二级倒立摆的PID与LQR控制对比研究

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研究对象，常被用来验证各种控制算法的有效性。二级倒立摆相比一级倒立摆具有更高的阶数和更强的非线性特性，其控制难度呈指数级增长。这个项目通过Matlab/Simulink搭建仿真环境，对比研究PID控制和LQR控制在二级倒立摆稳定控制中的表现差异。

我在实验室第一次接触二级倒立摆时，就被它"桀骜不驯"的特性所震撼——即使使用经过精心调参的PID控制器，摆杆也常常在几秒钟内就失去平衡。这种系统对控制器的设计要求极高，需要同时考虑响应速度、稳定性和抗干扰能力。

2. 系统建模与参数确定

2.1 动力学方程推导

二级倒立摆的动力学建模是控制设计的基础。采用拉格朗日方程进行建模，定义以下变量：

• θ₁：一级摆杆与垂直方向的夹角
• θ₂：二级摆杆与一级摆杆的相对夹角
• l₁,l₂：两级摆杆的长度
• m₁,m₂：两级摆杆的质量
• M：小车质量

通过能量法推导得到的非线性微分方程非常复杂，通常需要在平衡点附近进行线性化处理。我在推导过程中发现，忽略某些高阶小项会显著简化方程而不影响控制效果，这个经验对后续的控制器设计很关键。

2.2 系统参数测量

我们使用的实验平台参数如下表所示：

注意：摆杆的转动惯量测量误差会直接影响控制效果，建议通过频响实验进行验证校准。

3. PID控制器设计与实现

3.1 控制结构设计

对于二级倒立摆系统，采用串级PID控制结构：

1. 外环：角度控制环（一级摆杆角度θ₁）
2. 内环：角度差控制环（二级摆杆相对角度θ₂）

这种结构比单环PID更能处理系统的耦合特性。在实际调试中，我发现必须先调好内环参数，再调试外环，否则系统极易发散。

3.2 参数整定方法

使用试凑法结合Ziegler-Nichols法则进行参数整定：

1. 先将所有微分项设为0，逐步增大比例项直到系统出现持续振荡
2. 记录此时的临界增益Kc和振荡周期Tc
3. 按照Z-N法则计算初始PID参数
4. 在此基础上进行微调

调试过程中的经验参数：

实操技巧：在Simulink中使用"PID Tuner"工具可以大幅提高调试效率，但手动微调仍是必要的。

4. LQR控制器设计与实现

4.1 状态空间模型

将线性化后的系统表示为状态空间形式：

ẋ = Ax + Bu
y = Cx + Du

其中状态变量选择为：
x = [θ₁ θ₂ θ̇₁ θ̇₂ x ẋ]ᵀ

在设计过程中，我意识到状态变量的选择会显著影响LQR的控制效果。经过多次尝试，发现包含小车位置和速度可以使系统具有更好的抗干扰能力。

4.2 权重矩阵选择

LQR的性能指标为：
J = ∫(xᵀQx + uᵀRu)dt

经过反复仿真测试，最终确定的权重矩阵为：

Q = diag([1000 500 50 50 10 1])
R = 0.01

这个权重配置使系统在响应速度和能量消耗之间取得了良好平衡。特别值得注意的是，角度误差的权重远大于角度速率的权重，这符合倒立摆控制的物理直觉。

5. 仿真对比分析

5.1 稳定性测试

在初始条件θ₁=5°，θ₂=3°下，两种控制器的稳定时间对比：

LQR表现出更快的响应速度和更小的超调量，这得益于其全局最优的特性。

5.2 抗干扰测试

在系统稳定后第5秒施加0.1N·s的瞬时冲量干扰，结果对比：

LQR在抗干扰性能上全面占优，这在实际应用中非常重要。

6. 实现细节与技巧

6.1 Simulink建模要点

1. 使用"PID Controller"模块时，务必选择"Time Domain"为"Continuous-time"
2. 对于LQR控制，使用"Gain"模块实现状态反馈
3. 添加"饱和"限制模块防止执行器过载
4. 使用"Scope"模块记录关键状态变量

6.2 实际调试经验

1. 先仿真再实机：在硬件上调试前，务必在仿真中验证控制算法
2. 安全第一：设置急停开关，防止摆杆失控造成损坏
3. 数据记录：保存每次调试的参数和结果，便于分析比较
4. 温度影响：长时间运行后电机参数会变化，需要重新校准

7. 扩展应用与进阶方向

基于这个项目的成果，可以进一步探索：

1. 模糊PID控制：结合模糊逻辑实现参数自适应
2. 鲁棒控制：考虑系统参数不确定性和外部干扰
3. 强化学习：尝试用DDPG等算法实现智能控制
4. 硬件实现：将仿真模型移植到实际控制平台

我在研究生阶段曾尝试过第三种方向，发现强化学习虽然不需要精确的数学模型，但训练过程非常耗时，且在实际硬件上部署时面临实时性挑战。这让我更加理解了经典控制理论的价值。