小车上的倒立摆

挂在枢轴上的摆很无趣:推一下,它就摆回来。把同一个摆竖直立在只能横向移动的小车上,它就成了控制工程中最具代表性的教学问题。这个系统无法自己保持静止。放任不管它就会倒下,而且倒得越多,倒得越快。让它保持竖立的唯一办法,是移动它所站立的东西——把小车开到它下面去接住它。

这正是它值得做一整个案例的原因。经典控制中几乎每一个概念都在这里无处躲藏:不稳定的对象、必须在误差增大之前就行动的控制器、对误差作出反应与预判误差之间的区别,以及快速响应与剧烈响应之间的权衡。

物理结构

质量为 MM 的小车在水平轨道上滚动,粘性摩擦 bb 阻碍其运动。质量为 mm 的杆铰接在小车上,可在竖直平面内转动。力 uu 水平作用于小车——这是我们唯一能控制的量。角度 θ\theta 从竖直向上方向量起,因此 θ=0\theta = 0 表示平衡,θ\theta 为正表示杆向一侧倾倒。

符号含义数值
MM小车质量0.5 kg0.5\ \text{kg}
mm摆的质量0.2 kg0.2\ \text{kg}
bb小车摩擦系数0.1 N⋅s/m0.1\ \text{N}\cdot\text{s/m}
ll枢轴到质心距离0.3 m0.3\ \text{m}
II杆绕自身质心的转动惯量13ml2=0.006 kg⋅m2\tfrac{1}{3}ml^2 = 0.006\ \text{kg}\cdot\text{m}^2
gg重力加速度9.81 m/s29.81\ \text{m/s}^2

运动方程

分别取小车和杆为研究对象,由铰接点在二者之间传递力。铰接处的水平力记为 NN,竖直力记为 PP。

仅对小车,沿轨道方向应用牛顿第二定律:

Mx¨+bx˙+N=uM\ddot{x} + b\dot{x} + N = u

杆的质心水平位置为 x−lsin⁡θx - l\sin\theta(θ\theta 为正时杆向后倾,即朝 −x-x 方向);求两次导数得到杆所需的水平力:

N=mx¨−mlθ¨cos⁡θ+mlθ˙2sin⁡θN = m\ddot{x} - ml\ddot{\theta}\cos\theta + ml\dot{\theta}^2\sin\theta

代入后消去 NN,得到第一个运动方程:

(M+m)x¨+bx˙−mlθ¨cos⁡θ+mlθ˙2sin⁡θ=u(M + m)\ddot{x} + b\dot{x} - ml\ddot{\theta}\cos\theta + ml\dot{\theta}^2\sin\theta = u

第二个方程对杆的质心取矩。重力作用于质心,不产生力矩;只有两个铰接力起作用:

(I+ml2)θ¨−mglsin⁡θ=mlx¨cos⁡θ(I + ml^2)\ddot{\theta} - mgl\sin\theta = ml\ddot{x}\cos\theta

这是两个耦合的非线性方程。注意重力项的符号:当 θ\theta 从上方量起时,移到右边后为 +mglsin⁡θ+mgl\sin\theta,它把 θ¨\ddot\theta 推向 θ\theta 已经指向的方向——这正是系统会倒下而不是摆回来的原因。

在竖直位置附近线性化

平衡意味着保持在 θ=0\theta = 0 附近。小角度时 sin⁡θ≈θ\sin\theta \approx \theta,cos⁡θ≈1\cos\theta \approx 1,θ˙2\dot{\theta}^2 为二阶小量,完全略去:

(I+ml2)θ¨−mglθ=mlx¨(I + ml^2)\ddot{\theta} - mgl\theta = ml\ddot{x}

(M+m)x¨+bx˙−mlθ¨=u(M + m)\ddot{x} + b\dot{x} - ml\ddot{\theta} = u

在零初始条件下作拉普拉斯变换,消去 X(s)X(s),得到从作用力到摆角的传递函数:

