張永立,苗志宏,姚青梅,劉麗英
(1.天津職業(yè)技術(shù)師范大學(xué)自動化學(xué)院,天津 300222;2.天津市信息傳感與智能控制重點實驗室,天津 300222;3.中國人民武裝警察部隊學(xué)院,河北廊坊 065000)
參數(shù)時變的線性、非線性結(jié)構(gòu)動力學(xué)問題一直是科學(xué)研究的前沿問題,吊車系統(tǒng)是一種典型的非線性、強耦合,欠驅(qū)動系統(tǒng),是動力學(xué)、數(shù)學(xué)和控制理論三大基礎(chǔ)學(xué)科的有機結(jié)合體,在現(xiàn)代工業(yè)發(fā)展過程中起到了舉足輕重的作用。作為一種應(yīng)用廣泛的起重、吊裝、運輸機械設(shè)備,吊車種類繁多,包括各種起重機械,如工業(yè)用的天車、電動葫蘆、龍門吊車,建筑業(yè)用的塔吊以及龍門式機械手等等。吊車系統(tǒng)存在變負荷、變繩長等時變參數(shù),其負載的防擺問題也一直是人們關(guān)注的關(guān)鍵控制問題,長期以來得到了廣泛的重視并成為非線性控制領(lǐng)域的研究熱點之一。解決好吊車的防擺等關(guān)鍵控制問題,對當(dāng)前的工業(yè)發(fā)展和保證安全生產(chǎn)具有重要的意義。
針對特色作物病蟲治理示范和稻水象甲疫情防控,集中技術(shù)力量和物資,通過建設(shè)防控技術(shù)核心示范點,并在核心示范區(qū)設(shè)立低毒主推農(nóng)藥防治展示,強化技術(shù)培訓(xùn),提高防治技術(shù)的普及率、到位率、入戶率。在病蟲防治的重要適期,各地通過電視專題節(jié)目、培訓(xùn)會、現(xiàn)場會、宣傳資料、標(biāo)語、墻報、宣傳車等各種有效形式,做好對基層農(nóng)技干部、農(nóng)民技術(shù)員、廣大農(nóng)戶的技術(shù)培訓(xùn)、宣傳和防治動員工作。
對于固定繩長的情況,吊車的數(shù)學(xué)模型為非線性時不變系統(tǒng),這種情況的抗擺控制比較容易,相關(guān)的控制方法也有很多。文獻[1]采用輸入整形(Input Shaping)的控制方法來進行防擺控制;文獻[2]討論了模糊滑模控制在吊車防擺控制中的應(yīng)用。此外,涉及到的控制方法還有反饋控制[3-4],增益調(diào)度[5],模糊控制[6]等等。馬博軍等提出一種基于能量分析的控制方法和一種基于臺車運動規(guī)劃的自適應(yīng)控制策略,并對緊急情況下的制動控制器設(shè)計進行了深入研究[7-9]。焦辰輝采用基于變論域自適應(yīng)模糊控制理論針對當(dāng)前研究中存在的問題,結(jié)合模糊滑??刂婆c變論域自適應(yīng)模糊控制理論設(shè)計了一種新的自適應(yīng)模糊滑模控制器[10],變論域自適應(yīng)模糊控制的引入使得控制器結(jié)構(gòu)簡單、起重機的定位與防擺更加快速、準(zhǔn)確且無超調(diào),保證了控制系統(tǒng)對系統(tǒng)參數(shù)變化和外界干擾的強魯棒性,并在仿真和實物實驗上得到了驗證。近來,人們對三維吊車的研究中新技術(shù)與高級算法的融合非常明顯。比如文獻[11]研究了基于傳感空間三維定位技術(shù)的塔吊防撞監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn);文獻[12]提出了一種基于視覺的反饋控制方法;文獻[13]提出了一種虛擬仿真器來訓(xùn)練塔吊司機,等等。此外,文獻[14]中介紹控制器設(shè)計方法與文獻[15]提出的仿真方法對三維吊車的控制器設(shè)計與仿真也具有一定的幫助和指導(dǎo)意義。
