Thiết Kế Bộ Điều Khiển Và Bộ Quan Sát Bền Vững Cho Hệ Thống Con Lắc Ngược Với Sự Ảnh Hưởng Của Thành Phần Bất Định Dựa Trên Cách Tiếp Cận LMIs

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT

THÀNH PHỐ HỒ CHÍ MINH
CÔNG TRÌNH NCKH CẤP TRƯỜNG TRỌNG ĐIỂM
THIẾT KẾ BỘ ĐIỀU KHIỂN VÀ BỘ QUAN SÁT

BỀN VỮNG CHO HỆ THỐNG CON LẮC NGƯỢC
VỚI SỰ ẢNH HƯỞNG CỦA THÀNH PHẦN BẤT
S K C 0 0 3 9 5 9
ĐỊNH DỰA TRÊN CÁCH TIẾP CẬN LMIs
MÃ SỐ: T2020-42TĐ
S KC 0 0 7 3 3 0
Tp. Hồ Chí Minh, tháng 4/2021

BỘ GIÁO DỤC VÀ ĐÀO TẠO
BÁO CÁO TỔNG KẾT

ĐỀ TÀI NCKH CẤP TRƯỜNG TRỌNG ĐIỂM

Mã số: T2020-42TD
Chủ nhiệm đề tài: TS. Vũ Văn Phong
TP. HCM, 04/2021

KHOA ĐIỆN – ĐIỆN TỬ
BÁO CÁO TỔNG KẾT

ĐỀ TÀI NCKH CẤP TRƯỜNG TRỌNG ĐIỂM

Mã số: T2020-42TĐ
Chủ nhiệm đề tài: TS. Vũ Văn Phong

Thành viên đề tài: PGS. TS. Nguyễn Minh Tâm
TS. Trần Vi Đô
TP. HCM, 04/2021

DANH SÁCH THÀNH VIÊN THAM GIA ĐỀ TÀI VÀ ĐƠN
VỊ PHỐI HỢP CHÍNH
Thành viên:
- TS. Vũ Văn Phong
- PGS. TS. Nguyễn Minh Tâm
- TS. Trần Vi Đô
Đơn vị phối hợp chính:
- Trường Đại học SPKT TP HCM
i
DANH MỤC HÌNH
HÌNH 2.1: HỆ TRỤC TỌA ĐỘ CHO HỆ XE CON LẮC NGƯỢC ...........................................................10

HÌNH 2.2: CÁC VỊ TRÍ LÀM VIỆC TĨNH CỦA HỆ XE CON LẮC NGƯỢC.........................................15
HÌNH 3.1:CẤU TRÚC HỆ THỐNG CON LẮC NGƯỢC VỚI BỘ QUAN SÁT ......................................17
HÌNH 3. 2: CẤU TRÚC HỆ THỐNG CON LẮC NGƯỢC VỚI BỘ ĐIỀU KHIỂN KẾT HỢP VỚI BỘ
QUAN SÁT .......................................................................................................................................20
HÌNH 3.3: CẤU TRÚC HỆ THỐNG ĐIỀU KHIỂN CON LẮC NGƯỢC VỚI SỰ TỒN TẠI CỦA
THÀNH PHẦN BẤT ĐỊNH..............................................................................................................24
HÌNH 4.1: VỊ TRÍ 𝑥1(𝑡), TÍN HIỆU ƯỚC LƯỢNG VỊ TRÍ 𝑥1(𝑡), VÀ SAI SỐ ƯỚC LƯỢNG 𝑒1(𝑡). ..33
HÌNH 4.2: VẬN 𝑥2(𝑡), TÍN HIỆU ƯỚC LƯỢNG VẬN TỐC 𝑥2(𝑡), VÀ SAI SỐ ƯỚC LƯỢNG 𝑒2(𝑡).
...........................................................................................................................................................34
HÌNH 4.3: GÓC 𝑥3(𝑡), TÍN HIỆU ƯỚC LƯỢNG GÓC 𝑥3(𝑡), VÀ SAI SỐ ƯỚC LƯỢNG 𝑒3(𝑡). ........34
HÌNH 4. 4: VẬN TÓC GÓC 𝑥4(𝑡), TÍN HIỆU ƯỚC LƯỢNG VẬN TỐC GÓC 𝑥4(𝑡), VÀ SAI SỐ ƯỚC
LƯỢNG 𝑒4(𝑡). ..................................................................................................................................35
HÌNH 4.5: VỊ TRÍ 𝑥1(𝑡), TÍN HIỆU ƯỚC LƯỢNG VỊ TRÍ 𝑥1(𝑡), VÀ SAI SỐ ƯỚC LƯỢNG 𝑒1(𝑡). ..36
...........................................................................................................................................................36
HÌNH 4.7:GÓC 𝑥3(𝑡), TÍN HIỆU ƯỚC LƯỢNG GÓC 𝑥3(𝑡), VÀ SAI SỐ ƯỚC LƯỢNG 𝑒3(𝑡). .........37
HÌNH 4.8: VẬN TÓC GÓC 𝑥4(𝑡), TÍN HIỆU ƯỚC LƯỢNG VẬN TỐC GÓC 𝑥4(𝑡), VÀ SAI SỐ ƯỚC
LƯỢNG 𝑒4(𝑡). ..................................................................................................................................37
...........................................................................................................................................................39
HÌNH 4.11: GÓC 𝑥3(𝑡), TÍN HIỆU ƯỚC LƯỢNG GÓC 𝑥3(𝑡), VÀ SAI SỐ ƯỚC LƯỢNG 𝑒3(𝑡). ......40
HÌNH 4.12VẬN TÓC GÓC 𝑥4(𝑡), TÍN HIỆU ƯỚC LƯỢNG VẬN TỐC GÓC 𝑥4(𝑡), VÀ SAI SỐ ƯỚC
LƯỢNG 𝑒4(𝑡). ..................................................................................................................................40
ii
DANH MỤC BẢNG
BẢNG 2.1: KÍ HIỆU VÀ Ý NGHĨA CỦA CÁC THAM SỐ TRONG CON LẮC NGƯỢC 10
BẢNG 2.2: GIÁ TRỊ CỤ THỂ CỦA CÁC ĐẠI LƯƠNG LIÊN QUAN ĐẾN HỆ XE CON LẮC NGƯỢC
14
iii
BẢNG CÁC CHỮ VIẾT TẮT
Chữ viết tắt Ý nghĩa tiếng Anh Ý nghĩa tiếng Việt

LMI Linear Matrix Inequality Bất phương trình ma trận
tuyến tính
BMI Bilinear Matrix Inequality Bất phương trình ma trận
phi tuyến
iv
MỤC LỤC
DANH SÁCH THÀNH VIÊN THAM GIA ĐỀ TÀI VÀ ĐƠN VỊ PHỐI HỢP CHÍNH ........................ I
DANH MỤC HÌNH .................................................................................................................................... II
DANH MỤC BẢNG .................................................................................................................................. III
BẢNG CÁC CHỮ VIẾT TẮT ................................................................................................................. IV
MỤC LỤC.................................................................................................................................................... V
THÔNG TIN KẾT QUẢ NGHIÊN CỨU ..................................................................................................1
INFORMATION ON RESEARCH RESULTS .........................................................................................3
CHƯƠNG 1: MỞ ĐẦU................................................................................................................................5
1.1. ĐẶT VẤN ĐỀ .......................................................................................................................................5
1.2. MỤC ĐÍCH NGHIÊN CỨU ....................................................................................................................7
1.3. ĐỐI TƯỢNG NGHIÊN CỨU...................................................................................................................7
1.4. GIỚI HẠN NGHIÊN CỨU ......................................................................................................................7
NGHIÊN CỨU GIẢI THUẬT ĐỂ THIẾT KẾ BỘ ĐIỀU KHIỂN VÀ BỘ QUAN SÁT CHO HỆ CON LẮC NGƯỢC ĐỂ
ƯỚC LƯỢNG BIẾN TRẠNG THÁI VÀ ĐIỀU KHIỂN CON LẮC NGƯỢC ỔN ĐỊNH TẠI GỐC. KẾT QUẢ NGHIÊN
CỨU CHỈ THỰC HIỆN MÔ PHỎNG ĐỂ CHỨNG MINH SỰ THÀNH CÔNG CỦA PHƯƠNG PHÁP. ......................7
1.5. TÌNH HÌNH NGHIÊN CỨU TRONG VÀ NGOÀI NƯỚC ............................................................................7

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT .........................................................................................................10
2.1 ĐẶT HỆ TRỤC TỌA ĐỘ CHO HỆ CON LẮC NGƯỢC XE ........................................................................10
2.2. MÔ HÌNH HOÁ HỆ THỐNG ................................................................................................................10
TUYẾN TÍNH HÓA QUANH CÁC ĐIỂM LÀM VIỆC TĨNH: ...........................................................................13
CHƯƠNG 3: THIẾT KẾ BỘ ĐIỀU KHIỂN VÀ BỘ QUAN SÁT CHO HỆ THỐNG CON LẮC
NGƯỢC ......................................................................................................................................................17
CHƯƠNG 4: KẾT QUẢ ĐẠT ĐƯỢC .....................................................................................................33
TRONG CHƯƠNG NÀY NHÓM TÁC GIẢ SẼ THỰC TÍNH TOÁN CÁC THAM SỐ CỦA BỘ ĐIỀU KHIỂN VÀ BỘ
QUAN SÁT CHO HỆ THỐNG CON LẮC NGƯỢC CHO CẢ 2 TRƯỜNG HỢP CÓ VÀ KHÔNG CÓ SỰ ẢNH HƯỞNG
CỦA THÀNH PHẦN BẤT ĐỊNH. .................................................................................................................. 33
4.1 KẾT QUẢ MÔ PHỎNG CHO BỘ QUAN SÁT ..........................................................................................33

4.2. KẾT QUẢ MÔ PHỎNG CHO TRƯỜNG HỢP KHÔNG CÓ THÀNH PHẦN BẤT ĐỊNH ................................35
4.3. KẾT QUẢ MÔ PHỎNG CHO TRƯỜNG HỢP CÓ THÀNH PHẦN BẤT ĐỊNH .............................................38
CHƯƠNG 5: KẾT LUẬN .........................................................................................................................42
5.1. KẾT QUẢ ĐẠT ĐƯỢC ........................................................................................................................42
5.2. HƯỚNG PHÁT TRIỂN ĐỀ TÀI.............................................................................................................42
TÀI LIỆU THAM KHẢO .........................................................................................................................43
v
TRƯỜNG ĐH SƯ PHẠM KỸ THUẬT CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM
THÀNH PHỐ HỒ CHÍ MINH Độc lập - Tự do - Hạnh phúc
KHOA ĐIỆN – ĐIỆN TỬ
Tp. HCM, ngày tháng năm 2021
THÔNG TIN KẾT QUẢ NGHIÊN CỨU
1. Thông tin chung:

- Tên đề tài: THIẾT KẾ BỘ ĐIỀU KHIỂN VÀ BỘ QUAN SÁT BỀN VỮNG
CHO HỆ THỐNG CON LẮC NGƯỢC VỚI SỰ ẢNH HƯỞNG CỦA THÀNH
PHẦN BẤT ĐỊNH DỰA TRÊN CÁCH TIẾP CẬN LMIs.
- Mã số: T2020-42TĐ
- Chủ nhiệm: TS. Vũ Văn Phong
- Cơ quan chủ trì: Trường Đại học Sư phạm Kỹ thuật TP. HCM.
- Thời gian thực hiện: 12 tháng.
2. Mục tiêu:
Đề xuất phương pháp thiết kế bộ quan sát bền vững để ước lượng chính xác các
biến trạng thái của hệ thống con lắc ngược khi hệ thống có sự tồn tại thành phần
bất định.
Đề xuất phương pháp thiết kế bộ điều khiển bền vững tích hợp với bộ quan sát
nhằm mục đích điều khiển hệ thống con lắc ngược cân bằng và loại bỏ những ảnh
hưởng do các thành phần bất định gây ra.
3. Tính mới và sáng tạo:
Trong đề tài này bộ quan sát được thiết kế nhằm mục đích ước lượng các tham số
của hệ thống con lắc ngược mà không cần sử dụng cảm biến. Việc sử dụng bộ quan
sát để ước lượng các tham số của hệ thống giúp cho biệc giảm kinh phí để mua cảm
biến. Bên cạnh đó như chúng ta đã biết cảm biến rất nhạy với những ảnh hưởng của
nhiễu, việc sử dụng bộ quan sát sẽ giúp cho tránh được sự ảnh hưởng của nhiễu và
tăng chất lượng hệ thống điều khiển tự động.
Trong thực tế các hệ thống sẽ bị ảnh hưởng của thành phần bất định. Nguyên nhân
gây ra các thành phần bất định là do sai số trong quá trình tuyến tính hoá hệ thống
con lắc ngược hoặc do sai số của các thiết bị trong mô hình con lắc ngược. Các thành
phần bất định sẽ gây khó khăn cho việc thiết kế bộ điều khiển và bộ quan sát cũng
như gây ảnh hưởng tới chất lượng điều khiển. Trong đề tài này nhóm tác giả đã đề
xuất phương pháp thiết kế bộ điều khiển và bộ quan sát dựa trên cách tiếp cận LMIs
giúp cho việc loại bỏ ảnh hưởng của thành phần bất định, ước lượng các biến trạng
thái của hệ thống và điều khiển cân bằng hệ con lắc ngược.
4. Kết quả nghiên cứu:
1
Nhóm tác giả đã thành công thiết kế bộ điều khiển và bộ quan sát cho hệ thống
con lắc ngược cho cả 2 trường hợp không bị ảnh hưởng của thành phần bất định
cũng như hệ thống bị ảnh hưởng của thành phần bất định. Các chương trình
Matlab được lập trình để tính toán thành công các tham số bộ điều khiển và bộ
quan sát nhằm mục đích ổn định hệ thống con lắc ngược. Kết quả mô phỏng thu
được bằng việc sử dụng phần mềm Simulink để mô phỏng đã chứng minh sự
thành công của phương pháp được đề xuất trong đề tài này.
5. Sản phẩm:
5.1 Sản phẩm khoa học:
Bài báo: Van-Phong Vu, Minh-Tam Nguyen, Anh-Vu Nguyen, Vi-Do Tran,
Tran-Minh-Nguyet Nguyen “Disturbance Observer-Based Controller for
Inverted Pendulum with Uncertainties: LMI Approach,” International Journal
of Electrical and Computer Engineering (Accepted 2021) (ISSN 2088-8708,
Tạp chí thuộc danh mục Scopus và được xếp hạng Q2 trong Scimango).
5.2 Sản phẩm đào tạo: không có
5.3 Sản phẩm ứng dụng: Không có
5.4 Sản phẩm khác: Chương trình Matlab tính toán tham số bộ điều khiển và bộ
quan sát. Chương trình mô phỏng Simulink.
6. Hiệu quả, phương thức chuyển giao kết quả nghiên cứu và khả năng áp
dụng:
Kết quả của nghiên cứu có thể là tài liệu tham khảo cho sinh viên đại học, cao học
và nghiên cứu sinh ngành điều khiển tự động. Kết quả còn có thể là tham khảo cho
các nhà nghiên cứu để phát triển hướng nghiên cứu mới.
Trưởng Đơn vị Chủ nhiệm đề tài

