兔肉菌1. 从玩具到控制理论：倒立摆的魅力
第一次看到倒立摆在平衡状态下左右摇摆时，那种违反直觉的视觉冲击力让人着迷。这个小装置看似简单，却是控制理论中最经典的实验对象之一。我最初接触倒立摆是在大学实验室，当时用的是一个简陋的木质模型，需要手动调节配重来保持平衡。而现在，借助MATLAB这个强大的工具，我们可以在虚拟环境中重现这一经典控制问题，甚至实现更复杂的动态控制。
倒立摆本质上是一个自然不稳定的系统——就像试图用手指平衡一根直立的扫帚。它的重心位于支点上方，任何微小的扰动都会导致系统失稳。这种特性使得它成为验证各种控制算法的理想平台。在工业应用中，类似倒立摆的动态特性随处可见：从火箭的姿态控制到两轮平衡车的稳定系统，其核心控制逻辑都与倒立摆有着共通之处。
MATLAB之所以成为研究倒立摆的首选工具，主要得益于它的Simulink模块和强大的控制系统工具箱。Simulink提供了直观的图形化建模环境，可以快速搭建倒立摆的物理模型；而控制系统工具箱则包含了从经典PID到现代LQR等各种控制算法的实现。这种组合让我们能够专注于控制策略的设计和验证，而不必陷入底层数学实现的细节中。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 搭建倒立摆的数学模型
2.1 系统动力学方程推导
要控制倒立摆，首先需要建立它的数学模型。我们考虑最常见的直线轨道式倒立摆：一个小车可以在水平轨道上自由移动，摆杆通过铰链连接在小车上。系统的状态变量包括小车位置x、小车速度ẋ、摆杆角度θ和角速度θ̇。
使用拉格朗日力学方法推导系统方程更为简便。系统的总动能包括小车的平移动能和摆杆的平移加转动动能；势能则只有摆杆的重力势能。经过一系列推导（这里省略具体数学过程，感兴趣的读者可以参考经典控制理论教材），我们可以得到系统的非线性微分方程：
ml²θ̈ + mlcosθ ẍ - mglsinθ = 0
(M+m)ẍ + mlcosθ θ̈ - mlsinθ θ̇² = F
其中，m是摆杆质量，M是小车质量，l是摆杆长度的一半，g是重力加速度，F是施加在小车上的控制力。
2.2 线性化处理与状态空间表示
上述方程是非线性的，为了应用线性控制理论，我们需要在工作点附近进行线性化。假设摆杆接近垂直位置（θ≈0），可以做如下近似：sinθ≈θ，cosθ≈1，θ̇²≈0。简化后的线性方程为：
(M+m)ẍ + mlθ̈ = F
mlẍ + ml²θ̈ - mglθ = 0
将这些方程转换为状态空间形式更为实用。定义状态向量x = [x ẋ θ θ̇]ᵀ，控制输入u = F，输出y通常选择为小车位置和摆杆角度。经过整理，我们得到标准的状态空间方程：
ẋ = Ax + Bu
y = Cx + Du
其中，A、B、C、D矩阵的具体形式可以通过MATLAB的符号计算工具自动推导出来。这种表示方法将为我们后续设计控制器提供便利。
3. MATLAB实现：从建模到仿真
3.1 Simulink模型搭建
打开MATLAB，在命令窗口输入"simulink"启动Simulink环境。新建一个空白模型，我们将逐步构建倒立摆的仿真系统。
首先从Simulink库中拖拽以下模块：
- "State-Space"模块（来自Continuous库）：用于实现状态空间方程
- "Step"模块（来自Sources库）：作为参考输入信号
- "Scope"模块（来自Sinks库）：用于观察系统响应
- "Gain"模块（来自Math Operations库）：用于调节控制器参数
- "Sum"模块（来自Math Operations库）：用于实现反馈环
配置State-Space模块的参数，填入之前推导的A、B、C、D矩阵。对于一个小型倒立摆，典型参数值可以是：M=0.5kg，m=0.2kg，l=0.3m，g=9.81m/s²。将这些数值代入后，A矩阵大约为：
[0 1 0 0;
0 0 -0.784 0;
0 0 0 1;
0 0 19.62 0]
B矩阵约为：[0; 1.28; 0; -1.28]
3.2 LQR控制器设计
线性二次调节器(LQR)是现代控制理论中一种经典的最优控制方法。在MATLAB中设计LQR控制器非常简单。首先定义权重矩阵Q和R，它们分别表示对状态误差和控制输入的惩罚程度。通常可以这样选择：
Q = diag([10 1 100 1]); % 更关注位置和角度误差
R = 0.1; % 控制力权重
然后在MATLAB命令窗口使用lqr函数计算最优反馈增益K：
[K,S,e] = lqr(A,B,Q,R);