實際上,吊車系統(tǒng)本質(zhì)上是一個強非線性的系統(tǒng),固定繩長只是人們?yōu)榱撕喕惴ǘ扇〉囊环N假設(shè),很多情況要求吊車在繩長快速變化的情況下完成各種起重、運輸動作。當(dāng)繩長快速變化時,繩長和擺角具有較強的耦合性,這種情況下用假設(shè)繩長不變的算法來進行防擺控制效果不佳。目前,對將繩長作為可變參數(shù)的吊車防擺控制方法的討論很少。吊車系統(tǒng)在運動過程中由于負載、繩長、狀態(tài)等參數(shù)的變化,會引起模型參數(shù)的實時變化,這對防擺控制造成了困難。本文針對這一難題,首先,采用坐標(biāo)變換的方法建立了三維吊車的數(shù)學(xué)模型[16]。其次,采用分離變量的方法將吊車系統(tǒng)分成防擺控制系統(tǒng)和繩長控制系統(tǒng)。其中防擺控制系統(tǒng)為平衡控制,繩長控制系統(tǒng)可以根據(jù)實際情況來設(shè)定繩長、繩長變化速度、繩長變化加速度的變化規(guī)律。因為繩長、繩長變化速度、繩長變化加速度是隨時間變化的參數(shù),因此可以將吊車防擺控制系統(tǒng)的數(shù)學(xué)模型簡化成時變非線性系統(tǒng),進一步將該系統(tǒng)在平衡點處進行線性化,就會得到三維吊車的時變線性系統(tǒng);然后,根據(jù)這個時變線性模型,設(shè)計了變增益LQR控制器來進行防擺控制,該方法在倒立擺控制系統(tǒng)中得到成功應(yīng)用[17-20]。變增益LQR控制的關(guān)鍵是實時計算線性系數(shù)矩陣,并求解代數(shù)黎卡提方程,進而得到實時變化的最優(yōu)反饋增益。該系統(tǒng)的時變系數(shù)矩陣是由繩長的變化而引起的,因此,反饋增益也是隨繩長的變化而變化,從而實現(xiàn)了變繩長防擺控制。仿真實驗結(jié)果證明:變增益LQR控制方法具有較強的自適應(yīng)性,當(dāng)繩長快速縮短(提升負載)時防擺效果尤其明顯,有效地提高了控制性能。
如圖1所示,固定坐標(biāo)系為oxyz,以ox為固定軸將oyz旋轉(zhuǎn)ψ角生成固連于剛體的動坐標(biāo)系ox′y′z′,然后再以oy′為固定軸將ox′z′旋轉(zhuǎn)θ角生成固連于剛體的動坐標(biāo)系ox″y″z″,最后以o-z″為固定軸將ox″y″旋轉(zhuǎn)φ角生成固連于剛體的動坐標(biāo)系ox?y?z?,這里角ψ稱為進動角,角θ稱為章動角,角φ稱為自轉(zhuǎn)角。這種歐拉角的取法易于理解,在結(jié)構(gòu)上便于實現(xiàn),因此在工程上經(jīng)常如此來定義空間角度。此外,角速度是矢量,角速度的方向是根據(jù)右手螺旋定則確定的,即:從上往下看旋轉(zhuǎn)面,將右手4指圍成圈,拇指伸直,4指方向與旋轉(zhuǎn)方向相同,拇指方向即為角速度方向,也就是順時針旋轉(zhuǎn),角速度向下;逆時針旋轉(zhuǎn),角速度向上。
綠色、健康生產(chǎn)理念已深入人心,為滿足人們的健康飲食要求,需要針對常見蔬菜病蟲害問題,加強監(jiān)管,采取科學(xué)的防治措施,減少病蟲害的影響,以為社會供應(yīng)更加健康、營養(yǎng)的蔬菜。
圖1 一種歐拉角定義示意圖Fig.1 Schematic diagram for a kind of Euler angles
圖2 三維吊車系統(tǒng)的結(jié)構(gòu)示意圖Fig.2 Simplified structure of the three dimensions crane
根據(jù)坐標(biāo)變換原理,將臺車、吊繩和負載所在的固連坐標(biāo)系o′x′y′z′變換到固定坐標(biāo)系ox0y0z0。設(shè)臺車在固定坐標(biāo)系ox0y0z0中的坐標(biāo)為 (x,y,0),負載質(zhì)心在固連坐標(biāo)系o′x′y′z′中的坐標(biāo)為(0,0,-l),那么,負載質(zhì)心在固定坐標(biāo)系ox0y0z0中的坐標(biāo)(x c,y c,zc)為
即:
其中x為n維狀態(tài)向量,u為m維無約束控制輸入,設(shè)該系統(tǒng)的平衡點為x=0,u=0。
其次,設(shè)oxy平面為零勢能面,系統(tǒng)的總勢能為V=-mglcosψcosθ。
在平衡點ψ=0,θ=0作近似,sinψ≈ψ,sinθ≈θ,cosψ≈1,cosθ≈1,可以得到
其中,
