状态重构与状态观测器设计

合集下载

自动控制原理第10章

自动控制原理第10章

所以系统状态完全可观, 但不具有规范形式。对于阶数较高的系统, 设计其状态观测器需要将其转化为可观标准型。
① 检测系统的状态可观性。 系统的可观性矩阵Qg及其秩为
② 确定变换矩阵T。 根据第九章化可观标准型的方法, 变换矩阵T可确定如下:
其中,
③ 化系统为可观标准型。 引入线性非奇异变换 , 则原系统的可观标准型为
的充分必要条件为受控系统(A, B, C)是状态完全可控的。
证明 重点证明充分性。 由于线性非奇异变换不改变矩阵的特征值, 所以不妨设状态完全可控系统(A,B,C)的系数矩阵已经为可控标准型, 即
其传递函数为
设状态反馈矩阵为K=[kn kn-1 … k1], 于是有
因此, 闭环系统(A-BK, B, C)的传递函数为
由于系统具有可控标准型的形式,所以系统可控,可以任意配置闭环极点。令状态反馈增益矩阵为
要求利用状态反馈把系统的闭环极点配置在-2, -1±j处。
【例 10-1 】 给定系统的传递函数为
解 由给定的传递函数可以写出系统的状态方程:
则经K引入状态反馈后的系统矩阵为
其特征多项式为
|sI-(A-BK)|=s3+(k1+3)s2+(k2+2)s+k3
01
1 输出反馈与状态反馈
02
2 极点配置问题
03
3 状态重构与状态观测器设计
04
4 最优控制问题概论
05
5 MATLAB在线性反馈系统时间域综合中的应用
06
小结
07
习题
第十章 线性反馈系统的时间域综合
10.1 输出反馈与状态反馈
反馈是控制系统设计的主要手段。经典控制理论采用输出作为反馈量,现代控制理论除了输出反馈外,广泛采用状态作为反馈量,这就是状态反馈。状态反馈可以提供更多的补偿信息, 所以可以获得更为优良的控制性能。 考虑n维线性定常系统(没有引入反馈):

现代控制理论状态反馈和状态观测器的设计实验报告

现代控制理论状态反馈和状态观测器的设计实验报告

本科实验报告课程名称:现代控制理论实验项目:状态反馈和状态观测器的设计实验地点:中区机房专业班级:自动化学号:学生姓名:指导教师:年月日现代控制理论基础一、实验目的(1)熟悉和掌握极点配置的原理。

(2)熟悉和掌握观测器设计的原理。

(3)通过实验验证理论的正确性。

(4)分析仿真结果和理论计算的结果。

二、实验要求(1)根据所给被控系统和性能指标要求设计状态反馈阵K。

(2)根据所给被控系统和性能指标要求设计状态观测器阵L。

(3)在计算机上进行分布仿真。

(4)如果结果不能满足要求,分析原因并重复上述步骤。

三、实验内容(一)、状态反馈状态反馈是将系统的状态变量乘以相应的反馈系数,然后反馈到输入端与参考输入叠加形成控制作为受控系统的控制输入,采用状态反馈不但可以实现闭环系统的极点任意配置,而且也是实现解耦和构成线性最优调节器的主要手段。

1.全部极点配置给定控制系统的状态空间模型,则经常希望引入某种控制器,使得该系统的闭环极点移动到某个指定位置,因为在很多情况下系统的极点位置会决定系统的动态性能。

假设系统的状态空间表达式为(1)其中 n m C r n B n n A ⨯⨯⨯::;:;:引入状态反馈,使进入该系统的信号为Kx r u -=(2)式中r 为系统的外部参考输入,K 为n n ⨯矩阵. 可得状态反馈闭环系统的状态空间表达式为(3)可以证明,若给定系统是完全能控的,则可以通过状态反馈实现系统的闭环极点进行任意配置。

假定单变量系统的n 个希望极点为λ1,λ2, …λn, 则可以求出期望的闭环特征方程为=)(*s f (s-λ1)(s-λ2)…(s-λn)=n n n a s a s +++- 11这是状态反馈阵K 可根据下式求得K=[])(100*1A f U c - (4) 式中[]b A Ab b U n c 1-= ,)(*A f 是将系统期望的闭环特征方程式中的s 换成系统矩阵A 后的矩阵多项式。

