直线型一阶倒立摆2---建模

2023-05-16

三、直线型一阶倒立摆模型建立

    一级倒立摆系统是一个不稳定的系统,需要对其进行机理建模。 在研究过程中,应忽略空气摩擦、等,而后可将倒立摆系统进行抽象化,认为其由小车和匀质刚性杆两部分组成并对这两部分进行如图所示的受力分析:

 

其中为小车的质量和摆杆的质量;b、Fx分别为小车的摩擦系数、施加在小车上的作用力和小车的位置[8];I和 分别为摆杆的惯量和摆杆转动轴心到质心的长度; 和  分别为摆杆与竖直向上方向和竖直向下方向的夹角;N P 分别为摆杆作用力的水平与竖直分量。

小车水平方向的合力: 

                                                      M\frac{\mathrm{d^{2}x} }{\mathrm{d} t^{2}}=F-B\frac{\mathrm{dx} }{\mathrm{d} t}-N        (1)     

 摆杆水平方向的合力:  

                                                        N=m\frac{\mathrm{d^{2} (x-lsin\theta )} }{\mathrm{d} t^{2}}             (2)      

摆杆水平方向运动方程:

                                                        (M+m)x^{''}+bx^{'}+ml\theta ^{''}cos\theta -ml\theta ^{'}sin\theta =F        (3)

摆杆力矩平衡方程:

                                                           -PIsin\theta -Nlsin\theta =I\theta ^{''}           (4)

摆杆在竖直方向的合力:

                                                                    P=mg-ml\theta ^{''}sin\theta -ml\theta ^{'}^2cos\theta         (5)

可得到摆杆在竖直方向的运动方程:

                                                                     (1+ml^{2})\theta ^{''}+mglsin\theta =-mlx^{''}cos\theta         (6)

摆杆竖直方向运动方程:

                                                                        I+Ml^{''}\phi -mgl\phi =mlx             (7)

将作用力 F 用 u代替,同时进行线性化,即得到:     

                                                                         (I+ml^{2})\phi ^{''}-mgl\phi =mlx^{''}      (8)

                                                                          (M+m)x^{^{''}}+bx^{'}-ml\phi ^{''}=u    (9)                  

其中\theta =\pi +\phi\phi为小角度。

质量均匀分布的摆杆,对于式(8)有                       I=\frac{1}{3}ml^{2}                                   (11)

由式(8)、(11)得到:                                               (\frac{4}{3}ml^{2})\phi ^{''}-mgl\phi=mlx^{''}       (12)

对质量均匀摆杆,取X=[\begin{matrix} x &x^{'} &\phi & \phi ^{'} \end{matrix}],u^{'}=x^{''}可得到线性一阶直线倒立摆状态空间描述:

                                                                             \begin{bmatrix} x^{'}\\ x^{''}\\ \phi ^{'}\\ \phi ^{''} \end{bmatrix}=\begin{bmatrix} 0 & 1 & 0 & 0\\ 0 & 0 & 0 & 0\\ 0& 0& 0 &1 \\ 0& 0 &\frac{3g}{4l} & 0 \end{bmatrix} \begin{bmatrix} x\\ x^{'}\\ \phi \\ \phi ^{'} \end{bmatrix}+\begin{bmatrix} 0\\ 1\\ 0\\ \frac{3}{4l} \end{bmatrix}u^{'}         (13)

                                                                             y=\begin{bmatrix} x\\ \phi \end{bmatrix}=\begin{bmatrix} 1 & 0& 0& 0\\ 0& 0& 1& 0 \end{bmatrix}\begin{bmatrix} x\\ x^{'}\\ \phi \\ \phi ^{'} \end{bmatrix}                         (14)

    对系统进行可控性分析,由控制矩阵Qc=[B  AB  A^{2}B  A^{3}B]=\begin{bmatrix} 0 &1 &0 &0 \\ 1&0 &0 &0 \\ 0 & \frac{3}{4l} &0 &\frac{9g}{16l^{2}} \\ \frac{3}{4l} &0 & \frac{9g}{16l^{2}} &0 \end{bmatrix},用matlab计算可知,Qc的秩为4,系统可控。系统可进行状态变量的极点配置。

   对系统进行可观测性分析,由观测矩阵Qo=[C  CA  CA^{2}  CA^{3}],用matlab计算可知,Qo的秩为4,系统可观测。系统可设计观测器,并且观测器可控。