式(3)-式(7)為三維吊車的數(shù)學(xué)模型,其中式(3)和式(5)分別為吊車x,y方向上的輸入動態(tài)方程,式(4)和式(6)為擺角ψ,θ的動態(tài)方程,式(7)為繩長動態(tài)方程。如果將繩長、繩長變化速度、繩長變化加速度作為設(shè)定參數(shù),可以由繩長控制系統(tǒng)來設(shè)定,那么,根據(jù)式(3)-式(6),取q=[x,ψ,y,θ]T就可以得到吊車的防擺控制系統(tǒng)的動態(tài)方程
如圖2所示,三維吊車主要由橋架、臺車、吊繩和負載組成。臺車可以在oxy平面上自由平移。負載通過柔性吊繩與臺車相連。建立如圖2所示的坐標(biāo)系,l表示吊繩長度,即從起擺動點到負載質(zhì)心的距離,由于工程實際中負載的質(zhì)量遠遠大于吊繩的質(zhì)量,因此,這里不考慮吊繩的質(zhì)量,并假設(shè)吊繩沒有柔性彎曲,負載沒有自轉(zhuǎn);m表示負載的質(zhì)量;M x,M y分別表示x,y方向上運動的等效質(zhì)量。由于臺車沿x方向運動時,臺車與橋架一起運動,所以M x主要是臺車與橋架的質(zhì)量和,而M y主要為臺車的質(zhì)量;ψ表示吊繩在oxz平面上的投影與z軸負方向所成的角,θ表示吊繩與oxz平面的夾角;若在如圖2所示的右手坐標(biāo)系中,約定由y軸正端看,順時針旋轉(zhuǎn)的進動角為正,由x軸正端看,逆時針旋轉(zhuǎn)的章動角(即進動角)為正,那么,此三維吊車系統(tǒng)的進動角為ψ,章動角為-θ,這里自旋角為0;f x,f y和f l分別表示沿x,y和l方向上的拖動力;這里忽略軌道摩擦力和空氣阻力。(x c,yc,zc)表示負載質(zhì)心坐標(biāo)。
基準(zhǔn)低碳混凝土配比為m(水泥)∶m(礦粉)∶m(粉煤灰)∶m(砂)∶m(石子)=165∶149∶16∶760∶1120,用水量以達到混凝土初始坍落度為(80±10)mm時為準(zhǔn).其中煅燒高嶺土粉以基準(zhǔn)樣礦粉總質(zhì)量的10%,20%,30%和40%取代礦粉,詳見表5.
這里Sψ,Cψ,Sθ,Cθ分別表示sinψ,cosψ,sinθ,cosθ。
根據(jù)線性系統(tǒng)理論,如果(A(t),B(t))可控,那么系統(tǒng)(12)的平衡狀態(tài)是漸近穩(wěn)定的。通常針對線性定常系統(tǒng),采用LQR控制器,即線性二次調(diào)節(jié)器可以達到較好的控制效果。但是如果控制對象為時變系統(tǒng),如果只用某平衡點處的線性化模型來構(gòu)建LQR控制器,勢必會產(chǎn)生很大的誤差,因此本文設(shè)計了一種變增益LQR控制來實現(xiàn)對時變系統(tǒng)的控制。眾所周知,計算機控制過程是一種采樣、運算、控制輸出的過程,整個控制過程可以看成是若干個控制周期(或者稱為采樣周期)組成的,在每個采樣周期內(nèi)都會得到一個系數(shù)矩陣對(A(ti),B(ti)),由此,來逐點設(shè)計LQR控制器,就會得到一個時變的反饋增益矩陣
由此可得Lagrange數(shù)L=T-V,在廣義坐標(biāo)x,y,l上所受的外力分別為f x,f y,f l。在廣義坐標(biāo)ψ,θ上所受的外力為零。得到
傳統(tǒng)的家校共育一般有以下幾種方式:家長會、家訪、家長到訪。這些家校共育形式雖然有利于學(xué)校與家長的溝通,但是也存在著一些弊端。比如,家長會針對的是普遍的問題,家訪雖然針對的是學(xué)生的個體問題,但是實施起來難度較大,因為學(xué)生居住分散,教師時間有限,精力有限,無法滿足所有家長的需求。此外,家長忙于工作,無法隨時來校交流,無法及時了解學(xué)生在校情況,無法開展具有針對性的家庭教育。而在互聯(lián)網(wǎng)背景下,家校共育在形式與內(nèi)容上都有了一定的改進。
其中,
式(11)就是三維吊車系統(tǒng)的分離變量模型,這里沒有考慮負載質(zhì)量的時變性,如果忽略繩長的變化,那么式(11)就是典型的線性定常系統(tǒng)。
楚心晴看這情形,極像當(dāng)今朝堂形勢,心中不由得想起皇后的話來:“妹子,那大將軍若是還有忠君愛國之心,你就拔了他們君臣之間的那根刺。若是沒有,那姐姐求你,為百姓的太平日子,拔了危害朝堂的那根刺!”