Θ(s)U(s)=mlq ss3+b(I+ml2)qs2−(M+m)mglqs−bmglq\frac{\Theta(s)}{U(s)} = \frac{\dfrac{ml}{q}\,s}{s^3 + \dfrac{b(I + ml^2)}{q}s^2 - \dfrac{(M+m)mgl}{q}s - \dfrac{bmgl}{q}}

其中

q=(M+m)(I+ml2)−(ml)2q = (M + m)(I + ml^2) - (ml)^2

代入上面的数值,q=0.0132q = 0.0132,传递函数变为

Θ(s)U(s)=4.54545 ss3+0.18182 s2−31.21364 s−4.45909\frac{\Theta(s)}{U(s)} = \frac{4.54545\,s}{s^3 + 0.18182\,s^2 - 31.21364\,s - 4.45909}

为什么会倒

分母中的两个负号说明了一切。对其因式分解,极点为

s=+5.568,s=−5.607,s=−0.143s = +5.568,\qquad s = -5.607,\qquad s = -0.143

其中一个位于右半平面。任何扰动,无论多小,都会激起按 e5.568te^{5.568t} 增长的响应——角度大约每 0.120.12 秒翻一倍。这不是建模的假象,而是用代数写下的"杆在倒下"。

断开控制器运行这个图,你看到的正是如此:轻推一下,曲线就冲出图的上边界,再也不回来。

把整个对象写成一个状态空间模型

上面的传递函数只描述角度。把小车加进来,线性化系统有四个状态——小车位置和速度、杆的角度和角速度——以及一个输入:

x˙=Ax+Bu,x=[xx˙θθ˙]T\dot{\mathbf{x}} = A\mathbf{x} + Bu,\qquad \mathbf{x} = \begin{bmatrix} x & \dot{x} & \theta & \dot{\theta} \end{bmatrix}^\mathsf{T}

A=[01000−(I+ml2)bqm2gl2q000010−mlbqmgl(M+m)q0],B=[0I+ml2q0mlq]A = \begin{bmatrix} 0 & 1 & 0 & 0 \\ 0 & -\dfrac{(I+ml^2)b}{q} & \dfrac{m^2gl^2}{q} & 0 \\ 0 & 0 & 0 & 1 \\ 0 & -\dfrac{mlb}{q} & \dfrac{mgl(M+m)}{q} & 0 \end{bmatrix},\qquad B = \begin{bmatrix} 0 \\ \dfrac{I+ml^2}{q} \\ 0 \\ \dfrac{ml}{q} \end{bmatrix}

它的极点是上面三个再加一个 s=0s = 0:小车,它根本没有偏好的位置。展开后,由该模型得到的角度传递函数为

Θ(s)U(s)=4.545 s2s (s3+0.182 s2−31.21 s−4.459)\frac{\Theta(s)}{U(s)} = \frac{4.545\,s^2}{s\,(s^3 + 0.182\,s^2 - 31.21\,s - 4.459)}

有一个 ss 被约去。正是这个对消使三阶传递函数成立,也正是只看角度的控制器无法把小车拉回来的全部原因:从 θ\theta 看,小车的极点是不可见的。

小车位置有自己的零点,位于 s=±mgl/(I+ml2)=±4.95s = \pm\sqrt{mgl/(I+ml^2)} = \pm 4.95。右半平面的那个零点稍后会起作用。

在 BlockWerk 中搭建

对象是一个 StateSpace 模块。它的矩阵不是小数:每个元素都写成图中变量的表达式——mgl(M+m)/q、(I+ml^2)/q——在模型运行时求值。拖动 MM 滑块,AA 和 BB 随之变化;引擎就地重建模块矩阵,无需重启。CC 为单位矩阵,所以模块有四个输出 y_0 到 y_3,每个状态一个。

传统桌面仿真套件需要几个 GB 的安装(参见我们的 Simulink 替代方案 对比),而 BlockWerk 直接在浏览器中用 WebAssembly 以 60 fps 求解这个四阶不稳定系统,学校笔记本无需安装即可使用(参见 在 Chromebook 和 iPad 上学控制)。