实用文档之状态观测器设计

实用文档之状态观测器设计

实用文档之"基于MATLAB 的状态观测器设计"预备知识: 极点配置基于状态反馈的极点配置法就是通过状态反馈将系统的闭环极点配置到期望的极点位置上,从而使系统特性满足要求。

1. 极点配置原理假设原系统的状态空间模型为:⎩⎨⎧=+=Cxy Bu Ax x 若系统是完全可控的,则可引入状态反馈调节器,且:Kx u input -=这时,闭环系统的状态空间模型为:⎩⎨⎧=+-=Cx y Bu x )BK A (x 2. 极点配置的MATLAB 函数 在MATLAB 控制工具箱中,直接用于系统极点配置的函数有acker()和place()。

调用格式为:K=acker(A,C,P) 用于单输入单输出系统其中:A ,B 为系统矩阵,P 为期望极点向量,K 为反馈增益向量。

K=place(A,B,P)(K,prec,message)=place(A,B,P)place()用于单输入或多输入系统。

Prec 为实际极点偏离期望极点位置的误差;message 是当系统某一非零极点偏离期望位置大于10%时给出的警告信息。

3. 极点配置步骤:(1)获得系统闭环的状态空间方程;(2)根据系统性能要求,确定系统期望极点分布P ;(3)利用MATLAB 极点配置设计函数求取系统反馈增益K ; (4)检验系统性能。

已知系统模型如何从系统的输入输出数据得到系统状态?初始状态:由能观性,从输入输出数据确定。

不足:初始状态不精确,模型不确定。

思路:构造一个系统,输出逼近系统状态称为是的重构状态或状态估计值。

实现系统状态重构的系统称为状态观测器。

观测器设计状态估计的开环处理:但是存在模型不确定性和扰动!初始状态未知!应用反馈校正思想来实现状态重构。

通过误差来校正系统:状态误差,输出误差。

基于观测器的控制器设计系统模型若系统状态不能直接测量,可以用观测器来估计系统的状态。

L是观测器增益矩阵,对偏差的加权。

真实状态和估计状态的误差向量误差的动态行为:的极点决定了误差是否衰减、如何衰减?通过确定矩阵L来保证。

第13章 线性定常系统的状态反馈和状态观测器设计

第13章 线性定常系统的状态反馈和状态观测器设计
试设计状态反馈增益矩阵k,使闭环极点配置在-1,-2上。
第13章 线性定常系统的状态反馈和状态观测器设计 解 (1)系统的能控矩阵
因为rankUc=2,所以系统是能控的。 故可以通过状态反馈实现闭环系统极点的任意配置
第13章 线性定常系统的状态反馈和状态观测器设计 (2)期望闭环极点配置在-1,-2,由
第13章 线性定常系统的状态反馈和状态观测器设计
第13章 线性定常系统的状态反馈 和状态观测器设计
13.1 状态反馈与输出反馈 13.2 闭环系统的极点配置 13.3 状态观测器的设计
第13章 线性定常系统的状态反馈和状态观测器设计
13.1 状态反馈与输出反馈
13.1.1 状态反馈 状态反馈就是将系统的每一个状态变量乘以相应的反馈
得 (3)求状态反馈增益矩阵k,则
第13章 线性定常系统的状态反馈和状态观测器设计 (4)状态反馈系统模拟结构图如图13-4所示。
图13-4 状态反馈系统模拟结构图
第13章 线性定常系统的状态反馈和状态观测器设计
2.方法二 求解实际问题的状态反馈增益矩阵k 的步骤为: (1)计算能控性矩阵Uc,判断系统是否能控; (2)根据闭环系统的期望极点计算系统的期望特征多项 式:
13.4 带观测器的状态反馈系统
13.4.1 系统的结构和状态空间表达式 带观测器的状态反馈系统由三部分组成,即原系统、观
测器和控制器,如图13-7所示。
第13章 线性定常系统的状态反馈和状态观测器设计
图13-7 带状态观测器的反馈系统
第13章 线性定常系统的状态反馈和状态观测器设计 设能控能观测的受控系统为
绍,下面就其特点和应用方面略加讨论。 (1)状态反馈与输出反馈的共同特点是:反馈的引入并不

