文献综述（或调研报告）：
自动控制技术在当前科技发展中越来越凸显出它的作用，控制对象越来越复杂，精度要求不断提高，控制的难度也在不断加大，系统的不稳定性直接增加了控制任务的艰巨性。不同于日常的教学中条件的简化，在实际运用中，多因素、多变量都是进行研究不得不考虑的关键问题。因而我们引入了球杆控制系统。
球杆系统的为自动控制、机械电子、电气工程等专业的基础控制课程而设计的教学实验设备，结构简单、直观明了，可满足自动控制原理、现代控制工程等课程的实验要求，也可以作为电机学、电机与拖动、模式识别、视觉处理等课程的实验设备。而在现有的实验设备中，其控制方法是多种多样的，例如经典控制理论中的PID控制（比例-积分-微分控制器）、根轨迹控制，现代控制理论的模糊控制、神经网络控制、自适应控制等等，都可以在其中得以实现。
本课题要求做到用三维建模软件建立整个球杆控制系统的模型并制作组装，形成符合使用条件的基础设备。目前市面上有数量众多的相关设备，如下图左侧固高科技有限公司的GBB1004系列球杆控制系统试验台，主要分为三个部分：球杆机械部分，直流伺服电机和转盘传动部分，控制箱部分（IPM100和直流电源等）；以及右图德国Amira公司的Ball and Beem试验台。
试验台的稳定性和精度一定程度上影响了数据采集的准确性。在所查阅的资料中，其作者基本都是选择了已有的实验设备进行实验，无需考虑自组装试验台的误差问题，或者说现有仪器设备以及对该误差进行了一定的处理，使之对实验数据的影响甚微。而在自己加工组建实验台时，电机的选型及位置布置、传动带的摩擦与阻力、横梁的转动润滑、传感器的位置、球运动轨道的光滑程度都需要考虑，以消除较大的绝对误差，提高精度。球杆控制装置的整体机座应选取重量较大、较为坚韧的材料，平衡杆部分、平衡驱动机构、动力传动机构和操纵杆等应该保证刚度、光滑，连接部分润滑活络。
关于球杆控制系统的动力学建模，方法主要有Lagrange方法等，非线性Lagrange函数是经典的Lagrange函数的修正形式，基于它所建立的求解优化问题的对偶方法即为非线性Lagrange方法。而Lagrange乘数法是一种寻找变量受一个或多个条件所限制的多元函数的极值的方法。这种方法将一个有n 个变量与k 个约束条件的最优化问题转换为一个有n k个变量的方程组的极值问题，其变量不受任何约束。这种方法引入了一种新的标量未知数，即拉格朗日乘数：约束方程的梯度的线性组合里每个向量的系数。为了实现传统控制算法，需要分析或者实验得出该系统的控制原理，马献德、张文增等以Lagrange方程建立数理方程时，不考虑能量损失，认为球和杆都是刚性的，并认为所有约束都是理想的；彭秀艳等同样运用了Lagrange方法，将电机看成一个纯增益，不考虑电机动力学，并忽略电机动力学和小球动力学的耦合。
在PID控制方面方法有较多种：刘克平等所采用的是基于自适应遗传算法的PD控制，经过实验验证，实现了对开环不稳定的球杆系统的稳定控制，提高了小球的位置控制的精准度，实现了控制器参数的遗传算法优化；喻同云则是做了基于闭环特征参数的球杆系统自适应PID控制，将球杆系统分为内外双环进行考虑，分别建立了数学模型，并最终得出便于计算机处理的球杆系统线性离散控制模型，提出了其自校正PID的控制方案；张志勇等人根据球杆系统传递函数设计了PID控制器，根据要求的最大超调量和调整时间，利用MATLAB软件计算出符合要求的参数值集合；彭建刚设计了装在系统上的模糊控制器，为了补偿小球在运动过程中的摩擦和动能损耗设置了一个补偿器，为了补偿横杆的摩擦和皮带弹性引起的滞后设置了一个动力补偿器，由设定值和实测值的误差和误差变化速率，作为一个二维模糊控制器的输入，由位置控制器运算出横杆适应的角度，再由两个补偿器进行对决策值的修正，以此得到最终动力值，实现小球的定位控制；马献德等人同样利用了模糊控制算法仿真，他们选择Takagi-Sugeno型自适应神经网络模糊控制器，将一个非线性系统在若干不同的状态下进行线性化，然后分别设计控制器，将分别设计的控制器用模糊理论进行综合，使之成为一个非线性控制器；韩国的Kwanghyun Ryu等人提出的是冗余机械手的控制方法，设计控制器以维持球形系统的平衡，并控制冗余机械臂移动梁。连接到机械手末端执行器上的Forcefforque传感器用于估算球的位置。
在模型建立完成以后需进行仿真，常用的环境有MATLAB/Simulink等，通过不同方法的对比分析，比较系统的稳态误差、响应速度、抗干扰能力等，在波形图中寻找异常脉冲，综合考虑装置中可能的影响因素，进行优化，再次实验，以提高精度。
参考文献：
