1. 项目背景与核心问题
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的试金石。这个看似简单的物理系统（一根摆杆铰接在小车上）却蕴含着丰富的非线性动力学特性，对控制器的鲁棒性和响应速度提出了极高要求。我在研究生阶段第一次接触倒立摆时，就被它"看似简单实则精妙"的特性深深吸引——轻轻推一下摆杆，整个系统就会像多米诺骨牌一样迅速崩溃。
传统PID控制器因其结构简单、参数物理意义明确，在工业界有着"万能控制器"的美誉。但面对倒立摆这种非线性、强耦合系统时，固定参数的PID控制器往往显得力不从心。记得有次实验室调试，我们花了整整三天反复调整PID参数，最后只能在非常小的初始角度范围内实现稳定，稍微大一点的扰动就会导致系统失稳。
模糊控制恰恰擅长处理这类"模型不精确"的控制问题。它模仿人类"经验判断"的思维方式，通过语言变量和模糊规则实现控制。2018年我在某智能制造项目中就曾用模糊控制成功解决了机械臂末端抖动问题。但纯模糊控制也存在稳态误差大、缺乏严格数学依据的缺陷。
于是很自然地想到：能否将两种控制策略的优势结合？这就是本项目的出发点——通过双PID架构（模糊PID+传统PID）实现优势互补，并基于MATLAB/Simulink搭建完整的仿真对比平台。这个设计不仅能作为控制理论的教学案例，其方法论对无人机平衡、机器人行走等实际工程问题也有参考价值。
2. 系统建模与仿真环境搭建
2.1 一阶倒立摆的动力学建模
建立精确的数学模型是控制器设计的基础。采用拉格朗日方程推导过程如下：
设小车质量M=0.5kg，摆杆质量m=0.2kg，摆杆长度l=0.3m，摩擦力系数b=0.1N/m/s。定义系统状态变量：
- 小车位移x
- 摆杆角度θ（垂直向上为0）
- 对应的速度变量ẋ和θ̇
系统的拉格朗日方程为：
$$
L = T - V = \frac{1}{2}(M+m)\dot{x}^2 + ml\dot{x}\dot{θ}\cosθ + \frac{1}{2}I\dot{θ}^2 - mgl\cosθ
$$
其中转动惯量I=ml²/3。通过欧拉-拉格朗日方程推导，得到非线性状态方程：
$$
(M+m)\ddot{x} + b\dot{x} + ml\ddot{θ}\cosθ - ml\dot{θ}^2\sinθ = F \
(I+ml^2)\ddot{θ} + mgl\sinθ = -ml\ddot{x}\cosθ
$$
实际操作提示：建模时建议先保留非线性项完整形式，后续在Simulink中可通过"Trigonometric Function"模块直接实现，避免过早线性化丢失系统特性。
2.2 Simulink仿真框架搭建
我的仿真模型采用分层架构设计，主要包含以下子系统：
-
Plant Model：实现上述非线性方程
- 使用"Function"模块直接编码微分方程
- 添加Coulomb摩擦力模型（Ffriction = Fc*sign(v)）
-
双PID控制器：
- 传统PID：采用Simulink自带的PID Controller模块
- 模糊PID：通过Fuzzy Logic Designer定制
-
切换逻辑：
- 当|θ|<5°时启用传统PID保证稳态精度
- 否则启用模糊PID应对大角度偏差
-
扰动注入：
- 使用"Step"模块模拟突加负载
- 通过"Random Number"模块添加白噪声
matlab复制% 参数初始化脚本示例
M = 0.5; % 小车质量(kg)
m = 0.2; % 摆杆质量(kg)
l = 0.3; % 摆杆半长(m)
g = 9.81; % 重力加速度
b = 0.1; % 摩擦系数
3. 控制器设计与实现
3.1 传统PID参数整定
采用经典的Ziegler-Nichols临界比例法进行初步整定：
- 先设Ki=Kd=0，逐渐增大Kp直至系统出现等幅振荡（实测Kcr≈28）
- 记录振荡周期Tcr≈0.8s
- 根据Z-N公式计算：
- Kp = 0.6Kcr ≈ 16.8
- Ki = 2Kp/Tcr ≈ 42
- Kd = KpTcr/8 ≈ 1.68
实际调试中发现需要大幅调整：
- 增大Kd至3.2以抑制超调
- 减小Ki至30避免积分饱和
- 最终参数：Kp=18, Ki=30, Kd=3.2
避坑指南：Simulink中PID模块的"Anti-windup"选项务必启用，建议选择"back-calculation"方式，设限幅值为±15。
3.2 模糊PID设计详解
3.2.1 模糊化设计
输入变量选择误差e和误差变化率ec，输出为PID参数调整量：
- e基本论域：[-30°,30°]，划分为
- ec基本论域：[-15,15]°/s，划分同e
- 输出ΔKp论域[-5,5]，ΔKi[-2,2]，ΔKd[-0.5,0.5]
隶属度函数采用高斯型：
matlab复制a = newfis('fuzzy_pid');
a = addvar(a,'input','e',[-30 30]);
a = addmf(a,'input',1,'NB','gaussmf',[5 -30]);
% 继续添加其他隶属度函数...
