У вас вопросы?
У нас ответы:) SamZan.net

Лабораторная работа 4 По дисциплине- САПР Выполнил- ст

Работа добавлена на сайт samzan.net: 2016-03-30

Поможем написать учебную работу

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

от 25%

Подписываем

договор

Выберите тип работы:

Скидка 25% при заказе до 5.4.2025

Министерство науки и образования, молодежи и спорта Украины

Донецкий национальный технический университет

Кафедра АТ

Лабораторная работа №4

По дисциплине: «САПР»

Выполнил: ст.гр.СУА-13м

Пихно Эдуард

Приняла: Жукова Н.В.

Г.Донецк, 2013г.

Проектирование наблюдателя LQG регулятора средствами Control System Toolbox

Цель: Изучение методик и математического апарата для проектирования наблюдателяLQG регулятора.

Теоретические сведения.

Линейно-квадратичное гауссовское (ЛКГ) управление (LQG control) относится к современным методам управления. Методология синтеза контроллера позволяет отнести системы управления, построенные на таком принципе, к оптимальным системам, в которых оптимизация проводится по некоторому заданному квадратичному критерию качества. Также эта теория принимает в расчёт присутствие возмущений, действующих в цепи управления и измерений в виде белого гауссовского шума (БГШ).

Рассматривается модель объекта управления в пространстве состояний с учетом шумов:

(1)

где - матрицы динамики, управления и измерения соответственно; - БГШ со следующими характеристиками:

Для простоты будем полагать, что .

Функционал качества оптимального управления можно представить в виде:

,   (2)

где - вектор состояния объекта управления, - симметричные положительно-определенные матрицы коэффициентов веса по переменным состояния и управляющему воздействию, такие что, , . Обратите внимание, что будет скаляр, если система (1) имеет один вход и один выход (SISO - модель). Тогда оптимальное управление по критерию (2) имеет вид:

,  (3)

где - матрица коэффициентов обратной связи по состоянию оптимального регулятора, - решение AER ().

Синтез LQG-регулятора включает две задачи:

1. Синтез оптимального регулятора состояния по критерию (2), был нами ранее рассмотрен и выполнен.

2. Синтез наблюдателя состояния, учитывающий помехи, действующие на объект, так называемый фильтр Калмана.

Решение задачи синтеза LQG-регулятора средствами Control System Toolbox.

Фильтр Калмана.

Фильтр Калмана является аналогом наблюдающих устройств детерминированных систем управления. Параметры фильтра Калмана определяются однозначно, если известны статистические характеристики помех, воздействующих на объект и (или) искажающих результаты измерений. Следует отметить, что далеко не всегда эти характеристики известны с достаточной степенью точности, так, что их приходится задавать в достаточной степени произвольно, а это в свою очередь, сказывается на характеристиках всей системы. Фильтр Калмана минимизирует среднеквадратическую ошибку оценки состояния системы, т.е. среднеквадратичную разность между истинным состоянием  и его оценкой : (ковариационная матрица ошибок оценки: ). Тогда истинный вектор состояния объекта заменяется на восстановленный и исходная задача может быть сведена к классической задаче LQR – управления.

Структурная схема фильтра представлена на рис.1.

Рис.1 – Структурная схема фильтра Калмана

Здесь матрица коэффициентов фильтра, определяется следующим образом:

, (4)

где удовлетворяет алгебраическому уравнению Риккати:

, (5)

симметричная положительно-определенная матрица, т.е. .

Для работы с фильтром Калмана в Control System Toolbox имеется команда:

[Gk, Kf, Pf]=kalman(G,,),

где G – расширенная модель объекта в пространстве состояний с учетом БГШ, т.е. , , ; а  заменяется на , т.к. объект задан уравнением (1);

Gk – модель фильтра Калмана в пространстве состояний;

Kf  – матрица коэффициентов фильтра Калмана;

Pf  – решение уравнения Риккати (ковариационная матрица ошибок оценки Pf = или дисперсии).

Принцип разделения (separation principle) при проектировании LQG – регулятора.

После получения оптимальной оценки состояния структурную схему замкнутой системы с LQGcontroller можно представить на рис.2 с оптимальным управлением: и матрицей коэффициентов обратной связи по состоянию оптимального LQR - регулятора .

Рис.2 – Структура замкнутой системы с LQG – регулятором

Отсюда следует, что в LQG оптимальном управлении задачи оптимальной оценки состояния объекта и оптимального управления решены раздельно (так называемый «принцип разделения»). Т.е, сначала синтезируется фильтр Калмана и на полученной оценке состояния, как если бы вектор состояния точно измерялся, проектируют оптимальный LQR –регулятор.

Наблюдатель- LQG регулятор.

Для объекта

синтезируется оптимальный LQG – регулятор по критерию

,  (6)

где может быть выбрана как zero matrix.

Структурная схема наблюдателя- LQG регулятора представлена на рис.3.

Рис.3. – Структура наблюдателя- LQG регулятора

Предполагают, что матрица коэффициентов обратной связи по состоянию и коэффициенты матрицы фильтра Калмана Kf  определены по принципу разделения. Тогда наблюдатель- LQG регулятор может быть формализован следующим образом исходя из структурной схемы (рис.3):

,

Т.е.