C12状态观测器

C12状态观测器

24
A x BK x B r ˆ GC A GC BK x ˆ B x y C 0 x x ˆ
显然这是一个2n阶系统,有2n个状态变量。
x A BK BK x B r ˆ 0 A GC x x ˆ 0 x x x y C 0 x x ˆ
由观测器构成的状态反馈闭环系统的闭环极点=原系统直 接状态反馈闭环系统的极点 + 观测器的极点两者是相互独 立的。因此,只要受控系统(A,B,C)是能控且能观的, 则系 统的状态反馈阵K和观测器的反馈阵G可分别根据各自的要 求, 独立进行配置. 这种性质被称为分离特性. 该特性对利 用降维观测器构成的状态反馈系统也是成立的.
13
4.4.3 降维状态观测器的设计
全维状态观测器的维数和受控系统的维数相同,实 际上,由于受控系统的输出量y总是能够量测的,因此可 以利用系统的输出来直接产生部分状态变量。这样所需 的状态变量的个数就可以 减少,从而可以降低观测器的 维数,简化观测器的结构。若状态观测器的维数<受控 系统的维数,则称该观测器为降维状态观测器,简称降 维观测器。 下面通过一个例子来讲解该观测器的设计。
ˆ, ˆ 做反变换, ˆ Qx (4) 对 x 即x 得到对原受控系统的全部状
ˆ。 态估计 x
21
4.5 带状态观测器的状态反馈闭环系统 4.5.1 系统的结构 带观测器的状态反馈闭环系统由三部分 组成,即原受控系统、观测器和状态反馈。
22
r
u
B

A G
x
C
y
受控系统
B

状态观测器设计方案

状态观测器设计方案

基于MATLAB的状态观测器设计预备知识:极点配置基于状态反馈的极点配置法就是通过状态反馈将系统的闭环极点配置到期望的极点位置上,从而使系统特性满足要求。

1. 极点配置原理假设原系统的状态空间模型为:⎩⎨⎧=+=CxyBuAxx&若系统是完全可控的,则可引入状态反馈调节器,且:Kxuinput-=这时,闭环系统的状态空间模型为:⎩⎨⎧=+-=CxyBux)BKA(x&2. 极点配置的MATLAB函数在MATLAB控制工具箱中,直接用于系统极点配置的函数有acker()和place()。

调用格式为:K=acker(A,C,P) 用于单输入单输出系统其中:A,B为系统矩阵,P为期望极点向量,K为反馈增益向量。

K=place(A,B,P)(K,prec,message)=place(A,B,P)place()用于单输入或多输入系统。

Prec为实际极点偏离期望极点位置的误差;message是当系统某一非零极点偏离期望位置大于10%时给出的警告信息。

3. 极点配置步骤:(1)获得系统闭环的状态空间方程;(2)根据系统性能要求,确定系统期望极点分布P;(3)利用MATLAB极点配置设计函数求取系统反馈增益K;(4)检验系统性能。

已知系统模型如何从系统的输入输出数据得到系统状态?初始状态:由能观性,从输入输出数据确定。

不足:初始状态不精确,模型不确定。

思路:构造一个系统,输出逼近系统状态称为是的重构状态或状态估计值。

实现系统状态重构的系统称为状态观测器。

观测器设计状态估计的开环处理:但是存在模型不确定性和扰动!初始状态未知!应用反馈校正思想来实现状态重构。

通过误差来校正系统:状态误差,输出误差。

基于观测器的控制器设计系统模型若系统状态不能直接测量,可以用观测器来估计系统的状态。

L是观测器增益矩阵,对偏差的加权。

真实状态和估计状态的误差向量误差的动态行为:的极点决定了误差是否衰减、如何衰减?通过确定矩阵L来保证。

现代控制理论基础三

现代控制理论基础三

现代控制理论基础三 Prepared on 22 November 2020状态重构问题与Luenberger状态观测器前已指出,对于状态完全能控的线性定常系统,可以通过线性状态反馈任意配置闭环系统的极点。

