直流电机LQR控制

版权声明:本文为博主原创文章,未经博主允许不得转载。

1、直流电机模型示意图

1.1 模型示意图:

直流电机模型具有动力学模型与电力学模型,如下图所示:
在这里插入图片描述

1.2直流电机数学模型:

在这里插入图片描述

2、状态矩阵建立

在这里插入图片描述

3 LQR算法求解

3.1 LQR目标函数

在这里插入图片描述
为了使J最小,使用LQR求解K1,K2,K3
U = - K1*Cita - K2 * w -K3 * i

3.2 电机转速控制分析

因为Cita是发散的,作为反馈控制必然是不稳定的,使用delta_Cita作为反馈状态变量。
由于Cita不收敛,因此下式绝对满足:
在这里插入图片描述
在这里插入图片描述
由上式可知,K1、K2、K3分别是状态变量Cita、w、i的反馈系数,那么K1、K2、K3必然满足状态变量delta_Cita、w、i用于控制。

4 Simulink仿真

使用K = LQR(A, B, Q, R),其中Q与R如下
在这里插入图片描述

4.1 simulink仿真模型

在这里插入图片描述

4.2 仿真结果

当设定目标转速为1,仿真结果如下

在这里插入图片描述
当设定目标转速为动态且为正弦波时,仿真结果如下:
在这里插入图片描述在这里插入图片描述
上图中,紫色为控制目标,黄色为控制响应目标,可以看得出存在一定延时。同时控制目标变化频率对控制效率会影响很大,在实际中应用需要考虑到这一点。
由于本人水平有限,难免有疏漏与错误观点,希望大家能多多指导。

5 参考链接

[1] https://ww2.mathworks.cn/help/control/examples/dc-motor-control.html?prodcode=CT&language=zh

  • 15
    点赞
  • 56
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
LQR控制器(线性二次调节器)是一种常用的控制器设计方法,旨在优化系统的动态响应和稳定性。它是通过最小化系统状态的二次成本函数,来寻找最佳的反馈控制增益,从而实现系统的优化性能。 在Simulink中,我们可以使用LQR控制器来设计和模拟系统的控制。具体步骤如下: 1. 确定系统的状态空间模型,包括状态向量、输入向量和输出向量之间的关系。 2. 在Simulink中建立一个模型,将系统的状态空间模型与LQR控制器模块相连接。可以使用“State-Space”模块来表示系统的状态空间模型,并使用“LQR Controller”模块来表示LQR控制器。 3. 在LQR控制器模块中,设置系统的状态权重矩阵Q和输入权重矩阵R。这些权重矩阵的选择会直接影响到控制器的性能。通常情况下,根据系统的特性和需求,可以通过试验和调整来得到较好的结果。 4. 将输入信号连接到LQR控制器模块的输入端口,并将系统的输出信号连接到控制器的输出端口。 5. 在Simulink中运行模型,可以通过观察系统的输出响应和控制信号来评估LQR控制器的性能。如果需要,可以进行参数调整来进一步优化控制器的性能。 总之,Simulink是一款强大的仿真工具,可以让我们方便地建立和模拟各种控制系统。通过使用LQR控制器模块,我们可以快速设计和评估系统的控制策略,提高系统的性能和稳定性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
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