考慮系統(tǒng)
保險管理的三個階段是一個前后聯(lián)系緊密,環(huán)環(huán)相扣的系統(tǒng)。投保策劃決定了出險后事件的定責(zé)情況、理賠范圍、免賠金額等。保險合同的履行是進行保險理賠的前提。保險理賠階段將損失定量化,以獲得賠付達到轉(zhuǎn)移損失的目的。但是目前很多業(yè)主和承包商并沒有將三個階段很好的結(jié)合起來,投保時風(fēng)險分析不全面,合同履行時不夠重視,理賠時因承保范圍不足,部分或全部損失不能進行理賠等,最終導(dǎo)致理賠效果不佳,經(jīng)濟損失彌補未能達到最大化。
利用Lagrange方法建模,首先,根據(jù)柯尼西定理計算系統(tǒng)的總動能,即臺車與負載的動能之和
站在2018年的歲尾回望一路走來的歷程,我相信,自豪感會充斥在每一個人的心中。而面對未來,我們的任務(wù)將更加艱巨,工業(yè)互聯(lián)網(wǎng)、人工智能和智慧工廠等全新的詞匯出現(xiàn)在大眾視野中,學(xué)習(xí)創(chuàng)新是必不可少的,這一代人肩負著由大到強的光榮使命,站在新的轉(zhuǎn)折點上,很多企業(yè)都積極進行技術(shù)改革創(chuàng)新,抓住時代機遇。
其中R為正定對稱矩陣,P(ti)為Riccati方程(14)的解
因為該方法相當(dāng)于在每一個控制操作點上將時變系統(tǒng)定?;?,然后采用線性二次調(diào)節(jié)器(LQR)理論進行控制器設(shè)計,所以稱之為變增益LQR控制器。
變增益LQR控制器最終歸結(jié)為在線求解代數(shù)黎卡提方程(14),這樣就可以求得隨采樣時間變化的反饋增益矩陣K,實現(xiàn)逐采樣點變增益反饋控制。由于K隨系統(tǒng)狀態(tài)的變化而變化,所以該控制器的自適應(yīng)性和魯棒性有了明顯提高。廣泛用于求解代數(shù)黎卡提方程的數(shù)值算法有舒爾方法和Kleinman迭代法等,大規(guī)模實時計算和數(shù)據(jù)存儲是將這些算法應(yīng)用于實時變增益控制的主要障礙。鑒于此,本文設(shè)計了一個快速Schur算法,用C語言代碼編制程序,并在實物實驗平臺中應(yīng)用成功。
選取吊車實驗參數(shù)M x=6.5 kg,Mv=2.5 kg,m=1 kg,l∈[0.2 m,10.2 m],線性二次調(diào)節(jié)器的權(quán)矩陣為Q=diag[1,10,1,10,0,0,0,0],R=diag[0.05,0.05]。根據(jù)線性系統(tǒng)可控性判據(jù),容易驗證變繩長系統(tǒng)(11)在繩長l∈[0.2 m,10.2 m]內(nèi)變化時,系統(tǒng)是可控的。因此,針對負載快速提升和快速下降(即繩長快速收縮和快速伸長)的情況,本文采用變增益LQR控制器做了仿真實驗,并和固定繩長的LQR控制器做了對比。本文在提升和下降實驗中,固定繩長的LQR控制器的繩長參數(shù)為
假設(shè)負載從靜止?fàn)顟B(tài)迅速提升到一定高度,并移動到指定位置。在提升過程實驗中,假設(shè)吊車的初始狀態(tài)為=0 rad,吊車的最終狀態(tài)為x d=0,=0 rad,為了研究繩長變化時的防擺特性,按照梯形模式來設(shè)計繩長變化的加速度,這里假設(shè)繩長的變化規(guī)律如下:
仿真時間為30 s,仿真結(jié)果如圖3所示。從仿真結(jié)果可以看出,當(dāng)?shù)踯囋诳焖偬嵘匚飼r變增益LQR控制器的防擺效果明顯提高,本文重點討論變增益在時變線性系統(tǒng)中的應(yīng)用。通過在吊車系統(tǒng)中仿真實驗和仿真結(jié)果發(fā)現(xiàn)變增益LQR控制器是可行的,且有一定的實用性。在吊車系統(tǒng)中,還可以考慮其他的可變參數(shù)(如負載質(zhì)量也是可變的)來進行變增益LQR控制器的設(shè)計,這樣會使該控制器的自適應(yīng)性進一步提高。
產(chǎn)品經(jīng)理在管理產(chǎn)品過程中都會用到一個工具——產(chǎn)品生命周期,傳統(tǒng)商品的成長軌跡遵循導(dǎo)入期、成長期、成熟期、衰退期而發(fā)展,但爆品的成長是非線性的、爆發(fā)式的增長,導(dǎo)入期之后出現(xiàn)顯著拐點效應(yīng),從而實現(xiàn)超常規(guī)增長。這就需要爆品必須有足夠當(dāng)量的“TNT”、足夠大的勢能!