事实上,不仅是极点配置,而且系统镇定、解耦控制、线性二次型最优控制 (LQ)问题等,也都可由状态反馈实现。

然而,在节介绍极点配置方法时,曾假设所有的状态变量均可有效地用于反馈。

但在实际情况中,并非所有的状态度变量都可用于反馈。

这时需要估计不可量测的状态变量。

迄今已有多种无需使用微分来估计不能量测状态的方法。

对不能量测状态变量的估计通常称为观测。

估计或者观测状态变量的动态系统称为状态观测器,或简称观测器。

观测器分为全维状态观测器降维状态观测器最小阶状态观测器或最小阶观测器5.5.1 问题的提法在下面有关状态观测器的讨论中,我们用x~表示被观测的状态向量。

在许多实际情况中,一般将被观测的状态向量用于状态反馈,以便产生期望的控制输入。

考虑如下线性定常系统=x+BuAxy=Cx假设状态向量x 可由如下动态方程)~(~~x C y K Bu x A x e -++=中的状态x ~来近似,则该式表示状态观测器,其中e K 称为观测器的增益矩阵。

注意到状态观测器的输入为y 和u ,输出为x ~。

式()中右端最后一项包括可量测输出y 与估计输出x ~C 之差的修正项。

矩阵e K 起到加权矩阵的作用。

修正项监控状态变量x ~。

当此模型使用的矩阵A 和B 与实际系统使用的矩阵A 和B 之间存在差异时,由于动态模型和实际系统之间的差别,该附加修正项将减小这些影响。

图所示为带全维状态观测器的系统方块图。

图 全维状态观测器方块图5.5.2 全维状态观测器的误差方程在此讨论的状态观测器的阶数和系统的阶数相等。

假设系统由式()和()定义。

观测器的方程由式()定义。

为了得到观测器的误差方程,将式()减去式(),可得)~(~~x C Cx K x A Ax x x e ---=- )~)((x x C K A e --=定义x 与x ~之差为误差向量,即 x x e ~-=则式()可改写为e C K A e e )(-= 由式()可看出,误差向量的动态特性由矩阵C K A e -的特征值决定。

状态观测器设计

状态观测器设计

状态观测器设计利用状态反馈实现闭环系统的极点配置,需要利用系统的全部状态变量。

然而系统的状态变量并不都是能够易于用物理方法量测出来的,有些根本就无法量测;甚至一些中间变量根本就没有常规的物理意义。

此种情况下要在工程上实现状态反馈,就需要对系统的状态进行估计,即构造状态观测器。

状态观测器,是一个在物理上可以实现的动态系统,它利用待观测系统的可以量测得到的输入和输出信息来估计待观测系统的状态变量,以便用该组状态变量的估计值来代替待观测系统的真实状态变量进行状态反馈设计,实现闭环系统极点的再配置。

1. 全维状态观测器当对象的所有状态均不可直接量测时,若要进行状态反馈设计,就需对全部状态变量进行观测。

这时构造的状态观测器,其阶次与对象的阶次相同,被称为全维状态观测器。

考虑如下n阶单输出线性定常离散系统(1)其中,A为n×n维系统矩阵,B为n×r输入矩阵,C为n×1维输出矩阵。

系统结构图如图1所示。

图1 全维状态观测器构造一个与受控系统具有相同参数的动态系统(2)当系统(1)与(2)的初始状态完全一致时,则两个系统未来任意时刻的状态也应完全相同。

但在实际实现时,不可能保证二者初始状态完全相同。

为此,应引入两个系统状态误差反馈信号构成状态误差闭环系统,通过极点配置使误差系统的状态渐趋于零。

由于原受控系统状态不可直接量测,故用二个系统的输出误差信号代替。

引入了输出误差的状态观测器状态方程为(3)其中,H为状态观测器的输出误差反馈系数矩阵,有如下形式定义状态估计误差为,用式(7.65)与(7.67)相减可得(4)即(5)通过式(5)可以看出,若选择合适的输出误差反馈矩阵H 使得状态估计误差系统(5)的所有极点均位于z平面单位圆内,则误差可在有限拍内趋于零,即状态估计值在有限拍内可以跟踪上真实状态,且极点越靠近原点状态估计误差趋于零的速度越快,反之越慢。

