LQR-单级倒立摆控制.pptVIP

LQR最优控制的应用 曹威 什么是LQR? LQ（linear quadratic ）问题——对于线性系统的控制器设计问题，如果其性能指标是状态变量和(或)控制变量的二次型函数的积分，则这种动态系统的最优化问题称为线性系统二次型性能指标的最优控制问题（即LQ问题），简称为线性二次型最优控制问题或线性二次问题。 LQR (linear quadratic regulator)即线性二次型调节器 ,其对象是现代控制理论中以状态空间形式给出的线性系统 ,而目标函数为对象状态和控制输入的二次型函数。 LQR最优设计是指设计出的状态反馈控制器 K要使二次型目标函数J 取最小值,而 K由权矩阵Q 与 R 唯一决定,故此 Q、 R 的选择尤为重要。 LQR理论的特点 LQR理论是现代控制理论中发展最早也最为成熟的一种状态空间设计法。特别可贵的是 ,LQR可得到状态线性反馈的最优控制规律 ,易于构成闭环最优控制。而且 Matlab 的应用为LQR 理论仿真提供了条件 ,更为我们实现稳、准、快的控制目标提供了方便。 LQ问题的几种特殊情况 1、状态调节器问题：用不大的控制能量，使系统状态X(t)保持在零值附近 2、输出调节器问题：用不大的控制能量，使系统输出Y(t)保持在零值附近 3、跟踪问题：用不大的控制量，使系统输出Y(t)紧紧跟随Yr(t)的变化 实例：单级倒立摆LQR控制 单级倒立摆LQR控制 目的：利用LQR设计的控制器对倒立摆进行在线控制，可以使倒立摆达到稳定。 在倒立摆系统稳定的情况下,对系统施加干扰(可用手轻触摆杆使摆杆偏离竖直位置一个小角度) ，小车能迅速调整，使整个系统在很短的时间内恢复平衡。 建模 在忽略了空气阻力，各种摩擦之后，可将直线一级倒立摆系统抽象成小车和匀质杆组成的系统 ： 其中： M 小车质量 m 摆杆质量 b 小车摩擦系数 l 摆杆转动轴心到杆质心的长度 I摆杆惯量 F 加在小车上的力 x 小车位置 φ 摆杆与垂直向上方向的夹角 θ 摆杆与垂直向下方向的夹角 采用牛顿动力学方法可建立单级倒立摆系统的微分方程如下： 倒立摆的平衡是使倒立摆的摆杆垂直于水平方向倒立，所以假设 ,为足够小的角度，即可近似处理得: 用u来代表被控对象的输入力F，线性化后两个方程如下 : 取状态变量 : 即摆杆的角度和角速度以及小车的位移和速度四个状态变量。则系统的状态方程为： 将上式写成向量和矩阵的形式，就成为线性系统的状态方程： 这里设： LQR控制 线性二次型是指系统的状态方程是线性的，指标函数是状态变量和控制变量的二次型。考虑线性系统的状态方程为： 找一状态反馈控制律： 使得二次型性能指标最小化： 其中，x(t)为系统的状态变量；、 为起始时间与终止时间；S为终态约束矩阵；Q(t)为运动约束矩阵；R(t)为约束控制矩阵。其中Q(t)、R(t)决定了系统误差与控制能量消耗之间的相对重要性。 为使J最小，由最小值原理得到最优控制为： 则 式中，矩阵P(t)为微分Riccatti方程 的解。 对于最优反馈系数矩阵，使用Matlab中专门的求解工具lqr()来求取。 [K,P]=lqr(A,B,Q,R) 用Matlab求解lqr(A, B, Q, R)可以求出最优反馈系数矩阵的值。lqr函数需要选择两个参数R和Q，这两个参数是用来平衡输入量和状态量的权重。其中， 代表摆杆角度的权重，而 是小车位置的权重。这里选择： 通过matlab求得： K = [-82.4246 -10.7034 -10.0000 -11.8512]。 系统仿真框图 MATLAB仿真结果 倒立摆摆角（θ） 小车位移（x） 结论 从图中可以看出,在给定外界干扰后,小车能迅速调整,使整个系统在很短的时间（ 5 s ）内恢复平衡，达到了较好的控制效果。 实验证明,设计的LQR控制器能够对直线一级倒立摆系统进行有效的实时控制。 LQR理论在其他领域的应用 电液控制系统基于LQR的最优控制 LQR控制策略在旋转机架模型中的应用 ······ Thanks! * * *