基于T-S模糊模型的倒立摆智能控制及仿真研究(3)
4)侦察卫星中摄像机的轻微抖动会对摄像的图像质量产生很大的影响，为了提高摄像的质量，必须能自动地保持伺服云台的稳定，消除震动。
5) 为防止单级火箭在拐弯时断裂而诞生的柔性火箭(多级火箭)， 其飞行姿态的控制也可以用多级倒立摆系统进行研究.由于倒立摆系统与双足机器人，火箭飞行控制和各类伺服云台稳定有很大相似性，因此对倒立摆控制机理的研究具有重要的理论和实践意义。
智能控制为倒立摆系统提供了简单有效的处理方法.采用智能控制中基于特征模型的多模态控制方式、启发式逻辑和知识推理机制来实现非线性处理.在倒立摆系统中用到的智能控制方法主要有模糊控制、神经网络控制、云模型控制和拟人智能控制等。
1）模糊控制
经典的模糊控制器利用模糊集合理论将专家知识或操作人员经验形成的语言规则直接转化为自动控制策略(专家模糊规则查询表)，其设计不依靠对象精确数学模型，而是利用其语言知识模型进行设计和修正控制算法. 程福雁等运用模糊规则控制，将现代控制理论与模糊控制理论相结合，成功稳定住了二级倒立摆系统.研究结果证明，将成熟的现代控制理论用于模糊控制器中处理多变量问题，是一种可行的方法和思路。从这些文献中可以看出，常规的模糊控制器的设计方法有很大的局限性。首先难以建立一组比较完善的多文模糊控制规则。针对以上问题，R.Langari应用双层多变量模糊控制器与解耦的二级倒立摆系统，低层子系统的模糊控制器构成执行器，高层子系统的模糊控制器起协调作用；张乃尧等采用模糊双闭环的方案，成功稳定住了单级倒立摆.另外一种方法是基于模糊模型的模糊控制器.马小军等引入单级倒立摆的模糊状态空间模型，该模型建模方法的本质在于：一个整体非线性的动力学模型可以看成是许多个局部线性模型的模糊逼近.并证明了适用于线性系统的分离原理同样适用于模糊系统，独立设计的模糊控制器和观测器成功稳定单级倒立摆。
2) 神经网络控制
80年代以来，神经网络逐渐被运用于倒立摆系统的研究，ChariesW.Andorson在1988年应用自学习模糊神经网络控制单摆获得成功。周建波等采用基于BP网络的规则控制也解决了倒立摆的稳定控制问题。徐红兵等提出了基于变结构的模糊神经网络控制方法，实现了二级倒立摆系统的控制。神经网络控制方法存在的主要问题是：缺乏一种专门适用于控制问题的动态神经网络，而且多层网络的层数、隐层神经元的数量、激发函数类型的选择缺乏指导性原则以及如何进行动态网络的稳定性分析等。
3) 模糊神经网络控制
与传统的神经网络不同，模糊神经网络中的结构和权值有一定的物理意义，它的结构和初始权值可根据先验知识人为的加以选择。这样网络的学习速度大大加快，泛化能力增加，并在一定程度上回避了梯度优化算法带来的局部极小值问题。J.R.Jang采用反向传播方法实现模糊神经网络的自学习，形成模糊控制器。试验结果证明这一方法的有效性和控制器较强的鲁棒性。
4) 基于遗传算法的控制方法
遗传算法GA是一种自适应启发式的全局性搜索优化方法，是基于自然选择和进化遗传等生物进化机制的迭代自适应概率性搜索方法.其优点是简单、鲁棒性强，是一种随机优化技术。
5) 拟人智能控制
张明廉等运用问题规约原理，成功地解决了从一级到三级倒立摆系统的稳定控制.该原理是将一个复杂的问题进行层层分析，得到一系列的子问题，如果能够找到这些子问题的解决方法，然后进行逆向求解，则原问题也就迎刃而解.问题规约原理提出了一种很好的思想，很值得在其他问题研究中加以借鉴。