没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
183
第十一章 基于状态空间模型的控制系统设计
11.1 概述
考虑线性、定常、连续控制系统,其状态空间描述为:
00 0
()
x
Ax Bu xt x t t
yCx
=⋅+⋅ = ≥
⎧
⎨
=⋅
⎩
&
(11-1)
其中,
nn
R
A
×
∈ 为系统矩阵,
rn
R
B
×
∈ 为输入矩阵,
nm
RC
×
∈ 为输出矩阵,
1×
∈
r
Ru 为输入
向量,
1×
∈
n
Rx
为状态向量,
1×
∈
m
Ry 为输出向量。且 CBA ,, 为给定的常数阵,其方框图如图
11.1.1 所示。
图 11.1.1 受控系统的结构图
系统设计问题就是寻找一个控制作用
)(tu
,使得在其作用下系统运动的行为满足期望性能
指标。
设计问题中的性能指标可分为非优化型性能指标和优化型性能指标两种类型。
非优化型指标是一类不等式型的指标,即只要性能指标值达到或好于期望性能指标就算实
现了设计目标,常用的非优化型指标有:
(1) 以一组期望的闭环极点作为性能指标,相应的设计问题称为极点配置问题;
(2) 以使一个多输入—多输出系统实现“一个输入只控制一个输出”作为性能指标,相
应的设计问题称为解耦控制问题;
(3) 以使系统的输出
)(ty 跟踪一个外部信号
)(ty
r
,跟踪误差小于给定值,作为性能指
标,相应的设计问题称为跟踪(或伺服)问题;
(4) 以使系统的状态
)(tx
(或输出
)(ty
)在外部扰动或其他因素影响下保持其设定值作
为性能指标,相应的设计问题称为调节问题。
优化型指标则是一类极值型的指标,设计目标是要使性能指标在所有可能值中取得极小(或
极大)值。
(1) 性能指标常取为一个相对于状态
)(tx
和控制
)(tu
的二次型积分性能指标,其形式为:
[
]
∫
⋅⋅+⋅⋅+⋅⋅=
f
t
t
TT
ff
T
dttuRtutxQtxtxFtxJ
0
)()()()(
2
1
)()(
2
1
(11-2)
184
其中,
nn
R
F
×
∈ 为半正定对称常数的终端加权矩阵,
nn
RQ
×
∈ 为半正定对称常数的状态加权矩
阵,
rr
R
R
×
∈ 为正定对称常数的控制加权矩阵;
f
t 为终止时刻,
0
t 为初始时刻。
(2) 设计的任务是确定一个控制
)(
*
tu ,使得相应的性能指标 )]([
*
tuJ 取得极小值。
从线性系统理论可知,许多设计问题所得到的控制规律常具有状态反馈的形式。但是由于
状态变量为系统的内部变量,通常并不是每一个状态变量都是可以直接量测的。这一矛盾的解
决途径是:利用可量测变量(如:输入
)(tu 和输出 )(ty )构造出不能量测的状态,相应的理论
问题称为状态重构问题,即状态观测器问题。
11.2 极点配置
对受控系统式(11-1)的控制律的设计而言,有状态反馈极点配置和输出反馈极点配置两种。
下面介绍状态反馈极点配置问题,在状态反馈律
vGxKu
⋅
+
⋅
−
=
作用下的闭环系统为:
00 0
()
cc
c
x
AxBv xt x t t
yCx
=
⋅+ ⋅ = ≥
⎧
⎨
=⋅
⎩
&
(11-3)
其中,
KBAA
c
⋅−= , GBB
c
⋅= , CC
c
=
,而
nr
R
K
×
∈
为状态增益阵,
pr
RG
×
∈ 为外部
输入矩阵,
1×
∈
p
Rv 为外部输入信号,其方框图如图 11.2.1 所示。
图 11.2.1 状态反馈控制系统
状态反馈极点配置问题就是:通过状态反馈矩阵
K
的选取,使闭环系统式(11-3)的极点,即
)( KBA ⋅− 的特征值恰好处于所希望的一组给定闭环极点 ),,2,1( ni
i
L
=
μ
的位置上。
线性定常系统可以用状态反馈任意配置极点的充分必要条件是:该系统必须是完全能控的。
所以,在实现极点的任意配置之前,必须判别受控系统的能控性。
11.2.1 单输入系统的极点配置
1.Bass-Gura 算法
设受控系统的闭环特征多项式分别为:
1
11
() det( )
nn
nnn
Ds sI A s as a s a
−
−
=
−=+ ++ +L (11-4)
1
12 1 1
() ( )( ) ( )
nn
nnn
ss s s s s s
φ
μμ μ α αα
−
−
=− − − =+ ++ +LL (11-5)
