倒立摆系统的节制战略和杂技演出员顶杆演出有着相同的均衡方法，非常有趣，学生通过倒立摆系统自动控制的理论实验来验证他们所学到的东西，控制算法的理论因为其简单及直观使得更容易去深入。

状态反馈控制系统，对倒立摆的物理模型分析探求，可以得到倒立摆的动态模型，然后运用状态空间理论得出状态方程与输出方程[7]。其中，PID控制，对倒立摆模型以及倒立摆的动力学模型进行研究，之后使用状态空间理论推演出非线性的模型，以获得非线性倒立摆的平衡状态方程和输出方程[8]，接着计划PID控制器来完成操纵。遗传算法，高晓智在Michine倒立摆控制方案的控制功能的基础上，利用遗传算法进行优化。从事实来看，对于倒立摆的均衡问题遗传算法可以有效地进行处理。如果需要达到操控倒立摆的满意效果而运用云模型，这就需要云模型组成语言值，用语言值组成一种规则，构造一种有规则的推导体制。这个拟人控制不需要被控对象的数学模型只有在人类经验的基础上，给出了情感和逻辑判断，将控制经验用自然语言表达，通过原子和云模型改动的语言控制规则的语言[9]，可以排除问题中非线性以及其可变性。神经网络理论上能够十分接近所有不简易的非线性关系，神经网络可以分析和探究深度不确定性系统的动态特性，全部定量或定性的信号，如内在的电位分布并存储于不同的神经元网络中，因此它具有很强的鲁棒性和容错性[10];Q学习算法把之前两个相综合在一起，完成了倒立摆的状况没有离散化的无模型探究掌控。现在存在一些多种控制方式结合倒立摆的综合方法，现在已经演变了很多在此也就不一一列举了。自适应控制，它的主要任务就是为倒立摆构造出一个可以能够自行适应和掌控的控制器。假如将遗传算法结合神经网络，对于这种整合的方法。第一步要建立一个数学模型当然必须得是关于倒立摆的，第二步设计出一个良好的控制器是联系神经网络的，想要对倒立摆实现的良好掌控就必须要运用优化的遗传算法来增强对神经网络的练习权重，遗传算法学习神经网络普遍映照的能力和遗传算法神经网络控制器的属性，如快速收敛和强化学习。文献综述

1。2 倒立摆系统的国内外现状 

1。3 本文的主要内容

本文主要研究一级倒立摆的状态反馈系统。分析能观性与能控性，并且认识到它们的判断依据，运用相关知识建立数学模型，分析其性能。设计状态控制器，运用极点配置，得到变量系数阵。之后，加以仿真以及具体分析。比对PID控制器与状态反馈控制器，得出状态反馈的优越性。

本文其他章节的安排如下：第二章运用定理设计一个数学模型，并且构建一个系统的物理结构，进行受力分析，建立微分方程等。之后进行深入的分析求证，取具体参数具体说明。考虑系统能控与能观性，针对两种不同控制方法，分析各自的问题，并且得出各自的优缺点，分析在进行过程中所遇到的理论问题以及实际问题。加深知识积累。第三章设计一个状态反馈控制器，详细说明本文主要运用极点配置法的相关知识。第四章得出仿真并在此基础上进行分析与研究，根据由仿真得来的数据,以此来选择最优的极点。想要系统的控制速度更快则需要极点距离原点的距离更远才行。

2 一级倒立摆数学模型的建立

本章主要介绍了倒立摆系统的物理结构和摆的受力分析以及倒立摆常用的两种控制方法。

2。1 倒立摆系统的物理结构与建模

(1) 倒立摆物理结构

倒立摆系统是一种很常见的又和人们的生活密切相关的系统，它深刻揭示了自然界一种基本规律，即自然不稳定的被控对象，通过控制手段可使之具有良好的稳定性。倒立摆系统是一个非线性，强耦合，多变量和自然不稳定的系统。它是由沿导轨运动的小车和通过转轴固定在小车上的摆杆组成的。在导轨一端装有用来测量小车位移的电位计，摆体与小车之间由轴承连接，并在连接处安置电位器用来测量摆的角度。小车可沿一笔直的有界轨道向左或向右运动，同时摆可在垂直平面内自由运动。直流电机通过传送带拖动小车的运动，从而使倒立摆稳定竖立在垂直位置。 Matlab基于状态反馈控制的倒立摆系统研究(3):http://www.youerw.com/zidonghua/lunwen_85871.html