可见,能否逼近x(k)以及逼近速度是由H阵决定的。

状态观测器

状态观测器

一、状态重构问题和状态观测器
用MATLAB确定观测器增益矩阵
观测器的闭环极点是矩阵A-LC的特征值。 极点配置的闭环极点是矩阵A-BK的特征值。 参考极点配置与观测器设计之间的对偶性,可以把极点配置 问题作为对偶系统考虑。 对于全维状态观测器,采用命令:
L ac ker( A',C', Kl )
综合一个K q(nq)使得
det(sI A2T2 A1T2K ) *(s)
取 L K T , 计算矩阵( A22 LA12 ),[ A21 LA11], (B2 LB1) 第5步:系统的降维观测器为
z x2
( A22 z
LA12 Ly
3) F为Hurwitz稳定矩阵。
e z Tx e z Tx Fz Gy Hu TAx TBu
Fe (FT TA GC)x (H TB)u Fe
十、状态重构问题和状态观测器
算法2 设{A, B}能控,{A,C}能观测。
第1步: 根据希望极点i*,i 1, 2, , n,计算特征多项式
采用观测-状态反馈控制代替真实状态控制,设计状态观测器, 并求系统在初始状态下的响应
二、引入观测器的状态反馈控制系统
K 29.6 36
Kl 16 84.6
观测器状态方程为
X (A KlC BK)X Kl y
A=[0 1 ;20.6 0]; B=[0;1]; C=[1 0]; J=[-1.8+j*2.4 -1.8-j*2.4]; J1=[-8 -8]; k=acker(A,B,J) k1=acker(A',C',J1)
注记:
为什么引入修正项?

