【控制理论】线性二次型最优控制解析

摘自:https://blog.csdn.net/xiaohejiaoyiya/article/details/83824547

【控制理论】线性二次型最优控制解析

Y-box 2018-11-07 16:35:55 9536 收藏 22

分类专栏: 控制理论 文章标签: LQR 线性二次型 最优控制

版权

https://blog.csdn.net/heyijia0327/article/details/39270597

这篇文章把线性二次型的最优控制问题讲的很透彻了!

 

有几个问题在这里提一下:

1、如何确定Q矩阵、R矩阵:

Q是性能指标函数对于状态量的权阵,为对角阵,元素越大,意味着该变量在性能函数中越重要。

要求性能函数求最小,也就是说该状态的约束要求高。

R阵为控制量的权重,对角阵,同样,对应的元素越大,这意味着,控制约束越大。

所以在倒立摆最优控制问题中,Q矩阵可以取

\begin{matrix} 1 & 0 & 0&0\\ 0 & 1 &0&0 \\0&0&10&0\\0&0&0&10\end{matrix}\quad

Q、R矩阵的选择主要还是靠经验

 

2、状态调节器和输出调节器、跟踪调节的区别

输出调节器的泛函不一样,泛函中的状态变量被输出变量替换掉了,同样在跟踪调节器中,状态变量被偏差量e替换

J = \frac{1}{2}\int_{t0}^{tf}[y^{T}Qy+u^{T}Ru]dt(输出调节器性能泛函)

同样,输出调节器、跟踪调节器的Recatti方程也会有变化

 

3、为什么性能泛函的形式是这样的

最优控制的目的是使得泛函J极小,要是J极小,u应该小(保证能量的输入小),x应该小,特别有

\lim_{t\rightarrow \oe }x(t) = 0 (保证稳定性)

 

4、为什么倒立摆问题对应最优控制中的二次型问题

二次型问题的结果就是提供一种求解反馈矩阵K的方法,能利用好K矩阵那么倒立摆就能稳定。而且二次型中的性能泛函包含了状态信息,外部输入这个控制领域最重要的两个因素,从性能泛函的结构来看,它还包含了能量特性。

其实恰当的问法应该是二次型问题可以解决什么问题?它适用于那些应用场景。因为倒立摆问题在二次型能解决的问题范围内,所以倒立摆在最优控制中应用二次型最优化来解决。

 

5、二次型最优化与能控能观的关系

在无限时间调节器问题中一定要求被控系统完全能控,如果系统状态不能控,不论采取什么控制,性能指标都将趋于无穷大。

对于有限时间调节器,即使出现状态不能控情况,对性能指标的影响总是有限的,因此最优控制仍然存在

至于能观性指标,如果系统完全能观测,求得的反馈矩阵K就能实现最优控制,如果不完全能观,要先设计状态观测器。

 

6、如何将性能函数J和我们之前学过的具体的性能指标(超调量、调节时间)联系起来

超调量、调节时间这些指标是经典控制论里面的性能指标,那是针对单变量系统的。

现在问题变得复杂了,是一个多变量系统,如果多变量系统要达到最优,每个变量的所有参数(就是我们提到的超调量、调节时间)都要最优,可能吗?这是不可能的。为了描述多变量系统的性能,选择能量指标作为一个评价标准,而具体到二次型中的性能函数J,那就是x^{T}Rx这种二次形式中体现得来的。

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 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
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