(ký, họ và tên) (ký, họ và tên)
Vũ Văn Phong
2
INFORMATION ON RESEARCH RESULTS
1. General information:
Project title: ROBUST CONTROLLER AND OBSERVER SYNTHESIS
FOR THE UNCERTAIN INVERTED PENDULUM: LMI APPROACH
Code number: T2020-42TĐ.
Coordinator: Dr. VU VAN PHONG.
Implementing institution: Ho Chi Minh City University of Technology and
Education (HCMUTE).
Duration: 12 months.
2. Objective(s):
The objectives of this project are that:
- Propose a method to design a robust observer to estimate exactly
the unknown state variables of the Inverted Pendulum with the
existence of the uncertainties.
- An observer-based controller design for Inverted Pendulum to
eliminate the influences of the uncertainties and make the system
stable.
3. Creativeness and innovativeness:
In this project, authors propose a method to design an observer to estimate the
unknown state variables of the Inverted Pendulum insteading of using sensor.
Employing the observer will reduce the cost and avoid the effects of the noise that
will improve the quality of the control system.
In practice, the Inverted Pendulum system is impacted by the uncertainties that may
come from the modeling error and the error of the devices of the system. The
uncertainties make the controller and observer design become much more
complicated as well as influence to the performance of the Inverted Pendulum. In
addition, in this project, authors propose a method to design observer-based
controller based on LMIs technique to eliminate completely the impacts of the
uncertainties and keep the Inverted Pendulum stable.
4. Research results:
In this project, authors have successfully synthesized the observer and controller
for the Inverted Pendulum system with and without the influences of the
uncertainties. The Matlab program can compute the observer and controller gains.
The simulation results obtained by using Matlab/Simulink software prove that the
3
controller and observer can eliminate completely the effects of the uncertainties and
stabilize the system successfully.
5. Products:
5.1 Scientific Products:
Article: Van-Phong Vu, Minh-Tam Nguyen, Anh-Vu Nguyen, Vi-Do Tran,
Tran-Minh-Nguyet Nguyen “Disturbance Observer-Based Controller for
Inverted Pendulum with Uncertainties: LMI Approach,” International
Journal of Electrical and Computer Engineering (Accepted 2021) (ISSN
2088-8708, this journal is indexed in Scopus and ranked Q2 by Scimango).
5.2 Training Products: Not available.
5.3 Application products: Matlab program to calculate the observer and
controller gains, simulation programs.
5.4 Others: Not available.
6. Effects, transfer alternatives of reserach results and applicability:
The results of this research can be used as references for undergraduate student,
graduate students of Automatic Control major. In addition, researchers can use
these results to develop a new research topic that relates to the automatic control.
The results of this project can be deployed in the automatic control lab of faculty
of Electrical and Electronics Engineering.
4
Chương 1: MỞ ĐẦU
Trong chương này nhóm tác giả sẽ phân tích những nghiên cứu hiện tại từ
đó trình bày lý do để chọn đề tài nghiên cứu này đồng thời chỉ ra những điểm mới
của đề tài so với những nghiên cứu trước.
1.1. Đặt vấn đề
Nghiên cứu và áp dụng các thuật toán điều khiển cân bằng lên các đối tượng
phi tuyến ở các phòng thí nghiệm hay các phương tiện di chuyển như máy bay
không người lái là chủ đề rất được quan tâm trong lĩnh vực “Kỹ thuật điều khiển
và tự động hóa”. Các thuật toán điều khiển bám mục tiêu cũng là một trong những
hướng nghiên cứu quan trọng. Ngày nay, các hệ thống không chỉ đáp ứng yêu cầu
được vận hành một cách tự động (không có sự can thiệp của con người) mà còn đòi
hỏi hệ thống phải được vận hành chất lượng, hiệu quả cao, giảm thiểu khuyết điểm
và tăng cao ưu điểm.
Các thuật toán điều khiển (đặc biệt là thuật toán điều khiển cân bằng) ngày
càng được các nhà khoa học quan tâm bởi sự quan trọng và ứng dụng của nó. Để
có thể thực hiện việc điều khiển cân bằng cho các hệ thống mất cân bằng, chúng ta
cần phải có cách tiếp cận vấn đề một cách thích hợp.
Hệ xe con lắc ngược xe (IPC) là một hệ “Underactuated” phi tuyến điển hình
khi mà tín hiệu điều khiển chỉ có một nhưng tín hiệu cần điều khiển lên đến bốn,
IPC nên nó đặt ra một vấn đề điều khiển đầy thách thức. Trong thực tế có nhiều vấn
đề mà con lắc ngược được sử dụng làm mô hình đại diện cho chúng như sự cân
bằng của cơ thể con người, chuyển động của cánh tay người, hoặc chuyển động của
nhiều dạng Robot, hệ thống ổn định góc trước khi đáp cánh của các tên lửa đẩy để
tiết kiệm chi phí phóng phi thuyền ra ngoài vũ trụ,…
Hệ IPC dường như là một trong những công cụ hấp dẫn để kiểm tra các luật
điều khiển tuyến tính và phi tuyến. Nó đã được dùng làm ví dụ trong nhiều bài báo
khoa học, ứng dụng nhiều giải thuật để giải quyết bài toán ổn định này trong các
bài báo [1]-[16] và các tác giả trên gần như chỉ tập trung vào 2 vấn đề chính là điều
khiển cân bằng con lắc và “Swing up” con lắc từ trạng thái tự do đến lân cận của vị
trí dừng.
Trong thực tế có rất nhiều biến trạng thái của hệ thống không thể đo hoặc khó
để đo khi sử dụng cảm biến. Hoặc khi sử dụng cảm biến sẽ làm tăng chí phí xây
dựng hệ thống, ngoài ra cảm biến cũng nhạy cảm với các loại nhiễu dẫn tới kết quả
đo bị sai. Điều này sẽ làm ảnh hưởng tới chất lượng điều khiển hệ thống. Đối với
hệ thống con lắc ngược cũng gặp vấn đề tương tự. Vì lý do này nhóm tác giả sẽ đề
xuất phương pháp thiết kế bộ quan sát để thay thế cảm biến nhằm mục đích ước
lượng các biến trạng thái. Liên quan đến việc thiết kế bộ quan sát cho hệ thống con
lắc ngược, có vài nghiên cứu đã được thực hiện trong những năm vừa qua [17]-
5
[19]. Ví dụ, phương pháp thiết kế bộ quan sát trượt bậc cao được trình bày trong
bài báo [17] để ước lượng các biến trạng thái không đo được. Tuy nhiên nhược
điểm của phương pháp trong bài báo [17] này là tồn tại hiện tượng “chattering” gây
ảnh hưởng tới chất lượng hệ thống. Trong paper [18], bộ quan sát được thiết kế để
ước lượng cả các biến trạng thái và lỗi dựa trên công thức Ackerman. Trong những
năm gần đây việc sử dụng kỹ thuật LMI (bất phương trình ma trận) [20] trong việc
thiết kế các bộ điều khiển và bộ quan sát càng ngày càng phổ biến. Tuy nhiên đến
thời điểm hiện tại có rất nghiên cứu sử dụng kỹ thuật LMI để giải quyết các vấn đề
điều khiển cho hệ thống con lắc ngược. Vì lý do này nhóm tác giả sẽ đề xuất phương
pháp thiết kết bộ quan sát cho hệ thống con lắc ngược dựa trên kỹ thuật LMI. Việc
sử dụng kỹ thuật LMI sẽ giúp tránh được hiện tượng “ Chatterring” như trong bài
báo [17], đồng thời tăng khả năng tìm được các thông số của bộ quan sát so với
phương pháp trong bài báo [18].
Trong thực tế, các hệ thống không tránh khỏi bị ảnh hưởng bởi các thành phần
bất định, những thành phần này bắt nguồn từ sai số mô hình hoặc sai số tham số
của hệ thống. Các thành phần bất định làm cho việc thiết kế bộ điều khiển và quan
sát cho hệ thống trở nên phức tạp hơn, đông thời làm giảm chất lượng điều khiển
của hệ thống. Hệ thống con lắc ngược không phải là một ngoại lệ, do đó việc thiết
kết bộ quan sát và bộ điều khiển cho hệ con lắc ngược với ảnh hưởng của các thành
phần bất định là một vấn đề cấp thiết cho các nhà nghiên cứu. Trong những năm
gần đây có một số nghiên cứu đã tập trung vào giải quyết vấn đề ổn định hóa hệ
thống con lắc ngược với thanh phần bất định [21]-[27]. Ví dụ trong nghiên cứu
[21], bộ điều khiển PID mờ loại 2 được thiết kế cho hệ con lắc ngược để loại bỏ
ảnh hưởng của thành phần bất định và ổn định hệ con lắc ngược. Tuy nhiên thành
phần bất định trong bài báo [21] phải thỏa mãn điều kiện ràng buộc là bị giới hạn
trên và giới hoạn dưới. Hoặc trong bài báo [22], các nhà nghiên cứu đã thiết kế bộ
quan sát bậc cao cho hệ con lắc ngược. Tuy nhiên nhược điểm của phương pháp
trong bài báo [22] là bộ quan sát rất nhạy với nhạy với nhiễu đo lường. Tóm lại các
phương pháp thiết kế trong các nghiên cứu [21]-[27] yêu cần các thành phần bất
định phải bị giới hạn, và các giá trị giới hạn trên và giới hạn dưới phải được biết
trước. Trong trường hợp các thành phần bất định không thỏa mãn điều kiên trên
hoặc các giá trị giới hạn của thành phần bất định không được biết thì các phương
pháp trong các nghiên cứu [21]-[27] sẽ không thể áp dụng được. Chính vì lý do
trên, trong dự án này, nhóm tác giả đã đề xuất phương pháp thiết kế bộ điều khiển
và bộ quan sát dựa trên phương pháp thiết kế bộ quan sát nhiễu (Disturbance
Observer) [29]-[32] nhằm loại bỏ hoàn toàn của ảnh hưởng thành phần bất định và
ổn định hệ thống.
Dựa trên những phân tích trên, nhóm tác giả đã đề xuất cách tiệp cận mới để
thiết kế bộ quan sát và bộ điều khiển cho hệ thống con lắc ngược cho cả 2 trường
hợp có và không có sự ảnh hưởng của thành phần bất định được nhấn mạnh ở những
điểm sau:
6
1) Bộ điều khiển kết hợp với bộ quan sát được thiết kế dựa trên kỹ thuật LMI
được thiết kế giúp cho việc ước lượng các biến trạng thái thay cho việc sử
dụng cảm biến và đồng thời ổn định hệ thống con lắc ngược. Việc sử dụng
kỹ thuật LMI giúp tăng khả năng tìm được các tham số bộ điều khiển và bộ
giám sát.
2) Bộ điều khiển kết hợp với bộ quan sát nhiễu được thiết kế cho hệ thống con
lắc ngược với sự ảnh hưởng của thành phần bất định. Việc sử dụng phương
pháp này giúp cho bộ quan sát và bộ điều khiển có thể ước lượng các biến
trạng thái, loại bỏ hoàn toàn ảnh hưởng của các thành phần bất định và giữ
cho con lắc ngược cân bằng được tại gốc. Ngoài ra, trong đề tài này các giá
giá trị giới hạn trên và giới hanh dưới của thành phần bất định không cần
biết trước, do đó phương pháp trong đề tài sẽ giúp khắc phục những hạn
chế của các phương pháp trong nghiên cứu trước [21]-[27]
Một số kí hiệu sử dụng trong báo cáo: trong báo cáo này, Θ > 0 (< 0) định
nghĩa rằng ma trạn Θ là ma trận xác định dương (xác định âm). 𝛩𝑇 kí hiệu là ma
trận chuyển vị của 𝛩; 𝛩−1 là ma trận nghịch đảo của 𝛩; 𝐼 là ma trận đơn vị. 𝛩 + là
kí hiệu Moore-Penrose pseudo-inverse của 𝛩 với 𝛩 + = (𝛩𝑇 𝐴)−1 𝛩𝑇 .
1.2. Mục đích nghiên cứu
- Đề xuất phương pháp thiết kế bộ quan sát bền vững để ước lượng chính xác
các biến trạng thái của hệ thống con lắc ngược khi hệ thống có sự tồn tại
thành phần bất định.
- Đề xuất phương pháp thiết kế bộ điều khiển bền vững tích hợp với bộ quan
sát nhằm mục đích điều khiển hệ thống con lắc ngược cân bằng và loại bỏ
những ảnh hưởng do các thành phần bất định gây ra.
1.3. Đối tượng nghiên cứu
Thiết kế bộ giám sát và bộ điều khiển tich hợp với bộ quan sát cho hệ thống lắc
ngược.
1.4. Giới hạn nghiên cứu

Nghiên cứu giải thuật để thiết kế bộ điều khiển và bộ quan sát cho hệ con lắc ngược
để ước lượng biến trạng thái và điều khiển con lắc ngược ổn định tại gốc. Kết quả
nghiên cứu chỉ thực hiện mô phỏng để chứng minh sự thành công của phương pháp.
1.5. Tình hình nghiên cứu trong và ngoài nước
Trong nước: Ở Việt Nam đã có nhiều bài báo sử dụng đối tượng hệ Inverted
Pendulum làm đối tượng điều khiển như [14] , [15] và [16] nhóm các tác giả đã
thành công xây dựng mô hình toán học cho hệ thống cũng như áp dụng giải thuật
LQR để cân bằng hệ con lắc ngược tuy nhiên [14] sử dụng thêm bộ lọc kalman để
lọc tín hiệu hồi tiếp, [15] còn ứng dụng giải thuật GA để tìm ra các trọng số tối ưu
7
cho bộ điều khiển LQR tuy nhiên thời gian duy trì trạng thái cân bằng còn ngắn,
[16] ứng dụng việc tuyến tính hóa vào ra để mở rộng vùng cân bằng tuy nhiên việc
chọn các tham số cho ma trận Q và R sẽ khó khăn hơn khá nhiều do các trọng số
mang tính kết hợp giữa x và  bên cạnh đó còn phải chọn các 2 tham số “biến số”
phù hợp để đạt được đáp ứng ổn định. Hay [17] đã ứng dụng thành công giải thuật
Fuzzy điều khiển trực tiếp từ Matlab Simulink với cứng sử dụng CAD PCI 1710
hỗ trợ quá trình thu thập dữ liệu và xuất tín hiệu điều khiển.
Ngoài nước: Hệ inverted pendulum mô phỏng lại chuyển động thăng bằng
trong việc đi của con người nếu chỉ xét theo 1 phương ngang quy chiếu trước hay
một phần của robot và nó cũng là một hệ bất ổn định, có độ phi tuyến cao. Việc
điều khiển hệ Inverted Pendulum swing-up lên vị trí thẳng đứng được rất nhiều nhà
nghiên cứu quan tâm, các phương pháp swing-up tiêu biểu được mô tả ở tài liệu
[13]. Trong bài báo [1] tác giả đã mô hình hóa thành công hệ con lắc ngược và thiết
kế thành công bộ điều khiển mờ trong [2] dựa vào nguyên lý mô hình hóa
D'Alembert. Ngoài việc mô hình hóa việc thử nghiệm các bộ điều khiển trên mô
hình này đã được các tác giả [3] – [12] nghiên cứu ví dụ bộ điều khiển hồi tiếp biến
trạng thái PI [5] trong đó 2 độ lợi tỷ lệ và độ lợi tích phân được thiết kế trên phương
pháp đặt cực. Ngoài ra còn bộ điều khiển event-trigger trong [6] khi mà tín hiệu
điều khiển được lấy mẫu và không có trạng thái thời gian liên tục. Gần đây, lý
thuyết điều khiển thông minh được phát triển mạnh mẽ như lý thuyết mờ được áp
dụng để điều khiển hệ Inverted Pendulum trong [7], ngoài ra các bộ điều khiển phi
tuyến cũng được áp dụng vào hệ như điều khiển trượt trong [11] và [12] tuy nhiên
các tác giả chỉ giảm thiểu chứ chưa loại bỏ được hiện trượng “chattering” làm ảnh
hưởng đến chất lượng điều khiển và tuổi thọ thiết bị. Vấn đề swing up hệ Inverted
Pendulum swing up có giới hạn hành trình cũng đã phần nào được giải quyết trong
[13].
Liên quan đến việc thiết kế bộ quan sát cho hệ thống con lắc ngược, có vài
nghiên cứu đã được thực hiện trong những năm vừa qua [17]-[19]. Ví dụ, phương
pháp thiết kế bộ quan sát trượt bậc cao được trình bày trong bài báo [17] để ước
lượng các biến trạng thái không đo được. Tuy nhiên nhược điểm của phương pháp
trong bài báo [17] này là tồn tại hiện tượng “chattering” gây ảnh hưởng tới chất
lượng hệ thống. Trong paper [18], bộ quan sát được thiết kế để ước lượng cả các
biến trạng thái và lỗi dựa trên công thức Ackerman.
Trong những năm gần đây có một số nghiên cứu đã tập trung vào giải quyết
vấn đề ổn định hóa hệ thống con lắc ngược với thanh phần bất định [21]-[27]. Ví
dụ trong nghiên cứu [21], bộ điều khiển PID mờ loại 2 được thiết kế cho hệ con lắc
ngược để loại bỏ ảnh hưởng của thành phần bất định và ổn định hệ con lắc ngược.
Tuy nhiên thành phần bất định trong bài báo [21] phải thỏa mãn điều kiện ràng
buộc là bị giới hạn trên và giới hoạn dưới. Hoặc trong bài báo [22], các nhà nghiên
cứu đã thiết kế bộ quan sát bậc cao cho hệ con lắc ngược. Tuy nhiên nhược điểm
của phương pháp trong bài báo [22] là bộ quan sát rất nhạy với nhạy với nhiễu đo
8
lường. Tóm lại các phương pháp thiết kế trong các nghiên cứu [21]-[27] yêu cần
các thành phần bất định phải bị giới hạn, và các giá trị giới hạn trên và giới hạn
dưới phải được biết trước.
9
Chương 2: CƠ SỞ LÝ THUYẾT
Ở chương 2 người thực hiện sẽ đặt hệ trục và phân tích phương trình toán học
cho hệ con lắc ngược, tuyến tính hóa quanh điểm làm việc tĩnh bằng phương pháp
Euler – Lagrangian từ đó được phương trình trạng thái tại 2 điểm làm việc TOP
và BOT.
2.1 Đặt hệ trục tọa độ cho hệ con lắc ngược xe
Ta đặt hệ trục cho con lắc như hình 2.1
Hình 2.1: Hệ trục tọa độ cho hệ xe con lắc ngược
Bảng 2.1: Kí hiệu và ý nghĩa của các tham số trong con lắc ngược
2.2. Mô hình hoá hệ thống

Có nhiều phương pháp để tiến hành toán học hóa hệ con lắc ngược trong đó
phương pháp Euler – Lagrangian được xem xét áp dụng vì tính phổ biến, tính quy
tắc và tính đơn giản của nó. Hệ IPC được mô tả trong Hình 1.Ở đề tài này, để dễ
10
dàng khi thiết kế mô hình thực ta xem xét loại bỏ khối lượng quả nặng ở cuối thanh
con lắc, xem như thanh là một khối đồng chất từ đó ta cần rút ra phương trình vi
phân mô tả chuyển động của nó, một trong những cách đơn giản có thể sử dụng là
phương trình Lagrange như sau:
d  L  L
  − = Fk (1)
dt  k   k
với
T là tổng các thành phần động năng của hệ.
V là tổng các thành phần thế năng của hệ.
Llagrange = T − V là nhân tử Lagrangian.
k là tọa độ tổng quát.

Fk là tổng ngoại lực tác động lên hệ (moment).
Trong đó ta có:
 x F 
k =   ; Fk =   (2)
  0
Do chọn mốc thế năng tại vị trí y=0 nên thế năng của xe luôn luôn bằng không nên
thế năng của hệ chính là thế năng của con lắc:
V = m g yk = mgL cos( ) (3)
Động năng của xe là:
1
Tcart = M x 2 (4)
2
Động năng của thanh con lắc là:
1
Tpole = mv2 (5)
2
Vị trí cuối của thanh con lắc chiếu lên hệ trục tọa độ là:
11
 xk = x + l sin( )
 (6)
 yk = l cos( )
Đạo hàm của vị trí con lắc chính là vận tốc của con lắc trên hệ trục tọa độ:

vxk = x + L cos( )
 (7)
 vyk = − L sin( )

Bình phương vận tốc trung bình của thanh con lắc là:
v2 = vxk 2 + vyk 2 = x2 + 2lx cos + l 2 2 (8)
Vậy động năng của thanh con lắc là:
1 1
Tpole = mx 2 + mlx cos + ml 2 2 (9)
2 2
Vậy toàn bộ động năng của hệ là:

1 1 1
T = Tpole + Tcart = mx 2 + mlx cos + ml 2 2 + M x 2 (10)
2 2 2
Vậy Hàm Euler-Lagrange có dạng như sau:
1 1 1
L = T − V = mx2 + mlx cos + ml 2 2 + M x2 − mgl cos( ) (11)
2 2 2
Ta có:
12
 L
 x = (m + M ) x + ml cos( )

 d  L 
 dt  x  = (m + M ) x + ml cos( ) + ml sin( )
2

 L
 x = 0
 (12)
 L = mlx cos( ) + ml 2
 

 d  L  = ml  x cos( ) − x sin( )  + ml 2
 dt     

 L = mgl sin( ) − ml x sin( )
 
Thay vào hệ phương trình Euler-Lagrange ta được hệ xe con lắc ngược như sau:
(m + M ) x + ml cos( ) + ml 2 sin( ) = F

 (13)
 mlx cos( ) + ml  − mgl sin( ) = 0
2
Ta lần lượt rút x và  ra để chúng không còn phụ thuộc vào nhau ta được:
 lm sin( ) − F + mg cos( )sin( )

 x=
 m + M − m cos2 ( )
 (14)
 = ml cos( )sin( ) − F cos( ) + (m + M ) g sin( )

 l (m + M − m cos( ))
Tuyến tính hóa quanh các điểm làm việc tĩnh:

Giá trị cụ thể của con lắc trên mô hình như bảng sau:
13
Tên thông số Ký hiệu Giá trị Đơn vị
Góc nghiên của con lắc φ --- rad
Vị trí của xe trên trục X 𝓍 --- m
Gia tốc trọng trường g 9.81 m/s2
Lực tác dụng lên xe F --- N
Khối lượng của xe M 0.238 kg
Khối lượng của thanh con lắc m 0.1 kg
Khối lượng của quả nặng mball 0 kg
Chiều dài của con lắc ℓ 0.4 m
Mômen quán tính của con lắc I --- kg/m2
Bảng 2.2: Giá trị cụ thể của các đại lương liên quan đến hệ xe con lắc ngược
Để tiến hành thiết kế các bộ điều khiển tuyến tính hoặc các bộ quan sát tuyến
tính ta cần phải có phương trình trạng thái cụ thể của hệ thống. Từ những giá trị
của bảng 2.2 ta tiến hành tuyến tính hóa quanh hai điểm làm việc tĩnh của hệ thống
bằng cách đặt các biến trạng thái như sau:
 x1 = x
x = x = x  x2 = x = f1 ( x, x, , )
 2 1
 &  (15)
 x3 =   x4 =  = f 2 ( x, x, , )
 x4 = x3 = 
Tiến hành hạ bậc hệ thống ta được phương trình trạng thái hệ thống như sau:
 x1 = x2 = f1

 x2 = x = f 2 ( x, x, , )
 (16)
 x3 = x4 = f 3
 x =  = f ( x, x,  ,  )
 4 4
với:
X = [x x   ] T f = [ f1 f 2 f3 f 4 ] T (17)
Ta có hệ phương trình biến trạng thái như sau:
14
 X = AX + B u
 (18)
 y = CX
Trong đó:
 f1 f1 f1 f1   f1 

 x x     u 
   
 f 2 f 2 f 2 f 2   f 2 
f  x x    f  u 
A= =  B= =  (19)
X ( X ,u )  f3 f3 f3 f3  u ( X ,u )  f3 
 x x     u 
 f f 4 f 4 f 4   f 
 4   4
 x x     u 
Tuyến tính hệ thống tại 2 điểm làm việc tĩnh Bot (trái) và TOP (phải) như sau:
Hình 2.2: Các vị trí làm việc tĩnh của hệ xe con lắc ngược
X Top = [0 0 0 0] T u=0
X Bot = [0 0 pi 0] T u = 0
Ta được:
0 1 0 0
0 −0.0127 -2.7975 0
f
ATop = =
X ( X Top ,u )
0 0 0 1
 
