Performance Comparison Between LQR and Pid Controllers for an Inverted Pendulum System

Nasir, Ahmad Nor Kasruddin; Ahmad, Mohd Ashraf; Rahmat, M. F.

doi:10.1063/1.3008655

Cited by 69 publications

(53 citation statements)

References 1 publication

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Tuy nhiên, nó vẫn luôn là một lĩnh vực nhận được nhiều sự quan tâm bởi ứng dụng rộng rãi của nó như trong kỹ thuật về tên lửa, hướng dẫn hành trình tên lửa, địa chấn và trong các hệ thống điện tử hàng không (ví dụ như máy bay, tàu con thoi không gian, vệ tinh, tàu thuỷ, robot, ôtô, …). Vì vậy nó được coi như một mô hình tiêu biểu để thử nghiệm các kỹ thuật điều khiển kinh điển và hiện đại [7], [8], [10], [11]. Cho đến nay, đã có rất nhiều phương pháp điều khiển con lắc ngược.…”

Section: Giới Thiệuunclassified

“…Cho đến nay, đã có rất nhiều phương pháp điều khiển con lắc ngược. Có thể chia thành mấy nhóm như sau: nhóm phương pháp điều khiển kinh điển, chẳng hạn như PI, PID [8], [9]; nhóm điều khiển hiện đại như điều khiển trượt thích nghi [7], điều khiển trượt bền vững [10]; nhóm các phương pháp sử dụng trí tuệ nhân tạo như mạng neuran, logic mờ và đại số gia tử [2] kết hợp với giải thuật di truyền (GA), tối ưu bầy đàn (PSO) [10], [17]. Nguyên lý chính được trình bày trong các phương pháp đó là điều khiển góc lệch của con lắc ngược so với vị trí cân bằng.…”

Section: Giới Thiệuunclassified

See 1 more Smart Citation

Điều Khiển Trượt Cho Đối Tượng Con Lắc Ngược Có Liên Kết Đàn Hồi Sử Dụng Đại Số Gia Tử

Lân¹,

Duy²

2016

Fair - Nghiên Cứu Cơ Bản Và Ứng Dụng Công Nghệ Thông Tin 2015

View full text Add to dashboard Cite

Section: Giới Thiệuunclassified

Điều Khiển Trượt Cho Đối Tượng Con Lắc Ngược Có Liên Kết Đàn Hồi Sử Dụng Đại Số Gia Tử

Lân¹,

Duy²

2016

Fair - Nghiên Cứu Cơ Bản Và Ứng Dụng Công Nghệ Thông Tin 2015

View full text Add to dashboard Cite

“…Sliding mode and PID controls of a non linear system (Inverted Pendulum system) are compared and the importance of a state space system in sliding mode control is established. The superiority of sliding mode control is emphasized [19]. The application of sliding mode speed control to SR motor is both simulated and experimentally verified.…”

Section: Introductionmentioning

confidence: 99%

A Comparative Study of Operating Angle Optimization of Switched Reluctance Motor with Robust Speed Controller using PSO and GA

Rajini¹,

Balaji²,

Prabhu³

2015

Journal of Electrical Engineering and Technology

View full text Add to dashboard Cite

-This paper's focus is in reducing the torque ripple and increasing the average torque by optimizing switching angles of 8/6 switched reluctance motor while implementing a robust speed controller in the outer loop. The mathematical model of the machine is developed and it is simulated using MATLAB/Simulink. An objective function and constraints are formulated and Optimum turn-on and turn-off angles are determined using Particle swarm optimization and Genetic Algorithm techniques. The novelty of this paper lies in implementing sliding mode speed controller with optimized angles. The results from both the optimization techniques are then compared with initial angles with one of them clearly being the better option. Speed response is compared with PID controller.

show abstract

“…2. The goal of the control design is to stabilize the angle of the inverted pendulum with PID controller [17]- [19]. The parameters of PID controller of the inverted pendulum are estimated by using Ziegler -Nichols tuning rule, first set and .…”

Section: B the Pid Controller Using (Ziegler -Nichols) Tuning Rulementioning

confidence: 99%

An Auto-Tuning Method for the Scaling Factors of Fuzzy Logic Controllers with Application to SISO Mechanical System

Nasser¹,

Sharkawy²,

Soliman³

2015

IJMMM

View full text Add to dashboard Cite

I. INTRODUCTIONFor enhancing control systems, there are two important information sources: sensors, which provide measurements of variables, and human experts who give linguistic instructions and descriptions about the system. Fuzzy logic controller (FLC) was created to combine these two different types of information by handling information coming from human operators. The main advantage of the FLC is that it can be applied to plants that are difficult to model mathematically [1]. Self-tuning of a FLC aims to adapt the controller to different operating conditions [2]. For successful design of a FLC, proper selection of input and output scaling factors and/or the tuning of other controller parameters, such as the representation and construction of the rule base or the determination of the position and shape of the membership functions, are conclusive jobs [2]. Basically, there are two different tuning approaches to achieve optimal parameters for a FLC: on-line and off-line tuning [2]. Off-line tuning scaling factor using genetic algorithm optimization method can be found in [3]. On-line tuning membership function using gradient descent optimization method is discussed in In this work, we introduce an auto-tuning mechanism for the scaling factors of a PD-type FLC. The gradient descent method is employed to optimally determine them on-line. This algorithm along with other classical controllers is tested experimentally using an inverted pendulum mounted on a cart. The inverted pendulum is a highly nonlinear and open-loop unstable system [13], [14]. Inverted pendulum system is often used as a benchmark for verifying the performance and effectiveness of control algorithms because of the simplicity of its structure [15]. Results show the effectiveness of the proposed control system. The paper is organized as follows. Section II introduces the mathematical model of the inverted pendulum. Section III gives a brief description about classical controllers which are experimentally tested in this work. In Section IV, we derive the auto-tuning algorithm for the scaling factors of the FLC. Section V describes the experimental setup. Section VI discusses the experimental results and Section VII offers our concluding remarks. II. INVERTED PENDULUM MODELThis Section provides description of the inverted pendulum used in this study. Fig. 1 shows the free body diagram. Using Newton's second law, it can be easily shown that the dynamic equations of motion are as follow: The symbols used in (1) and (2) and their numerical values are defined (see Table I).An Auto-Tuning Method for the Scaling Factors of Fuzzy Logic Controllers with Application to SISO Mechanical System Gamal Abdel Nasser, Abdel Badie Sharkawy, and M-Emad S. SolimanInternational Journal of Materials, Mechanics and Manufacturing, Vol. 3, No. 1, February 2015 The linearized model equations areWe used equations (3) and (4) for solving the Riccati equation in LQR controller to get the optimal state feedback gains. III. CLASSICAL CONTROL ALGORITHMS A. LQR (Liner Quadra...

show abstract

Performance Comparison Between LQR and Pid Controllers for an Inverted Pendulum System

Cited by 69 publications

References 1 publication

Điều Khiển Trượt Cho Đối Tượng Con Lắc Ngược Có Liên Kết Đàn Hồi Sử Dụng Đại Số Gia Tử

Điều Khiển Trượt Cho Đối Tượng Con Lắc Ngược Có Liên Kết Đàn Hồi Sử Dụng Đại Số Gia Tử

A Comparative Study of Operating Angle Optimization of Switched Reluctance Motor with Robust Speed Controller using PSO and GA

An Auto-Tuning Method for the Scaling Factors of Fuzzy Logic Controllers with Application to SISO Mechanical System

Contact Info

Product

Resources

About