新计算机控制系统 教学课件 李擎 5 状态空间法2011.pptVIP

5.4.3 LQR最优控制律计算 计算Z、W的递推公式为 如果被控对象是以离散状态方程给出，要求解离散稳态线性二次型状态调节器，则用函数dlqr()与dlqry()。函数的调用格式为： [K,S,E]= dlqr(A,B,Q,R,N) [K,S,E]= dlqry(A,B,C,D, Q,R,N) 其中，输入参量A为系统的离散域状态矩阵G；B为系统的离散域输入矩阵H；Q为给定的正定或半正定实对称矩阵，即式(5-28)中的R1；R为给定的正定实对称矩阵，即式(5-28)中的R2；N代表更一般化性能指标中交叉乘积项的加权矩阵，即式(5-19)中的R12。输出参量K为离散最优反馈增益矩阵；S为对应Riccati方程的唯一正定解P；E为A-BK的特征值。 函数dlqry()用来求解二次型状态调节器的特例，这个特例就是用输出反馈替代状态反馈。即有： 其性能指标则为： 本节首先在假设所有状态都可用的条件下给出LQ问题的最优控制律。如果全部状态是不可测的，就必须估计出它们。 如果在过程模型中考虑了高斯随机扰动，则称为线性二次型高斯LQG(Linear Quadratic Gaussian)控制问题。对随机扰动过程，可以求出使估计误差的方差为最小的最优估计器，它称为Kalman(卡尔曼)滤波器，这种估计器的结构与状态观测器相同，但其增益矩阵L的确定方法不同，而且它一般是时变的。MATLAB 的kalmand（）函数可设计Kalman滤波器。读者可参考有关资料。 LQG控制器由Kalman滤波器（最优估计器）和LQR最优反馈控制律两部分构成。 5.4.4 LQR与Liapunov最优状态反馈设计的关系 Riccati方程 Liapunov方程 5.4.5 LQ设计与极点配置设计的比较 共同点：由观测器（估计器）和反馈控制律两部分构成。并且根据分离性原理，这两部分设计分开进行。 区别： （1）系统性能指标。极点配置法用的性能指标对应的是系统期望极点；LQ法是达到某种二次型性能指标函数最优（最小）。 （2）系统模型。极点配置法主要只用于单变量系统，而且是确定性系统；LQ法适用于多变量和时变系统，LQG考虑的是随机模型。 （3）控制量的限制问题。实际工程中，执行机构所能提供的物理控制量的幅度和总能量都是有限的。极点配置法难以考虑这个问题（需要反复凑试）；LQ法比较容易通过控制量的加权矩阵来解决这个问题。 第5章作业与思考题 * biti-liqing * 根据分离性原理，控制器的设计可以分成两个独立的部分： 一、按控制极点配置设计控制律 二、按观测极点配置设计状态观测器 三、把两者结合起来，构成状态反馈控制器。 注：控制极点即期望的闭环系统极点 观测极点即状态观测器的极点 设控制规律为线性状态反馈，即 假设 ，并暂时假设所反馈的是实际对象的全部状态 ，而不是重构状态 ，如图所示。 5.3.1 基于极点配置的反馈控制控制律设计 图5-5 状态反馈控制系统结构图 设控制律为线性状态反馈，即 （5-23） 将式(5-17)代入式(5-8)，得到闭环系统的状态方程为 （5-24） 显然，闭环系统的特征方程为 问题是设计反馈控制律K，以使得闭环系统具有所需要的极点配置 1、 单输入单输出系统的极点配置 1）根据对系统性能的要求，确定期望的闭环系统的控制极点 ； 2）闭环系统特征方程为 3）由 求出K K的求解方法： (1)系数匹配 若将式(5-18)左边的行列式展开，并比较两边z的同次幂的系数，则一共可得到n个代数方程，可解得K的各个元素。 （5-25） (2) 矩阵运算 对控制对象的离散状态方程式(5-13)进行非奇异变换 并转换成能控标准形，即 (5-26) 其中 对于新的状态 ，控制律变为 (5-27) 使用极点配置方法的注意问题 (1)首先应注意到，系统完全可