倒立摆视频汇总:自动学习起摆和稳定一阶倒立摆

                          VREP仿真之直线型一阶倒立摆:起摆与稳摆 

最后附上Alan V. Oppenheim/奥本海姆对倒立摆的讲解:反馈举例-倒立摆

其它博文链接:直线型一阶倒立摆1---概念篇







                         直线型一阶倒立摆2---建模




                         直线型一阶倒立摆3---控制器设计

                         直线型一阶倒立摆4---能量起摆

                         直线型一阶倒立摆5---硬件平台搭建

                         直线型一阶倒立摆6---软件设计

                            直线型一阶倒立摆7---总结

有需要直线型一阶倒立摆的VREP仿真文件:可点击

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

直线型一阶倒立摆2---建模 的相关文章

随机推荐

  • 研究入门指南

    研究入门指南 知网引文网络使用指南
  • combat 仿真系统资料

    扩展防空仿真系统 xff08 EADSIM xff09 EADSIM培训教材 Teledyne Brown Engineering公司 书籍 xff1a 大型仿真系统 目前市面上能够使用的作战仿真系统 DCS world 新手入门指南
  • 阿豪找工作

    2021年 财富 世界500强揭晓 xff01 中国143家公司上榜 2021世界500强 2021中国500强 选择国企 私企 外企 xff0c 5年后的差距有多大 xff1f 国企和央企的区别 国企包括中央所属国有企业和地方所属国有企业
  • pycharm快捷键

    pycharm快捷键
  • 大规模多智能体强化学习资料整理

    多智能体中存在一些问题和一些可行解决方法 2020年 xff0c Multi Agent RL领域的主流研究方向有哪些 xff1f 深度强化学习 初学者入门介绍 xff08 通俗易懂 xff09 多智能体强化学习 新手入门算法论文大总结 多
  • python路径拼接os.path.join()函数的用法

    os path join 函数 xff1a 用来连接路径名组件 1 如果各组件名首字母不包含 则函数会自动加上 2 如果有一个组件是一个绝对路径 xff0c 则在它之前的所有组件均会被舍弃 3 如果最后一个组件为空 xff0c 则生成路径以
  • linux python解决中文字体Font family [‘sans-serif‘] not found. Falling back to DejaVu Sans

    点击此处
  • Python导入自定义模块方法

    添加链接描述
  • 课程学习邂逅强化学习

    一篇综述带你全面了解课程学习 Curriculum Learning 课程强化学习 课程学习邂逅多智能体强化学习
  • 常见的几种白盒测试

    2019 6 26 补充与修正了短路相关的内容 2019 9 16 修正了短路部分的错误 xff0c 顺便去掉了用词不合适的前言 目前我所了解到的逻辑覆盖 xff08 而非路径覆盖 xff09 型的白盒测试大概有这几种 xff1a SC x
  • 元强化学习

    元强化学习 即可以迁移到训练阶段未见过的任务中
  • 深度学习中的标量、向量、矩阵和张量的区别

    在深度学习中 xff0c 张量 xff08 tensor xff09 的维数就是张量的阶数 0维的tensor就是标量 xff0c 就是一个单独的数 xff1b 1维的tensor就是向量 xff0c 就是一列数 xff0c 其中的每一个元
  • word使用技巧

    删除文档中多余的空白页 在word中插入图表目录 xff08 插图清单 表格清单 xff09 step1 先设置图表目录 xff08 引用 插入题注 xff09 step2 然后在目录页面点击 xff08 引用 插入表目录 xff09 st
  • tf.AUTO_REUSE的作用

    Tensorflow复用计算图 reuse 61 tf AUTO REUSE tf AUTO REUSE作用
  • 对多智能体强化学习算法MADDPG的理解

    MADDPG的架构 MADDPG采用的是 中心化训练 43 去中心化决策 的架构 xff0c 是一种Actor Critic方法 其中每个智能体都有一个价值网络和策略网络 价值网络和策略网络 第i号价值网络 Critic 输入 xff1a
  • 互联网知识点整理

    软件测试知识点 数据库知识点 计算机网络知识点 数据结构知识点 C 43 43 知识点整理 JAVA知识点整理
  • 导出TensorBoard中的所有数据并平滑处理

    点击此处 tensorboard平滑曲线代码
  • RL论文数据图绘制

    rl plotter 强化学习论文里的训练曲线是用什么画的 xff1f 如何计算相关变量
  • 强化学习之美

    强化学习作为一门灵感来源于心理学中的行为主义理论的学科 xff0c 其内容涉及概率论 统计学 逼近论 凸分析 计算复杂性理论 运筹学等多学科知识 xff0c 难度之大 xff0c 门槛之高 xff0c 导致其发展速度特别缓慢 随着近年来以
  • 直线型一阶倒立摆2---建模

    三 直线型一阶倒立摆模型建立 一级倒立摆系统是一个不稳定的系统 xff0c 需要对其进行机理建模 在研究过程中 xff0c 应忽略空气摩擦 等 xff0c 而后可将倒立摆系统进行抽象化 xff0c 认为其由小车和匀质刚性杆两部分组成并对这两