最优控制问题的状态观测器设计

最优控制问题的状态观测器设计

最优控制问题的状态观测器设计最优控制问题是指在某个系统中,通过对输入信号进行调节以使得某个性能指标达到最优的控制方法。

在实际应用中,由于受限于物理条件等因素,我们往往不能直接获取系统的全部状态信息,而只能通过一部分可观测的状态信息来进行控制。

而状态观测器则是一种用来估计系统未知状态的辅助装置,它基于已知的输入和观测值,通过数学模型计算得到对系统状态的估计值,并将其用于最优控制问题的解决。

在最优控制问题中,我们通常通过构建性能指标,使用最优化方法来求解控制输入的优化变量。

然而,这些优化方法通常需要精确的系统状态信息作为输入才能得到准确的优化结果。

而实际中,往往无法直接测量到系统的全部状态变量。

因此,为了解决这个问题,我们需要设计一种状态观测器来估计系统的未知状态,以便在最优控制问题中得到准确的结果。

状态观测器设计的目标是通过已知的输入信号和可观测的输出信号来估计系统的未知状态,使得估计值与实际值尽可能接近。

常见的状态观测器设计方法有卡尔曼滤波、扩展卡尔曼滤波和无迹卡尔曼滤波等。

其中,卡尔曼滤波是最常见的一种方法,它基于线性系统和高斯噪声的假设,能够较好地处理线性系统的状态估计问题。

卡尔曼滤波的基本原理是利用系统的状态方程和观测方程来建立一个状态估计模型。

状态方程描述了系统状态的演变规律,观测方程描述了观测量与系统状态之间的关系。

通过不断迭代计算,卡尔曼滤波器可以根据当前的观测值和上一时刻的状态估计值,得到当前时刻的最优状态估计值。

卡尔曼滤波器的设计包括两个关键步骤:预测步和更新步。

在预测步中,我们利用上一时刻的状态估计值和系统的状态方程来预测当前时刻的状态估计值。

在更新步中,我们将当前时刻的观测值与预测值进行比较,通过观测方程来修正状态估计值,从而得到更准确的估计结果。

通过不断迭代这两个步骤,我们可以逐渐趋近于系统的真实状态。

除了卡尔曼滤波器,还有其他一些高级的状态观测器设计方法,如无迹卡尔曼滤波器和扩展卡尔曼滤波器。

状态重构与状态观测器的设计_5.4_5.5

状态重构与状态观测器的设计_5.4_5.5
s1 = −3, s2 = −4, s3 = −5 上。
解 根据给定的受控系统, 根据给定的受控系统,求得能观测性矩阵及能控性矩阵的 秩为
C 1 1 0 rank CA = rank 1 2 1 = 3 2 CA 1 4 4
1 1 1 A2 B = rank 0 1 4 = 3 1 2 4
ˆ x = e ( A−GC )t x0 , x0 = x0 − x0 , t0 = 0
5.4 状态重构与状态观测器的设计
3. 全维状态观测器极点任意配置条件 定理5-4 可用图 所示的结构,设计全维状态观测 可用图5-6所示的结构 所示的结构, 定理
重构出系统所有的状态, 器,重构出系统所有的状态 ,并且观测器的极点可 以任意配置的充分必要条件是系统完全能观测。 以任意配置的充分必要条件是系统完全能观测。
5.4 状态重构与状态观测器的设计
4. 设计反馈矩阵 设计反馈矩阵G (1)按照极点配置的方法 )
(2)极点选取:若是选得离虚轴愈远,状态误差趋 )极点选取:若是选得离虚轴愈远, 于零的速度就愈快。 于零的速度就愈快。过于远离虚轴则状态观测器的 频带过宽,将降低状态观测器抗高频干扰的性能。 频带过宽,将降低状态观测器抗高频干扰的性能。
,上式变为: 上式变为: 上式变为
ɺ x = ( A − BK ) x +BKx +Bv
(4)同时 观测器的状态误差方程 )同时,
ɺ x = ( A − GC )x
(5) 上两式= 0 ɺ
(6)特征方程 )
λ I − A + BK
0
BK x B x + 0 v A- GC

状态重构问题与Luenberger状态观测器讲述

状态重构问题与Luenberger状态观测器讲述

5.5 状态重构问题与Luenberger状态观测器前已指出,对于状态完全能控的线性定常系统,可以通过线性状态反馈任意配置闭环系统的极点。

事实上,不仅是极点配置,而且系统镇定、解耦控制、线性二次型最优控制 (LQ)问题等,也都可由状态反馈实现。

然而,在5.2 节介绍极点配置方法时,曾假设所有的状态变量均可有效地用于反馈。

但在实际情况中,并非所有的状态度变量都可用于反馈。

这时需要估计不可量测的状态变量。

迄今已有多种无需使用微分来估计不能量测状态的方法。

对不能量测状态变量的估计通常称为观测。

估计或者观测状态变量的动态系统称为状态观测器,或简称观测器。

观测器分为全维状态观测器降维状态观测器最小阶状态观测器或最小阶观测器5.5.1 问题的提法在下面有关状态观测器的讨论中,我们用x ~表示被观测的状态向量。

在许多实际情况中,一般将被观测的状态向量用于状态反馈,以便产生期望的控制输入。

考虑如下线性定常系统Bu Ax x += (5.27)Cx y =(5.28)假设状态向量x 可由如下动态方程)~(~~x C y K Bu x A x e -++=(5.29)中的状态x ~来近似,则该式表示状态观测器,其中e K 称为观测器的增益矩阵。

注意到状态观测器的输入为y 和u ,输出为x ~。

式(5.29)中右端最后一项包括可量测输出y 与估计输出x ~C 之差的修正项。

矩阵e K 起到加权矩阵的作用。

修正项监控状态变量x ~。

当此模型使用的矩阵A 和B 与实际系统使用的矩阵A 和B 之间存在差异时,由于动态模型和实际系统之间的差别,该附加修正项将减小这些影响。

图5.5所示为带全维状态观测器的系统方块图。

图5.5 全维状态观测器方块图5.5.2 全维状态观测器的误差方程在此讨论的状态观测器的阶数和系统的阶数相等。

假设系统由式(5.27)和(5.28)定义。

观测器的方程由式(5.29)定义。

为了得到观测器的误差方程,将式(5.27)减去式(5.29),可得)~(~~x C Cx K x A Ax x x e ---=- )~)((x x C K A e --= (5.30)定义x 与x ~之差为误差向量,即 x x e ~-=则式(5.30)可改写为e C K A e e )(-= (5.31)由式(5.31)可看出,误差向量的动态特性由矩阵C K A e -的特征值决定。

5.5状态观测器设计

5.5状态观测器设计

W (t ) l×1 满足:
lim(Kx(t) −W (t)) = 0
t→∞
(5-31)
则称 ∑ˆ 为 ∑ 的KX函数观测器。
若K =I,则称 ∑ˆ 为∑ 的状态观测器。
2
(1)观测器构造思路 a. 以原系统 ∑ 的输入u 和输出 y作为观测系统∑ˆ 的输 入,建立一个复制系统; b. 引入反馈 L( y − Cxˆ) ,作为输入。
Q2 ]
12
定理5.10 通过非奇异变换 x = Px ,线性定常系统(5-39)可以
变成如下形式的系统
⎡ ⎢ ⎣
x& 1 x& 2
⎤ ⎥ ⎦
=
⎡ ⎢
A11
⎣ A 21
A12 A 22
⎤ ⎥ ⎦
⎡ ⎢ ⎣
x x
1 2
⎤ ⎥ ⎦
+
⎡ ⎢ ⎣
B B
1 2
⎤ ⎥u ⎦
(5-40)
y = x1
其中, x 1 为q维分状态,x 2 是n-q维分状态.
构状态 xˆ 的关系式为
xˆ = Q1 y + Q 2 ( z + L y )
证明:
(5-42)