其余一切都接在这些输出上。角度经过 ±90°\pm 90° 的 Saturation——即地面,线性模型对此一无所知——送往示波器和只看角度的控制器。四个状态全部送往状态反馈的 Gain 模块。

扰动系统

这里有一个值得刻意绕开的陷阱。

最直观的测试是给设定值一个阶跃。对角度而言它毫无作用。设定值就是零——竖直——而模型从竖直开始,误差为零,控制器没有输出,曲线永远是一条平线。并没有出错,只是没有需要修正的东西。

平衡问题不是跟踪问题。真正要问的是 _"如果有东西撞了它,控制器能接住吗?"_ 所以输入是作用在力上的扰动:短暂一推,然后什么都没有。本模型在 t=0.2 st = 0.2\ \text{s} 施加持续 0.1 s0.1\ \text{s}、幅值 10 N10\ \text{N} 的矩形脉冲——冲量为 1 N⋅s1\ \text{N}\cdot\text{s}——由两个相互抵消的 Step 模块构成。没有控制器时,半秒后杆就会落地。

只看角度的控制器

第一个回路是作用在 −θ-\theta 上的 PIDController。五组增益,每组在 5 s5\ \text{s} 运行、采样时间 0.001 s0.001\ \text{s} 下测得:

KpK_pKiK_iKdK_dθ\theta 峰值角度(度)回到 0.0050.005 rad 以内
1001200.04110.04112.35°2.35°0.750.75 s
1000200.04110.04112.35°2.35°0.750.75 s
3205.50.13960.13968.00°8.00°1.051.05 s
501100.08190.08194.69°4.69°0.940.94 s
2001400.02050.02051.17°1.17°0.590.59 s

单纯的比例作用就是一根弹簧。 只有 Kp=100K_p = 100 时,闭环极点位于 −0.10±20.6j-0.10 \pm 20.6j:杆以 3.3 Hz3.3\ \text{Hz}、阻尼比 0.0050.005 穿过竖直位置不停摆动。第三个极点 +0.011+0.011 仍不稳定——只是很慢。

微分作用消耗能量。 它响应 θ˙\dot\theta,即杆下落的快慢,因此在杆几乎还竖直时就开始推。取 Kd=20K_d = 20,摆动在一秒内消失。

积分作用移动最后一个慢极点。 没有积分时,闭环特征多项式的常数项 −bmgl/q+Ki ml/q-bmgl/q + K_i\,ml/q 为负,一个极点停留在 +0.011+0.011。Ki=1K_i = 1(CTMS 的选择)使它变为 −0.0002-0.0002:纸面上稳定,时间常数约 80 分钟。

而在这一切过程中,小车在漂移。被推之后它匀速离开——五秒半米,二十秒两米——因为无论怎样选取 KpK_p、KiK_i、KdK_d,都无法移动 s=0s = 0 处的极点。

状态反馈:小车回来了

测量全部四个状态并逐一反馈:

u=−K [x−xrefx˙θθ˙]Tu = -K\,\begin{bmatrix} x - x_\text{ref} & \dot{x} & \theta & \dot{\theta} \end{bmatrix}^\mathsf{T}

模型采用 CTMS 的 LQR 设计,以 Q=diag⁡(5000,0,100,0)Q = \operatorname{diag}(5000, 0, 100, 0) 最小化 ∫(xTQ x+u2) dt\int (\mathbf{x}^\mathsf{T} Q\,\mathbf{x} + u^2)\,dt:

K=[−70.7−37.8105.620.9]K = \begin{bmatrix} -70.7 & -37.8 & 105.6 & 20.9 \end{bmatrix}

闭环极点位于 −8.49±7.93j-8.49 \pm 7.93j 和 −4.76±0.83j-4.76 \pm 0.83j。被推之后杆的峰值为 5.4°5.4°,小车回到中间。在 t=1.5 st = 1.5\ \text{s} 给 0.2 m0.2\ \text{m} 的设定值阶跃,大约需要一秒、最大倾角 9°9°、14 N14\ \text{N} 的力——并且一开始小车会向反方向移动 58 mm58\ \text{mm}。这就是 +4.95+4.95 处的零点:要让杆朝目标倾斜,小车必须先从它下面移开,而状态反馈能移动每一个极点,却移动不了零点。

