LQR线性二次型调节器2（Continuous-time system Linear-Quadratic Regulator design，连续系统分析及MATALB实例）

**注：**MATLAB中LQR函数有 连续和 离散两种，本篇文章只分析 连续时间系统lqr()函数， 离散时间系统LQR()函数将单独写文章进行分析！敬请关注，谢谢~
用 lqr算出来的 反馈矩阵K，和用 公式k=R^-1B^TP算出来的反馈矩阵k是一样的，本文有详细分析过程。

一、 连续时间系统二次型优化：lqr()函数

1.1 MATLAB函数形式

对于连续时间系统：

反馈矩阵控制率u=-kx最小化二次型代价函数：

MATLAB中lqr()函数形式：

其中输入包含：

在所有情况中，如果忽略N，则N设定为0。
求出的解包含：

lqr()返回k，P，r，其实还可以通过care()函数逐步求解k，P，r：
① 通过care()函数求解Riccati方程的解P；
判断稳定性：

求解P：

② 再根据求解的P去求解反馈增益矩阵k：

这里的k和care()函数求出的k是一样的
③ 最后根据k求解特征值r：

1.2 举例：

Example1:

>> A=[0 1;10 0];B=[0;-1];Q=[100 0;0 1];R=0.01;
>> [k,P,r]=lqr(A,B,Q,R)

k =

 -110.4988  -17.9164


P =

   18.0058    1.1050
    1.1050    0.1792


r =

  -8.9582 + 4.4999i
  -8.9582 - 4.4999i

>> eig(A)
ans =

 3.1623
-3.1623

① 可见由于A的特征值有大于0，所以该系统本身就不稳定，lyap()函数无解；
② 这时需要通过闭环控制配置状态反馈矩阵K来实现系统稳定，即让闭环状态矩阵A_cl=(A-B**k)特征值都小于0，这就是LQR控制起到的作用。
接下来就可以验证闭环反馈：

>> k

k =

-110.4988  -17.9164

>> A=[0 1;10 0];B=[0;-1];Q=[100 0;0 1];R=0.01;A2=A-B*k

A2 =

        0    1.0000
-100.4988  -17.9164

>> eig(A2)

ans =

 -8.9582 + 4.4999i
 -8.9582 - 4.4999i

③ 采用状态反馈矩阵得出的闭环系统矩阵特征值和lqr()求出的特征值结果一致。

Example2:

>> A=[0 1;-1 -1];B=[0;-1];Q=[100 0;0 1];R=0.01;
>>> [k,P,r]=lqr(A,B,Q,R)
k =
  -99.0050  -16.2919

P =
   17.2828    0.9900
    0.9900    0.1629

r =
  -8.6460 + 5.0252i
  -8.6460 - 5.0252i
  
  >> eig(A)
ans =
  -0.5000 + 0.8660i
  -0.5000 - 0.8660i

① 该开环系统本身就是稳定的；

>> A2=A-B*k
A2 =
         0    1.0000
 -100.0050  -17.2919
 
 >> eig(A2)
ans =
  -8.6460 + 5.0252i
  -8.6460 - 5.0252i

② 采用状态反馈矩阵k得出的闭环系统矩阵特征值和lqr()求出的特征值结果一致，相比开环系统特征值从-0.5变成闭环的-8.6460，可见LQR控制器使得系统收敛更快。

>> k=R^(-1)*B'*P

k =

  -99.0050  -16.2919

③ 根据公式k=R^-1B^TP，将LQR求解出的里卡提方程的解P代入公式中，这里计算出来的k与LQR求解的结果k是一样的。

Example3:

>> A
A =
   1     2
  -3    -4
  
>> B
B =
   0
  -1
  
>> Q
Q =
   3     1
   1     1

>> R
R =
  0.0100
  
>> [k,P,r]=lqr(A,B,Q,R)
k =
-18.9585   -9.8504

P =
  0.8659    0.1896
  0.1896    0.0985

r =
 -9.7743
 -3.0761 
 
>> eig(A)
ans =
 -1.0000
 -2.0000

① 该开环系统本身就是稳定的；

>>  A2=A-B*k
A2 =
   1.0000    2.0000
 -21.9585  -13.8504

>> eig(A2)
ans =
   -3.0761
   -9.7743

② 采用状态反馈矩阵k得出的闭环系统矩阵特征值和lqr()求出的特征值结果一致，相比开环系统特征值实部从-2变成闭环的-9.77，可见LQR控制器使得系统收敛更快。

>> k=R^(-1)*B'*P

k =

  -18.9585   -9.8504   

③ 根据公式k=R^-1B^TP，将LQR求解出的里卡提方程的解P代入公式中，这里计算出来的反馈矩阵k与LQR求解的反馈矩阵k是一样的。

二、连续时间系统李卡提方程MATLAB函数：care()函数

care()函数：Continuous-time algebraic Riccati equation solution
求解连续时间代数里李提方程(P)

2.1 MATLAB函数形式

与lqr()函数相同，对于线性连续系统，形式：

其中：

2.2 举例

Example1:

A =
    -3     2
     1     1

B =
     0
     1
     
Q =
     1    -1
    -1     1
    
R =
     3
>> [P,r,k]=care(A,B,Q,R)

P =
    0.5895    1.8216
    1.8216    8.8188

r =
   -3.5026
   -1.4370

k =
    0.6072    2.9396

同样的用LQR求解：

[k2,P2,r2]=lqr(A,B,Q,R)

k2 =

 0.6072    2.9396


P2 =

 0.5895    1.8216
 1.8216    8.8188


r2 =

-3.5026
-1.4370

这里函数care()和lqr()求出的k和k=R^-1B^TP算出来的k是一样的。

k2=R^(-1)*B’*P

k2 =

0.6072    2.9396

Example2:
同1.2节中的Example1，

>> A=[0 1;10 0];B=[0;-1];Q=[100 0;0 1];R=0.01;
>> [P,r,k]=care(A,B,Q,R)

P =
  18.0058    1.1050
   1.1050    0.1792

r =
 -8.9582 + 4.4999i
 -8.9582 - 4.4999i

k =
-110.4988  -17.9164

发现函数care()和lqr()计算的结果相等，k,P,r完全相同
同理同1.2节中的Example2、3用函数care()和lqr()计算的结果都相等。