摘要：倒立摆作为控制领域的一个比较典型的基本实验,始终在控制领域起着举足轻重的作用。倒立摆作为一种典型的多变量,非线性,自然高度不稳定性系统,本身包含着控制系统所必须解决的一些重要因素,如镇定问题,非线性问题,鲁棒性问题,随动问题和跟踪问题等等,因此研究倒立摆的意义深远。模糊控制是最近才发展和成熟起来的一种控制方法,模糊控制以专家经验知识库为基础,模拟人的思维,对被控对象进行智能化控制,将模糊控制应用到倒立摆控制中往往比传统的PID控制要优越。本文以一阶倒立摆为被控对象,详细研究了模糊控制对高度非线性不稳系统的控制方法。

摘要：针对现有控制算法在倒立摆系统控制中存在的局限性,融合强化学习和深度学习方法,提出一种基于双延迟深度确定性策略梯度(TD3)的倒立摆端到端控制方法。首先,利用倒立摆动力学模型搭建虚拟仿真环境,设计稀疏奖励函数;其次,通过深度神经网络构建从倒立摆状态输入到执行动作输出的端到端控制模型,分析倒立摆特性,来确定神经网络结构和参数;最后,将虚拟仿真环境中生成的模型移植到倒立摆实物平台并进行优化。试验结果表明:该方法生成的模型能够有效地建立倒立摆状态和执行动作之间的映射关系,在运动控制中具有一定的借鉴意义。