lqgreg
形成线性二次高斯(LQG)调节器
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
(一种状态空间模型)给出了卡尔曼估计k
以及状态反馈增益矩阵k
.这个函数同时处理连续时间和离散时间的情况。使用一致的工具进行设计k
和k
:
连续装置的连续调节器:使用
等方面
或lqry
和卡尔曼
离散装置用离散调节器:使用
dlqr
或lqry
和卡尔曼
连续装置用离散调节器:使用
lqrd
和kalmd
在离散时间,lqgreg
生产监管机构
当
k
是“当前”卡尔曼估计量吗当
k
是“延迟”卡尔曼估计吗
有关卡尔曼估计器的更多信息,请参见卡尔曼
参考页面。
rlqg = lqgreg (k, k,控制)
处理能够访问其他确定性的已知工厂输入的评估者ud.索引向量控制
然后指定哪些估计量输入是控制u,以及由此产生的LQG调节器rlqg
有ud和y作为输入(见下图)。
请注意
总是使用积极的反馈将LQG调节器连接到装置。
例子
看这个例子LQG规则:轧机案例研究.
算法
lqgreg
通过与设计的卡尔曼估计器相连接,形成线性二次高斯(LQG)调节器卡尔曼
并设计了最优状态反馈增益等方面
,dlqr
,或lqry
.LQG调节器使一些二次代价函数最小化,以平衡调节性能和控制努力。该调节器是动态的,并依赖于噪声输出测量来生成调节命令。
如果是连续时间,则由LQG调节器下发命令
在哪里 为卡尔曼状态估计。调节器状态空间方程为
在哪里y是植物输出测量的向量(见卡尔曼
用于背景和符号)。下图显示了与工厂相关的动态调节器。
在离散时间,你可以形成LQG调节器使用延迟状态估计 的x[n,根据所测量的结果y[n - 1,或当前状态估计 根据所有可用的测量结果,包括y[n].而监管机构
只有当我-KMD是可逆的(见卡尔曼
的符号)。此外,当前调节器的实际实现应该允许计算所需的处理时间u[n[在测量之后y[n)变得可用(这相当于反馈循环中的一个时间延迟)。
对于具有方程的离散时间植物:
将“电流”卡尔曼估计器连接到LQR增益,只有当
和y[n并不依赖w[n) (H= 0).如果不满足这些条件,则用lqg
.