0 0.0477 47.2782 0
15
 0 
 0.6357 
f
BTop = =  (20)
u ( XTop ,u )  0 
 
-2.3839
và:
0 1 0 0
0 − 0.0127 -2.7975 0 
f
ABot = =
X ( X bot ,u )
0 0 0 1
 
0 − 0.0477 -47.2782 0
 0 
0.6357 
f
BBot = =  (21)
u ( X Bot ,u )  0 
 
 2.3839
16
Chương 3: THIẾT KẾ BỘ ĐIỀU KHIỂN VÀ BỘ QUAN SÁT
CHO HỆ THỐNG CON LẮC NGƯỢC
Trong chương này, bộ quan sát và bộ điều khiển được thiết kế nhằm mục
đích ước lượng các biến trạng thái của hệ thống con lắc ngược và điều khiển con
lắc ở trạng thái cân bằng. Hai trường hợp được thiết kế trong chương này đó là:
Hệ thống con lắc ngược bị ảnh hưởng và không bị ảnh hưởng của các thành phần
bất định.
3.1 Thiết kế bộ quan sát cho hệ con lắc ngược
Trong phần này bộ quan sát được thiết kế để ước lượng các biến trạng thái của hệ
thống con lắc ngươc. Cấu trúc của hệ thống được trình bày trong Hình 3.1.
Input u(t) Output y(t)
ෝ (𝒕)
Estimation state 𝒙
OBSERVER
Hình 3.1:Cấu trúc hệ thống con lắc ngược với bộ quan sát
Bộ quan sát cho hệ con lắc ngược (18) có dạng như sau:

 xˆ = Axˆ + Bu + L( y − yˆ )
 (37)
(22)
 yˆ = Cxˆ

Trong đó: x̂ là tín hiệu ước lượng trạng thái, có cùng kích thước với x.
ŷ là tín hiệu ước lượng trạng thái, có cùng kích thước với y.
L là độ lợi của bộ quan sát.
17
Đặt e là sai số ước lượng:
e(t ) = x − xˆ (38)
(23)
Đạo hàm hai vế của (23) ta có:
(24)
e(t ) = x − xˆ (39)
Thế (22) và (23) vào (24) ta thu được:
e(t ) = Ax + Bu − Axˆ − Bu − L( y − yˆ ) = ( A − LC)e(t ) (40)

(25)
Để tìm được các thông số của bộ quan sát (22), ta sử dụng định lý sau:
Định lý 1: Sai số ước lượng (23) cho hệ con lắc ngược với bộ quan sát (22) hội tụ
về 0 nếu tồn tại các ma trận L và ma trận đối xứng xác đinh dương P thỏa mãn
điều kiện sau:
( A − LC )T .P + P.( A − LC )  0 (41)
(26)
Chứng minh định lý 1:

Chọn hàm Lyapomov như sau:
V (t ) = e T (t ) Pe(t ) (27)
(42)
Với P là ma trận đối xứng và xác định dương.

Ta dễ dàng nhận thấy
V (t )  0 (t  ) (28)
(43)
Đạo hàm 2 vế của (27) ta có:
V (t ) = eT (t ).P.e(t ) + eT (t ).P.e(t ) (44)

(29)
18
Thay (25) vào (29) ta được:
 V (t ) = eT (t )( A − LC )T P.e(t ) + eT (t ) P( A − LC )e(t )
= eT (t ) ( A − LC )T P + P( A − LC )  e(t ) (45)
(30)
Ta dễ dàng nhận thấy rằng nếu điều kiện (26) của Định lý 1 thỏa mãn thì ta có thể
kết luận rằng
𝑉̇ (𝑡 ) < 0
Vậy theo Lyapunov thì V (t ) → 0 khi t →  và e(t ) → 0 khi t → 
=>Hoàn tất chứng minh định lý 1.
Tuy nhiên điều kiện (26) là một BMI (Bilinear Matrix Inequality) không giải
nhanh được bằng các công cụ hỗ trợ trên Matlab nên ta phải biến đổi (41) thành
LMI (Linear Matrix Inequality) bằng cách đặt thêm biến W như sau:
Đặt
W = P.L
Từ (41) ta suy ra
AT .P − C T .WT + P. A − W.C <0 (31)
(48)
Giải bất phương trình LMI (38) bằng công cụ LMI Toolbox của Matlab ta
thu được giá trị của P và biến phụ W từ đó suy ra được L để hoàn thành thiết kế bộ
quan sát.
3.2 Thiết kế bộ điều khiển kết hợp với bộ quan sát cho hệ thống con lắc ngược
khi không có ảnh hưởng của thành phần bất định
Trong đề tài này bộ điều khiển và bộ quan sát được thiết kế đồng thời. Cấu trúc
hệ thống con lắc ngược với bộ điều khiển kết hợp với bọ quan sát được mô tả như
hình 2 như sau:
19
Hình 3. 2: Cấu trúc hệ thống con lắc ngược với bộ điều khiển kết hợp với bộ quan sát
Xét bộ quan sát cho hệ thống con lắc ngược (18) có cấu trúc như sau:
𝑥̂̇ = 𝐴𝑥̂ + 𝐵𝑢 + 𝑇(𝑦 − 𝑦̂)
{ (32)
𝑦̂ = 𝐶𝑥̂
trong đó 𝑥̂ và 𝑦̂ lần lượt là giá trị ước lượng của các biến trạng thái 𝑥 và đầu ra 𝑦.
𝑇 là tham số của bộ quan sát sẽ được xác định ở phần sau.
Bộ điều khiển cho hệ thống con lắc ngược được mô tả bởi công thức toán như sau:
𝑢 = −𝐾𝑥̂ (33)
Định nghĩa sai số ước lượng như sau
𝑒 = 𝑥 − 𝑥̂ (34)
Mô tả ước đặc tính động học của sai số ước lượng như sau
𝑒̇ = 𝑥̇ − 𝑥̂̇ (35)
Kết hợp (32) và (35) ta thu được như sau
20
𝑒̇ = (𝐴 − 𝑇𝐶)𝑒 (36)
Thay biểu thức (33) vào biểu thức (18), hệ thống kín với bộ điều khiển thu được
𝑥̇ = (𝐴 − 𝐵𝐾)𝑥 + 𝐵𝐾𝑒 (37)
Từ biểu thức (36) và biểu thức (37), ta suy ra được
𝑥̇ 𝐴 − 𝐵𝐾 𝐵𝐾 𝑥
[ ]=[ ][ ] (38)
𝑒̇ 0 𝐴 − 𝑇𝐶 𝑒
𝑥 𝐴 − 𝐵𝐾 𝐵𝐾
Định nghĩa 𝑥̃ = [ ] và 𝐴̃ = [ ], do đó biểu thức (10) trở thành
𝑒 0 𝐴 − 𝑇𝐶
𝑥̃̇ = 𝐴̃𝑥̃ (39)
Định lý 1: Sai số ước lượng 𝑒 và các biến trạng thái 𝑥 của hệ thống con lắc ngược
(18) với bộ quan sát (32) và bộ điều khiển (33) hôi tụ về không nếu tồn tại các ma
trận 𝑇, 𝐾, và các ma trận xác định dương đối xứng 𝑃1 và 𝑃2 để điều kiện sau được
thoả mãn
(𝐴 − 𝐵𝐾)𝑇 𝑃1−1 + 𝑃1−1 (𝐴 − 𝐵𝐾) 𝑃1−1 (𝐴 − 𝐵𝐾)

[ ]<0 ( 40 )
(𝐵𝐾)𝑇 𝑃1−1 (𝐴 − 𝑇𝐶)𝑇 𝑃2 + 𝑃2 (𝐴 − 𝑇𝐶)
Chứng minh: Lựa chọn hàm Lyapunov như sau
𝑉 (𝑡 ) = 𝑥̃ 𝑇 (𝑡)𝑃𝑥̃(𝑡) (41)
𝑃1−1 0
trong đó 𝑃 = [ ]
0 𝑃2
Thực hiện lấy đạo hàm hai vế của (41) thu được kết quả
𝑉̇ (𝑡 ) = 𝑥̃̇ 𝑇 (𝑡)𝑃𝑥̃ (𝑡 ) + 𝑥̃ 𝑇 (𝑡)𝑃𝑥̃̇ (𝑡) (42)
Kết hợp biểu thức (39) và biểu thức (42) ta thu được kết quả như sau
𝑉̇ (𝑡 ) = 𝑥̃ 𝑇 (𝑡)[𝐴̃𝑇 𝑃 𝑃𝐴̃]𝑥̃ (𝑡 ) =
21
𝑇( 𝐴 − 𝐵𝐾)𝑇 𝑃1−1 + 𝑃1−1 (𝐴 − 𝐵𝐾)
𝑥̃ 𝑡 ) × [
(𝐵𝐾)𝑇 𝑃1−1
𝑃1−1 (𝐴 − 𝐵𝐾)
] 𝑥̃ (𝑡 ) (43)
(𝐴 − 𝑇𝐶)𝑇 𝑃2 + 𝑃2 (𝐴 − 𝑇𝐶)
Từ biểu thức (43) ta dễ dàng thấy rằng, nếu điều kiện (40) trong định lý 1 được
thoả mãn thì đạo hàm bậc nhất của hàm Lyapunov 𝑉̇ (𝑡 ) < 0, điều này hàm ý rằng
𝑥 và 𝑒 hội tụ về gốc khi 𝑡 → ∞. Chứng minh được hoàn thành.

Tuy nhiên, ta thấy rằng biểu thức (40) của Định lý 1 là một BMI (bất phương
trình ma trận phi tuyến). Đến thời điểm hiện tại thì việc giải các bất phương trình
ma trận phi tuyến (BMI) vẫn là vấn đề rất khó. Do đó nếu giải trực tiếp điều kiện
(40) để xác định các biến ma trận 𝑇, 𝐾, 𝑃1 , và 𝑃2 sẽ rất khó khăn. Vì lý do này,
Định lý 2 là cần thiết để biến đổi biểu thức (12) trở thành bất phương trình ma trận
tuyến tính (LMI) sau đó nhóm tác giả sử dụng công cụ LMI của Matlab để giải bất
phương trình tuyến tính và thu được các tham số của bộ điều khiển cũng như của
bộ quan sát.
Định lý 2: Sai số ước lượng 𝑒 và các biến trạng thái 𝑥 của hệ thống con lắc ngược
(18) với bộ quan sát (32) và bộ điều khiển (33) hôi tụ về không nếu tồn tại các ma
trận 𝑇, 𝐾, và các ma trận xác định dương đối xứng 𝑃1 và 𝑃2 để điều kiện sau được
thoả mãn
𝑃1 𝐴𝑇 − 𝑍 𝑇 𝐵𝑇 + 𝐴𝑃1 − 𝐵𝑍 < 0 (44)

𝐴𝑇 𝑃2 − 𝐶 𝑇 𝑊 𝑇 + 𝑃2 𝐴 − 𝑊𝐶 < 0 (45)
Tham số bộ điều khiển và bộ quan sát được xác định bởi các biểu thức sau
𝑇 = 𝑃2−1 𝑊 (46)
𝐾 = 𝑍𝑃1−1 (47)
Chứng minh:
Dựa theo bổ để Schur, biểu thức (40) tương đương với những biểu thức sau:
(𝐴 − 𝐵𝐾)𝑇 𝑃1−1 + 𝑃1−1 (𝐴 − 𝐵𝐾) < 0 (48𝑎)

{
(𝐴 − 𝑇𝐶)𝑇 𝑃2 + 𝑃2 (𝐴 − 𝑇𝐶 ) < 0 (48𝑏)
Nhân hai phía của biểu thức (48a) với ma trận 𝑃1 , sau đó and đặt 𝑍 = 𝐾𝑃1 , khi đó
biểu thức (48a) trở thành
22
𝑃1 𝐴𝑇 − 𝑍 𝑇 𝐵𝑇 + 𝐴𝑃1 − 𝐵𝑍 < 0 (49)
Đặt 𝑊 = 𝑃2 𝑇, khi đó biểu thức (48b) được viết lại như sau
𝐴𝑇 𝑃2 − 𝐶 𝑇 𝑊 𝑇 + 𝑃2 𝐴 − 𝑊𝐶 < 0 (50)
Từ biểu thức (49) và (50) cho ta thấy rằng, hai biểu thức này đã được chyển thành
các bất phương trình ma trận phi tuyến (LMIs) và giống với biểu thức (44) và (45)
của Định lý 2. Như vậy bất phương trình ma trận phi tuyến (40) đã được chuyển
thành các bất phương trình ma trận tuyến tính (44) và (45). Chứng minh được hoàn
thành.
4.2 Thiết kế bộ điều khiển kết hợp với bộ quan sát với ảnh hưởng của thành
phần bất định
Hệ thống con lắc ngược bị ảnh hưởng của thành phần bất định biến đổi theo
thời gian (xem trong Hình 3.3). Sự tồn tại những thành phần bất định là do sai số
mô hình hoá hoặc sai số tham số hệ thống, với sự ảnh hưởng của thành phần bất
định mô hình toán của hệ thống con lắc ngược được mô tả như sau:
𝑥̇ (𝑡 ) = (𝐴 + ∆𝐴(𝑡 ))𝑥(𝑡 ) + (𝐵 + ∆𝐵 (𝑡 ))𝑢(𝑡)

{ (51)
𝑦(𝑡 ) = 𝐶𝑥 (𝑡 )
trong đó ∆𝐴(𝑡 ) và ∆𝐵(𝑡 ) là thành phần bất định biến đổi theo thời gian.
Với sự tồn tại của thành phân bất định, chất lượng điều khiển của hệ thống con
lắc ngược sẽ bị ảnh hưởng. Vì vậy, mục đích của phần này là thiết kế bộ điều khiển
kết hợp với bộ quan sát để loại bỏ những ảnh hưởng của thành phần bất định và ổn
định hoá hệ thống. Do có sự ảnh hưởng của thành phần bất định, các phương pháp
của những nghiên cứu trước không thể áp dụng để thiết kế bộ quan sát và bộ điều
khiển cho hệ thống con lắc ngược. Chính vì vậy trong phần này này cách tiếp cận
mới dựa trên bộ quan sát nhiễu đươc đề xuất để ổn định hoá hệ thống con lắc ngược.
23
Hình 3.3: Cấu trúc hệ thống điều khiển con lắc ngược với sự tồn tại của thành phần bất
định
Giả định 1: Giả đinh rằng các thành phần bất định ∆𝐴(𝑡 ) và ∆𝐵(𝑡 )) phải thoả mãn
điều kiện sau:
∆𝐴(𝑡 ) = 𝐵𝛾 (𝑡 ) 𝑣à ∆𝐵(𝑡 ) = 𝐵𝛿(𝑡).
Chú ý 2: chú ý rằng thành phần bất định ∆𝐴(𝑡 ) và ∆𝐵(𝑡 )) trong phương trình
(51) không cần phải thoả mãn điều kiện giới hạn và giới hạn trên và giới hạn dưới
của thành phần bất định không được biết. Vì vậy không thể áp dụng các phương
pháp trong những bài báo [23]-[27]. Vì lí do này, nhóm tác giả đề xuất phương
pháp dựa thiết kế bộ điều khiển kết hợp với bộ quan sát nhiễu để loại bỏ những ảnh
hưởng của thành phần bất định và giữ cho con lắc ngược cần bằng.
Chú ý 3: Điều kiện trong Gỉa định 1 là cần thiết giúp cho việc chuyển các thành
phần bất định thành nhiễu đầu vào. Sau đó bộ điều khiển ước lượng nhiễu sẽ được
thiết kế để ước lượng đồng thời cả các biến trạng thái và nhiễu. Giả đình này có thể
được tìm thấy trong một vài nghiên cứu trước ví dụ như [15], [16], và [34]. Tuy
nhiên giả định này vẫn còn bị giới hạn khi mà chỉ sử dụng ma trận B để tách các
thành phần bất định ∆𝐴(𝑡 ) và ∆𝐵(𝑡 ). Đây vẫn là hướng mở cho những nghiên cứu
trong tương lai.
Bổ đề 1 [33]: Xét phương trình ma trận 𝑋𝐴 = 𝐵 trong đó ma trận 𝐴 ∈ ℝ𝑚×𝑛 ,
𝑚 ≥ 𝑛, và 𝐵 ∈ ℝ𝑘×𝑛 . Nghiệm tổng quát của phương trình ma trân được mô tả dưới
dạng như 𝑋 = 𝐵𝐴+ + 𝑌(𝐼 − 𝐴𝐴+ ) trong đó 𝑌 ∈ ℝ𝑘×𝑚 là ma trận bất định với kích
thước phù hợp và 𝐴+ = (𝐴𝑇 𝐴)−1 𝐴𝑇 là Moore-Penrose pseudoinverse của ma trận
A.
Với Giả định 1, hệ thống con lắc ngược (51) trở thành
24
𝑥̇ (𝑡 ) = 𝐴𝑥 (𝑡 ) + 𝐵𝑢(𝑡 ) + 𝐵( 𝛾(𝑡 )𝑥 (𝑡 ) + 𝛿 (𝑡 )𝑢(𝑡 ))
{ (52)
𝑦(𝑡 ) = 𝐶𝑥 (𝑡 )
Định nghĩa
𝜔 (𝑡 ) = 𝛾 (𝑡 )𝑥 (𝑡 ) + 𝛿 (𝑡 )𝑢 (𝑡 )
do đó hệ thống (24) được viết lại như sau
𝑥̇ (𝑡 ) = 𝐴𝑥 (𝑡 ) + 𝐵(𝑢(𝑡 ) + 𝜔(𝑡 ))
{ (53)
𝑦(𝑡 ) = 𝐶𝑥 (𝑡 )
Rõ ràng ta thấy rằng với Giả định 1, hệ thống con lắc ngược (51) với thành phần
bất định đã được chuyển thành hệ thống (53) với sự tồn tại của thành phần nhiễu.
Do đó, bộ điều khiển và bộ quan sát sẽ được thiết kế cho hệ thống (53) thay vì thiết
kế cho hệ thống (51). Hơn thế nữa, trong đề tài này, bộ quan sát ước lượng nhiễu
được thiết kế cho hệ thống (53) để ước lượng đồng thời các biến trạng thái không
biết và thành phần nhiễu 𝜔(𝑡 ). Sau đó những giá trị này sẽ được phản hồi về bộ
điều khiển để giũ cho hệ thống con lắc ngược cân bằng tại gốc (0,0,0,0).
Xét bộ quan sát nhiễu có dạng như sau:
𝜂̇ (𝑡 ) = 𝑋𝜂 (𝑡 ) + 𝑇𝑢 (𝑡 ) + 𝐽𝑦(𝑡 )
{ 𝑥̂ (𝑡 ) = 𝜂 (𝑡 ) − 𝐸𝑦(𝑡 ) (54)
𝜔 ෝ (𝑡 ) = (𝐶𝐵)+ 𝑦̇ (𝑡 ) − 𝑆𝑥̂ (𝑡 ) − 𝑢(𝑡)
trong đó 𝑥̂ (𝑡 ) và 𝜔
ෝ (𝑡 ) lần lượt là vector ước lượng của vector trạng thái 𝑥(𝑡), và
nhiễu 𝜔(𝑡 ). 𝑋, 𝑇, 𝐽, 𝐸, và 𝑆 là tham số của bộ quan sát (54). (𝐶𝐵)+ =
[(𝐶𝐵)𝑇 (𝐶𝐵)]−1 (𝐶𝐵) là Moore-Pseudo invert của (𝐶𝐵).
Mô hình toán của bộ điều khiển được trình bày như sau:
𝑢(𝑡 ) = −𝐾𝑥̂ (𝑡 ) − 𝜔
ෝ (𝑡 ) (55)
Định nghĩa sai số ước lượng
𝑒(𝑡 ) = 𝑥̂(𝑡 ) − 𝑥 (𝑡 ) (56)
Thay thế biểu thức (54b) vào (56) ta thu được
𝑒(𝑡 ) = 𝜂 (𝑡 ) − 𝐸𝐶𝑥 (𝑡 ) − 𝑥(𝑡 ) = 𝜂 (𝑡 ) − 𝑀𝑥 (𝑡 ) (57)

trong đó 𝑀 = [𝐼 + 𝐸𝐶 ]
25
Lấy đạo hàm 2 về của (57), ta có
𝑒̇ (𝑡 ) = 𝜂̇ (𝑡 ) − 𝑀𝑥̇ (𝑡 ) (58)
Từ biểu thức (53a), (54a) và (58), ta thu được
𝑒̇ (𝑡 ) = [𝑋𝜂(𝑡 ) + 𝑇𝑢(𝑡 ) + 𝐽𝑦(𝑡 )] − 𝑀[𝐴𝑥 (𝑡 ) + 𝐵(𝑢(𝑡 ) + 𝜔(𝑡 ))]