得到的K矩阵就是我们的状态反馈控制器。在Simulink模型中，添加一个Gain模块并将其值设为-K，连接在状态反馈路径上。
3.3 仿真与参数调优
设置仿真时间为10秒，运行仿真。初始状态下，摆杆会有一个小的初始角度扰动（比如5度）。观察Scope的输出，理想情况下系统应该能够快速稳定。
如果发现系统响应不理想，可以调整以下参数：
- 增加Q矩阵中对角度θ的权重（如从100增加到200），使控制器更关注摆杆平衡
- 减小R值，允许更大的控制力
- 检查状态反馈是否所有状态都正确连接
调试技巧：可以先用一个较小的仿真时间（如2秒）快速测试，待基本稳定后再进行长时间仿真验证鲁棒性。
4. 进阶实现：让倒立摆"跳舞"
4.1 轨迹跟踪控制
基本的平衡控制已经实现，现在让我们增加一些趣味性——让倒立摆跟随特定轨迹移动，实现"跳舞"效果。这需要将简单的平衡控制扩展为轨迹跟踪控制。
修改参考输入信号，不再使用Step信号，而是改用Signal Builder或MATLAB Function模块生成更复杂的轨迹，比如正弦波：
function y = fcn(t)
y = 0.1sin(0.5t); % 幅度0.1m，频率0.5rad/s的正弦轨迹
end
同时需要修改控制器结构，加入前馈补偿。完整的控制律变为：
u = -Kx + K_r r
其中r是参考轨迹，K_r是前馈增益，可以通过计算系统在稳态时的增益来得到：
K_r = -inv(C(A-BK)^(-1)B)
4.2 动画可视化
为了更直观地观察倒立摆的运动，我们可以创建动画。MATLAB提供了多种方式来实现：
- 使用Simulink的Animation工具箱（如果安装）
- 编写MATLAB脚本，利用plot和drawnow函数实时绘制
- 使用VR Sink模块连接虚拟现实场景
这里介绍第二种方法的简单实现。在Simulink模型中添加一个To Workspace模块，将状态变量输出到MATLAB工作区。然后创建如下脚本：
figure;
for i = 1:length(tout)
x = yout(i,1); theta = yout(i,3);
% 绘制小车
plot([x-0.2 x+0.2],[0 0],'b','LineWidth',5);
hold on;
% 绘制摆杆
plot([x x+0.5*sin(theta)],[0 0.5*cos(theta)],'r','LineWidth',2);
axis([-2 2 -0.5 1.5]);
hold off;
drawnow;
end
运行仿真后，你将看到一个动态的倒立摆跟随正弦轨迹移动的动画效果。
5. 实际应用中的挑战与解决方案
5.1 传感器噪声处理
在实际硬件实现中，传感器测量总是存在噪声。为了模拟这种情况，可以在状态反馈路径上添加白噪声。在Simulink中，使用Band-Limited White Noise模块（来自Sources库）连接到各状态测量通道。
处理噪声的常用方法是设计状态观测器（如卡尔曼滤波器）来估计真实状态。MATLAB的kalman函数可以方便地实现这一功能：
[L,P,M,Z] = kalman(sys,Qn,Rn);
其中sys是系统模型，Qn是过程噪声协方差，Rn是测量噪声协方差。
5.2 执行器饱和问题
真实的小车电机或舵机都有输出力/力矩的限制。在Simulink模型中添加Saturation模块（来自Discontinuities库）可以模拟这种限制。设置合理的上下限（如±10N），观察对系统性能的影响。
当出现饱和时，简单的LQR控制可能会失效。解决方法包括：
- 设计抗饱和补偿器
- 使用参考管理（reference governor）技术
- 采用模型预测控制(MPC)
MATLAB的Model Predictive Control Toolbox提供了现成的MPC设计工具：
mpcobj = mpc(model,Ts,P,M,W);
5.3 从仿真到实物的差距
仿真环境永远无法完全模拟真实物理系统。常见的未建模动态包括：
- 关节摩擦
- 电机响应延迟
- 结构柔性
- 空气阻力
为了增加仿真模型的真实性，可以在Simulink模型中添加这些因素：
- 在关节处添加Coulomb & Viscous Friction模块
- 在控制通道添加Transport Delay模块模拟延迟
- 使用更复杂的多体动力学工具（如Simscape Multibody）建模
我曾在将一个仿真成功的倒立摆控制器移植到实际硬件时，花了整整两周时间调整参数。最终发现主要问题是没考虑电机驱动器的电流环带宽限制。这个教训告诉我：仿真只是第一步，实际部署时需要更多的耐心和细致的调试。