185
则状态反馈阵
K
为:
1
1111
],,,[
−
−−
⋅−−−= TaaaK
nnnn
ααα
L
(11-6)
其中
[]
⎥
⎥
⎥
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎢
⎢
⎢
⎣
⎡
⋅⋅⋅=
−−
−−
−
0001
001
01
1
1
32
121
1
L
L
MMMMM
L
L
L
a
aa
aaa
bAbAbT
nn
nn
n
(11-7)
函数 bass_pp( )用于实现上述算法。
【调用格式】
K=bass_pp(A,b,p)
【说明】(A,b)为状态方程模型,p 为包含期望闭环极点位置的列向量
[
]
T
n
μμμ
,,,
21
L ,而返回
变量 K 为状态反馈行向量,bass_pp( )函数参见附录 D:D-11-1。
2.Ackermann 算法
状态反馈阵为
[]
[
]
)(100
1
1
AbAbAbK
n
φ
⋅⋅⋅=
−
−
LL (11-8)
其中,
)(s
φ
如式(11-5)所示,而
nnn
nn
IAAAA
αααφ
++++=
−
−
1
1
1
)( L
。
控制系统工具箱中给出了一个 acker( )函数来实现该算法
【调用格式】
K=acker(A,b,p)
【说明】参数定义与 bass_pp( )函数相同,值得指出的是:acker( )函数可以求解多重极点配置
的问题,但不能求解多输入系统的问题。
11.2.2 多输入系统的极点配置
当控制信号是向量即多输入系统时,状态反馈增益阵
K
不是唯一的。这样可以较自由地选
择多于 n 个的参数,也就是说,除了适当地配置 n 个闭环极点之外,还可以满足诸如良好的鲁
棒性、动态性能等其它指标的要求。
疋田算法:疋田算法是一种便于计算的极点配置算法,其具体推导如下:
设
i
μ
,
1×
∈
n
i
Cv
),,2,1( ni L=
表示闭环系统的极点及其相对应的特征向量。
1.第一种情形
假定
i
μ
与 A阵的特征值相异,且 )( ji
ji
≠
≠
μ
μ
nji ,,2,1, L
=
由
x
Ax Bu
uKx
=
⋅+ ⋅
⎧
⎨
=− ⋅
⎩
&
有:
0)(
=
⋅
⋅+−
ini
vKBAI
μ
即
iini
vKBvAI
⋅
⋅
−
=⋅− )(
μ
186
则
inii
vKBIAv ⋅⋅⋅−=
−1
)(
μ
令
BIAV
nii
⋅−=
−1
)(
μ
,
ii
vK ⋅=
ξ
,于是
iii
Vv
ξ
⋅
=
,对于给定
i
ξ
,可以求出
i
v ,进而
[][]
nn
vvvK LL
2121
⋅=
ξ
ξ
ξ
,一般说来
[
]
n
vvv L
21
可逆,否则重新选择
[]
n
ξ
ξ
ξ
L
21
。
因此
[]
[
]
[][ ]
1
221121
1
2121
−
−
⋅⋅⋅⋅=
⋅=
nnn
nn
VVV
vvvK
ξξξξξξ
ξξξ
LL
LL
(11-9)
由上面推导可知疋田算法的具体步骤为:
(1) 适当选择
1×
∈
r
i
R
ξ
,从而计算特征向量
11
)(
×−
∈⋅⋅−=
n
inii
CBIAv
ξμ
, ni ,,2,1 L= ;
(2) 确定状态反馈阵
[]
[
]
1
2121
−
⋅=
nn
vvvK LL
ξξξ
。
可以证明,
),,2,1( ni
i
L=
ξ
的选择有较大的任意性。当然,这也说明了多输入系统极点配置
问题中确定状态反馈阵
K
的非唯一性。
2.第二种情形
若假定
i
μ
与 A 的特征值有相同的,或
i
μ
中有重根时, ni ,,2,1 L
=
,则可以对特征值相同的
一个或几个加上一定的微小偏量,使之满足上面第一种情形的条件。然后,再重新进行极点配
置。如果效果不够理想,那么还可重新选择
[
]
n
ξ
ξ
ξ
ξ
L
21
=
阵来进行配置。
pitian( ) 函数针对疋田算法中的第一种情形编写。
【调用格式】
K=pitian(A,B,p)
【说明】其参数定义同 bass_pp( )函数,在函数 pitian( )中的
[
]
n
ξ
ξ
ξ
ξ
L
21
=
的选取方法是:
选取
ξ
中每前
r
列构成
r
阶单位阵,直至到第 n 列,pitian( )函数参见附录 D:D-11-2。
控制系统工具箱中提供了 place( )函数,该函数是基于鲁棒极点配置的算法编写的,用来求