= 𝑋𝑒(𝑡 ) + [𝑋𝑀 − 𝑀𝐴 + 𝐽𝐶 ]𝑥 (𝑡 ) + [𝑇 − 𝑀𝐵]𝑢(𝑡 ) − 𝑀𝐵𝜔 (𝑡 )
(59)
Đinh nghĩa sai số ước lượng của nhiễu là
𝑒𝜔 (𝑡) = 𝜔
ෝ (𝑡 ) − 𝜔 (𝑡 ) (60)
Kết hợp các biểu thức (52), (54c), và (60) thu được
𝑒𝜔 (𝑡) = (𝐶𝐵)+ 𝐶[𝐴𝑥 + 𝐵(𝑢 + 𝜔(𝑡 ))] − 𝑆𝑥̂ (𝑡 ) − 𝑢(𝑡 ) − 𝜔(𝑡 )

= (𝐶𝐵)+ 𝐶𝐴𝑥 (𝑡 ) + (𝐶𝐵)+ (𝐶𝐵)𝑢 + (𝐶𝐵)+ (𝐶𝐵)𝜔(𝑡 )) − 𝑆𝑥̂ (𝑡 ) − 𝑢(𝑡 ) − 𝜔(𝑡 )
= −𝑆𝑒(𝑡 ) + [𝑆 − (𝐶𝐵)+ 𝐶𝐴]𝑥(𝑡) (61)
Định lý 3: Các biến trạng thái của hệ thống con lắc ngược (53), sai số ước lượng
của vector biến trạng thái (56), và sai số ước lượng của nhiễu (60) hội tụ về không
nếu tồn tại ma trận đối xứng xác định dương 𝑄̅, và các ma trận 𝐾, 𝑋, 𝑇, 𝐽, 𝐸, và 𝑆
để các điều kiện sau thoả mãn:
𝑋𝑀 − 𝑀𝐴 + 𝐽𝐶 = 0 (62)
𝑇 − 𝑀𝐵 = 0 (63)
𝑀𝐵 = 0 (64)
𝑆 − (𝐶𝐵)+ 𝐶𝐴 = 0 (65)
Ξ𝑇 𝑄̅ 𝑥̃ (𝑡 ) + 𝑄̅ Ξ < 0 (66)
−1
trong đó 𝑄 = [𝜀𝑄 0 ], Ξ = [𝐴 − 𝐵𝐾 𝐵𝐾 + 𝑆
], 𝜀 là hệ số dương.
0 𝑅 0 𝑆
26
Chứng minh Định lý 3:
Nếu điều kiện (62)-(66) thoả mãn thì đạo hàm sai số ước lượng của vector trạng
thái (59) và đạo hàm sai số ước lượng của nhiễu (61) trở thành
𝑒̇ (𝑡 ) = 𝑋𝑒(𝑡 ) (67)
và
𝑒𝜔 (𝑡) = −𝑆𝑒(𝑡 ) (68)

Từ biểu thức (68), rõ ràng ta thấy rằng nếu sai số ước lượng 𝑒(𝑡 ) → 0 khi 𝑡 → ∞
thì sai số ước lượng của nhiễu trong biểu thức (68) cũng sẽ tiến về không. Vì vậy
chúng ta chỉ cần thiết kế bộ quan sát để làm cho sai số ước lượng 𝑒(𝑡 ) → 0 thì sai
số ước lượng của nhiễ 𝑒𝜔 (𝑡) sẽ tự động hội tụ về không.
Từ các biểu thức (53), (55), và (68), ta có thể suy ra rằng
𝑥̇ (𝑡 ) = 𝐴𝑥 (𝑡 ) − 𝐵𝐾𝑥̂ (𝑡 ) − 𝜔
ෝ (𝑡 ) + 𝜔(𝑡 ) = (𝐴 − 𝐵𝐾)𝑥 (𝑡 ) + 𝐵𝐾𝑒(𝑡 ) + 𝑒𝜔 (𝑡 ) =
(𝐴 − 𝐵𝐾)𝑥 (𝑡 ) + (𝐵𝐾 − 𝑆)𝑒(𝑡 ) (69)
Kết hợp (67) và (68) ta có
𝑥̇ (𝑡 ) 𝐴 − 𝐵𝐾 𝐵𝐾 − 𝑆 𝑥 (𝑡 )
[ ]=[ ][ ] (70)
𝑒̇ (𝑡 ) 0 𝑋 𝑒 (𝑡 )
Định nghĩa
𝑥 (𝑡 ) 𝐴 − 𝐵𝐾 𝐵𝐾 − 𝑆
𝑥̃ (𝑡 ) = [ ], Ξ = [ ]
𝑒 (𝑡 ) 0 𝑋
sau đó biểu thức (70) trở thành
𝑥̃̇ (𝑡 ) = Ξ𝑥̃ (𝑡 ) (71)
Chọn hàm Lyapunov như sau
𝑉(𝑥̃ (𝑡 )) = 𝑥̃ 𝑇 (𝑡 )𝑄̅𝑥̃(𝑡 ) (72)

−1
trong đó 𝑄̅ = [𝜀𝑄 0]
0 𝑅
27
Từ biểu thức (72), chúng ta có
𝑉̇ (𝑥̃ (𝑡 )) = 𝑥̃̇ 𝑇 (𝑡 )𝑄̅𝑥̃(𝑡 ) + 𝑥̃ 𝑇 (𝑡 )𝑄̅𝑥̃̇(𝑡 ) (73)
Kết hợp (72) và (73) ta thu được
𝑉̇ (𝑥̃ (𝑡 )) = [Ξ𝑥̃ (𝑡 )]𝑇 𝑄̅𝑥̃(𝑡 ) + 𝑥̃ 𝑇 (𝑡 )𝑄̅[Ξ𝑥̃ (𝑡 )]

= 𝑥̃ 𝑇 (𝑡 )[Ξ𝑇 𝑄̅𝑥̃(𝑡 ) + 𝑄̅Ξ]𝑥̃ (𝑡 ) (74)
Từ biểu thức (74), chúng ta thấy rằng nếu điều kiện ở biểu thức (66) của Định lý 3
thoả mãn thì ta có thể kết luận rằng 𝑉̇ (𝑥̃ (𝑡 )) < 0, điều này có nghĩa là 𝑥̃ (𝑡 ) =
𝑥 (𝑡 )
[ ] → 0 khi 𝑡 → ∞. Chứng minh Định lý 3 được hoàn thành.
𝑒 (𝑡 )
Tuy nhiên cũng giống như Định lý 1, điều kiện (66) của Định lý 3 là một bất phương
trình ma trận phi tuyến (BMI). Để giải bất phương trình ma trận này rất khó để giải
bằng Matlab để tìm các tham số của bộ điều khiển và bộ quan sát. Định lý sau đây
là cần thiết để chuyển BMI thành các LMI.
Định lý 4: Các biến trạng thái của hệ thống con lắc ngược (53), sai số ước lượng
của vector biến trạng thái (56), và sai số ước lượng của nhiễu (60) hội tụ về không
nếu tồn tại ma trận đối xứng xác định dương 𝑄, R và các ma trận 𝐾, 𝑋, 𝑇, 𝐽, 𝐸, và
𝑆 để các điều kiện sau thoả mãn:
𝐴𝑇 𝑅 + 𝑅𝐴 + 𝐴𝑇 𝐶 𝑇 𝛤 𝑇 𝑅 + 𝑅𝛤𝐶𝐴 + 𝐴𝑇 𝐶 𝑇 𝛺𝑇 𝑍̅ 𝑇 + 𝑍̅𝛺𝐶𝐴 − 𝐶 𝑇 𝑌 𝑇 − 𝑌𝐶 < 0 (75)

𝑄𝐴𝑇 + 𝐴𝑄 − 𝑊 𝑇 𝐵𝑇 − 𝐵𝑊 < 0 (76)
trong đó
𝐸 = Γ + 𝑍Ω (77)
𝛤 = −𝐵(𝐶𝐵)+ (78)
𝛺 = 𝐼 − (𝐶𝐵)(𝐶𝐵)+ (79)
𝑌 = 𝑅𝐿 (80)
𝑍̅ = 𝑅𝑍 (81)
𝑊 = 𝐾𝑄 (82)
Các tham số của bộ quan sát và bộ điều khiển được xác định như sau:
28
𝑋 = 𝑀𝐴 − 𝐿𝐶 (83)
𝐽 = 𝐿(𝐼 + 𝐶𝐸 ) − 𝑀𝐴𝐸 (84)
𝑇 = 𝑀𝐵 (85)
𝑆 = (𝐶𝐵)+ 𝐶𝐴 (86)
𝐾 = 𝑊𝑄 −1 (87)
Chứng minh Định lý 4:

Từ biểu thức (66), ta có thể thu được
𝐴 − 𝐵𝐾 𝐵𝐾 − 𝑆 𝑇 𝜀𝑄−1 0 −1
0 ] [𝐴 − 𝐵𝐾 𝐵𝐾 − 𝑆]
[ ] [ ] + [𝜀𝑄
0 𝑋 0 𝑅 0 𝑅 0 𝑋
𝜀 [𝐴𝑇 𝑄 −1 + 𝑄 −1 𝐴 − 𝐾 𝑇 𝐵𝑇 𝑄−1 − 𝑄−1 𝐵𝐾] 𝜀 [𝑄−1 𝐵𝐾 − 𝑄−1 𝑆]
=[ ]<0 (88)
𝜀 [𝐾 𝑇 𝐵𝑇 𝑄−1 − 𝑆 𝑇 𝑄−1 ] 𝑋 𝑇 𝑅 + 𝑅𝑋
Đặt Λ = 𝐴𝑇 𝑄−1 + 𝑄−1 𝐴 − 𝐾 𝑇 𝐵𝑇 𝑄 −1 − 𝑄 −1 𝐵𝐾, Δ = 𝑄−1 𝐵𝐾 − 𝑄−1 𝑆, và 𝛷 =

𝑋 𝑇 𝑅 + 𝑅𝑋, sau đó thay thế vào biểu thức (88) ta thu được
𝜀Λ 𝜀Δ]
[ ]<0 (89)
(∗) Φ
Theo bổ đề Schur, biểu thức (89) tương đương với biểu thức sau
Φ<0
{ (90)
𝜀Λ − 𝜀Δ(Φ)−1 (𝜀Δ)𝑇 < 0
Bởi vì Φ < 0, 𝜀Δ(Φ)−1 (𝜀Δ)𝑇 ≤ 0. Vì vậy, Λ < 𝜀Δ(Φ)−1 (Δ)𝑇 ≤ 0. Biểu thức (90)
tương đương với biểu thức sau
Φ<0
{ (91)
Λ<0
trong đó
𝛷 = 𝑋 𝑇 𝑅 + 𝑅𝑋
Λ = 𝐴𝑇 𝑄 −1 + 𝑄 −1 𝐴 − 𝐾 𝑇 𝐵𝑇 𝑄−1 − 𝑄−1 𝐵𝐾
29
Đầu tiên, hãy xem xét bất phương trình ma trận (91a), từ điều này ta có thể suy ra
𝛷 = 𝑋 𝑇 𝑅 + 𝑅𝑋 < 0 (92)
Dễ dàng thấy rằng cả R và X là các biến ma trận, vì vậy biểu thức (91b) là bất
phương trình ma trận phi tuyến (BMI). Các bước tiếp theo là để chuyển các BMI
(91b) to LMI.
Từ biểu thức (64), chúng ta có
[𝐼 + 𝐸𝐶 ]𝐵 = 0 (93)
𝐸 (𝐶𝐵) = −𝐵 (94)
Theo Bổ đề 1, nghiệm tổng quát của phương trình (94) là
𝐸 = Γ + 𝑍Ω (95)
trong đó 𝛤 = −𝐵(𝐶𝐵)+ , 𝛺 = 𝐼 − (𝐶𝐵)(𝐶𝐵)+ , 𝑍 là các ma trận bất kì với kích

thước phù hợp.
Bằng cách thêm biến phụ L với định nghĩa như sau
𝐿 = 𝐽 + 𝑋𝐸 (96)
Từ biểu thức (62) và (95), ta thu được

𝑋 = 𝑀𝐴 − 𝐿𝐶 (97)
Kết hợp (96) và (97) ta có
𝐽 = 𝐿(𝐼 + 𝐶𝐸 ) − 𝑀𝐴𝐸 (98)
Thế biểu thức (98) vào biểu thức (97) ta có kết quả như sau
𝑋 = (𝐼 + 𝐸𝐶)𝐴 − 𝐿𝐶 = (𝐼 + (Γ + 𝑍Ω)𝐶)𝐴 − 𝐿𝐶 (99)
Thay biểu thức (99) vào biểu thức (92) cho ta kết quả
30
Θ = [(𝐼 + (Γ + 𝑍Ω)𝐶)𝐴 − 𝐿𝐶 ]𝑇 𝑅 + 𝑅 [(𝐼 + (Γ + 𝑍Ω)𝐶)𝐴 − 𝐿𝐶 ]
= 𝐴𝑇 𝑅 + 𝑅𝐴 + 𝐴𝑇 𝐶 𝑇 𝛤 𝑇 𝑅 + 𝑅𝛤𝐶𝐴 + 𝐴𝑇 𝐶 𝑇 𝛺𝑇 𝑍 𝑇 𝑅 + 𝑅𝑍𝛺𝐶𝐴 − 𝐶 𝑇 𝐿𝑇 𝑅 −
𝑅𝐿𝐶 < 0 (100)
Đặt
𝑌 = 𝑅𝐿 (101)
𝑍̅ = 𝑅𝑍 (102)
sau đó thay vào biểu thức (100) ta có
Θ = 𝐴𝑇 𝑅 + 𝑅𝐴 + 𝐴𝑇 𝐶 𝑇 𝛤 𝑇 𝑅 + 𝑅𝛤𝐶𝐴 + 𝐴𝑇 𝐶 𝑇 𝛺𝑇 𝑍̅ 𝑇 + 𝑍̅ 𝛺𝐶𝐴 − 𝐶 𝑇 𝑌 𝑇 − 𝑌𝐶 < 0

(103)
Các ma trận A, C, E là những ma trận đã biết; R , 𝑍̅, và Y là các biến ma trận. Từ
biểu thức (103), rõ ràng ta thấy rằng đây là bất phương trình ma trận tuyến tính, bất
phương trình này có thể dễ dàng giải được bằng cách sử dụng công cụ LMI để thu
được các tham số bộ điều khiển và bộ quan sát cho hệ thống con lắc ngược. Tương
tự như vậy, bất phương trình ma trận phi tuyến (91b) được chuyển thành các
phương trình ma trận tuyến tính trong các bước sau:
Bất phương trình ma trận (91b) tương đương với
Σ = 𝐴𝑇 𝑄−1 + 𝑄−1 𝐴 − 𝐾 𝑇 𝐵𝑇 𝑄−1 − 𝑄 −1 𝐵𝐾 < 0 (104)
Nhân hai phí của (104) với ma trận Q ta có

Σ = 𝑄𝐴𝑇 + 𝐴𝑄 − 𝑄𝐾 𝑇 𝐵𝑇 − 𝐵𝐾𝑄 < 0 (105)
Đặt
𝑊 = 𝐾𝑄 (106)
Từ biểu thức (105) và (106) ta thu được
Σ = 𝑄𝐴𝑇 + 𝐴𝑄 − 𝑊 𝑇 𝐵𝑇 − 𝐵𝑊 < 0 (107)
Ta thấy rằng biểu thức (107) chỉ có chứa một biến, do đó (107) là một LMI.
31
Kết hợp biểu thức (103) và (107) dễ dàng cho ta thấy BMI (91) đã được chuyển
thành LMIs (108) như sau:
Θ<0
{ (108)
Σ<0
trong đó
Θ = 𝐴𝑇 𝑅 + 𝑅𝐴 + 𝐴𝑇 𝐶 𝑇 𝛤 𝑇 𝑅 + 𝑅𝛤𝐶𝐴 + 𝐴𝑇 𝐶 𝑇 𝛺𝑇 𝑍̅ 𝑇 + 𝑍̅ 𝛺𝐶𝐴 − 𝐶 𝑇 𝑌 𝑇 − 𝑌𝐶
Σ = 𝑄𝐴𝑇 + 𝐴𝑄 − 𝑊 𝑇 𝐵𝑇 − 𝐵𝑊
Vì vậy, BMI (66) của Định lý 3 đã thành công chuyển thành các LMI (75) and (76)
của Định lý 4. Chứng minh Định lý 4 được hoàn thành. .
Với mục đích làm cho người đọc dễ dàng hiểu hơn, các bươc để xác định các
tham số bộ điều khiển được tóm tắt như sau:
Bước 1: Các ma trận 𝛤 và 𝛺 thu được lần lượt từ biểu thức (78) và (79) của Định
lý 4.
Bước 2: Giải LMI (75) và (76), chúng ta thu được ma trận 𝑄, R, 𝑌, 𝑍̅, và 𝑊. Sau
đố, E, L, và Z được xác định lần lượt từ các biểu thức (77), (80), và (81),
respectively.
Bước 3: Tham số bộ quan sát 𝑋, 𝑇, 𝐽, 𝐸, và 𝑆 được lần lượt từ các biểu thức (83)-
(86) và tham số bộ điều khiển được xác định trong biểu thức (87).
32
Chương 4: KẾT QUẢ ĐẠT ĐƯỢC
Trong chương này nhóm tác giả sẽ thực tính toán các tham số của bộ điều
khiển và bộ quan sát cho hệ thống con lắc ngược cho cả 2 trường hợp có và không
có sự ảnh hưởng của thành phần bất định.
4.1 Kết quả mô phỏng cho bộ quan sát
Trong phần này chỉ có bộ quan sát được thiết kế, bộ điều khiển không thiết kế trong
trường hợp này. Sử dụng công cụ LMI của Matlab ta giải các điều kiện của Định
0.9105 0.0035 
1.2893 −2.7778
lý 1 ta thu được tham số của bộ quan sát như sau: L =  
0.0474 0.9247 
 
