LQR外文文献翻译.doc

线性二次型调节最优控制问题 目 录 2.1 反馈结构 2 2.2 优化调节 2 2.3 状态反馈线性二次型最优调节 4 2.4 稳定性和鲁棒性 4 2.5 应用LQR的回路控制 7 2.6 MATLAB仿真 9 2.7 展望 10 2.8 练习 11 2.1 反馈结构 （2.1） 1、测量输出的控制信号和有效的可被测量的控制系统相类似。如果控制器转移矩阵是C(s)，我们可以得到如下的方程，式中Y (s)和 U(s)分别指的是过程输入u(t)和测量输出y(t)的拉氏变换。 2、控制输出与一个期望在尽可能短的时间量内使信号尽可能小的信号相一致。有时，z(t) = y(t),那意味着我们的控制目标是使整个的测量输出非常小。然而，当输出y(t)是一个矢量，经常需要使测量y1(t)输出很小。在这种情况下，我们选择z(t) = y1(t). 在一些情况下，选择，那就意味着我们想要测量输出y1(t)和它的导数 这两个量非常的小。许多其他的选择夜可能实现这一特征。z应该被做为一个设计参数来看待。在第2.5节我们将要学习在闭环控制系统下选择参数对系统的影响。 2.2 优化调节 线性二次型优化问题被定义为以下的内容： 问题1（线性二次型优化问题） 控制器的转移矩阵C(s)使以下的特征值尽可能的小。 （2.2） 在这里是一个正的常量 ，这项 与控制输出的能量和项 t 具有相一致的控制信号能量。在线性二次型最优调节中主要是寻找一个具有两个最小能量的控制器。然而，增长的控制输出能量要求一个大的控制信号和一个小的控制信号，它们将会引导一个大的控制输出。常数的作用是为了在这些相冲突的目标之间建立一个权衡比： 1、当我们选择的非常大的时候，最有效的途径是用小的控制去增长，以一个大的控制输出作为结果。 2、当我们选择非常小的时候，最有效的方法是增长得到一个非常小的控制输出，即使这是一个以大的控制输出作为代价去实现的控制系统。 经常，线性二次型最优问题是被定义的更笼统，它与找到控制器的转移矩阵C(s) 有关系，它的最小值如下： 这里Q是一个维的系统正定矩阵，R是一个维的正定矩阵，是一个正常数。 布莱森定理 对于矩阵Q和R的选择在（2.3）被布莱定理给出： 选择Q和R的对角矩阵用到以下公式： 和以下的特征量相匹配： 在布莱森定理的基本理论中，出现在这项变量的最大值，其中每项的最小有效值是1。当用在u和z的不同元器件地单元之间使这些数值之间的值互相不同是特别重要的。 尽管布莱森定理有时给出一个好的结果，经常它只是开始对于一个实验---出错---实验反复迭代的设计程序，目的是得到期望性能指标的闭环系统。在第2.5节，我们将要讨论选择作用在物体上的力在LQR矩阵中的方法。 2.3 状态反馈线性二次型最优调节 在状态反馈描述的LQR问题中的图（2.2），我们假定整个的状态x能被测量，即使它对控制是有效的，我们采用线性二次型的状态反馈最优问题的解决方法。 图2.2 带有状态反馈的线性二次型最优控制器 优化状态反馈LQR控制器对于准则（2.3）是一个简单矩阵增益的形式 (2.4) 这里K是维的矩阵在以下被给出 P是唯一的正定解法对于下等式： 这种算法被称为黎卡提算法。 2.4 稳定性和鲁棒性 状态反馈控制律（2.4），结果在以下形式的闭环系统中 LQR控制器设计的一个至关重要的性能是这个闭环系统是渐进稳定的，只要符合以下的两种情况： 1、系统（1）是可控的。 2、系统（1）是能观的当我们忽视y和把z作为唯一输出。 或许更重要的是一个事实，LQR控制器是对过程不确定的期望值具有内在的鲁棒控制。为了理解为什么，考虑开环转移矩阵从过程输入u对控制器的输出（图2.3）的影响。 图2.3 状态反馈开环增益 状态空间模型从u到在下式中被给出 它是与以下的开环负反馈维的转移矩阵相一致的 我们把我们的注意力集中在信号输入过程 (m = 1), G0(s)是一个标量的传函，以下给出： 卡尔门不等式 当 , 的尼克尔斯图显示不进入一个以原点为圆心，圆半径为1的圆的’-1’这点 卡尔门不等式在图（2.4）表述了许多重要的涵义，那是接下来讨论。 图2.4 线性二次型最优控制器的尼克尔斯图 正的增幅 如果过程增益是被