 (7)

или в матричной форме:

.  (8)

Для работы с LQG регулятором в Control System Toolbox имеется команда:

Gс=-lqg(G,W,V)

или

[Af, Bf, Cf, Df]=lqg(A,B,C,D, W,V),

где [Af, Bf, Cf, Df] –модель LQG регулятора в пространстве состояний;

матрицы W, V могут быть заданы так: , , где ковариационные матрицы шумов , действующих на объект с и часто предполагаемыми как zero matrix. Отсюда очевидно, что матрица V это взаимокорреляционная функция сигналов с . - симметричные положительно определенные матрицы коэффициентов веса LQR-регулятора, .

Выполнение работы (вариант 8)

Синтез LQG-регулятора.

1. Модель системы в пространстве состояния имеет вид:

Переменные состояния обозначены следующим образом:

 – Перемещение тележки №1;

– Перемещение тележки №2;

– Угол отклонения маятника;

– Скорость изменения перемещения тележки №1;

– Скорость изменения перемещения тележки №2;

– Скорость изменения угла отклонения маятника.

Рассчитаем значения элементов матрицы с помощью программы MATLAB:

2. Формирование БГШ и ковариационных матриц:

%% Синтез LQG-регулятора

% Формирование БГШ и вычисление ковариационных матриц

Pin = 2e-3;                                 %Мощность шума на входе

Pout = 1e-3;                                %Мощность шума на выходе

NoiseIN = wgn (1,length(t),Pin,'linear');   %Вектор шума на входе

NoiseOUT = wgn (1,length(t),Pout,'linear'); %Вектор шума на выходе

FnoiseIN = lsim(Wfil,NoiseIN,t);            %Фильтрация шума на входе

FnoiseOUT = lsim(Wfil,NoiseOUT,t);          %Фильтрация шума на выходе

 

%Ковариационные матрицы

XI = cov(FnoiseIN);

THETA = cov(FnoiseOUT);

Nx=G*XI*G';

3. Синтез фильтра Калмана-Бьюси

% Синтез фильтра Калмана-Бьюси

Br=[B G,eye(6,6)];

Dr=[0];

Gr=ss(A,Br,C,Dr);

[Gk,Kf,Pf] = kalman(Gr,XI,THETA);

Kf = real(Kf);

4. Синтез LQG-регулятора.

% Синтез LQG-регулятора

Q=diag([50 50 50 1 1 1]);

R=0.001;

W=[Q zeros(6,1); zeros(1,6) R];

V=[Nx zeros(6,1); zeros(1,6) THETA];

[Ag,Bg,Cg,Dg]=lqg(A,B,C,D,W,V);

LQG_Reg = ss(Ag,Bg,Cg,Dg);

5. Получим модель системы с помощью функций append и connect.

% Система с LQG-регулятором

Object = ss(A, [G B zeros(6,1)],C,[0 0 1]);

Sys = append (Object, LQG_Reg);

inputs = [1 3 4];

outputs = [1];

Qio = [2 2; 4 -1];

System = connect(Sys,Qio,inputs,outputs);

U_f3 = [FnoiseIN FnoiseOUT step];

[~,~,Xlq] = lsim(System,U_f3,t);

Build_Graph_Int(t,Xlq(1:6));

Рисунок 7 – Графики переходных процессов в системе с LQG-регулятором

6. Промоделируем работу системы в Simulink. Можно воспользоваться одной из нижеприведенных схем:

Рисунок 8 – Схема моделирования системы в Simulink №1

Рисунок 9 – Схема моделирования системы в Simulink №2

В результате были получены следующие графики:

Выводы по работе: в результате выполнения лабораторной работы я изучил методы проектирования линейных систем при случайных воздействиях проектирования фильтра Калмана-Бьюси. Освоил методики и математический аппарат для проектирования наблюдателяLQG регулятора. Приобрел навыки работы с пакетом Matlab при анализе преобразования случайных процессов динамической системой. В ходе работы был синтезирован фильтр Калмана-Бьюси, который вместе с LQR-регулятором позволил добиться хорошо качества ПП. Также был синтезирован оптимальный LQG-регулятор, но в данном случае качество ПП значительно ухудшилось по сравнению с системой с фильтром Калмана.




1. Как поделить бизнес, расходясь с партнером
2. философия Назначение философии Функции философии Философии все возрасты покорны Практ
3. Тема Маржинализм Целью изучения данной темы является выяснение причин смены предмета экономической те
4. З КУРСУ МЕНЕДЖМЕНТ У чому відмінність категорій
5. Реферат- Философия Аврелия Августина
6. Лекция 5 Борьба с пенообразованием на установках очистки газов Одной из серьезных трудностей встречаю
7. Фотометрія
8. Кохлеарный неврит может быть вызван целым рядом факторов обуславливающих поражение различных отделов слух
9. ВВЕДЕНИЕ Актуальность характеристики изменений состояния природной среды в районах интенсивного освое
10. Тема- Букет цветов в керамическом кувшине 2008 год тема- Букет цвет