0.0498 48.5888 
Hình 4.1: Vị trí 𝑥1 (𝑡), tín hiệu ước lượng vị trí 𝑥̂1 (𝑡), và sai số ước lượng 𝑒1 (𝑡).
33
Hình 4.2: Vận 𝑥2 (𝑡), tín hiệu ước lượng vận tốc 𝑥̂2 (𝑡), và sai số ước lượng 𝑒2 (𝑡).
Hình 4.3: Góc 𝑥3 (𝑡), tín hiệu ước lượng góc 𝑥̂3 (𝑡), và sai số ước lượng 𝑒3 (𝑡).
34
Hình 4. 4: Vận tóc góc 𝑥4 (𝑡), tín hiệu ước lượng vận tốc góc 𝑥̂4 (𝑡), và sai số ước lượng
𝑒4 (𝑡).
Nhận xét: Trong phần này nhóm tác giả chỉ thiết kế bộ quan sát, tín hiệu điều
khiển được sử dụng từ bộ điều khiển LQR. Từ các kết quả mô phỏng ở các Hình
4.1-4.4, dễ dàng nhận thấy rằng các biến ước lượng hoàn toàn có thể bám sát với
tín hiệu thực tế. Sai số ước lượng hội tụ về không. Từ đây chúng ta có thể kết luận
rằng bộ quan sát được thiết kế trong đề tài này có thể ước lượng chính xác các biến
trạng thái của hệ thống con lắc ngược.
4.2. Kết quả mô phỏng cho trường hợp không có thành phần bất định
Sử dụng các thông số của hệ thống con lắc ngược được trình bày trong bảng số 1
tham số của bộ quan sát và bộ điều khiển thu được bằng cách giải các điều kiện
trong Định lý 2 lần lượt như sau:
0.9294 −0.5735
Tham số bộ quan sát 𝐿 = [1.3098 −2.1525]
0.5735 0.9294
0.1912 24.8457
Tham số bộ điều khiển 𝐾 = [−4.1540 −5.2156 −52.1325 −7.1705]
Kết quả mô phỏng như sau:
35
36
Hình 4.7:Góc 𝑥3 (𝑡), tín hiệu ước lượng góc 𝑥̂3 (𝑡), và sai số ước lượng 𝑒3 (𝑡).
Hình 4.8: Vận tóc góc 𝑥4 (𝑡), tín hiệu ước lượng vận tốc góc 𝑥̂4 (𝑡), và sai số ước lượng
𝑒4 (𝑡).
37
Nhận xét kết quả: Từ kết quả mô phỏng trong hình 4.5-4.8, chúng ta dễ dàng nhận
thấy rằng bộ điều khiển kết hợp với bộ quan sát hoàn toàn có thể ước lượng được
chính xác các biến trạng thái đồng thời ổn định hóa được hệ thống con lắc ngược.
Sai số ước lượng hội tụ về không trong một thời gian ngắn ( nhỏ hơn 10s).
4.3. Kết quả mô phỏng cho trường hợp có thành phần bất định
Hệ thống con lắc ngược có sự ảnh hưởng của thành phần bất định ∆𝐴(𝑡 ) và
∆𝐵(𝑡 ). Với Giả định 1, những thành phần bất định được tách thành như sau:
∆𝐴(𝑡 ) = 𝐵𝛾 (𝑡 ) và ∆𝐵(𝑡 ) = 𝐵𝛿(𝑡)
trong đó
𝛾 (𝑡 ) = [−3sin (𝑡) 1 + cos (𝑡) 2 sin(𝑡 ) cos (𝑡) 1 + cos (𝑡)]

𝛿 (𝑡 ) = cos (2𝑡).
Sử dụng công cụ LMI tool của matlab để giải các bất phương trình ma trận tuyến
tính trong Định lý 4, các tham số bộ điều khiển và bộ quan sát thu được như sau:
−0.5 −1.9238 0 −0.00

1.9420 −1.0069 9.8067 −0.2511
𝑋=[ ]
0.0992 −9.8581 0 −0.0128
0.000 0.2488 0 −0.5000
−2.8989 0.9619
99.4603 0.5034
𝐽=[ ],
−9.7320 5.9291
0.3749 −0.1244
0
0
𝑇 = [ ],
0
0
−2.9238 0
−1.0069 0.5000
𝐸=[ ],
−9.8581 0
0.2488 −1.0000
𝑆 = 0 0 −11.7680 0],
[
𝐾 = [−5.3037 −6.0658 −55.1568 −8.2875].
Sau đó thực hiện mô phỏng hệ thống bằng Simulink ta thu được kết quả như trong
hình sau:
38
39
Hình 4.11: Góc 𝑥3 (𝑡), tín hiệu ước lượng góc 𝑥̂3 (𝑡), và sai số ước lượng 𝑒3 (𝑡).
Hình 4.12Vận tóc góc 𝑥4 (𝑡), tín hiệu ước lượng vận tốc góc 𝑥̂4 (𝑡), và sai số ước lượng
𝑒4 (𝑡).
40
Nhận xét: từ những kết quả mô phỏng được mô tả trong hình 4.9-4.12, chúng ta có
thể kết luận rằng bộ điều khiển kết hợp với bộ ước lượng nhiễu đã thành công thực
hiện những nhiệm vụ sau:
• Loại bỏ được hoàn toàn ảnh hưởng của thành phần bất định
• Ước lượng được các biến trang thái của hệ con lắc ngược
• Ổn địn hóa được hệ thống, điều khiển hệ thống cân bằng tại gốc.
41
Chương 5: KẾT LUẬN
5.1. Kết quả đạt được

Trong quá trình thực hiện đề tài nhóm tác giả đã phân tích và xây dựng mô
hình toán học của con lắc ngược. Thiết kế được bộ quan sát để ước lượng chính xác
các tham số của hệ con lắc ngược nhằm mục đích thay thế cảm biến. Đồng thời
nhóm cũng thiết kế thành công bộ điều khiển kết hợp với bộ quan sát cho hệ con
lắc ngược trong trường hợp không có ảnh hưởng của thành phần bất định để ước
lượng biến trạng thái và ổn định hóa hệ thống con lắc ngược. Bên cạnh đó, nhóm
cũng đã thiết kế bộ điều khiển kết hợp với bộ quan sát ước lượng nhiễu cho hệ
thống con lắc ngược với sự ảnh hưởng của thành phần bất định. Phương pháp này
giúp cho bộ điều khiển có thể loại bỏ hoàn toàn ảnh hưởng của thành phần bất định
mà không cần phải biết điều kiện ràng buộc của các thành phần bất định này. Nhóm
cũng đã viết được các chương trình phần mềm để tính toán tham số các bộ điều
khiển và bộ quan sát, các chương trình mô phỏng. Từ kết quả mô phỏng, chúng ta
có thể kết luận rằng, phương pháp thiết kế bộ điều khiển và bộ quan sát trong đề tài
đã thành công điều khiển hệ con lắc ngược.
5.2. Hướng phát triển đề tài
Trong tương lai nhóm có kế hoạch phát triển đề tài theo hướng xây dựng các
thuật toán mới để điều khiển hệ thống con lắc ngược khi có sự xuất hiện của thành
phần trễ cũng như có sự gián đoạn trong quá trình truyền tín hiệu đo cũng như tín
hiệu điều khiển.
42
TÀI LIỆU THAM KHẢO
[1] E. Sivaraman, S. Arulselvi,: Modeling of an inverted pendulum based on fuzzy clustering techniques ,
Expert Systems with Applications 38 (2011), 13942–13949.
[2] M. Magdy, A. E. Marhomy, M. A. Attia,: Modeling of inverted pendulum system with gravitational
search algorithm optimized controller, Ain Shams Engineering Journal 10 (2019) 129–149.
[3] V. Kumar E and J. Jeromem,: Robust LQR Controller Design for Stabilizing and Trajectory Tracking of
Inverted Pendulum, International Conference On DESIGN AND MANUFACTURING, IConDM 2013,
Procedia Engineering 64 (2013), 169 – 178.
[4] A. Kharola, P. Patil, S. Raiwani, and D. Rajput,: A comparison study for control and stabilisation of
inverted pendulum on inclined surface (IPIS) using PID and fuzzy controllers, Perspectives in Science
8(2016), 187—190.
[5] M. Bettayeb, C. Boussalem, R. Mansouri, and U. M. Al-Saggaf,: Stabilization of an inverted pendulum-
cart system by fractional PI-state feedback, ISA Transactions 53 (2014), 508–516.
[6] E. Aranda-Escolástico, M. Guinaldo, F. Gordillo, S. Dormido,: A novel approach to periodic event-
triggered control: Design and application to the inverted pendulum, ISA Transactions 65 (2016), 327-
338.
[7] A. Ilyas Roose, S. Yahya, H. Al-Rizzo,: Fuzzy-logic control of an inverted pendulum on a cart,
Computers and Electrical Engineering 61 (2017) 31–47.
[8] S. Chatterjee and S. K. Das,: An Analytical Formula for Optimal Tuning of the State Feedback Controller
Gains for the State Feedback Controller Gains for the Cart-Inverted Pendulum System, IFAC
PapersOnLine 51-1 (2018) 668–672.
[9] X. J. Su, F. Q. Xia, J. X. Liu, and L. G. Wu,: Event-triggered fuzzy control of nonlinear systems with its
application to inverted pendulum systems, Automatica 94 (2018), 236–248.
[10] R. Bitirgenm, M. Hancer, and I. Bayezit,: All Stabilizing State Feedback Controller for Inverted
Pendulum Mechanism, IFAC PapersOnLine 51-4 (2018) 346–351.
[11] A. Chalanga, M. Patil, B. Bandyopadhyay, and H. Arya,: Output regulation using new sliding surface
with an implementation on inverted pendulum system, European Journal of Control 45(2019), 85-91.
[12] S. Irfan, A. Mehmood, M. T. Razzaq, and J. Iqbal,: Advanced sliding mode control techniques for
Inverted Pendulum: Modelling and simulation, Engineering Science and Technology, an International
Journal 21(2018) 753–759.
[13] S. Brock : Swing-up methods for inverted pendulum Poznań University of Technology, international
conference on electrical drives and power electronics slovakia 24 – 26 september 2003.
[14] [C. X. Cường, T. Đ. K. Quốc: “điều khiển mô hình con lắc ngược sử dụng bộ điều khiển lqr với hai
vòng phản hồi” Cao đẳng công nghệ Tây Nguyên.
[15] N. T. Tần : “Thiết kế điều khiển cân bằng con lắc ngược”, Đại học Trà Vinh.
[16] N. V. Đ. Hải : “Xây dựng bộ điều khiển nhúng tuyến tính hóa vào ra cho hệ con lắc ngược” Đại học
Bách Khoa TP.HCM.
[17] D. Gutierrez, H. Rios, J.A. Rosales, R. Galvan-Guerra, “Finite and Fixed-Time State Estimation:
Pendulum-Cart System,” IFAC PapersOnLine, vol. 50-1, pp. 7139–7144, 2017.
[18] G. Pang, J. Cao, X. Y. Chen, and J. L. Qiu, “Simultaneous fault detection and antisaturated control
based on dynamic observer for inverted pendulum control system,” Int J Robust Nonlinear Control., vol.
29, pp. 3279-3295, 2019.
[19] S. Khatoon, D. K. Chaturvedi, N. Hasan, and M. Istiyaque, “Observer Based Controller Design for
Inverted Pendulum System,” 2nd IEEE International Conference on Power Electronics, Intelligent
Control and Energy Systems (ICPEICES-2018), 2018.
[20] S. Boyd, L. E. Ghaoui, E. Feron, and V. Balakrishnan, Linear Matrix Inequalities in System and
Control Theory, Society for Industrial and Applied Mathematics (SIAM), 1994.
[21] M. El-Bardini, and A. M. El-Nagar, “Interval type-2 fuzzy PID controller for uncertain nonlinear
inverted pendulum system,” ISA Transactions, vol. 53, pp. 732–743, 2014.
[22] J. Lee, R. Mukherjee, and H.K. Khalil, “Output feedback stabilization of inverted pendulum on a cart
in the presence of uncertainties,” Automatica, vol. 54, pp. 146–157, 2015.
[23] J. L. Zhang, W. Zhang, “Adaptive Fuzzy Sliding Mode Control for Uncertain Inverted Pendulum
System,” Applied Mechanics and Materials, vol. 273, pp 683-688, 2013.
[24] Y. F. Chen and A. C. Huang, “Adaptive control of rotary inverted pendulum system with time-varying
uncertainties,” Nonlinear Dyn., vol. 76, pp. 95–102, 2014.
[25] C. Sarkar and A. Sengupta, “LMI based LSVF Control of a Class of Nonlinear Systems with Parametric
Uncertainty: An Application to an Inverted Pendulum System,” International Journal of Control, vol. 89,
no. 12, pp. 2520-2532, 2016.
43
[26] R. Kumari, J. Dey, S. K. Pandey , A. Chakraborty, and R. Mondal, “µ-synthesis Controller for Robust
Stabilization of Cart Inverted Pendulum System,” 2017 4th IEEE Uttar Pradesh Section International
Conference on Electrical, Computer and Electronics (UPCON), pp. 300-304. 2017
[27] A. K. Jayaprakash, K. B. Kidambi, W. MacKunis, S. V. Drakunov, and M. Reyhanoglu, “Finite-Time
State Estimation for an Inverted Pendulum under Input-Multiplicative Uncertainty,” Robotics, vol. 9, no.
4, pp. 1-26, 2020.
[28] S. H. Li, J. Yang, W. H. Chen, and X. S. Chen, Disturbance Observer-based Control: Methods and
Applications, Broken Sound Parkway NW: CRC Press Taylor & Francis Group, 2014.
[29] J. Han, H. G. Zhang, Y. C. Wang, and Y. Liu, “Disturbance observer-based fault estimation and
dynamic output feedback fault tolerant control for fuzzy systems with local nonlinear model,” ISA
Transactions, vol. 59, pp. 114-124, 2015.
[30] T. Poloni, I. Kolmanovsky, B. Rohal’-Ilkiv, “Input Disturbance Observer-Based Control: Case
Studies,” J. Dyn. Sys., Meas., Control., vol. 140, pp. 1-8, 2018.
[31] V. P. Vu and W. J. Wang, “State/Disturbance observer synthesis for T-S fuzzy system with the enlarge
class of disturbances,” IEEE Trans. Fuzzy Syst. vol. 26, no. 6, pp. 3645-3659, 2018.
[32] V. P. Vu, W. J. Wang, “Observer-based controller synthesis for uncertain polynomial systems”, IET
Control Theory and Applications, vol.12, no.1, pp. 29-37, 2018.
[33] A. J. Laub, Matrix Analysis for Scientists and Engineers. Philadelphia, PA, USA: SIAM, 2005.
[34] Yeh, S.J., Chang, W., Wang, W.J.: ‘Unknown input based observer synthesis for uncertain T–S fuzzy
systems’, IET Control Theory Appl., 2015, 9, (7), pp. 729–735.
[35] Huynh Thai Hoang, “Intelligent Control System”, published by Vietnam National University Press,
2006.
44
PHỤ LỤC
Thư accepted paper:
45
Ranking của journal trong SCImango
Journal được Index trong Scopus

https://www.scopus.com/sourceid/21100373959?origin=resultslist
46
Accepted Letter
Ranking trên SCImango
1
Journal được Index trong Scopus
https://www.scopus.com/sourceid/21100373959?origin=resultslist
2
Disturbance Observer-Based Controller for Inverted Pendulum with
Uncertainties: LMI Approach
Van-Phong Vu, Minh-Tam Nguyen, Anh-Vu Nguyen, Vi-Do Tran, Tran-Minh-Nguyet Nguyen
Department of Automatic Control, Ho Chi Minh City University of Technology and Education, Ho Chi Minh City, Vietnam
Article Info ABSTRACT