传输延迟

真实回路存在延迟——滤波、采样、总线、驱动器。在小车输入处断开回路,回路增益 L(s)=K(sI−A)−1BL(s) = K(sI - A)^{-1}B 在 26.1 rad/s26.1\ \text{rad/s} 处穿越 0 dB0\ \text{dB},相位裕度 61.3°61.3°。传输延迟(Delay)τd\tau_d 不改变幅值,只从相位中减去 ωτd\omega\tau_d,因此延迟裕度为

τmax=61.3°⋅π/18026.1 rad/s≈41 ms\tau_\text{max} = \frac{61.3° \cdot \pi/180}{26.1\ \text{rad/s}} \approx 41\ \text{ms}

实测:30 ms30\ \text{ms} 使最大倾角从 9°9° 增至 13°13°,剩余 16°16° 裕度;40 ms40\ \text{ms} 在临界处振荡;50 ms50\ \text{ms} 时杆会倒下。

可以尝试的事

  • 速度滑块把四个 LQR 极点按同一倍数缩放,并针对其他滑块所描述的对象重新设计增益。取 0.50.5 时,一次设定值变化需要 0.9 N0.9\ \text{N};取 1.51.5 时需要 72 N72\ \text{N} 和 21°21° 的倾角。
  • 把速度 1.51.5 与 30 ms30\ \text{ms} 延迟结合。更快的控制器穿越频率更高,延迟裕度只有约 28 ms28\ \text{ms}:杆会倒。
  • 把风设为 5 N5\ \text{N}。杆保持竖直,但小车停在距设定值约 7 cm7\ \text{cm} 处:静止时控制器必须以 −5 N-5\ \text{N} 抵抗,而位置增益只有在存在误差 F/kxF/k_x 时才会这样做。对 xx 加积分作用即可消除它。
  • 把 ll 调大。杆越长倒得越慢——不稳定极点向原点移动——这就是杂技演员平衡长杆而不是短杆的原因。

本模型忽略了什么

模型是线性的,因此只在竖直附近可信:sin⁡θ≈θ\sin\theta \approx \theta 在约 14°14° 以内误差小于 1%1\%。线性模型会尽职地从真实杆根本无法恢复的角度把它接住。要把杆从下垂位置甩上来,首先需要非线性控制器——Åström–Furuta 能量控制将 E=12(I+ml2)θ˙2+mgl(cos⁡θ−1)E = \tfrac12 (I+ml^2)\dot\theta^2 + mgl(\cos\theta - 1) 驱动到零,强化学习是另一条途径——接近顶端时再由像本例这样的线性控制器接管。

这里的小车在无限长的轨道上运行,电机能提供任何所需的力。

来源

本文所用的参数组(MM、mm、bb、ll)以及选用该系统作为例题,均来自 Control Tutorials for MATLAB & Simulink(CTMS),作者为 Dawn Tilbury 教授(密歇根大学)和 Bill Messner 教授(卡内基梅隆大学),后由 Rick Hill 教授(底特律慈悲大学)、JD Taylor(CMU)和 Shuvra Das 教授(底特律慈悲大学)扩展,由美国国家科学基金会(资助号 DUE 9554819)和 MathWorks 资助。CTMS 采用 CC BY-SA 4.0 许可。

本页的推导、文字、框图以及所有实测数据均为我们自己的工作,使用 BlockWerk 自己的引擎得出。我们取 g=9.81 m/s2g = 9.81\ \text{m/s}^2。

小车倒立摆的运动方程是标准内容,大多数控制教材中都有基本相同的形式,其中包括 Ogata 的 Modern Control Engineering、Nise 的 Control Systems Engineering,以及 Franklin、Powell 与 Emami-Naeini 的 Feedback Control of Dynamic Systems。