圖3 負載提升仿真結(jié)果Fig.3 Load lifting simulation results
本文建立了三維吊車的動力學(xué)模型,并采用變量分離的方法,將三維吊車的模型轉(zhuǎn)化為以繩長為變參數(shù)的時變線性化模型,進而采用變增益LQR控制方法設(shè)計防擺控制器,并進行了仿真實驗。仿真結(jié)果證明,變增益LQR控制方法能有效地實現(xiàn)變繩長三維吊車系統(tǒng)的防擺控制,控制性能較以固定繩長吊車系統(tǒng)模型而設(shè)計的LQR控制器明顯提高。然而,吊車系統(tǒng)的防擺控制還受其他因素的影響,比如負載的質(zhì)量、外界風(fēng)力的干擾等等,因此,針對不同系統(tǒng)參數(shù),研究變增益LQR控制方法在吊車系統(tǒng)防擺控制中具有一定的工程應(yīng)用前景。此外,針對工業(yè)過程中類似的多變量欠驅(qū)動非線性系統(tǒng),構(gòu)建具有普適性的變增益LQR控制器及其控制性能分析是一個有待繼續(xù)研究的問題;以工業(yè)應(yīng)用為主旨,研究變增益LQR控制方法在三維吊車系統(tǒng)中的工程實現(xiàn)也是進一步研究的內(nèi)容之一。
/References:
[1] GARRIDO S,ABDERRAHIM M,GIMENEZ A,et al.Anti-swinging input shaping control of an automatic construction crane[J].IEEE Transactions on Automation Science and Engineering,2008,5(3):549-557.
[2] 王 偉,易建強,趙冬斌,等.一類非確定欠驅(qū)動系統(tǒng)的串級模糊滑??刂疲跩].控制理論與應(yīng)用,2006,23(1):53-59.WANG Wei,YI Jianqiang,ZHAO Dongbin,et al.Cascade fuzzy sliding mode control for a class of uncertain underactuated systems[J].Control Theory &Applications,2006,23(1):53-59.
[3] BALAGUER C.The future home:A global approach to integrated construction automation[J].IEEE Robotics and Automation Magazine,2002,8(5):55-66.
[4] ABDERRAHIM M,GIMENEZ A,NOMBELA A,et al.The design and development of an automated crane in 18th Int.Symp[A].Automation and Robotics Construction(ISARC)[C].[S.l.]:[s.n.],2001.149-154.
[5] CORRIGA G,GIUA A,USAI G.An implicit gain-scheduling controller for cranes[J].IEEE Transactions on Control Systems Technology,1998,6(1):15-20.
[6] CHANG Chengyuan,HSU Koucheng,CHIANG Kuohung,et al.An enhanced adaptive sliding mode fuzzy control for positioning and Anti-Swing control of the overhead crane system[A].IEEE International Conference on Systems,Man and Cybernetics[C].Taibei:IEEE,2006.992-997.
[7] 馬博軍,方勇純,王宇韜,等.欠驅(qū)動橋式吊車系統(tǒng)自適應(yīng)控制[J].控制理論與應(yīng)用,2008,25(6):1105-1109.MA Bojun,F(xiàn)ANG Yongchun,WANG Yutao,et al.Adaptive control for an underactuated overhead crane system[J].Control Theory and Applications,2008,25(6):1105-1109.
