线性二次高斯(LQG)设计
线性二次-高斯(LQG)控制是一种现代状态空间技术,用于设计最优动态调节器和具有积分作用的伺服控制器(也称为选点追踪器)。该技术允许您权衡调节/跟踪器性能和控制工作,并考虑到过程干扰和测量噪声。
要设计LQG调节器和设定值跟踪器,请执行以下步骤:
构造lq -最优增益。
构造一个卡尔曼滤波器(状态估计器)。
将lq -最优增益与卡尔曼滤波器连接起来,形成LQG设计。
有关使用LQG设计创建LQG调节器的详细信息,请参见线性二次高斯(LQG)调节设计.
有关使用LQG设计创建LQG伺服控制器的更多信息,请参见积分伺服控制器的线性二次-高斯(LQG)设计.
这些主题集中在连续时间的情况下。有关离散时间LQG设计的信息,请参见dlqr
而且卡尔曼
参考页面。
线性二次高斯(LQG)调节设计
你可以设计一个LQG调节器来调节输出y在下面的模型中大约为0。
此模型中的工厂经历干扰(过程噪声)w并且是由控件驱动的u.调节器依赖于噪声测量y来生成这些控件。植物状态和测量方程的形式为
和两个w而且v被建模为白噪声。
请注意
LQG设计需要一个工厂的状态空间模型。你可以使用党卫军
将其他模型格式转换为状态空间。
要设计LQG稳压器,您可以使用下表所示的设计技术。
设计LQG调节器,使用… | 使用以下命令: |
---|---|
一个快速的,一步的设计技巧,当以下情况是正确的:
|
lqg |
一个更灵活的三步设计技术,允许您指定:
|
有关更多信息,请参见 |
构建调节的最优状态反馈增益
从以下元素构建lq -最优增益:
要构造最佳增益,输入以下命令:
K =等(A, B, Q, R, N)
该命令用于计算最佳增益矩阵K
,其中状态反馈定律
使连续时间下的二次代价函数最小:
有关构造lq -最优增益的信息,包括软件为离散时间最小化的代价函数,请参阅等方面
参考页面。
构造卡尔曼状态估计量
对于LQG调节和伺服控制,您需要一个卡尔曼状态估计器,因为如果没有完整的状态测量,您无法实现最优lq -最优状态反馈。
你构建了状态估计 这样 对于输出反馈问题仍然是最优的。从以下元素构建卡尔曼状态估计器增益:
请注意
对于调节和伺服控制,用同样的方法构造卡尔曼状态估计器。
要构造卡尔曼状态估计器,键入以下命令:
[kest,L,P] = kalman(sys,Qn,Rn,Nn);
这个命令计算一个卡尔曼状态估计器,k
用下列植物方程:
在哪里w而且v被建模为白噪声。l
卡尔曼增益和是多少P
协方差矩阵。
该软件使用卡尔曼滤波器生成这种状态估计
卡尔曼滤波器是一种处理高斯白噪声的最优估计器。具体来说,它最小化了渐近协方差
估计误差 .
形成LQG调节器
为了形成LQG调节器,连接卡尔曼滤波器k
和lq -最优增益K
输入以下命令:
调节器= lqgreg(kest, K);
该调节器具有如下状态空间方程:
有关形成LQG调节器的更多信息,请参见lqgreg
而且LQG法规:轧机案例研究.
积分伺服控制器的线性二次-高斯(LQG)设计
您可以为以下模型设计一个具有积分作用的伺服控制器:
您设计的伺服控制器保证了输出y跟踪参考命令r同时拒绝过程干扰w测量噪声v.
上图中的工厂容易受到干扰w并且是由控件驱动的u.伺服控制器依赖于噪声测量y来生成这些控件。装置状态方程和测量方程为
和两个w而且v被建模为白噪声。
请注意
LQG设计需要一个工厂的状态空间模型。你可以使用党卫军
将其他模型格式转换为状态空间。
要设计LQG伺服控制器,您可以使用下表所示的设计技术。
设计了一种LQG伺服控制器。 | 使用以下命令: |
---|---|
一个快速的,一步的设计技巧,当以下情况是正确的:
|
lqg |
一个更灵活的三步设计技术,允许您指定:
|
有关更多信息,请参见 |
伺服控制最优状态反馈增益的构建
构造lq -最优增益
状态空间植物模型
sys
权重矩阵
问
,R
,N
,定义了跟踪器性能和控制效果之间的权衡
要构造最佳增益,输入以下命令:
K = lqi (sys, Q, R, N)
该命令用于计算最佳增益矩阵K
,其中状态反馈定律
使连续时间下的二次代价函数最小:
软件计算增益矩阵K通过解一个代数里卡蒂方程。
有关构造lq -最优增益的信息,包括软件为离散时间最小化的代价函数,请参阅lqi
参考页面。
构造卡尔曼状态估计量
对于LQG调节和伺服控制,您需要一个卡尔曼状态估计器,因为如果没有完整的状态测量,您无法实现lq最优状态反馈。
你构建了状态估计 这样 对于输出反馈问题仍然是最优的。从以下元素构建卡尔曼状态估计器增益:
请注意
对于调节和伺服控制,用同样的方法构造卡尔曼状态估计器。
要构造卡尔曼状态估计器,键入以下命令:
[kest,L,P] = kalman(sys,Qn,Rn,Nn);
这个命令计算一个卡尔曼状态估计器,k
用下列植物方程:
在哪里w而且v被建模为白噪声。l
卡尔曼增益和是多少P
协方差矩阵。
该软件使用卡尔曼滤波器生成这种状态估计
卡尔曼滤波器是一种处理高斯白噪声的最优估计器。具体来说,它最小化了渐近协方差
估计误差 .
形成LQG伺服控制
为了形成一个二自由度LQG伺服控制器,连接卡尔曼滤波器k
和lq -最优增益K
输入以下命令:
伺服控制器= lqgtrack(kest, K);
伺服控制器的状态空间方程如下:
有关形成LQG伺服控制器的更多信息,包括如何形成一个单自由度LQG伺服控制器,请参阅lqgtrack
参考页面。
另请参阅
lqg
|等方面
|卡尔曼
|lqgtrack
|lqi
|lqgreg