探索 lqr 二级倒立摆系统的稳定控制与仿真：极点配置与 PID 控制之道

EHagSJVNpTY

104人浏览 · 2026-03-13 18:15:00

EHagSJVNpTY · 2026-03-13 18:15:00 发布

极点配置;PID控制;lqr二级倒立摆系统的稳定控制与仿真根据牛顿运动定律或者拉格朗日方程，建立直线型二级倒立摆系统的非线性运动模型，给出系统运动的状态方程；对非线性运动模型进行线性化，针对线性化模型分别采用极点配置;PID控制;lqr的方法，设计直线型二级倒立摆的详细控制方案，给出控制律设计方法；分别针对有扰动和无扰动两种情况，采用Matlab软件进行仿真验证，结合设计的控制律，用Simulink搭建仿真框图，给出仿真结果，并进行系统分析。

在控制领域，二级倒立摆系统一直是个极具挑战性但又非常经典的研究对象。它的稳定控制对于理解复杂系统的控制原理至关重要，今天咱们就来聊聊基于极点配置、PID 控制以及 lqr 方法的二级倒立摆系统稳定控制与仿真。

一、建立直线型二级倒立摆系统的非线性运动模型

要实现对二级倒立摆的有效控制，第一步就是建立它的运动模型。通常我们可以依据牛顿运动定律或者拉格朗日方程来完成这一任务。这里以基于牛顿运动定律为例，通过对摆杆和小车的受力分析，可以推导出系统运动的状态方程。虽然具体的推导过程比较复杂，但最终得到的状态方程会包含系统的状态变量，比如小车位置、速度，摆杆的角度和角速度等。

二、非线性模型的线性化

实际中，非线性系统的控制难度较大，所以往往会对非线性运动模型进行线性化处理。一般是在平衡点附近进行泰勒展开，忽略高阶项，从而得到线性化模型。这个线性化模型在后续控制方案的设计中起着关键作用。

三、控制方案设计

1. 极点配置

极点配置方法的核心思路是通过选择合适的反馈增益矩阵，使得闭环系统的极点处于期望的位置，从而获得满意的系统性能。比如，在 Matlab 中，我们可以借助 acker 函数来实现极点配置。

% 假设已经得到线性化模型的 A、B 矩阵
A = [0 1 0 0 0 0; 
     0 0 -1000 0 1000 0; 
     0 0 0 1 0 0; 
     0 0 -2000 0 2000 0; 
     0 0 1000 0 -1000 0; 
     0 0 0 0 0 1];
B = [0; 100; 0; 200; -100; 0];

% 期望的极点位置
p = [-1 -2 -3 -4 -5 -6];

% 计算反馈增益矩阵 K
K = acker(A,B,p);

在这段代码里，首先定义了线性化模型的系统矩阵 A 和输入矩阵 B，然后设定了期望的极点位置 p，最后通过 acker 函数计算出反馈增益矩阵 K。有了这个 K，就可以根据状态反馈 u = -K*x 来设计控制律，其中 u 是控制输入，x 是系统状态向量。

2. PID 控制

PID 控制作为一种经典的控制策略，它通过比例（P）、积分（I）、微分（D）三个环节的线性组合来产生控制作用。在二级倒立摆系统中，PID 控制器的输入通常是系统的误差信号（设定值与实际输出的差值）。

% 定义 PID 参数
Kp = 10;
Ki = 1;
Kd = 0.1;

% 假设系统的输出 y 和设定值 r
y = [0.1 0.2 0.3 0.4 0.5];
r = 0.5;

% PID 控制算法
error = r - y;
P_term = Kp * error;
I_term = Ki * cumsum(error);
D_term = Kd * diff([0 error]);

u = P_term + I_term + D_term;

这里先设定了比例系数 Kp、积分系数 Ki 和微分系数 Kd，然后根据系统输出 y 和设定值 r 计算误差 error。接着分别计算比例项 Pterm、积分项 Iterm 和微分项 D_term，最终得到控制输入 u。

3. LQR（线性二次型调节器）

LQR 是一种最优控制方法，它通过最小化一个二次型性能指标来确定控制律。在 Matlab 中，可以使用 lqr 函数来计算反馈增益矩阵。

% 假设已经得到线性化模型的 A、B 矩阵
A = [0 1 0 0 0 0; 
     0 0 -1000 0 1000 0; 
     0 0 0 1 0 0; 
     0 0 -2000 0 2000 0; 
     0 0 1000 0 -1000 0; 
     0 0 0 0 0 1];
B = [0; 100; 0; 200; -100; 0];

% 定义权重矩阵 Q 和 R
Q = eye(6);
R = 1;

% 计算反馈增益矩阵 K
[K, S, E] = lqr(A,B,Q,R);

在这个代码段中，先定义了线性化模型的 A 和 B 矩阵，然后设定权重矩阵 Q 和 R。Q 用于对状态变量的加权，R 用于对控制输入的加权。通过 lqr 函数计算出反馈增益矩阵 K，进而设计控制律 u = -K*x。

四、仿真验证

在完成控制方案设计后，需要对系统进行仿真验证。这里采用 Matlab 的 Simulink 工具，分别针对有扰动和无扰动两种情况进行仿真。

无扰动情况

在 Simulink 中搭建基于极点配置、PID 控制和 LQR 的仿真框图。以极点配置为例，将计算得到的反馈增益矩阵 K 引入到反馈回路中，连接系统模型和输入输出端口。运行仿真后，可以得到小车位置、摆杆角度等状态变量随时间的变化曲线。从这些曲线可以分析系统的稳定性、响应速度等性能指标。比如，如果小车位置能快速稳定在设定值附近，摆杆角度也能保持在较小范围内，就说明控制方案有效。