LQR算法基本原理

LQR算法基本原理

前言

陈苏的最优控制
https://www.wendangwang.com/doc/1b3fea9be6dd6e50a295238b/3
文章是对陈苏的最优控制PPT的原理部分进行的简单总结,若文中存在错误,请友友们批评指正,感谢!

基本内容

LQR(linear quadratic regulator):线性二次型控制器
对象:现代控制理论中以状态空间形式给出的线性系统。
目标函数:对象状态和控制输入的二次型函数
特点:主要用于线性系统的控制,其可损耗较小代价将非平衡状态分量调整至平衡状态,线性系统一般由状态空间方程表示,性能指标由二次型函数表示。
LQR控制器可通过Riccati(黎卡提)微分方程求得,其根据线性系统的状态方程和性能指标得到线性反馈的最优控制律,从而得到最优的控制量输入。
Riccati(黎卡提)微分方程形如
黎卡提方程

原理框图

LQR算法基本原理_第1张图片
LQR算法基本原理_第2张图片
LQR算法基本原理_第3张图片
LQR算法基本原理_第4张图片
LQR算法基本原理_第5张图片

在这里插入图片描述
LQR最优设计是指设计出的状态反馈控制器使二次型目标函数取最小。

求解过程

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

对其求时间的导数
在这里插入图片描述
则有代价函数(性能指标)

LQR算法基本原理_第6张图片
利用配方法,代价函数(性能指标):
LQR算法基本原理_第7张图片
选取一个合适的增益矩阵K,使得性能指标J最小,必须满足以下方程:

LQR算法基本原理_第8张图片
求解Riccati(黎卡提)微分方程

在这里插入图片描述就可获得P值与增益K,从而达到LQR控制器最优设计的目的(Q,R的取值一般由经验法或迭代的方法求得)

你可能感兴趣的:(算法,几何学)