=
⎡ ⎢ ⎣
xˆ1 xˆ2
⎤ ⎥ ⎦
=
⎡ ⎢⎣ z
y⎤
+
L
y
⎥ ⎦
xˆ = [Q1 Q2 ]xˆ = Q1 y + Q2 (z + L y)
结构图:
16
算法1:(1) 对给定C,任取R,使
P
=
⎡C
⎢ ⎣
证明:x• = PAP−1x + PBu = Ax + Bu

状态观测器设计

状态观测器设计

基于M A T L A B的状态观测器设计预备知识:极点配置基于状态反馈的极点配置法就是通过状态反馈将系统的闭环极点配置到期望的极点位置上,从而使系统特性满足要求。

1. 极点配置原理假设原系统的状态空间模型为:若系统是完全可控的,则可引入状态反馈调节器,且:这时,闭环系统的状态空间模型为:2. 极点配置的MATLAB函数在MATLAB控制工具箱中,直接用于系统极点配置的函数有acker()和place()。

调用格式为:K=acker(A,C,P) 用于单输入单输出系统其中:A,B为系统矩阵,P为期望极点向量,K为反馈增益向量。

K=place(A,B,P)(K,prec,message)=place(A,B,P)place()用于单输入或多输入系统。

Prec为实际极点偏离期望极点位置的误差;message 是当系统某一非零极点偏离期望位置大于10%时给出的警告信息。

3. 极点配置步骤:(1)获得系统闭环的状态空间方程;(2)根据系统性能要求,确定系统期望极点分布P;(3)利用MATLAB极点配置设计函数求取系统反馈增益K;(4)检验系统性能。

已知系统模型如何从系统的输入输出数据得到系统状态?初始状态:由能观性,从输入输出数据确定。

不足:初始状态不精确,模型不确定。

思路:构造一个系统,输出逼近系统状态称为是的重构状态或状态估计值。

实现系统状态重构的系统称为状态观测器。

观测器设计状态估计的开环处理:但是存在模型不确定性和扰动!初始状态未知!应用反馈校正思想来实现状态重构。

通过误差来校正系统:状态误差,输出误差。

基于观测器的控制器设计系统模型若系统状态不能直接测量,可以用观测器来估计系统的状态。

L是观测器增益矩阵,对偏差的加权。

真实状态和估计状态的误差向量误差的动态行为:的极点决定了误差是否衰减、如何衰减?通过确定矩阵L来保证。

也即极点配置问题。

要使得误差衰减到零,需要选取一个适当的矩阵L,使得A-LC是稳定的。

状态观测器设计

状态观测器设计

状态观测器 (state observer )背景:60年代初期,为了对控制系统实现状态反馈或其他需要,D.G.吕恩伯格、R.W.巴斯和J.E.贝特朗等人提出状态观测器的概念和构造方法,通过重构的途径解决了状态的不能直接量测的问题。

