《最优控制与状态估计6》-公开课件.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 降维状态观测器及其设计方法(16/18)--例11 (4) 由给定的期望特征值得期望的特征多项式为 f*(s)=(s+3)(s+3)=s2+7s+12 令f(s)=f*(s),则可得 (5) 由F，G和H的计算公式,可得降维状态观测器的各矩阵为 降维状态观测器及其设计方法(18/18)--例11 于是所得的降维状态观测器为 则原系统的状态变量向量x的估计值为 谢谢！ * * * * * * * * * * * * * * * * * * * * * * * * * * * * 扩展卡尔曼滤波 可以看出，卡尔曼滤波估计是一个线性随机系统的状态。然而实际中，很多系统是非线性的，处理这些系统时，用扩展卡尔曼滤波(EKF),它是将期望和方差线性化的卡尔曼滤波器。 控制对象的状态空间表述为: 扩展卡尔曼滤波 扩展卡尔曼滤波的5个方程为： 扩展卡尔曼滤波 A是f对x的偏导的雅可比矩阵，即 W是f对w的偏导的雅可比矩阵，即 H是h对x的偏导的雅可比矩阵，即 V是h对v的偏导的雅可比矩阵，即 全维状态观测器及其设计方法(1/1) 4.5.1 全维状态观测器及其设计方法 下面分别介绍 开环状态观测器 渐近状态观测器 开环状态观测器(1/6) 1. 开环状态观测器 设线性定常连续系统的状态空间模型为?(A,B,C),即为 在这里设系统的系统矩阵A、输入矩阵B和输出矩阵C都已知。 这里的问题是： 若状态变量x(t)不能完全直接测量到,如何构造一个系统随时估计该状态变量x(t)。 开环状态观测器(3/6) 该状态估计系统称为开环状态观测器, 图4-8 开环状态观测器的结构图 其结构如下图所示。 简记为 开环状态观测器(4/6) 比较系统?(A,B,C)和 的状态变量,有 则状态估计误差 的解为 开环状态观测器(5/6) 显然,当 时,则有 , 即估计值与真实值完全相等。 但是,一般情况下是很难做到这一点的。这是因为: 2. 若矩阵A的某特征值位于s平面的虚轴或右半开平面上(实部?0),则矩阵指数函数eAt中包含有不随时间t趋于无穷而趋于零的元素。 1. 有些被控系统难以得到初始状态变量x(0),即不能保证 ; 开环状态观测器(6/6) 所以,由于上述状态观测器不能保证其估计误差收敛到零,易受噪声和干扰影响,其应用范围受到较大的限制。 仔细分析便会发现,该观测器只利用了被控系统输入信息u(t),而未利用输出信息y(t),其相当于处于开环状态,未利用输出y(t)的观测误差或对状态观测值进行校正。 渐近状态观测器(1/20) 2. 渐近状态观测器 前面讨论的开环状态观测器未利用被控系统的可直接测量得到的输出变量来对状态估计值进行修正,所得到的估计值不佳, 可以预见,若利用输出变量对状态估计值进行修正,即反馈校正,则状态估计效果将有本质性的改善。 下面将讨论该类状态观测器系统的特性及设计方法。 其估计误差 将会因为矩阵A具有在s平面右半闭平面的特征值,导致不趋于零而趋于无穷或产生等幅振荡。 渐近状态观测器(2/20) 如果对任意矩阵A的情况都能设计出相应的状态观测器,对于任意的被控系统的初始状态都能满足下列条件: 即状态估计值可以渐近逼近被估计系统的状态, 则称该状态估计器为渐近状态观测器。 渐近状态观测器(3/20) 根据上述利用输出变量对状态估计值进行修正的思想和状态估计误差须渐近趋于零的状态观测器的条件,可得如下状态观测器: 其中G称为状态观测器的反馈矩阵。 该状态估计器称为全维状态观测器,简称为状态观测器,其结构如下图所示。 渐近状态观测器(4/20) 下面分析状态估计误差是否能趋于零。 图4-9 渐近状态观测器的结构图 渐近状态观测器(5/20) 先定义如下状态估计误差: 其中A-GC称为状态观测器的系统矩阵。 则有 上述误差方程的解为 根据上述误差方程,被控系统?(A,B,C)的渐近状态观测器,亦可简记为 。 渐近状态观测器(6/20) 显然,当状态观测器的系统矩阵A-GC的所有特征值位于s平面的左半开平面,即具有负实部, 因此,状态观测器的设计问题归结为求反馈矩阵G,使A-GC的所有特征值具有负实部及所期望的衰减速度, 即状态观测器的极点是否可任意配置问题。 对此有如下定理。 定理 渐近状态