Article history: A new approach based on Linear Matrix Inequality (LMI) technique for
stabilizing the Inverted Pendulum is developed in this article. The observer-
based controller is synthesized to estimate the unknown states and stabilize the
Inverted Pendulum system. The impacts of the uncertainties are taken into
consideration in this paper as well. Unlike the previous studies, the
uncertainties in this study do not need to satisfy the bounded constraints. These
Keywords: uncertainties will be transformed into the unknown input disturbances then a
disturbance observer-based controller will be designed to estimate the
Observer-based controller information of the unknown states, eliminate completely the influences of the
Disturbance observer uncertainties, and stabilizing Inverted Pendulum system. With the support of
LMIs Lyapunov methodology, the conditions for synthesizing observer and
Uncertainties controller in term of LMIs are derived in main theorems. Finally, the
Inverted Pendulum simulations for system with and without uncertainties are provided to show the
merit and success of the proposed methods in this paper.
This is an open access article under the CC BY-SA license.
Corresponding Author:
Van-Phong Vu
Department of Automatic Control
Ho Chi Minh City University of Technology and Education,
No. 1 Vo Van Ngan Street, Thu Duc District, Ho Chi Minh city, Vietnam.
Email: phongvv@hcmute.edu.vn
1. INTRODUCTION.
Inverted Pendulum system is a typical system which is used for developing and testing of many modern control theories
because of the interesting dynamic characteristics such as strong nonlinear, complicated, multi-variable, and unstable
system. Inverted Pendulum model is similar to the practical models that existing in reality such as a missile, self-balancing
robot, and heavy crane lifting containers. In the past few decades, plenty of papers studying Inverted Pendulum have been
published [1]-[12]. For example, the problems of modeling the Inverted Pendulum were investigated in papers [1] and [2]
where the modeling method based on the fuzzy cluster method was studied in [1] and the D'Alembert's principle was
employed to model inverted pendulum in [2]. Additionally, the controller synthesis to stabilize the system has been
received great attention from researchers [3]-[12]. For instance, a PI-state feedback controller was designed to control the
Inverted Pendulum system in [5], in which the proportional and integral gains were determined relied on the pole the input
control signal was sampled and not continuous time. Another modern controller, sliding mode control, has been applied
to stabilize the Inverted Pendulum in [11] and [12] as well. However, the drawback of the sliding mode control is that
there exist the chattering phenomena which will impact the devices and performance of the system.
In reality, a lot of physical state variables of the system are unable or difficult to measure by using the sensors.
Moreover, employing sensors to obtain the information of the state variables will cause to increase the cost and the sensors
are also sensitive to the noise that leads to the incorrect measurements. Due to the above reason, synthesizing an observer
to replace the sensors of the system is a pressing issue that attracts a lot of researchers. Recently, there are many papers
focusing on observer design [13]-[16].
3
Regarding observer design for Inverted Pendulum, several studies have been investigated in the past few years [17]-
[19]. For example, an approach to design a high-order sliding mode observer was proposed in [17] to estimate the unknown
states. However, the drawback of the sliding mode method in paper [17] is that the existence of the chattering phenomenon
will influence the performance of the observer (to be seen in [17]). In paper [18], an observer was synthesized to estimate
both states and faults simultaneously and a method based on Ackerman’s formula was presented in the article [18]. In the
past decade, a mathematical technique called Linear Matrix Inequality (LMI) which assists to solve the problems of the
control field more easily and efficiently was introduced in [20]. However, to the best of our knowledge, there exist a few
papers employing the LMI technique to synthesize observer for Inverted Pendulum. Thus, in this work, we will propose
an approach based on the LMI technique to design an observer for Inverted Pendulum that can avoid the chattering issues
in paper [17]. In addition, with the aid of the LMIs technique, the conditions to design observer will be more relaxed with
respect to applying Ackerman’s formula in paper [18].
Besides, in practice, the systems are inevitable to be impacted by the uncertainties which may come from the modeling
and/or parameter errors. The Inverted Pendulum is not an exception, hence, stabilizing the Inverted Pendulum with the
impacts of the uncertainties is a pressing and interesting issue. There are many articles paying attention to stabilizing the
uncertain Inverted Pendulum system in recent years [21]-[27]. In paper [21], a fuzzy type-2 PID controller was synthesized
for the Inverted Pendulum to eliminate the influence of uncertainties and stabilize the Inverted Pendulum system.
However, the uncertainties in paper [21] must be satisfied with the bounded constraints. An output feedback controller
was proposed in paper [22] in which the unknown states were estimated by the high-gain observer. However, there are
several drawbacks in this work such as the high-gain observer is sensitive with measurement noises and sometimes the
peaking phenomenon occurs due to the high gain of the observer. An adaptive controller and adaptive fuzzy sliding mode
controller were synthesized for Inverted Pendulum and Rotary Inverted Pendulum system with the uncertainties in [23]
and [24], respectively. A new approach based on the Control Lyapunov Function and Linear Matrix Inequality was
proposed to design controller for Inverted Pendulum System with existence of the uncertainties [25]. Regarding to observer
synthesis for the uncertain Inverted Pendulum system, a sliding mode technique was employed to design an observer to
estimate the unknown states and eliminate the effects of the uncertainties. However, it is seen that the uncertainties of the
previous papers [21]-[27] must be bounded. It means that the upper and lower bound values of the uncertainties have to
know in advance, otherwise it is impossible to design controller and observer for these systems.
Recently, a disturbance observer which was developed to estimate the disturbance has been introduced in [28]. This
disturbance observer allows us to obtain information of the disturbance that needs to control the system and improve the
control accuracy of the system. There have been many previous papers studying about the disturbance observer such as
papers [29]-[32]. Unfortunately, to the best of our knowledge, the disturbance observer has not been employed to deal
with the Inverted Pendulum with the presence of the uncertainties in previous papers. Due to this reason, in this paper, we
proposed a new approach relied on disturbance observer to estimate the unknown states and the uncertainties.
With the aforementioned analyses, we inspired to propose a new approach to synthesize the observer and disturbance
observer-based controller for Inverted Pendulum which are emphasized in the following contributions:
1. An observer-based controller is synthesized to stabilize the Inverted Pendulum. The method in this paper is based
on the LMI technique which allows us can determine the observer and controller gain easily and efficiently. The
method in this paper will help to avoid the chattering phenomenon in paper [16] as well as the conditions for
designing observer-based controller is also more relaxed in comparison with the method in [17]. In addition,
some state variables of Inverted Pendulum are not measured by sensors, thus, the methods in [3]-[12] are failed
to stabilize the system. To deal with this issues, in this article, an observer is synthesized for replacing the sensors
to estimate the unknown states of the system.
2. A disturbance observer-based controller is proposed for the Inverted Pendulum system with uncertainties that has
not been found in any previous paper. Unlike previous papers [21]-[27], the uncertainties in this study do not
need to fulfill the bounded constraints. Therefore, it is impossible to employ the methods in paper [21]-[27] to
design controller for our case. In this paper, first step, the uncertainties are transformed to the input disturbances,
and then the disturbance observer-based controller is synthesized in the second step to estimate unknown states,
and input disturbances simultaneously. The advantages of the proposed method are that the information of the
uncertainties is obtained, then feedback to the controller, it allows the controller to eliminate completely the
impacts of the uncertainties and increase the control accuracy.
The rest of this article is organized as follows. In Section 2, the mathematical model of Inverted Pendulum is described
and the problems that will be solved in this paper are stated as well. The method to synthesize an observer-based controller
4
based on LMI technique for Inverted Pendulum system without uncertainties is provided in Section 3. In Section 4, the
main theorems for designing disturbance observer-based controller for Inverted Pendulum with the presence of
uncertainties are shown. The simulation results for both with and without uncertainties of Inverted Pendulum system are
presented in Section 5. Finally, several conclusions are summarized in Section 6.
Notations: In this paper, Θ > 0 (< 0) indicates the matrix 𝐴 is a positive (negative) definite. 𝛩𝑇 represent the transpose
of a matrix 𝛩; 𝛩 −1 denotes the inverse of 𝛩; 𝐼 is defined as an identity matrix. 𝛩+ indidcates the Moore-Penrose pseudo-
inverse of 𝛩 with 𝛩 + = (𝛩𝑇 𝐴)−1 𝛩𝑇 . The symbol ℜ𝑛×𝑚 denotes the set of 𝑛 × 𝑚 matrices.
Nomenclature: BMI: Bilinear Matrix Inequality; LMI: Linear Matrix Inequality
2. RESEARCH METHOD
2.1. System model.
Consider the Inverted Pendulum on a cart in Fig. 1 with the nonlinear equation as follows:
𝑢+𝑚𝑙𝑠𝑖𝑛(𝜃)𝜃̇ 2 −𝑚𝑔𝑐𝑜𝑠(𝜃)𝑠𝑖𝑛(𝜃)
𝑥̅̈ =
𝑀+𝑚−𝑚(𝑐𝑜𝑠(𝜃))2
{ ̇
(1)
𝑢𝑐𝑜𝑠(𝜃)−(𝑀+𝑚)𝑔(𝑠𝑖𝑛(𝜃))+𝑚𝑙(𝑐𝑜𝑠(𝜃) 𝑠𝑖𝑛(𝜃))𝜃
𝜃̈ = 2
𝑚𝑙(𝑐𝑜𝑠(𝜃)) −(𝑀+𝑚)𝑙
where the parameters of the Inverted Pendulum system and their values are described in Table 1.
Let us define 𝑥1 = 𝑥̅ , 𝑥2 = 𝑥̅̇ , 𝑥3 = 𝜃, 𝑥4 = 𝜃̇ , then the Eq. (1) is written as follows
𝑥2
𝑥̇1 𝑢𝑐𝑜𝑠(𝑥3 )−(𝑀+𝑚)𝑔(sin(𝑥3 )+𝑚𝑙(cos(𝑥3 ) sin(𝑥3 ))𝑥4
𝑥̇ 2 𝑚𝑙(cos(𝑥1 ))2 −(𝑀+𝑚)𝑙
[ ]= 𝑥4 (2)
𝑥̇ 3
𝑥̇ 4 𝑢+𝑚𝑙(sin(𝑥3 ))𝑥42 −𝑚𝑔𝑐𝑜𝑠(𝑥3 ) sin(𝑥3 )
[ 𝑀+𝑚−𝑚(cos(𝑥3 ))2 ]
Table 1: Parameters of the Inverted Pendulum [35]
Parameters Symbol Value Unit

Mass of cart 𝑀 1 𝑘𝑔
Mass of pendulum 𝑚 0.2 𝑘𝑔
Length of pole 𝑙 0.5 𝑚
Gravitational acceleration 𝑔 9.80556 𝑚/𝑠 2
Position of Cart 𝑥̅ 𝑚
Velocity of Cart 𝑥̅̇ 𝑚/𝑠
Figure 1. Inverted Pendulum on Car Angle of Inverted Pendulum 𝜃 𝑟𝑎𝑑

Angle velocity 𝜃̇ 𝑟𝑎𝑑/𝑠
Linearizing the original nonlinear system (2) at the equilibrium point (0,0,0,0) and subtitling the values of the
parameters in Table 1 obtains the following system.
𝑥̇ (𝑡) = 𝐴𝑥(𝑡) + 𝐵𝑢(𝑡)

{ (3)
𝑦(𝑡) = 𝐶𝑥(𝑡)
5
𝑥1 𝑥̇1 0 1.00 0 0 0
𝑥2 𝑥̇ 2 0 0 −1.9613 0 1 1 0 0 0
where 𝑥 = [ ] , 𝑥̇ = [ ], 𝐴 = [ ], 𝐵 = [ ], and 𝐶 = [ ]
𝑥3 𝑥̇ 3 0 0 0 1 0 0 0 0 1
𝑥4 𝑥̇ 4 0 0 23.536 0 −2
2.2. Problem description.
Suppose that only the position of the cart (𝑥1 = 𝑥) and angle acceleration (𝑥4 = 𝜃)̇ are measured by sensors; and the
velocity of the cart (𝑥2 = 𝑥̇ ) and angle of Inverted Pendulum (𝑥3 = 𝜃) are unknown. However, the information of these
two state variables is necessary to synthesize a controller to stabilize the system (3). Due to this reason, the objective of
this paper ís to desig an observer-based controller to estimate the unknown state and stabilize the system (3) at the
equilibrium point (0,0,0,0). There are two scenarios taken into consideration in this article.
Scenario 1: The observer-based controller is synthesized for the inverted pendulum system (3) without affected by the
uncertainties.
Scenario 2: The disturbance observer-based controller is designed for the inverted pendulum system which is affected by
the uncertainties. It should be noted that the uncertainties in this paper is unnecessary to satisfy the bounded constraints.
In this case, both the unknown states and uncertainties are estimated asymptotically and feed-backed to the controller to
stabilize the system.
Remark 1: In this paper, we assume that the velocity of the cart (𝑥2 = 𝑥̇ ) and angle of Inverted Pendulum (𝑥3 = 𝜃) are
not measured by sensors. It means that the information of these two state variables are unknown, therefore, the methods
to design controller for Inverted Pendulum in papers [3]-[12] are unable to apply for this case. Additionally, in this study,
sensors are not used for obtaining the information of velocity of the cart and angle of inverted pendulum that lead to reduce
the cost for constructing the system.
2.3 Observer -based controller for Inverted Pendulum
In this section, an observer and controller are designed for the system (3) simultaneously. The structure of the system
with the observer-based controller is depicted in Fig.2. Let us consider the observer form for the system (3) as follows
𝑥̂̇ = 𝐴𝑥̂ + 𝐵𝑢 + 𝑇(𝑦 − 𝑦̂)

{ (4)
𝑦̂ = 𝐶𝑥̂
where 𝑥̂ and 𝑦̂ are the estimation of the state 𝑥 and output 𝑦, respectively. 𝑇 are the observer gain which is determined
later. The controller for the system (3) is expressed in the following form
𝑢 = −𝐾𝑥̂ (5)
Let us define the estimation error
𝑒 = 𝑥 − 𝑥̂ (6)
The dynamic expression of the estimation error is
𝑒̇ = 𝑥̇ − 𝑥̂̇ (7)
Combining (3) and (4), one obtains
𝑒̇ = (𝐴 − 𝑇𝐶)𝑒 (8)
Substituting (5) into (3), the closed-loop system is obtained
𝑥̇ = (𝐴 − 𝐵𝐾)𝑥 + 𝐵𝐾𝑒 (9)
From (8) and (9), it infers that
𝑥̇ 𝐴 − 𝐵𝐾 𝐵𝐾 𝑥
[ ]=[ ][ ] (10)
𝑒̇ 0 𝐴 − 𝑇𝐶 𝑒
6
𝑥 𝐴 − 𝐵𝐾 𝐵𝐾
Denote 𝑥̃ = [ ] and 𝐴̃ = [ ], then (10) becomes 𝑥̃̇ = 𝐴̃𝑥̃ (11)
𝑒 0 𝐴 − 𝑇𝐶
Theorem 1: The estimation error 𝑒 and the state variable 𝑥 of the system (3) with observer (4) and controller (5)
converge to zero asymptotically, if there exist matrices 𝑇, 𝐾, and positive symmetric matrices 𝑃1 and 𝑃2 such that the
following condition holds
(𝐴 − 𝐵𝐾)𝑇 𝑃1−1 + 𝑃1−1 (𝐴 − 𝐵𝐾) 𝑃1−1 (𝐴 − 𝐵𝐾)
[ ]<0 (12)
(𝐵𝐾)𝑇 𝑃1−1 (𝐴 − 𝑇𝐶)𝑇 𝑃2 + 𝑃2 (𝐴 − 𝑇𝐶)
Proof: Let us select the Lyapunov function
𝑉(𝑡) = 𝑥̃ 𝑇 (𝑡)𝑃𝑥̃(𝑡) (13)
𝑃 −1 0
where 𝑃 = [ 1 ]
0 𝑃2
Taking the derivative both sides of (13) yields
𝑉̇ (𝑡) = 𝑥̃̇ 𝑇 (𝑡)𝑃𝑥̃(𝑡) + 𝑥̃ 𝑇 (𝑡)𝑃𝑥̃̇ (𝑡) (14)

From (11) and (14), we obtain
(𝐴 − 𝐵𝐾)𝑇 𝑃1−1 + 𝑃1−1 (𝐴 − 𝐵𝐾) 𝑃1−1 (𝐴 − 𝐵𝐾)

𝑉̇ (𝑡) = 𝑥̃ 𝑇 (𝑡)[𝐴̃𝑇 𝑃 𝑇
𝑃𝐴̃]𝑥̃(𝑡) = 𝑥̃ (𝑡) [ ] 𝑥̃(𝑡) (15)
(𝐵𝐾)𝑇 𝑃1−1 (𝐴 − 𝑇𝐶)𝑇 𝑃2 + 𝑃2 (𝐴 − 𝑇𝐶)
It is easily seen that if the condition (12) holds then 𝑉̇ (𝑡) < 0, it infers that 𝑥 and 𝑒 approach zero asymptotically when
𝑡 → ∞. The proof is completed.
Unfortunately, it is obvious that there exist two matrix variables multiplying together in one term of the conditions
(12), therefore condition (12) is a non-convex Bilinear Matrix Inequality (BMI) that is hard to determine matrix variables
𝑇, 𝐾, 𝑃1 , and 𝑃2 fulfill the condition (12). Because of this reason, Theorem 2 is needed to transform condition (12) to
Linear Matrix Inequality (LMI) which is easy to solve by using the LMI tool of MATLAB.
Theorem 2: The estimation error 𝑒 and the state variable 𝑥 of the system (3) with observer (4) and controller (5)
approach zero asymptotically, if there exist matrices 𝑇, 𝐾, and positive symmetric matrices 𝑃1 and 𝑃2 such that the
following conditions satisfy
𝑃1 𝐴𝑇 − 𝑍 𝑇 𝐵𝑇 + 𝐴𝑃1 − 𝐵𝑍 < 0 (16)
𝐴𝑇 𝑃2 − 𝐶 𝑇 𝑊 𝑇 + 𝑃2 𝐴 − 𝑊𝐶 < 0 (17)
The observer and controller gains are determined as follows
𝑇 = 𝑃2−1 𝑊 (18)
𝐾 = 𝑍𝑃1−1 (19)
Proof: According to the Schur complement, (12) is equivalent to
(𝐴 − 𝐵𝐾)𝑇 𝑃1−1 + 𝑃1−1 (𝐴 − 𝐵𝐾) < 0 (20𝑎)
{
(𝐴 − 𝑇𝐶)𝑇 𝑃2 + 𝑃2 (𝐴 − 𝑇𝐶) < 0 (20𝑏)
Pre and post multiplying 𝑃1 with (20a) and denoting 𝑍 = 𝐾𝑃1 , (20a) becomes
𝑃1 𝐴𝑇 − 𝑍 𝑇 𝐵𝑇 + 𝐴𝑃1 − 𝐵𝑍 < 0 (21)
Define 𝑊 = 𝑃2 𝑇 then (20b) is written as follows
𝐴𝑇 𝑃2 − 𝐶 𝑇 𝑊 𝑇 + 𝑃2 𝐴 − 𝑊𝐶 < 0 (22)
From (21) and (22), it is obvious that (21) and (22) are the LMIs and they are the same as (16) and (17) of Theorem 2. It
means that it is successful to convert BMI (12) of Theorem 1 to LMIs (16) and (17) of Theorem 2. The proof is completed.
7
2.4 Disturbance observer -based controller for Inverted Pendulum with uncertainties
Suppose that the Inverted Pendulum system (1) is impacted by the time-varying uncertainties which may come from
the modeling errors and/or parameter errors, then it is rewritten as follows:
𝑥̇ (𝑡) = (𝐴 + ∆𝐴(𝑡))𝑥(𝑡) + (𝐵 + ∆𝐵(𝑡))𝑢(𝑡)
{ (23)
where ∆𝐴(𝑡) and ∆𝐵(𝑡) the uncertainties.
With the existence of the uncertainties, the performance of the system (1) is degraded. Hence, the objective of this
section is to synthesize an observer-based controller to eliminate the effects of the uncertainties and stabilize the system.
Due to the existence of the uncertainties, the method for synthesizing the observer-based controller in Section IV are failed
to apply for the system (1). Therefore, in this section, a new approach based on the disturbance-observer based controller
is proposed to stabilize the system (1).
Figure 2. Structure of observer-based controller for Figure 3. Structure of observer-based controller for
Inverted Pendulum System Inverted Pendulum System with uncertainties
Assumption 1: Assume that the uncertainties ∆𝐴(𝑡) and ∆𝐵(𝑡)) satisfy the following matching conditions:
∆𝐴(𝑡) = 𝐵𝛾(𝑡) and ∆𝐵(𝑡) = 𝐵𝛿(𝑡).
Remark 2: It should be noted that the uncertainties ∆𝐴(𝑡) and ∆𝐵(𝑡)) in Eq. (23) do not need to satisfy the bounded
constraints and the lower and upper-bounded value are unknown, or in practice, it is difficult to determine the values of
the lower/upper bounds of the uncertainties. Therefore, it is impossible to apply the methods in paper [23]-[27] for
synthesizing controller for the system in Eq. (23). Due to this reason, in this section, we propose a new approach based on
disturbance observer-based controller to eliminate the influences of the uncertainties and stabilize the system.
Remark 3: The matching conditions in Assumption 1 is necessary to transform the uncertainties into the unknown
input disturbance. This assumption can be found in previous papers such as [15], [16] and [34]. However, we assume that
this assumption is still conservative when common matrix B is used to decompose the uncertainties ∆𝐴(𝑡) and ∆𝐵(𝑡). It
is still an open issue that need to solve in future work.
Lemma 1 [25]: Taken into account the matrix equation 𝑋𝐴 = 𝐵 where 𝐴 ∈ ℝ𝑚×𝑛 , 𝑚 ≥ 𝑛, and 𝐵 ∈ ℝ𝑘×𝑛 . The general
solution of the above matrix equation is expressed in the form 𝑋 = 𝐵𝐴+ + 𝑌(𝐼 − 𝐴𝐴+ ) in which 𝑌 ∈ ℝ𝑘×𝑚 is an arbitrary
matrix with appropriate dimension and 𝐴+ = (𝐴𝑇 𝐴)−1 𝐴𝑇 is the Moore-Penrose pseudoinverse of A.
Under Assumption 1, the system (23) becomes
𝑥̇ (𝑡) = 𝐴𝑥(𝑡) + 𝐵𝑢(𝑡) + 𝐵( 𝛾(𝑡)𝑥(𝑡) + 𝛿(𝑡)𝑢(𝑡))

