实验二 状态空间极点配置控制实验培训讲学.ppt

状态空间极点配置控制实验课件 实验二 状态空间极点配置控制实验 1、 状态空间分析 2、 极点配置及仿真仿真  3、 极点配置控制实验 4、 实验结果及实验报告 1、 状态空间分析 对于控制系统 X = AX + Bu 式中 X 为状态向量（ n 维） u 控制向量（纯量） A n × n维常数矩阵 B n ×1维常数矩阵 选择控制信号为： u = ?KX 图 1 状态反馈闭环控制原理图 求解上式，得到 x(t) = (A ? BK)x(t) 方程的解为： x(t) = e( A?BK )t x(0) 可以看出，如果系统状态完全可控，K 选适当，对于任意的初始状态，当t趋于无穷时，都可以使x(t)趋于0。 极点配置的设计步骤： 检验系统的可控性条件。 4) 利用所期望的特征值，写出期望的多项式 并确定 a1,a2 ,a3……a12 的值。 5) 需要的状态反馈增益矩阵 K 由以下方程确定： 2、 极点配置及仿真 以小车加速度作为输入的系统状态方程为： 前面我们已经得到了直线一级倒立摆的状态空间模型， 于是有： 直线一级倒立摆的极点配置转化为： 对于如上所述的系统，设计控制器，要求系统具有较短的调整 时间（约 3秒）和合适的阻尼（阻尼比? = 0.5） 下面采用四种不同的方法计算反馈矩阵 K。 方法一：按极点配置步骤进行计算。 检验系统可控性，由 3.1.1.4 系统可控性分析可以得到，系统的状态完 全可控性矩阵的秩等于系统的状态维数(4)，系统的输出完全可控 性矩阵的秩 等于系统输出向量y 的维数(2)，所以系统可控。 2) 计算特征值 根据要求，并留有一定的裕量（设调整时间为 2 秒），我们选取期望的闭环 闭环极点的左边，因此其影响较小，因此期望的特征方程为： 因此可以得到： a1=24, a2=196, a3=720, a4=1600 由系统的特征方程： 因此有 系统的反馈增益矩阵为： 3) 确定使状态方程变为可控标准型的变换矩阵 T: T = MW 式中： 4) 于是有状态反馈增益矩阵 K 为： 得到控制量为： μ = ?KX = 54.4218x + 24.4898 x - 93.2739φ -16.1633φ 以上计算可以采用 MATLAB 编程计算。 运行得到以下结果： 图 3 极点配置仿真结果 可以看出，在给定系统干扰后，倒立摆可以在2 秒内很 好的回到平衡位置，满足 设计要求。 PRO 3-7 直线一级倒立摆状态空间极点配置MATLAB 程序1 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% Googol Linear 1 stage Inverted Pendulum Poles Placement Method1 % %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% clear; A=[ 0 1 0 0; 0 0 0 0; 0 0 0 1; 0 0 29.4 0]; B=[ 0 1 0 3]; C=[ 1 0 0 0; 0 0 1 0]; D=[ 0 0 ]; J=[ -10 0 0 0; 0 -10 0 0; 0 0 -2-2*sqrt(3)*i 0; 0 0 0 -2+2*sqrt(3)*i]; pa=poly(A);pj=poly(J); M=[B A*B A^2*B A^3*B]; W=[ pa(4) pa(3) pa(2) 1; pa(3) pa(2) 1 0; pa(2) 1 0 0; 1 0 0 0]; T=M*W; K=[pj(5)-pa(5) pj(4)-pa(4) pj(3)-pa(3) pj(2)-pa(2)]*inv(T) Ac = [(A-B*K)]; Bc = [B]; Cc = [C]; Dc = [D]; T=0:0.005:5; U=0.2*ones(size(T)); Cn=[1 0 0 0]; Nbar=rscale(A,B,Cn,0,K); Bcn=[Nbar*B]; [Y,X]=lsim(Ac,Bcn,Cc,Dc,U,T); plot(T,X(:,1),-); hold on; plot(T,X(