[8] 馬博軍,方勇純,劉先恩,等.三維橋式吊車建模與仿真平臺設(shè)計[J].系統(tǒng)仿真學(xué)報,2009,21(12):3798-3803.MA Bojun,F(xiàn)ANG Yongchun,LIU Xianen,et al.Modeling and simulation platform design for 3D overhead crane[J].Journal of System Simulation,2009,21(12):3798-3803.
[9] 馬博軍,方勇純,王鵬程,等.三維橋式吊車自動控制實驗系統(tǒng)[J].控制工程,2011,18(2):239-243.MA Bojun,F(xiàn)ANG Yongchun,WANG Pengcheng,et al.Experiment system for automatic control of a 3D overhead crane[J].Control Engineering of China,2011,18(2):239-243.
[10] 焦辰輝.基于模糊滑??刂频娜S橋式吊車系統(tǒng)[D].大連:大連理工大學(xué),2010.JIAO Chenhui.The 3D Crane System Based on Fuzzy Sliding Mode Control[D].Dalian:Dalian University of Technology,2010.
[11] 王建農(nóng),王 偉.基于空間三維定位技術(shù)的塔吊防撞監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)[J].計算機測量與控制,2013,21(12):3272-3274.WANG Jiannong,WANG Wei.Tower crane collision avoidance system design based on three-dimensional space positioning technology[J].Computer Measurement and Control,2013,21(12):3272-3274.
[12] LEE Lunhui,CHUNG-HAO H,SUNG-CHIH K,et al.Efficient visual feedback method to control a three-dimensional overhead crane[J].IEEE Transactions on Industrial Electronics,2014,61(8):4073-4083.
[13] PATRAO B,MENEZES P.An immersive system for the training of tower crane operators[A].2013 2nd Experiment@International Conference[C].Coimbra:IEEE ,2013.158-159.
[14] 燕 翔,張持健.工業(yè)隨動系統(tǒng)中模糊PID控制器的設(shè)計及應(yīng)用[J].河北工業(yè)科技,2011,28(2):122-125.YAN Xiang,ZHANG Chijian.Design and application of Fuzzy-PID controller in industrial servo system[J].Hebei Journal of Industrial Science and Technology,2011,28(2):122-125.
[15] 陳 亞,王宇翔,祝 巍.基于 ADAMS的四足機器人運動仿真研究[J].河北工業(yè)科技,2013,30(6):424-428.CHEN Ya,WANG Yuxiang,ZHU Wei.Research on motion simulation of a four-legged robot based on ADAMS[J].Hebei Journal of Industrial Science and Technology,2013,30(6):424-428.
[16] 苗志宏,李洪興.平面運動n級倒立擺系統(tǒng)建模及統(tǒng)一表示[J].模糊系統(tǒng)與數(shù)學(xué),2013,27(3):1-10.MIAO Zhihong,LI Hongxing.Modeling of spatial n-order inverted pendulum system and unifying representation[J].Fuzzy Systems and Mathematics,2013,27(3):1-10.
[17] 張永立,程會鋒,李洪興.三級倒立擺的自動擺起與穩(wěn)定控制[J].控制理論與應(yīng)用,2011,28(1):37-45.ZHANG Yongli,CHENG Huifeng,LI Hongxing.The swing-up and stabilization of the triple inverted pendulum[J].Control Theory and Applications,2011,28(1):37-45.
[18] 張永立,李洪興,苗志宏,等.基于變增益LQR控制方法的二級倒立擺自動擺起[J].系統(tǒng)工程理論與實踐,2011,31(7):1341-1355.ZHANG Yongli,LI Hongxing,MIAO Zhihong,et al.Swing-up of double inverted pendulum based on variable gain LQR technique[J].Systems Engineering Theory and Practice,2011,31(7):1341-1355.
[19] ZHANG Yongli,MIAO Zhihong,LI Hongxing,et al.Stabilization of the triple inverted pendulum by variable gain linear quadratic regulator[J].Int J Systems,Control and Communications,2012,4(3):208-223.
[20] ZHANG Yongli,WANG Jiayin,LI Hongxing.Stabilization of the quadruple inverted pendulum by variable universe adaptive fuzzy controller based on variable gain H∞r(nóng)egulator[J].Journal of Systems Science and Complexity,2012,25(5):856-872.