2024-02-10-连续系统的LQR轨迹跟踪问题

xinyu_khan

已于 2024-02-21 17:36:24 修改

阅读量882

点赞数 9

分类专栏：知识分享文章标签：线性代数算法机器人自动驾驶自动化

于 2024-02-21 17:35:54 首次发布

本文链接：https://blog.csdn.net/hxy_1993_08_18/article/details/136217057

版权

本文探讨了连续系统的LQR轨迹跟踪问题，通过设定含有轨迹偏差的代价函数，利用变分法推导出最优控制率。介绍了状态和协状态的微分方程，以及Riccati方程和变量s的微分方程，提供了求解轨迹跟踪控制的详细步骤。

摘要由CSDN通过智能技术生成

连续系统的LQR轨迹跟踪问题

背景

在前边的文章《连续系统的LQR推导》以及《连续系统的LQR变分法推导》中，我们已经推导出了连续系统的LQR控制器。不过在上述推导中，我们都假定控制目标是 $0$ （这从其中代价函数的形式中就可以看出来）。但是在实际应用中，我们往往需要系统能够跟踪某个给定的轨迹。因此，本文将讨论连续系统的LQR轨迹跟踪问题。

问题描述

连续系统的LQR轨迹跟踪问题可以用如下方式描述：

给定一个连续系统：

$\begin{aligned} \dot{x}(t) = Ax(t) + Bu(t) \end{aligned} \tag{1}$

我们定义LQR轨迹跟踪问题的代价函数为：

$\begin{aligned} J &= \frac{1}{2}(x(t_f)-r(t_f))^TP_f(x(t_f)-r(t_f))\\ &+\frac{1}{2}\int_{t_0}^{t_f} \left( (x(t)-r(t))^TQ(x(t)-r(t)) + u^T(t)Ru(t) \right) dt \end{aligned} \tag{2}$

其中 $r (t)$ 是给定的轨迹， $P_f$ 是最终状态的权重矩阵， $Q$ 是状态的权重矩阵， $R$ 是控制的权重矩阵。

解决方案

根据前述文章中的结论，我们可以得到上述问题的哈密顿量（Hamiltonian）：

$\begin{aligned} \mathscr{H} &= \frac{1}{2}(x(t)-r(t))^TQ(x(t)-r(t)) + \frac{1}{2}u^TRu + p^T(Ax+Bu)\\ &= \frac{1}{2}x^TQx - x^TQr + \frac{1}{2}u^TRu + p^T(Ax+Bu) \end{aligned} \tag{3}$