{ (24)
Denote
𝜔(𝑡) = 𝛾(𝑡)𝑥(𝑡) + 𝛿(𝑡)𝑢(𝑡)
8
then the system (24) is modified as follows
𝑥̇ (𝑡) = 𝐴𝑥(𝑡) + 𝐵(𝑢(𝑡) + 𝜔(𝑡))
{ (25)
It is seen that under Assumption 1, the Inverted Pendulum system (23) with uncertainties has been transformed to the
system (25) with the unknown input disturbance. From now on, the controller and observer will be designed for the system
(25) instead of (23). Additionally, in this section, a disturbance observer is synthesized for the system (25) to estimate the
unknown states and the disturbance 𝜔(𝑡) simultaneously. After that this information is feed-backed to the controller to
keep the inverted pendulum system to be stable at the equivalent point (0,0,0,0).
Consider the disturbance observer form as follows:
𝜂̇ (𝑡) = 𝑋𝜂(𝑡) + 𝑇𝑢(𝑡) + 𝐽𝑦(𝑡)
{ 𝑥̂(𝑡) = 𝜂(𝑡) − 𝐸𝑦(𝑡) (26)
𝜔 ̂(𝑡) = (𝐶𝐵)+ 𝑦̇ (𝑡) − 𝑆𝑥̂(𝑡) − 𝑢(𝑡)
in which 𝑥̂(𝑡) and 𝜔̂(𝑡) are the estimation of the state 𝑥(𝑡), and disturbance 𝜔(𝑡), respectively. 𝑋, 𝑇, 𝐽, 𝐸, and 𝑆 are the
observer gains of the observer (26). (𝐶𝐵)+ = [(𝐶𝐵)𝑇 (𝐶𝐵)]−1 (𝐶𝐵) is the Moore-Pseudo invert of (𝐶𝐵).
The controller form is expressed in the following framework:
𝑢(𝑡) = −𝐾𝑥̂(𝑡) − 𝜔
̂(𝑡) (27)
Let us define the estimation errors
𝑒(𝑡) = 𝑥̂(𝑡) − 𝑥(𝑡) (28)
Substituting (26b) into (28) yields
𝑒(𝑡) = 𝜂(𝑡) − 𝐸𝐶𝑥(𝑡) − 𝑥(𝑡) = 𝜂(𝑡) − 𝑀𝑥(𝑡) (29)
where 𝑀 = [𝐼 + 𝐸𝐶]
Taking the derivative of (29), one obtains
𝑒̇ (𝑡) = 𝜂̇ (𝑡) − 𝑀𝑥̇ (𝑡) (30)
From (25a), (26a) and (30), we have
𝑒̇ (𝑡) = [𝑋𝜂(𝑡) + 𝑇𝑢(𝑡) + 𝐽𝑦(𝑡)] − 𝑀[𝐴𝑥(𝑡) + 𝐵(𝑢(𝑡) + 𝜔(𝑡))]

= 𝑋𝑒(𝑡) + [𝑋𝑀 − 𝑀𝐴 + 𝐽𝐶]𝑥(𝑡) + [𝑇 − 𝑀𝐵]𝑢(𝑡) − 𝑀𝐵𝜔(𝑡) (31)
Denote the estimation error of the disturbance
𝑒𝜔 (𝑡) = 𝜔
̂(𝑡) − 𝜔(𝑡) (32)
Combining (23), (26c), and (32) obtains
𝑒𝜔 (𝑡) = (𝐶𝐵)+ 𝐶[𝐴𝑥 + 𝐵(𝑢 + 𝜔(𝑡))] − 𝑆𝑥̂(𝑡) − 𝑢(𝑡) − 𝜔(𝑡)

= (𝐶𝐵)+ 𝐶𝐴𝑥(𝑡) + (𝐶𝐵)+ (𝐶𝐵)𝑢 + (𝐶𝐵)+ (𝐶𝐵)𝜔(𝑡)) − 𝑆𝑥̂(𝑡) − 𝑢(𝑡) − 𝜔(𝑡)
= −𝑆𝑒(𝑡) + [𝑆 − (𝐶𝐵)+ 𝐶𝐴]𝑥(𝑡) (33)
Theorem 3: The states of the system (23), the estimation errors of states (28), and the estimation error of the
disturbance (32) converge to zero asymptotically if there exist the positive symmetric matrix 𝑄̅ , and the matrices 𝐾, 𝑋, 𝑇,
𝐽, 𝐸, and 𝑆 such that the following conditions hold:
𝑋𝑀 − 𝑀𝐴 + 𝐽𝐶 = 0 (34)
𝑇 − 𝑀𝐵 = 0 (35)
𝑀𝐵 = 0 (36)
𝑆 − (𝐶𝐵)+ 𝐶𝐴 = 0 (37)
9
Ξ 𝑇 𝑄̅ 𝑥̃(𝑡) + 𝑄̅ Ξ < 0 (38)
−1
where 𝑄 = [𝜀𝑄 0 ], Ξ = [𝐴 − 𝐵𝐾 𝐵𝐾 + 𝑆
], 𝜀 is a positive scalar.
0 𝑅 0 𝑆
Proof: If the conditions (34)-(37) hold then the dynamic estimation error (31) and the disturbance estimation error (33)
becomes
𝑒̇ (𝑡) = 𝑋𝑒(𝑡) (39)
and
𝑒𝜔 (𝑡) = −𝑆𝑒(𝑡) (40)
From (40), it is seen that if the estimation error 𝑒(𝑡) → 0 when 𝑡 → ∞ then the estimation error of the disturbance in (40)
converges to zero as well. Therefore, we merely need to synthesize the observer to make the estimation error approach
zero then the estimation error of the disturbance automatically converges to zero.
From (23), (27), and (40), it infers that
𝑥̇ (𝑡) = 𝐴𝑥(𝑡) − 𝐵𝐾𝑥̂(𝑡) − 𝜔
̂(𝑡) + 𝜔(𝑡)
= (𝐴 − 𝐵𝐾)𝑥(𝑡) + (𝐵𝐾 − 𝑆)𝑒(𝑡) (41)
Combining (39) and (41) yields
𝑥̇ (𝑡) 𝐴 − 𝐵𝐾 𝐵𝐾 − 𝑆 𝑥(𝑡)
[ ]=[ ][ ] (42)
𝑒̇ (𝑡) 0 𝑋 𝑒(𝑡)
Denote
𝑥(𝑡) 𝐴 − 𝐵𝐾 𝐵𝐾 − 𝑆
𝑥̃(𝑡) = [ ], Ξ = [ ] then (42) become 𝑥̃̇ (𝑡) = Ξ𝑥̃(𝑡) (43)
𝑒(𝑡) 0 𝑋
Choose the Lyapunov function
𝑉(𝑥̃(𝑡)) = 𝑥̃ 𝑇 (𝑡)𝑄̅ 𝑥̃(𝑡) (44)
−1
in which 𝑄̅ = [𝜀𝑄 0]
0 𝑅
From (44), we can have
𝑉̇ (𝑥̃(𝑡)) = 𝑥̃̇ 𝑇 (𝑡)𝑄̅ 𝑥̃(𝑡) + 𝑥̃ 𝑇 (𝑡)𝑄̅ 𝑥̃̇ (𝑡) (45)
𝑉̇ (𝑥̃(𝑡)) = [Ξ𝑥̃(𝑡)]𝑇 𝑄̅ 𝑥̃(𝑡) + 𝑥̃ 𝑇 (𝑡)𝑄̅ [Ξ𝑥̃(𝑡)] = 𝑥̃ 𝑇 (𝑡)[Ξ 𝑇 𝑄̅ 𝑥̃(𝑡) + 𝑄̅ Ξ]𝑥̃(𝑡) (46)

𝑥(𝑡)
From (46), it is seen that if the condition (38) of Theorem 3 hold then 𝑉̇ (𝑥̃(𝑡)) < 0, it means that 𝑥̃(𝑡) = [ ] → 0 when
𝑒(𝑡)
𝑡 → ∞ asymptotically. The proof is successfully completed.
Unfortunately, the condition (38) of Theorem 3 is BMI (Bilinear Matrix Inequality) that is hard to resolve in MATLAB
to obtain both observer and controller gains. The following Theorem is needed to transform the BMI (38) into LMI (Linear
Matrix Inequality).
Theorem 4: The states of the system (23), the estimation error of the state variables (28), and the estimation error of
the disturbance (32) converge to zero asymptotically if there exist the positive symmetric matric 𝑄, R, and the matrices 𝐾,
𝑋, 𝑇, 𝐽, 𝐸, and 𝑆 such that the following conditions hold:
𝐴𝑇 𝑅 + 𝑅𝐴 + 𝐴𝑇 𝐶 𝑇 𝛤 𝑇 𝑅 + 𝑅𝛤𝐶𝐴 + 𝐴𝑇 𝐶 𝑇 𝛺𝑇 𝑍̅ 𝑇 + 𝑍̅ 𝛺𝐶𝐴 − 𝐶 𝑇 𝑌 𝑇 − 𝑌𝐶 < 0 (47)

𝑄𝐴𝑇 + 𝐴𝑄 − 𝑊 𝑇 𝐵𝑇 − 𝐵𝑊 < 0 (48)
10
𝑤ℎ𝑒𝑟𝑒 𝐸 = Γ + 𝑍Ω (49)
𝛤 = −𝐵(𝐶𝐵)+ (50)
𝛺 = 𝐼 − (𝐶𝐵)(𝐶𝐵)+ (51)
𝑌 = 𝑅𝐿 (52)
𝑍̅ = 𝑅𝑍 (53)
𝑊 = 𝐾𝑄 (54)
The observer and controller gains are computed as follows:
𝑋 = 𝑀𝐴 − 𝐿𝐶 (55)
𝐽 = 𝐿(𝐼 + 𝐶𝐸) − 𝑀𝐴𝐸 (56)
𝑇 = 𝑀𝐵 (57)
𝑆 = (𝐶𝐵)+ 𝐶𝐴 (58)
𝐾 = 𝑊𝑄−1 (59)
Proof:
From (38), one obtains
𝐴 − 𝐵𝐾 𝐵𝐾 − 𝑆 𝑇 𝜀𝑄 −1 0 ] + [𝜀𝑄 −1 0 ] [𝐴 − 𝐵𝐾 𝐵𝐾 − 𝑆
[ ] [ ]=
0 𝑋 0 𝑅 0 𝑅 0 𝑋
𝜀[𝐴𝑇 𝑄 −1 + 𝑄 −1 𝐴 − 𝐾 𝑇 𝐵𝑇 𝑄 −1 − 𝑄 −1 𝐵𝐾] 𝜀[𝑄 −1 𝐵𝐾 − 𝑄 −1 𝑆]
=[ ]<0 (60)
𝜀[𝐾 𝑇 𝐵𝑇 𝑄 −1 − 𝑆 𝑇 𝑄−1 ] 𝑋 𝑇 𝑅 + 𝑅𝑋
Let us define Λ = 𝐴𝑇 𝑄 −1 + 𝑄 −1 𝐴 − 𝐾 𝑇 𝐵𝑇 𝑄 −1 − 𝑄 −1 𝐵𝐾, Δ = 𝑄 −1 𝐵𝐾 − 𝑄 −1 𝑆, and 𝛷 = 𝑋 𝑇 𝑅 + 𝑅𝑋, then substituting
into (60) yields
𝜀Λ 𝜀Δ]
[ ]<0 (61)
(∗) Φ
According to Schur complement, (61) is equivalent to
Φ<0
{ (62)
𝜀Λ − 𝜀Δ(Φ)−1 (𝜀Δ)𝑇 < 0
Because Φ < 0, 𝜀Δ(Φ)−1 (𝜀Δ)𝑇 ≤ 0. Thus, Λ < 𝜀Δ(Φ)−1 (Δ)𝑇 ≤ 0. Then (62) is equivalent to
Φ<0
{ (63)
Λ<0
in which 𝛷 = 𝑋 𝑇 𝑅 + 𝑅𝑋 and Λ = 𝐴𝑇 𝑄−1 + 𝑄 −1 𝐴 − 𝐾 𝑇 𝐵𝑇 𝑄 −1 − 𝑄 −1 𝐵𝐾

Firstly, let us take into account the matrix inequality (63a), it infers that
𝛷 = 𝑋 𝑇 𝑅 + 𝑅𝑋 < 0 (64)
It is easily seen that R and X are both variables, hence (64) is a Bilinear Matrix Inequality (BMI) that is hard to solve in
Matlab. The following steps are to convert BMI (64) to LMI. From (36), we have
[𝐼 + 𝐸𝐶]𝐵 = 0 (65)
𝐸(𝐶𝐵) = −𝐵 (66)
11
According to Lemma 1, the general solution of Eq. (66) is
𝐸 = Γ + 𝑍Ω (67)
in which 𝛤 = −𝐵(𝐶𝐵)+ , 𝛺 = 𝐼 − (𝐶𝐵)(𝐶𝐵)+ , 𝑍 is an arbitrary matrix with a compatible dimension.
Adding a slack variable L which is defined as follows
𝐿 = 𝐽 + 𝑋𝐸 (68)
From (34) and (68), it yields
𝑋 = 𝑀𝐴 − 𝐿𝐶 (69)
𝐽 = 𝐿(𝐼 + 𝐶𝐸) − 𝑀𝐴𝐸 (70)
Substituting (67) into (69) yields
𝑋 = (𝐼 + 𝐸𝐶)𝐴 − 𝐿𝐶 = (𝐼 + (Γ + 𝑍Ω)𝐶)𝐴 − 𝐿𝐶 (71)
Substituting (71) into (64) results in
Θ = [(𝐼 + (Γ + 𝑍Ω)𝐶)𝐴 − 𝐿𝐶]𝑇 𝑅 + 𝑅[(𝐼 + (Γ + 𝑍Ω)𝐶)𝐴 − 𝐿𝐶]
= 𝐴𝑇 𝑅 + 𝑅𝐴 + 𝐴𝑇 𝐶 𝑇 𝛤 𝑇 𝑅 + 𝑅𝛤𝐶𝐴 + 𝐴𝑇 𝐶 𝑇 𝛺𝑇 𝑍 𝑇 𝑅 + 𝑅𝑍𝛺𝐶𝐴 − 𝐶 𝑇 𝐿𝑇 𝑅 − 𝑅𝐿𝐶 < 0 (72)
Denote
𝑌 = 𝑅𝐿 (73)
𝑍̅ = 𝑅𝑍 (74)
𝑍̅ = 𝑅𝑍 (74)
then substitute them into (72) yields
Θ = 𝐴𝑇 𝑅 + 𝑅𝐴 + 𝐴𝑇 𝐶 𝑇 𝛤 𝑇 𝑅 + 𝑅𝛤𝐶𝐴 + 𝐴𝑇 𝐶 𝑇 𝛺𝑇 𝑍̅ 𝑇 + 𝑍̅ 𝛺𝐶𝐴 − 𝐶 𝑇 𝑌 𝑇 − 𝑌𝐶 < 0 (75)
The matrices A, C, E are the known matrices; R , 𝑍̅ , and Y are the matrix variables, it is obvious that each term of the
matrix inequality of (75) only contains one variable, therefore (75) is a LMI which can be solved in Matlab. Similarly, the
inequality (63b) is a BMI as well, therefore, this BMI is transformed to LMI in the following steps.
The inequality (63b) infers that
Σ = 𝐴𝑇 𝑄 −1 + 𝑄 −1 𝐴 − 𝐾 𝑇 𝐵𝑇 𝑄 −1 − 𝑄−1 𝐵𝐾 < 0 (76)