另请参阅

  • StateSpace:完整的四状态小车-摆动态对象模型。
  • Gain:全状态反馈 LQR 增益向量的实现。
  • PIDController:只针对角度的镇定回路。
  • Delay:执行器传输延迟与相位滞后建模。
  • Saturation:机械角度限制(±90∘\pm 90^\circ 处的地面止挡)。
  • XYPlot:相平面轨迹可视化(θ\theta 对 θ˙\dot{\theta})。
  • uPlotDisplay:快速多通道时域波形。
  • Simulink 替代方案:浏览器原生的控制工程,没有桌面许可的门槛。
  • 在 Chromebook 和 iPad 上学控制:在便携的学校设备上实时仿真倒立摆。
  • 交互式仿真指南:掌握龙格-库塔数值求解器、采样时间与稳定性。

常见工程问题解答 (FAQ)

Q: How do you linearize the equations of motion for an inverted pendulum cart around theta = 0?

The coupled nonlinear equations derived via Euler-Lagrange are (M+m)x¨+mLθ¨cos⁡θ−mLθ˙2sin⁡θ=F(M + m)\ddot{x} + m L \ddot{\theta}\cos\theta - m L \dot{\theta}^2\sin\theta = F and mLx¨cos⁡θ+(I+mL2)θ¨−mgLsin⁡θ=0m L \ddot{x}\cos\theta + (I + m L^2)\ddot{\theta} - m g L \sin\theta = 0. Linearizing around upright equilibrium x0=[0,0,0,0]Tx_0 = [0, 0, 0, 0]^T using small-angle approximations sin⁡θ≈θ\sin\theta \approx \theta, cos⁡θ≈1\cos\theta \approx 1, and dropping second-order velocities θ˙2≈0\dot{\theta}^2 \approx 0 yields the linear state-space system x˙=Ax+Bu\dot{x} = A x + B u with states x=[p,p˙,θ,θ˙]Tx = [p, \dot{p}, \theta, \dot{\theta}]^T. Here, denominator Jt=(M+m)(I+mL2)−(mL)2J_t = (M+m)(I+mL^2) - (mL)^2, producing an unstable open-loop pole at s=+(M+m)mgLJts = +\sqrt{\frac{(M+m)mgL}{J_t}}.

Q: Why is Full-State Feedback (LQR) superior to dual-PID loops for cart-pendulum stabilization?

The inverted cart-pendulum is an underactuated system (1 control force FF controls 2 degrees of freedom: cart position pp and pole angle θ\theta). Decentralized PID loops suffer from severe dynamic cross-talk: moving the cart forward requires accelerating backward first, introducing non-minimum phase right-half-plane zeros. Linear Quadratic Regulation (LQR) solves the continuous algebraic Riccati equation ATP+PA−PBR−1BTP+Q=0A^T P + P A - P B R^{-1} B^T P + Q = 0 to calculate optimal state gain matrix K=R−1BTPK = R^{-1} B^T P, coordinating cart positioning and balance simultaneously with guaranteed stability margins (≥60∘\ge 60^\circ phase margin).

Q: What happens when the cart actuator saturates, and how is this simulated in BlockWerk?

When required motor force exceeds physical limits ∣u∣>Fmax⁡|u| > F_{\max}, the linear control law loses control authority. If ∣θ∣>θcrit|\theta| > \theta_{\text{crit}}, gravitational torque mgLsin⁡θm g L \sin\theta exceeds the maximum recoverable horizontal torque Fmax⁡Lcos⁡θF_{\max} L \cos\theta, causing the pole to fall open-loop. In BlockWerk, inserting a Saturation block between the state-gain matrix KK and plant input BB dynamically clamps u(t)=clamp(u,−Fmax⁡,Fmax⁡)u(t) = \text{clamp}(u, -F_{\max}, F_{\max}), enabling engineers to accurately verify the maximum impulse disturbance before destabilization.

在 BlockWerk 中仿真

浏览器即开即用的交互式仿真环境 — 无需安装,由 WebAssembly 强力驱动。

在 BlockWerk 中仿真 →