系统动力学方程。首先定义系统总动能T和总势能V：
code复制T = 0.5*M*dx² + 0.5*m*( (dx - l*cosθ*dθ)² + (l*sinθ*dθ)² ) + 0.5*I*dθ²
V = mgl*cosθ
通过拉格朗日算子L=T-V，得到运动微分方程：
code复制(M+m)*ddx - ml*cosθ*ddθ + ml*sinθ*dθ² = F
(I+ml²)*ddθ - ml*cosθ*ddx - mgl*sinθ = 0
2.2 状态空间表示
选取状态变量x=[θ, dθ, x, dx]ᵀ，在平衡点附近线性化后得到标准状态空间方程：
code复制dx/dt = A·x + B·u
y = C·x + D·u
其中系统矩阵A和控制矩阵B的典型值为：
code复制A = [0 1 0 0;
(M+m)g/Ml 0 0 0;
0 0 0 1;
-mg/M 0 0 0]
B = [0; -1/Ml; 0; 1/M]
3. PID控制器设计与参数整定
3.1 控制结构设计
采用双回路PID控制架构：
- 内环：角度控制PID（维持摆杆直立）
- 外环：位置控制PID（调节小车位移）
控制框图如下：
code复制位置误差 → 位置PID → 角度设定 → 角度PID → 力F → 被控对象
↑ ↓
└── 状态反馈 ──┘
3.2 Ziegler-Nichols参数整定法
- 先关闭积分和微分项，逐渐增大比例系数Kp直至系统出现等幅振荡
- 记录临界增益Ku和振荡周期Tu
- 根据下表设置PID参数：
| 控制器类型 | Kp | Ti | Td |
|---|---|---|---|
| P | 0.5Ku | ∞ | 0 |
| PI | 0.45Ku | Tu/1.2 | 0 |
| PID | 0.6Ku | Tu/2 | Tu/8 |
实际调试中发现：倒立摆系统对微分项敏感，建议初始Td取Tu/10，再微调
3.3 实际调参经验
-
角度环优先调参，位置环参数应比角度环小1个数量级
-
典型参数范围：
- 角度P：10-100
- 角度I：0.1-1
- 角度D：0.5-5
- 位置P：0.1-1
- 位置I：0.001-0.01
- 位置D：0.01-0.1
-
抗饱和处理：当误差较大时暂停积分项，避免windup效应
4. Matlab/Simulink实现详解
4.1 建模步骤
-
创建新模型，添加以下模块：
- State-Space模块（实现动力学方程）
- PID Controller模块（2个）
- Sum模块（信号叠加）
- Scope模块（观测信号）
-
配置State-Space模块参数：
matlab复制A = [0 1 0 0; 20.601 0 0 0; 0 0 0 1; -0.4905 0 0 0];
B = [0; -1; 0; 0.5];
C = eye(4);
D = zeros(4,1);
- 设置PID控制器参数：
matlab复制% 角度PID
Kp_angle = 50;
Ki_angle = 1;
Kd_angle = 10;
% 位置PID
Kp_pos = 0.5;
Ki_pos = 0.01;
Kd_pos = 0.05;
4.2 仿真配置要点
-
求解器选择：
- 固定步长ode4（Runge-Kutta）
- 步长0.001s（保证数值稳定性）
-
初始条件设置：
- 摆杆初始角度：5°（0.0873rad）
- 小车初始位置：0.2m
-
干扰测试：
- 在t=3s时施加0.1N的脉冲力
- 观察系统恢复时间应<2s
5. 系统性能优化策略
5.1 抗干扰增强方案
- 添加加速度前馈补偿：
code复制F_feedforward = M*desired_acceleration
- 实现扰动观测器：
matlab复制function [F_hat] = disturbance_observer(y, u)
persistent x_hat P Q R
% 卡尔曼滤波实现
[x_hat, P] = kalman_update(A,B,C,Q,R,u,y,x_hat,P);
F_hat = [0 0 0 1]*(A*x_hat + B*u);
end
5.2 参数自适应调整
基于模糊逻辑的PID自整定算法：
- 定义输入变量：误差e和误差变化率ec
- 定义输出变量：ΔKp, ΔKi, ΔKd
- 建立模糊规则库：
code复制IF e is PB AND ec is NB THEN ΔKp is PB
IF e is PS AND ec is NS THEN ΔKi is PS
...
5.3 实时性优化
- 离散化PID实现：
matlab复制function u = discrete_pid(e, prev_e, integral)
persistent Kp Ki Kd Ts
integral = integral + e*Ts;
derivative = (e - prev_e)/Ts;
u = Kp*e + Ki*integral + Kd*derivative;
end
- 采样周期选择：
- 角度环：≤1ms
- 位置环：≤10ms
6. 常见问题排查指南
6.1 发散振荡问题
现象：仿真时摆杆角度迅速发散
排查步骤：
- 检查状态方程矩阵A的正负号
- 降低比例增益Kp（特别是角度环）
- 增加微分项Kd（抑制高频振荡）
- 确认物理参数单位一致性（如角度用弧度制）
6.2 稳态误差问题
现象：小车无法回到原点位置
解决方案：
- 增大位置环积分项Ki（注意防饱和）
- 检查摩擦力参数b是否过小
- 添加死区补偿（针对静摩擦）
6.3 响应迟钝问题
现象：摆杆恢复时间过长
优化方法：
- 提高角度环带宽（增大Kp，减小Ki）
- 添加速度前馈项：
matlab复制F_feed = Kff*dx_desired;
- 检查是否有过大的微分滤波时间常数
7. 进阶扩展方向
7.1 LQR最优控制
设计状态反馈矩阵K：
matlab复制Q = diag([100 1 10 1]); % 状态权重
R = 0.1; % 控制量权重
K = lqr(A,B,Q,R);
7.2 神经网络控制
- 构建NN控制器结构：
matlab复制net = feedforwardnet([10 5]);
net = configure(net, inputs, targets);
- 训练数据采集：
- 在PID控制下记录状态和对应控制量
- 数据需覆盖全工作区间
7.3 硬件在环测试
- 配置xPC Target实时系统
- 接口要求：
- 编码器分辨率≥1000PPR
- DAQ板卡更新率≥1kHz
- 安全措施：
- 软件限位保护
- 急停硬件回路