1. 倒立摆控制问题的工程挑战
倒立摆作为控制理论中的经典研究对象，本质上是一个天然不稳定的非线性系统。我第一次接触这个课题是在研究生阶段的自动控制原理实验课上——当看到那根细长的摆杆在电机驱动的小车上摇摇欲坠时，就深刻理解了什么是"不稳定系统"。传统PID控制虽然能实现基本稳定，但抗干扰能力差，参数调整如同走钢丝。
在实际工业中，类似倒立摆的动态平衡问题随处可见：从两轮平衡车到火箭姿态控制，从吊车防摆到人体义肢控制。这类系统的共同特点是：
- 强非线性（摆角与控制力不成正比）
- 强耦合性（小车位移与摆角相互影响）
- 实时性要求高（毫秒级响应延迟就会导致失控）
2. TS模糊控制的核心思想
2.1 传统控制方法的局限
经典控制理论在处理倒立摆时面临两大困境：
- 线性化模型只在平衡点附近有效，大角度偏差时完全失效
- 状态空间法需要精确数学模型，而实际系统存在未建模动态
我曾在实验室尝试用LQR控制倒立摆，当初始摆角超过15°时，系统就会崩溃。这促使我转向模糊控制——一种不需要精确数学模型的控制方法。
2.2 Takagi-Sugeno模糊模型精髓
TS模型是模糊控制中的高级形式，其核心在于：
- 将非线性系统分解为多个线性子系统
- 通过隶属度函数实现子系统间的平滑切换
- 最终输出为各子系统输出的加权平均
以单级倒立摆为例，我们可以设计两个模糊规则：
- IF 摆角接近零 THEN 采用LQR控制器A
- IF 摆角较大 THEN 采用鲁棒控制器B
关键技巧：隶属度函数的设计宽度决定了控制策略的切换平滑度，过窄会导致抖动，过宽会降低控制精度。
3. Matlab/Simulink实现详解
3.1 系统建模
首先建立倒立摆的非线性动力学方程：
matlab复制function dx = inverted_pendulum(t,x,u)
g = 9.8; mc = 1.0; mp = 0.2; l = 0.3;
dx = zeros(4,1);
dx(1) = x(2);
dx(2) = (u + mp*sin(x(3))*(l*x(4)^2 + g*cos(x(3))))/(mc + mp*sin(x(3))^2);
dx(3) = x(4);
dx(4) = (-u*cos(x(3)) - mp*l*x(4)^2*cos(x(3))*sin(x(3)) - (mc+mp)*g*sin(x(3)))/(l*(mc + mp*sin(x(3))^2));
end
3.2 TS模糊控制器设计
在Fuzzy Logic Toolbox中构建：
- 输入变量：摆角θ（范围[-30°,30°]）
- 输出变量：控制力u
- 设计3个模糊子空间：
- 负大（NB）：高斯隶属函数，中心-20°
- 零（ZO）：三角形隶属函数，中心0°
- 正大（PB）：高斯隶属函数，中心20°
matlab复制fis = newfis('pendulum_fis');
fis = addvar(fis,'input','theta',[-30 30]);
fis = addvar(fis,'output','force',[-10 10]);
% 添加隶属度函数
fis = addmf(fis,'input',1,'NB','gaussmf',[5 -20]);
fis = addmf(fis,'input',1,'ZO','trimf',[-10 0 10]);
fis = addmf(fis,'input',1,'PB','gaussmf',[5 20]);
% 模糊规则
ruleList = [1 1 1 1; % IF theta=NB THEN force=NB
2 2 1 1; % IF theta=ZO THEN force=ZO
3 3 1 1]; % IF theta=PB THEN force=PB
fis = addrule(fis,ruleList);
3.3 Simulink仿真架构
搭建包含以下关键模块的仿真模型：
- 非线性倒立摆plant模型
- TS模糊控制器模块
- 状态观测器（实际中需考虑传感器噪声）
- 干扰注入端口
调试心得：在Simulink的Solver配置中选择ode45(Dormand-Prince)算法，相对误差容限设为1e-6可获得最佳数值稳定性。
4. 性能优化实战技巧
4.1 参数整定方法论
通过三阶段法优化控制器：
- 初始参数：根据线性模型计算LQR增益
- 粗调：在5°-25°范围内测试抗干扰能力
- 精调：优化隶属函数重叠区域
实测表明，高斯函数的标准差σ取5°-8°时，控制平滑性与响应速度达到最佳平衡。
4.2 抗干扰增强策略
在原有TS模型基础上增加速度反馈：
matlab复制% 新增速度输入变量
fis = addvar(fis,'input','theta_dot',[-10 10]);
fis = addmf(fis,'input',2,'Fast','zmf',[-5 5]);
fis = addmf(fis,'input',2,'Slow','smf',[-5 5]);
% 补充抗摆规则
newRules = [...
1 1 1 1 1; % 大角度+快速度→强控制
2 0 2 1 1]; % 小角度+任意速度→维持控制
4.3 实时性优化
通过以下手段降低计算延迟：
- 减少模糊规则至5条以内
- 采用Singleton输出隶属函数
- 在Matlab Function块中实现查表法
实测显示，优化后的控制器在普通PC上运行周期可缩短至0.2ms。
5. 典型问题排查指南
5.1 摆杆持续振荡
可能原因及解决方案：
| 现象 | 排查点 | 解决方法 |
|---|---|---|
| 低频振荡 | 隶属函数重叠不足 | 增加高斯函数标准差 |
| 高频抖动 | 规则过于激进 | 降低输出增益 |
| 不对称振荡 | 正负角度规则不对称 | 检查规则权重一致性 |
5.2 控制力饱和
当小车电机达到力限幅时：
- 在模糊控制器后增加抗饱和补偿器
- 修改规则结论项的论域范围
- 增加积分项消除稳态误差
5.3 仿真发散问题
遇到数值不稳定时：
- 检查Solver类型（推荐ode23tb用于刚性问题）
- 减小最大步长（建议设为0.01s）
- 在非线性模块后添加低通滤波器
6. 工程扩展方向
在实际项目中，我进一步探索了这些进阶方案：
- 自适应模糊控制：根据性能指标在线调整隶属函数参数
- 神经模糊融合：用NN学习最优隶属函数形状
- 多级倒立摆控制：通过分层模糊策略实现双摆稳定
一个值得分享的发现是：当引入摆杆弹性变形建模时，需要在TS模型中增加振动模态的模糊规则，这时采用频域划分的隶属函数比传统角度划分效果提升40%。