自动驾驶---Control之LQR控制

本文介绍了线性二次型调节器(LQR)在自动驾驶中的应用,详细讲解了LQR的建模、求解原理,包括连续和离散域的Riccati方程,以及如何应用于车辆运动学模型的控制。LQR控制器因其最优性、适应性和稳定性在控制领域有着广泛的应用。
摘要由CSDN通过智能技术生成

1 前言

        在前面的系列博客文章中为读者阐述了很多规划相关的知识(可参考下面专栏),本篇博客带领读者朋友们了解控制相关的知识,后续仍会撰写规控相关文档。

e3b0c198db3a4fb5a848de57e4f34b65.png

        在控制理论的发展过程中,人们逐渐认识到对于线性动态系统的控制,可以通过优化某种性能指标来达到更好的控制效果。而LQR控制就是基于这种思想发展而来的。它通过将系统状态与控制信号之间的关系表示成一种二次型,然后通过最小化这个二次型来求解最优的控制策略。       

        目前的工业领域三大控制器占据着主要位置:PID,LQR以及MPC,本篇博客为读者介绍LQR控制器。

2 LQR建模求解

        LQR(Linear quadratic regulator,线性二次型调节器)是一种基于状态反馈的最优控制策略,其核心在于设计一个状态反馈控制器,使得系统的性能指标达到最优。下面将对LQR控制器进行详细介绍:

2.1 原理与步骤

  1. 确定状态方程模型:首先需要确定一个描述系统状态的动力学模型,该模型通常以状态空间的形式给出,用于描述系统在不同状态下的动态行为。
  2. 线性化处理:对状态方程进行线性化处理,将其转化为线性系统模型。这是为了简化问题,使得控制器设计更加便捷。
  3. 定义目标函数:目标函数通常是系统状态和控制输入的二次型函数,用于评估控制性能的好坏。这个函数的选择会直接影响到控制器的设计效果。
  • 28
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

智能汽车人

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值