取状态反馈阵
K
,使得多输入系统具有指定的闭环极点
p
,即 )*( KBAeigp
−
=
。
【调用格式】
K=place(A,B,p)
[K,prec,message]=place(A,B,p)
【说明】若是 prec 为闭环系统的实际极点与期望极点
p
的接近程度,prec 中的每个量的值为匹
配的位数。如果闭环系统的实际极点偏离期望极点 10%以上,那么 message 将给出警告信息。
函数 place( )不适用于含有多重期望极点的配置问题。
例11.2.1 A=[0,1,0,0;0,0,-1,0;0,0,0,1;0,0,11,0];
B=[0;1;0;-1];C=[1,2,3,4];
eig(A),
p=[-1;-2;-1+sqrt(-1);-1-sqrt(-1)];
187
K=place(A,B,p),eig(A-B*K)'
ans =
0
0
3.3166
-3.3166
K = -0.4000 -1.0000 -21.4000 -6.0000
ans = -1.0000 - 1.0000i -1.0000 + 1.0000i -2.0000 -1.0000
可以看出,受控系统的极点位置确定位于0,0,3.3166,-3.3166,即该受控系统是不稳定的。
应用极点配置技术,我们可以将系统的闭环极点配置到某些期望的位置上,从而使得闭环系统得
到稳定,并同时得到较好的动态特性。
11.2.3 用极点配置设计调节系统
例 11.2.2 已知一个倒立摆系统(见图 11.2.2)的数学模型为:
图 11.2.2 倒立摆系统
11
22
33
44
1
12
23
4
0100 0
( ) /( )000 1/( )
0001 0
/ 000 1/
1000
0010
xx
xx
mMg Ml Ml
u
xx
xx
mg M M
x
yx
yx
x
⎡⎤ ⎡⎤
⎡⎤⎡⎤
⎢⎥ ⎢⎥
⎢⎥⎢⎥
+⋅ ⋅ − ⋅
⎢⎥ ⎢⎥
⎢⎥⎢⎥
=⋅+⋅
⎢⎥ ⎢⎥
⎢⎥⎢⎥
⎢⎥ ⎢⎥
⎢⎥⎢⎥
−⋅
⎣⎦⎣⎦
⎣⎦ ⎣⎦
⎡⎤
⎢⎥
⎡⎤
⎡⎤
⎢⎥
=⋅
⎢⎥
⎢⎥
⎢⎥
⎣⎦
⎣⎦
⎢⎥
⎣⎦
&
&
&
&
(11-10)
其中,状态变量为
xxxxxx
&
&
====
4321
,,,
θθ
,输出变量为 xyy =
=
21
,
θ
,摆的质量
kgm 1.0= ,小车的质量 kgM 2= ,摆的长度 ml 5.0
=
。设计要求:对于任意给定的角度
θ
和(或)
角速度
θ
&
的初始条件,设计一个使倒立摆保持在垂直位置的控制律。同时要求在每一控制过程
结束时,小车返回到参考位置
0=x
。而指标要求为:闭环主导极点的阻尼比 5.0=
ζ
,调整时
间
2≈
s
t 秒。
解:1、将给定的
lmM ,, 的值代入(11-10)式,得到:
剩余31页未读,继续阅读
资源评论
温柔-的-女汉子
- 粉丝: 1080
- 资源: 4085
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- python-leetcode题解之166-Fraction-to-Recurring-Decimal.py
- python-leetcode题解之165-Compare-Version-Numbers.py
- python-leetcode题解之163-Missing-Ranges.py
- python-leetcode题解之162-Find-Peak-Element.py
- python-leetcode题解之161-One-Edit-Distance.py
- python-leetcode题解之160-Intersection-of-Two-Linked-Lists.py
- python-leetcode题解之157-Read-N-Characters-Given-Read4.py
- python-leetcode题解之156-Binary-Tree-Upside-Down.py
- python-leetcode题解之155-Min-Stack.py
- python-leetcode题解之154-Find-Minimum-in-Rotated-Sorted-Array-II.py
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功