LQG算法原理及控制逻辑

最近做线控底盘域，转向里面有个功能会用到LQG算法，因此查阅了很多资料，包括状态观测和状态反馈控制、LQR、卡尔曼滤波、LQG及自动控制原理。本节记录LQG算法。

一、LQG组成

        LQG算法包括卡尔曼滤波和LQR二次型控制两部分，卡尔曼部分用于观测最优状态，LQR部分用于状态反馈。

二、卡尔曼滤波

       卡尔曼滤波根据系统输入输出观测状态，利用迭代的方式对状态量进行调节，相当于自适应观测器，而luenberger观测器配置好L增益矩阵后，便不能自适应，有一点的局限性，而卡尔曼滤波能根据先验协方差和后验协方差调节增益K矩阵  

          对于卡尔曼部分可以查看我的其他CSDN文档，而且附有代码和simulink模型

三、LQR二次型最优控制

将车身垂向动力学、车身垂向位移、悬架垂向位移作为代价函数，利用

以及调节状态量和控制量的权重，也就是说可以调节Q1、Q2、Q3，也可以直接调节Q矩阵的值。

四、 模型搭建

1、设置好A、B、Q、R矩阵后，调用matlab的lqr函数，如果是离散模型，调用dlqr函数，也可以用dare函数，求取K矩阵。

       K_GainMtrix = lqr(A,B,Q,R);

2、搭建模型，路面不平度考虑了噪声，当然也可以直接加白噪声去模拟此噪声，仿真时直接加个高斯白噪声即可。

3、利用1、2两步计算的K_GainMtrix、X_State，计算u=-KX控制量，也就是阻尼力的输入；

五、其他扩展

      为了探讨控制理论，还对状态观测器及状态反馈做了详细介绍，复杂的simulink模型也可以用状态方程简单明了的表示，同时还有将连续状态进行解析解离散化和近似解离散化，是为了将理论中的控制能够运用到离散系的生活中。同时还有极点配置求增益矩阵等文档。