3.2.2 规则库设计
基于专家经验制定49条规则，示例片段：
- If e is NB and ec is NB then ΔKp is PB, ΔKi is NB, ΔKd is PS
- If e is Z and ec is PS then ΔKp is NS, ΔKi is Z, ΔKd is PB
... - If e is PB and ec is PB then ΔKp is NB, ΔKi is PB, ΔKd is NS
规则表可视化：
| e\ec | NB | NM | ... |
|---|---|---|---|
| NB | 1,1,5 | ... | ... |
| ... | ... | ... | ... |
3.2.3 解模糊化
采用重心法(COA)计算精确输出：
$$
u = \frac{\sum μ_i·c_i}{\sum μ_i}
$$
在Simulink中通过"Fuzzy Logic Controller"模块直接调用设计好的.fis文件。
4. 仿真对比与结果分析
4.1 阶跃响应对比
设置初始θ=10°，对比三种控制策略：
- 纯传统PID：稳定时间2.8s，超调量15%
- 纯模糊控制：稳定时间1.5s，但存在±0.5°稳态波动
- 双PID：稳定时间1.2s，超调量8%，稳态误差<0.1°
关键指标对比表：
| 指标 | 传统PID | 模糊控制 | 双PID |
|---|---|---|---|
| 稳定时间(s) | 2.8 | 1.5 | 1.2 |
| 超调量(%) | 15 | - | 8 |
| 稳态误差(°) | 0.05 | 0.5 | 0.08 |
| 抗扰能力 | 较差 | 好 | 优秀 |
4.2 抗干扰测试
在t=5s时施加2N的脉冲干扰力：
- 传统PID：最大偏差8°，恢复时间3s
- 双PID：最大偏差4.5°，1.5s内恢复
4.3 参数鲁棒性测试
故意将摆杆质量m偏差±20%：
- 传统PID性能明显下降（超调增至25%）
- 双PID各项指标变化<15%
5. 工程实践中的经验总结
-
切换逻辑的优化技巧：
- 采用滞环切换避免频繁跳动（如设置5°开启/3°关闭）
- 添加过渡区进行平滑过渡（线性插值混合输出）
-
实时性优化：
- 模糊推理耗时较多，实测在树莓派4B上单次推理约2ms
- 对策：
- 简化规则库（7x7→5x5）
- 采用查表法替代实时推理
- 使用C代码生成（Simulink Coder）
-
常见故障排查：
- 问题：小车到达限位位置
- 检查PID输出限幅是否合理
- 增加位置软限制算法
- 问题：高频抖动
- 检查微分项是否引入噪声
- 添加低通滤波器（截止频率10Hz）
- 问题：小车到达限位位置
-
扩展应用方向：
- 二级倒立摆控制（需增加LQR优化）
- 基于强化学习的参数自整定
- 移植到STM32实现硬件在环测试
这个项目最让我惊喜的是模糊PID对非线性的适应能力。有次故意将摆杆质量增加30%，传统PID已经完全失效，而双PID依然能稳定控制。不过也要注意，模糊规则库的设计非常依赖经验，建议先用ANFIS（自适应神经模糊系统）进行辅助优化。