Matlab在信号处理中的应用 第6讲.ppt

例8.15 奈奎斯特曲线及判稳2 例8.15 奈奎斯特曲线及判稳3 8.4 系统的状态空间分析函数1 ? 第一类函数是关于系统可观性、可控性判别的， （1）可控性矩阵 ? Co = ctrb(sys) 或Co = ctrb(A, B), … （2）可观性矩阵 ? Ob = obsv(sys)，Ob = obsv(A, C),… （3）Gramian矩阵 Wc = gram(sys，‘c’) Wc = gram(sys，‘o) 它是系统可观性、可控性的另一判据，可用于时变系统。 8.4 系统的状态空间分析函数2 第二类函数是关于系统相似变换的。 （1）通用相似变换函数 ? sysT = ss2ss(sys，T) （2）变为规范形式的函数 ? csys = canon(sys，type) （3）把系统分解为可控与不可控两部分的函数 ? [Abar,Bbar,Cbar,T,k] = ctrbf(A,B,C) （4）把系统分解为可观与不可观两部分的函数 （5）构成最小实现系统rsys的函数。 等等 例8.16 系统的可控可观结构分解 设系统的状态空间方程为 将其作可控性与可观性结构分解。 解：先作可控性结构分解，得出状态方程系数矩阵的秩rA和可控矩阵的秩rc。如果rc=rA，则系统完全可控；如果rcrA，则系统有rA - rc个状态不可控，可控阶梯型分解有效。用obscf函数可作可观性结构分解。 例8.17 系统的相似变换 设系统的状态空间方程为 将它变换为两种规范形式。 解：用MATLAB中的canon函数。 数据中有e-016或e-015的乘子时，可以把它取为零。得出的标准型中只有a阵是唯一的，不同的变换方法得出的b和c可以是不同的。 8.5 系统的状态空间法设计函数1 状态空间设计有极点配置和二次型性能指标最优设计两种方法。 经典设计方法只确定主导闭环极点。状态反馈极点配置方法可确定所有的闭环极点。但它需要有效地测量所有状态变量，其可选的反馈参数不只是输出变量的增益K，而是全部状态的增益K向量。MATLAB中的函数acker和place可用以按极点配置解增益向量K。 按极点配置选择增益的MATLAB命令的输入矩阵为A，B和E（期望的极点矢量），调用方式为 ? K=place(A，B，E)或 K=acker(A，B，E) 8.5 系统的状态空间法设计函数2 在控制工具箱中，用于最佳调节器设计的命令有lqrd，lqry和dlqr等。 测量所有状态变量是难以实现的。要从测得的部分变量获取系统的全部变量X，可在系统中配备状态重构器。 最优调节器指采用状态反馈，使X尽快并尽可能准的接近于0而不过多耗能的控制系统。其中线性二次型最优控制器占重要地位。因为一方面指标的物理意义较明确；另一方面它在数学上的处理也较简单。 8.5.1 线性平方调节器问题1 设受控对象是线性时不变系统 今要使系统在tf时的状态达到xf，且在过程中使状态变量x和控制作用u的加权平方误差积分最小，即 为此要加进一个负反馈调节器  u(t) = ?Kx(t) 若x是长度为n的列向量，u是长度为r的列向量，则K为r×n的增益矩阵。问题是求K的最佳值。在tf取无穷大时，称为无限长时间状态调节器问题，此时K为常数矩阵。 8.5.1 线性平方调节器问题2 若u的权重矩阵N=0，经过推导，这个命题最后归结为求解一个代数黎卡提方程 PA + ATP + PBR?1BTB?Q = 0 其中未知数只有方差阵P。求得P阵以后，可求得K K = Q?1BTP 解代数黎卡提方程的专用函数are调用方式 X = are(A，B，C) 可以不先求P而直接求K。解平方估计器的函数lqr ?［K，P，E］= lqr(A，B，Q，R，N) 8.5.2 线性平方估计器问题1 调节器是控制问题，估计器则是观测问题。其目标是在输入干扰和测量干扰下最准确地估计出系统的状态。因此就不能用确定性模型，。在不考虑控制问题时，系统的方程可简化，表为 同时要加一个负反馈 问题是要选择适当的反馈增益L值，使x的测量估计值与实际值x的误差均方值为最小。 8.5.2 线性平方估计器问题2 经过比较冗长的推导，可以证明，这个问题也归结为解下述黎卡提方程 AP + PAT?PCTRn?1CP + GQnGT = 0 在这个方程中，只有P是未知矩阵，因而是可解的。求出P后，就可求出最佳的增益L 可以看出，它与最小平方误差控制器在数学上有对偶性。也可调用解黎卡提方程的函数 X=are(A，B，C) 或调用解线性平方估计器的kalman函数 ? [kest，L，P] = kalman(sys，Qn，Rn，Nn)