Pre and post multiplying Q to (76) yields
Σ = 𝑄𝐴𝑇 + 𝐴𝑄 − 𝑄𝐾 𝑇 𝐵𝑇 − 𝐵𝐾𝑄 < 0 (77)
Define 𝑊 = 𝐾𝑄 (78)
From (77) and (78), we have
Σ = 𝑄𝐴𝑇 + 𝐴𝑄 − 𝑊 𝑇 𝐵𝑇 − 𝐵𝑊 < 0 (79)
It is seen that each term of the inequlity (41) merely contain one variable, therefore (41) is a LMI.
From (37) and (41), it is seen that the BMI (63) has been transformed to
Θ<0
{ (80)
Σ<0
12
where Θ = 𝐴𝑇 𝑅 + 𝑅𝐴 + 𝐴𝑇 𝐶 𝑇 𝛤 𝑇 𝑅 + 𝑅𝛤𝐶𝐴 + 𝐴𝑇 𝐶 𝑇 𝛺𝑇 𝑍̅ 𝑇 + 𝑍̅𝛺𝐶𝐴 − 𝐶 𝑇 𝑌 𝑇 − 𝑌𝐶 𝑎𝑛𝑑 Σ = 𝑄𝐴𝑇 + 𝐴𝑄 − 𝑊 𝑇 𝐵𝑇 − 𝐵𝑊
Therefore, the BMI (38) of Theorem 3 is successfully transformed into LMI (47) and (48) of Theorem 4. The proof is
completed.
For the sake of easy understanding, the procedure to determine the observer and controller gains are briefly summarized
as follows.
Step 1: The matrices 𝛤 and 𝛺 are obtained from (50) and (51), respectively.
Step 2: Solving the LMI (47) and (48), we get the matrices 𝑄, R, 𝑌, 𝑍̅, and 𝑊. Then, E, L, and Z are calculated from(49),
(52), and (53), respectively.
Step 3: The observer gains 𝑋, 𝑇, 𝐽, 𝐸, and 𝑆 are computed from (55)-(58) and the controller gains are determined from
(59).
3. RESULTS AND DISCUSSION.
In this section, we will design an observer-based controller for the Inverted Pendulum with the parameters in Table 1.
Scenario 1: Observer-based Controller Design for an Inverted Pendulum System without Uncertainties
In this case, an observer-based controller will be synthesized for the Inverted Pendulum without uncertainties. Solving
the condition of Theorem 2, the observer gains and controller gains are obtained as follows.
0.9294 −0.5735
Observer gain: 𝐿 = [1.3098 −2.1525] and controller gain: 𝐾 = [−4.1540 −5.2156 −52.1325 −7.1705]
0.5735 0.9294
0.1912 24.8457
Simulating the system in Simulink of MATLAB, the simulation results are obtained in Figs. 4-7
Figure 4 The real displacement 𝑥1 (𝑡), estimated Figure 5 The real velocity 𝑥2 (𝑡), estimated
displacement 𝑥̂1 (𝑡) and estimation error 𝑒1 (𝑡) velocity 𝑥̂2 (𝑡) and estimation error 𝑒2 (𝑡)
13
Figure 6 The real angle 𝑥3 (𝑡), estimated angle Figure 7. The real angle velocity 𝑥4 (𝑡), estimated
𝑥̂3 (𝑡) and estimation error 𝑒3 (𝑡) angle velocity 𝑥̂4 (𝑡) and estimation error 𝑒4 (𝑡)
By using Matlab/Simulink to simulate the system, the simulation results are obtained in Figures 4-7. From the simulation
results in Figs. 4-7, it is seen that the estimated states 𝑥̂1 (𝑡), 𝑥̂2 (𝑡), 𝑥̂3 (𝑡), and 𝑥̂4 (𝑡) approach to real states displacement
𝑥1 (𝑡), velocity 𝑥2 (𝑡), angle 𝑥3 (𝑡), and angle velocity 𝑥4 (𝑡) asymptotically. And all estimation errors 𝑒1 (𝑡), 𝑒2 (𝑡), 𝑒3 (𝑡),
and 𝑒4 (𝑡) converge to zero. Moreover, all states 𝑥1 (𝑡), velocity 𝑥2 (𝑡), angle 𝑥3 (𝑡), and angle velocity 𝑥4 (𝑡) quickly
approach to zero after 10 seconds. It proves that the proposed method is successful to design the observer-based controller
for stabilizing the Inverted Pendulum system without the influence of uncertainties. The observer-based controller not
only estimates the unknown states but also control the Inverted Pendulum stable at equilibrium point (0,0,0,0).
Scenario 2: Disturbance Observer-Based Controller Synthesis for an Inverted Pendulum System with Uncertainties.
Suppose that the Inverted Pendulum system is impacted by the time-varying uncertainties ∆𝐴(𝑡) and ∆𝐵(𝑡). Under
Assumption 1, these uncertainties are decomposed as ∆𝐴(𝑡) = 𝐵𝛾(𝑡) and ∆𝐵(𝑡) = 𝐵𝛿(𝑡) in which 𝛾(𝑡) =
[−3sin (𝑡) 1 + cos (𝑡) 2 sin(𝑡) cos (𝑡) 1 + cos (𝑡)] and 𝛿(𝑡) = cos (2𝑡).
Solving the conditions of Theorem 4, we obtain the observer and controller gains as follows:
−0.5 −1.9238 0 −0.00 −2.8989 0.9619 0 −2.9238 0
1.9420 −1.0069 9.8067 −0.2511 99.4603 0.5034 0 −1.0069 0.5000
𝑋=[ ], 𝐽 = [ ], 𝑇 = [ ],𝐸 = [ ],
0.0992 −9.8581 0 −0.0128 −9.7320 5.9291 0 −9.8581 0
0.000 0.2488 0 −0.5000 0.3749 −0.1244 0 0.2488 −1.0000
𝑆 = [0 0 −11.7680 0]; 𝐾 = [−5.3037 −6.0658 −55.1568 −8.2875].
After carrying out simulating the system by Simulink tool results in Figs.8-11.
Figure 8. The real displacement 𝑥1 (𝑡), estimated Figure 9. The real velocity 𝑥2 (𝑡), estimated
displacement 𝑥̂1 (𝑡) and estimation error 𝑒1 (𝑡) velocity 𝑥̂2 (𝑡) and estimation error 𝑒2 (𝑡)
14
Figure 10. The real angle 𝑥3 (𝑡), estimated Figure 11. The real angle velocity 𝑥4 (𝑡), estimated
angle 𝑥̂3 (𝑡) and estimation error 𝑒3 (𝑡) angle velocity 𝑥̂4 (𝑡) and estimation error 𝑒4 (𝑡)
In this case, it is assumed that Inverted Pendulum system is affected by the uncertainties. The uncertainties will impact
the performance of the system. However, with the simulation results showed in Figs. 8-11, it is obvious that the observer
still operate very well, the real states of displacement 𝑥1 (𝑡), velocity 𝑥2 (𝑡), angle 𝑥3 (𝑡), and angle velocity 𝑥4 (𝑡) are
estimated successfully and all estimation errors 𝑒1 (𝑡), 𝑒2 (𝑡), 𝑒3 (𝑡), and 𝑒4 (𝑡) approach zero asymptotically after shot time
(less than 10 seconds). Furthermore, all states 𝑥1 (𝑡), velocity 𝑥2 (𝑡), angle 𝑥3 (𝑡), and angle velocity 𝑥4 (𝑡) of Inverted
Pendulum system also have fast-convergent to equilibrium point (around 10 seconds). Thus, we can say that our method
is successful to synthesize the disturbance observer-based to eliminate the effects of uncertainties, estimate unknown states
and stabilize the Inverted Pendulum system with uncertainties.
4. CONCLUSION.
In this paper, the observer-based controller and a disturbance observer-based controller have been designed for the
Inverted Pendulum system without and with uncertainties, respectively. The observers are synthesized to estimate both
the information of uncertainties and unknown states simultaneously and then the controller for eliminating the effects of
uncertainties and stabilizing system. The conditions expressed in term of LMIs framework for designing observer-based
controller are derived in four main Theorems. Finally, the simulation results have proved that the proposed method is
successful to stabilize the Inverted Pendulum system with/without uncertainties. However, the drawbacks of this paper
may come from the assumption. By using only common matrix B in Assumption 1 seems conservative. This issue will be
addressed in the future work. In addition, the signal dropout and trigger-event will be considered in near future as well.
REFERENCES.
[1] E. Sivaraman and S. Arulselvi, “Modeling of an inverted pendulum based on fuzzy clustering techniques, Expert Systems with
Applications,” Expert Systems with Applications, vol. 38, pp. 13942–13949, 2011.
[2] M. Magdy, A. E. Marhomy, and M. A. Attia, “Modeling of inverted pendulum system with gravitational search algorithm optimized
controller,” Ain Shams Engineering Journal, vol. 10, pp. 129-149, 2019.
[3] V. Kumar E and J. Jeromem, “Robust LQR Controller Design for Stabilizing and Trajectory Tracking of Inverted Pendulum,”
Procedia Engineering, vol. 64, pp. 169 – 178, 2013.
[4] A. Kharola, P. Patil, S. Raiwani, and D. Rajput, “A comparison study for control and stabilisation of inverted pendulum on inclined
surface (IPIS) using PID and fuzzy controllers,” Perspectives in Science, vol. 8, pp. 187—190, 2016.
[5] M. Bettayeb, C. Boussalem, R. Mansouri, and U. M. Al-Saggaf, “Stabilization of an inverted pendulum-cart system by fractional
PI-state feedback,” ISA Transactions, vol. 53, pp. 508–516, 2014.
[6] E. Aranda-Escolástico, M. Guinaldo, F. Gordillo, S. Dormido, “A novel approach to periodic event-triggered control: Design and
application to the inverted pendulum,” ISA Transactions, vol. 65, pp. 327-338, 2016.
[7] A. Ilyas Roose, S. Yahya, H. Al-Rizzo, “Fuzzy-logic control of an inverted pendulum on a cart,” Computers and Electrical
Engineering, vol. 61, pp. 31–47, 2017.
[8] S. Chatterjee and S. K. Das, “An Analytical Formula for Optimal Tuning of the State Feedback Controller Gains for the State
Feedback Controller Gains for the Cart-Inverted Pendulum System,” IFAC PapersOnLine, vol. 51, no. 1, pp. 668–672, 2018.
15
[9] X. J. Su, F. Q. Xia, J. X. Liu, and L. G. Wu, “Event-triggered fuzzy control of nonlinear systems with its application to inverted
pendulum systems,” Automatica, vol. 94, pp. 236–248, 2018.
[10] R. Bitirgenm, M. Hancer, and I. Bayezit, “All Stabilizing State Feedback Controller for Inverted Pendulum Mechanism,” IFAC
PapersOnLine, vol. 51, no. 4, pp. 346–351, 2018.
[11] A. Chalanga, M. Patil, B. Bandyopadhyay, and H. Arya, “Output regulation using new sliding surface with an implementation on
inverted pendulum system,” European Journal of Control, vol. 45, pp. 85-91, 2019.
[12] S. Irfan, A. Mehmood, M. T. Razzaq, and J. Iqbal, “Advanced sliding mode control techniques for Inverted Pendulum: Modelling
and simulation,” Engineering Science and Technology, vol. 21, pp. 753–759, 2018.
[13] I. Jmel, H. Dimassi, S. Hadj-Said, and F. M’Sahli, “An adaptive sliding mode observer for inverted pendulum under mass variation
and disturbances with experimental validation,” ISA Transactions, vol. 102, pp. 264-279, 2020.
[14] F. Cacace, A. Germani, and C. Manes, “A New Approach to Design Interval Observers for Linear Systems,” IEEE Trans.
Automatic Control, vol. 60, pp. 1665-1670, 2015.
[15] V. P. Vu and W. J. Wang, “Observer design for a discrete time T-S fuzzy system with uncertainties,” The 2015 IEEE International
Conference on Automation Science and Engineering (CASE), Gothenburg, Sweden, 2015, pp. 1262-1267.
[16] V. P. Vu, W. J. Wang, J. M. Zurada, H. C. Chen, and C. H. Chiu, “Unknown input method based observer synthesis for a discrete
time uncertain T-S fuzzy system,” IEEE Trans. Fuzzy Syst., vol. 26, pp. 761 – 770, 2018.
[17] D. Gutierrez, H. Rios, J.A. Rosales, R. Galvan-Guerra, “Finite and Fixed-Time State Estimation: Pendulum-Cart System,” IFAC
PapersOnLine, vol. 50-1, pp. 7139–7144, 2017.
[18] G. Pang, J. Cao, X. Y. Chen, and J. L. Qiu, “Simultaneous fault detection and antisaturated control based on dynamic observer
for inverted pendulum control system,” Int J Robust Nonlinear Control., vol. 29, pp. 3279-3295, 2019.
[19] S. Khatoon, D. K. Chaturvedi, N. Hasan, and M. Istiyaque, “Observer Based Controller Design for Inverted Pendulum System,”
2nd IEEE International Conference on Power Electronics, Intelligent Control and Energy Systems (ICPEICES-2018), 2018.
[20] S. Boyd, L. E. Ghaoui, E. Feron, and V. Balakrishnan, Linear Matrix Inequalities in System and Control Theory, Society for
Industrial and Applied Mathematics (SIAM), 1994.
[21] M. El-Bardini, and A. M. El-Nagar, “Interval type-2 fuzzy PID controller for uncertain nonlinear inverted pendulum system,” ISA
Transactions, vol. 53, pp. 732–743, 2014.
[22] J. Lee, R. Mukherjee, and H.K. Khalil, “Output feedback stabilization of inverted pendulum on a cart in the presence of
uncertainties,” Automatica, vol. 54, pp. 146–157, 2015.
[23] J. L. Zhang, W. Zhang, “Adaptive Fuzzy Sliding Mode Control for Uncertain Inverted Pendulum System,” Applied Mechanics
and Materials, vol. 273, pp 683-688, 2013.
[24] Y. F. Chen and A. C. Huang, “Adaptive control of rotary inverted pendulum system with time-varying uncertainties,” Nonlinear
Dyn., vol. 76, pp. 95–102, 2014.
[25] C. Sarkar and A. Sengupta, “LMI based LSVF Control of a Class of Nonlinear Systems with Parametric Uncertainty: An
Application to an Inverted Pendulum System,” International Journal of Control, vol. 89, no. 12, pp. 2520-2532, 2016.
[26] R. Kumari, J. Dey, S. K. Pandey , A. Chakraborty, and R. Mondal, “µ-synthesis Controller for Robust Stabilization of Cart
Inverted Pendulum System,” 2017 4th IEEE Uttar Pradesh Section International Conference on Electrical, Computer and
Electronics (UPCON), pp. 300-304. 2017
[27] A. K. Jayaprakash, K. B. Kidambi, W. MacKunis, S. V. Drakunov, and M. Reyhanoglu, “Finite-Time State Estimation for an
Inverted Pendulum under Input-Multiplicative Uncertainty,” Robotics, vol. 9, no. 4, pp. 1-26, 2020.
[28] S. H. Li, J. Yang, W. H. Chen, and X. S. Chen, Disturbance Observer-based Control: Methods and Applications, Broken Sound
Parkway NW: CRC Press Taylor & Francis Group, 2014.
[29] J. Han, H. G. Zhang, Y. C. Wang, and Y. Liu, “Disturbance observer-based fault estimation and dynamic output feedback fault
tolerant control for fuzzy systems with local nonlinear model,” ISA Transactions, vol. 59, pp. 114-124, 2015.
[30] T. Poloni, I. Kolmanovsky, B. Rohal’-Ilkiv, “Input Disturbance Observer-Based Control: Case Studies,” J. Dyn. Sys., Meas.,
Control., vol. 140, pp. 1-8, 2018.
[31] V. P. Vu and W. J. Wang, “State/Disturbance observer synthesis for T-S fuzzy system with the enlarge class of disturbances,”
IEEE Trans. Fuzzy Syst. vol. 26, no. 6, pp. 3645-3659, 2018.
[32] V. P. Vu, W. J. Wang, “Observer-based controller synthesis for uncertain polynomial systems”, IET Control Theory and
Applications, vol.12, no.1, pp. 29-37, 2018.
[33] A. J. Laub, Matrix Analysis for Scientists and Engineers. Philadelphia, PA, USA: SIAM, 2005.
[34] Yeh, S.J., Chang, W., Wang, W.J.: ‘Unknown input based observer synthesis for uncertain T–S fuzzy systems’, IET Control
Theory Appl., 2015, 9, (7), pp. 729–735.
[35] Huynh Thai Hoang, “Intelligent Control System”, published by Vietnam National University Press, 2006.
16
S K L 0 0 2 1 5 4

Thiết Kế Bộ Điều Khiển Và Bộ Quan Sát Bền Vững Cho Hệ Thống Con Lắc Ngược Với Sự Ảnh Hưởng Của Thành Phần Bất Định Dựa Trên Cách Tiếp Cận LMIs

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Thiết Kế Bộ Điều Khiển Và Bộ Quan Sát Bền Vững Cho Hệ Thống Con Lắc Ngược Với Sự Ảnh Hưởng Của Thành Phần Bất Định Dựa Trên Cách Tiếp Cận LMIs

Uploaded by

Copyright:

Available Formats

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT

CÔNG TRÌNH NCKH CẤP TRƯỜNG TRỌNG ĐIỂM

THIẾT KẾ BỘ ĐIỀU KHIỂN VÀ BỘ QUAN SÁT

ĐỊNH DỰA TRÊN CÁCH TIẾP CẬN LMIs

Tp. Hồ Chí Minh, tháng 4/2021

BÁO CÁO TỔNG KẾT

THIẾT KẾ BỘ ĐIỀU KHIỂN VÀ BỘ QUAN SÁT

Chủ nhiệm đề tài: TS. Vũ Văn Phong

TP. HCM, 04/2021

BÁO CÁO TỔNG KẾT

THIẾT KẾ BỘ ĐIỀU KHIỂN VÀ BỘ QUAN SÁT

Chủ nhiệm đề tài: TS. Vũ Văn Phong

TP. HCM, 04/2021

HÌNH 2.1: HỆ TRỤC TỌA ĐỘ CHO HỆ XE CON LẮC NGƯỢC ...........................................................10

Chữ viết tắt Ý nghĩa tiếng Anh Ý nghĩa tiếng Việt

1.5. TÌNH HÌNH NGHIÊN CỨU TRONG VÀ NGOÀI NƯỚC ............................................................................7

4.1 KẾT QUẢ MÔ PHỎNG CHO BỘ QUAN SÁT ..........................................................................................33

THÔNG TIN KẾT QUẢ NGHIÊN CỨU

1. Thông tin chung:

Trưởng Đơn vị Chủ nhiệm đề tài

1.4. Giới hạn nghiên cứu

Hình 2.1: Hệ trục tọa độ cho hệ xe con lắc ngược

2.2. Mô hình hoá hệ thống

k là tọa độ tổng quát.

V = m g yk = mgL cos( ) (3)

Động năng của xe là:

v2 = vxk 2 + vyk 2 = x2 + 2lx cos + l 2 2 (8)

Vậy động năng của thanh con lắc là:

Vậy toàn bộ động năng của hệ là:

Vậy Hàm Euler-Lagrange có dạng như sau:

(m + M ) x + ml cos( ) + ml 2 sin( ) = F

 lm sin( ) − F + mg cos( )sin( )

Tuyến tính hóa quanh các điểm làm việc tĩnh:

Vị trí của xe trên trục X 𝓍 --- m

Gia tốc trọng trường g 9.81 m/s2

Lực tác dụng lên xe F --- N

Khối lượng của xe M 0.238 kg

Khối lượng của thanh con lắc m 0.1 kg

Khối lượng của quả nặng mball 0 kg

Chiều dài của con lắc ℓ 0.4 m

Mômen quán tính của con lắc I --- kg/m2

Ta có hệ phương trình biến trạng thái như sau:

 f1 f1 f1 f1   f1 

Input u(t) Output y(t)

Đạo hàm hai vế của (23) ta có:

Thế (22) và (23) vào (24) ta thu được:

e(t ) = Ax + Bu − Axˆ − Bu − L( y − yˆ ) = ( A − LC)e(t ) (40)

Chứng minh định lý 1:

Với P là ma trận đối xứng và xác định dương.

Đạo hàm 2 vế của (27) ta có:

V (t ) = eT (t ).P.e(t ) + eT (t ).P.e(t ) (44)

=>Hoàn tất chứng minh định lý 1.

Định nghĩa sai số ước lượng như sau

Kết hợp (32) và (35) ta thu được như sau

𝑥̇ = (𝐴 − 𝐵𝐾)𝑥 + 𝐵𝐾𝑒 (37)

Từ biểu thức (36) và biểu thức (37), ta suy ra được

(𝐴 − 𝐵𝐾)𝑇 𝑃1−1 + 𝑃1−1 (𝐴 − 𝐵𝐾) 𝑃1−1 (𝐴 − 𝐵𝐾)

Chứng minh: Lựa chọn hàm Lyapunov như sau

𝑉̇ (𝑡 ) = 𝑥̃̇ 𝑇 (𝑡)𝑃𝑥̃ (𝑡 ) + 𝑥̃ 𝑇 (𝑡)𝑃𝑥̃̇ (𝑡) (42)

𝑃1 𝐴𝑇 − 𝑍 𝑇 𝐵𝑇 + 𝐴𝑃1 − 𝐵𝑍 < 0 (44)

(𝐴 − 𝐵𝐾)𝑇 𝑃1−1 + 𝑃1−1 (𝐴 − 𝐵𝐾) < 0 (48𝑎)

𝑥̇ (𝑡 ) = (𝐴 + ∆𝐴(𝑡 ))𝑥(𝑡 ) + (𝐵 + ∆𝐵 (𝑡 ))𝑢(𝑡)

do đó hệ thống (24) được viết lại như sau