TS模糊控制在倒立摆系统中的应用与实践

1. 倒立摆控制：从理论到实践

倒立摆作为控制领域的经典研究对象，本质上是一个天然不稳定的非线性系统。就像试图用手指平衡一支铅笔，任何微小的扰动都会导致系统迅速失稳。传统控制方法如PID虽然在某些工况下有效，但面对复杂的非线性动态时往往力不从心。这正是TS(Takagi-Sugeno)模糊控制大显身手的地方——它不需要精确的数学模型，而是通过"分而治之"的策略，将复杂的非线性系统分解为多个线性子系统的加权组合。

我在实验室调试倒立摆系统时，最深刻的体会是：模糊控制器的性能90%取决于前期的设计思路。很多人一上来就急着写规则库，结果调参调到怀疑人生。正确的打开方式应该是先吃透被控对象的物理特性，再有的放矢地设计模糊控制器。

2. TS模糊控制器设计详解

2.1 系统架构设计

一个完整的TS模糊控制系统通常包含四个核心模块：

1. 模糊化接口：将精确输入转换为模糊量
2. 知识库：包含隶属函数和模糊规则
3. 推理引擎：根据规则进行逻辑判断
4. 解模糊接口：将模糊输出转为精确量

在MATLAB中，我们可以通过FIS(Fuzzy Inference System)工具箱快速搭建这个架构。下面这个初始化代码创建了一个使用乘积推理、求和聚合、最小蕴含和质心解模糊方法的FIS对象：

matlab复制fis = newfis('pendulum','prod','sum','prod','min','centroid');

注意：选择"prod"作为AND方法而非默认的"min"，可以更好地保持规则间的非线性关系，这对倒立摆这样的强非线性系统尤为重要。

2.2 输入变量与隶属函数设计

对于一阶倒立摆，我们通常选择摆杆角度θ和角速度dθ/dt作为输入变量。在代码中，我们首先定义角度输入变量：

matlab复制fis = addvar(fis,'input','angle',[-30 30]*pi/180); % 角度范围±30度

接着设计隶属函数。高斯型隶属函数(gaussmf)因其平滑性成为首选，其数学表达式为：

μ(x) = exp(-(x-c)²/(2σ²))

其中c决定函数中心位置，σ控制曲线宽度。我们为角度变量设置三个模糊集：

matlab复制fis = addmf(fis,'in