平衡小车-LQR控制算法

《基于 LQR 的两轮机器人的平衡控制》

m文件与仿真

% 二阶被控系统,一个输入量
clc;clear;close all
A=[0 1 0 0; 0 0 -23.7097 0; 0 0 0 1; 0 0 83.7742 0];
B=[0 ; 3.6663; 0; -9.9595];
C=[1 0 0 0; 0 0 1 0];
D=0;


Q=[700 0 0 0;0 10 0 0; 0 0 900 0; 0 0 0 30];
R=1;
K=lqr(A,B,Q,R);
sys=ss(A-B*K,B,C,D);%经过状态量反馈后的新状态矩阵

t=0:0.01:4;
x0=[0;0;0.2618;0];
[y,t,x]=initial(sys,x0,t);

plot(t,x(:,1),LineWidth=1.5);hold on
plot(t,x(:,2),LineWidth=1.5);grid on
plot(t,x(:,3),LineWidth=1.5);grid on
plot(t,x(:,4),LineWidth=1.5);grid on
xlabel('t');
ylabel(x);
legend('x1','x2','x3','x4')

在这里插入图片描述
simulink模型与仿真
在这里插入图片描述
在这里插入图片描述

  • 5
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
LQR控制算法是一种优化控制算法,用于设计线性系统的最优控制器。在LQR控制算法中,通过最小化系统状态和控制输入的加权和来计算最优控制器。LQR算法在工作时域上只计算一次,并将计算出的最优解下发给控制器。\[1\] 在自动驾驶领域,横向和纵向控制通常是分开进行的。一种常见的方法是使用LQR算法进行横向控制,同时使用PID算法进行纵向控制。这种方法在许多自动驾驶科技公司中比较常见,例如百度apollo的控制节点control。\[2\] 在Python中实现LQR控制算法,可以使用NumPy和SciPy等库来进行矩阵运算和优化计算。可以定义系统的状态方程和控制输入方程,并使用LQR算法来计算最优控制器的增益矩阵。然后,可以将计算出的控制器应用于实际系统中,以实现最优控制。\[3\] 请注意,以上是关于LQR控制算法的一般介绍,具体实现细节可能因应用场景和具体需求而有所不同。 #### 引用[.reference_title] - *1* [自动驾驶(七十二)---------LQR控制算法](https://blog.csdn.net/zhouyy858/article/details/107606500)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [自动驾驶算法详解(4): 横向LQR、纵向PID控制进行轨迹跟踪以及python实现](https://blog.csdn.net/nn243823163/article/details/124617628)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“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 1
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