主要内容

lqgreg

形式linear-quadratic-Gaussian (LQG)监管机构

语法

rlqg = lqgreg (k, k)
rlqg = lqgreg (k, k,控制)

描述

rlqg = lqgreg (k, k)返回LQG调节器rlqg(一)状态空间模型的卡尔曼滤波估计k和状态反馈增益矩阵k。相同的功能处理连续和离散时间情况。使用一致的工具来设计k和k:

  • 持续监管机构连续植物:使用等方面或lqry和卡尔曼

  • 离散的离散植物监管机构:使用dlqr或lqry和卡尔曼

  • 离散连续植物:监管机构使用lqrd和kalmd

在离散时间,lqgreg生产监管机构

  • u ( n ] = − K x ^ ( n | n ] 当k“当前”卡尔曼估计量吗

  • u ( n ] = − K x ^ ( n | n − 1 ] 当k“延迟”卡尔曼估计量吗

关于卡尔曼滤波估计的更多信息,请参阅卡尔曼参考页面。

rlqg = lqgreg (k, k,控制)处理估计,获得额外的确定性输入已知的植物ud。索引向量控制然后指定哪些估计量的输入控件u,由此产生的LQG调节器rlqg有ud和y作为输入(见下一个图)。

请注意

总是使用积极的反馈LQG监管机构连接到工厂。

例子

看这个例子LQG规定:轧机的案例研究。

算法

lqgreg形成linear-quadratic-Gaussian (LQG)监管机构通过连接设计的卡尔曼滤波估计卡尔曼和最优状态反馈增益设计等方面,dlqr,或lqry。LQG监管机构一些二次成本函数最小化交易监管性能和控制工作。这个监管机构是动态的,依赖于噪声输出测量生成调节命令。

在连续时间,LQG监管机构生成的命令

u = − K x ^

在哪里 x ^ 是卡尔曼滤波状态估计。监管机构状态空间方程

x ^ ˙ = ( 一个 − l C − ( B − l D ) K ] x ^ + l y u = − K x ^

在哪里y是植物的向量输出测量(见卡尔曼背景和符号)。下面的图显示了这种动态监管机构与植物。

在离散时间,可以形成LQG调节器使用延迟状态估计 x ^ ( n | n − 1 ] 的x(n),基于测量y(n - 1),或当前状态估计 x ^ ( n | n ] 基于所有可用的测量包括y(n]。而监管机构

u ( n ] = − K x ^ ( n | n − 1 ]

总是定义良好、电流调节器

u ( n ] = − K x ^ ( n | n ]

因果是只有当我- - - - - -KMD是可逆的(见卡尔曼的符号)。此外,实际电流调节器的实现应该允许计算所需的处理时间u(n测量后)y(n]可用(这相当于一个时间延迟反馈回路)。

对方程离散时间工厂:

x ( n + 1 ] = 一个 x ( n ] + B u ( n ] + G w ( n ] y ( n ] = C x ( n ] + D u ( n ] + H w ( n ] + v ( n ] { 测量 }

连接的“当前”卡尔曼估计等方面获得最佳只有当 E ( w ( n ] v ( n ] ′ ) = 0 和y(n不依赖于w(n)(H= 0)。如果这些条件都不符合,计算最优LQG控制器使用lqg。

版本历史

之前介绍过的R2006a

另请参阅

||||||