由龙伯格(Luenberger )提出的状态观测器理论,解决了在确定性条件下受控系统的状态重构问题,从而使状态反馈成为一种可实现的控制律。

在噪声环境下下的状态观测涉及随机最优估计理论,即卡尔曼滤波技术。

状态观测器的出现,不但为状态反馈的技术实现提供了实际可能性,而且在控制工程的许多方面也得到了实际应用,例如复制扰动以实现对扰动的完全补偿等。

定义:根据系统的外部变量(输入变量和输出变量)的实测值得出状态变量估计值的一类动态系统,也称为状态重构器。

如果动态系统Σ^以Σ0的输入,输出y 作为其输入量,能产生一组输出X ^渐近于x ,即lim t→∞(x- x ^)=0,则称Σ^为Σ0的一个状态观测器。

构造状态观测器的的基本原则是:(1)观测器Σ^应以Σ0 的输入变量和输出变量为其输入变量。

(2)Σ0必须完全可观,或其不可观子系统是渐近稳定的。

(3)Σ^的输出变量x ^是原系统Σ0的状态变量x 的实时估计值,x ^与x 之间的偏差随时间的衰减应满足一定的快速性。

(4)Σ^在结构上应尽量简单,即具备尽可能低的维数,以便于物理实现。

结构:构成状态观测器的方法依需要的不同而有差别。

最简单的是开环状态观测器(图1)。

这种观测器实质上就是按被观测系统复制的一个模型,但其状态变量可以直接输出。

只要初始条件相同x ^ (0)=x(0), x ^(t)就可作为被观测系统的状态x(t)的一个精确的估计。

但这个条件往往很难满足。

此外,这种开环观测器对外界干扰的抗干扰性和对参数变动的灵敏度都很差,它的输出x ^ (t)不能成为x(t)的一个良好估计。

因此开环状态观测器几乎没有实用价值。

采用闭环方式构成的状态观测器能克服开环状态观测器的缺点。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

2. 渐近状态观测器
Asymptotic state observer 前面讨论的开环状态观测器没有利用被控系统的可直接测量 得到的输出变量来对状态估计值进行修正,估计效果不佳
ˆ (t ) 将会因为矩阵A 具有在 s 平面 其估计误差 x (t ) x 右半闭平面的特征值,导致不趋于零而趋于无穷或 产生等幅振荡。
A11 0 A A 21 A 22
B1 B B 2
C [C1 0]
其中(A11, C1)可观测,A22的特征值具负实部。现构造如下的
动态系统
ˆ Ax ˆ Bu G(y Cx ˆ) x
根据前面的分析:
(A GC)x x
因此,状态观测器的设计问题归结为求反馈矩阵G,使 A-GC 的所有特征值具有负实部及所期望的衰减速度
即状态观测器的极点是否可任意配置问题。
对此有如下定理。
定理10-3(P255)
定理 渐近状态观测器的极点可以任意配置, 即通过矩阵G 任意配置A-GC的特征值的充要条件为矩阵对(A,C)可观。
对于存在噪声干扰时的状态观测或估计问题,则可
用卡尔曼(Kalman)滤波理论来分析讨论(最优估计)。
本节主要讨论状态观测器理论。
重点掌握:
状态观测器的结构、误差分析、设计方法
带状态观测器的状态反馈闭环系统的分析
10.3.1 全维状态观测器及其设计
Full-dimensional state observer 下面分别介绍
问题,对期望的极点的选择应注意下列问题:
1. 对于n阶系统,可以而且必须给出 n 个期望的极点。 2. 期望极点必须是实数或成对出现的共轭复数。
3. 为使基于状态观测器的状态反馈闭环控制系统有更好的 暂态过渡过程,状态观测部分应比原被控系统和闭环系 统的控制部分有更快的时间常数(衰减更快),
即状态观测部分的极点比其它部分的极点应当更远 离虚轴。 由上述分析过程,类似于状态反馈的极点配置技术,有如下 状态观测器的设计方法。
T T T A11 C1 G1
A11 G1C1
的特征值均具负实部;而A22是系统的不可观部分,由可检测 的假定,A22的特征值具有负实部,故系统渐近稳定,即
t
0, lim x
ˆ0 , u x 0 ,x
证毕。
于是定理的充分性得证。定理的必要性证明略去。
下面分析状态估计误差是否能趋于零。 先定义如下状态估计误差: 则有
由对偶原理计算 可观性矩阵对(A,C) 可控性矩阵对(AT,CT) 由状态反馈极点 配置技术计算GT 由反馈矩阵G配置状态 观测器的A-GC的极点 配置AT-CTGT的极点 由对偶原理计算
方法二 方法二的思想: 先通过非奇异线性变换 x Tx , 将状态完全可观的 ,C ) , 即有 (A 被控系统Σ(A,C) 变换成可观标准型
即估计值与真实值完全相等。
但是,一般情况下是很难做到这一点的。这是因为:
1. 有些被控系统难以得到初始状态变量 x(0), 即不能保 ˆ (0); 证 x (0) x 2. 若矩阵 A 的某特征值位于 s 平面的虚轴或右半开平 面上(实部 Re s0), 则矩阵指数函数 eAt 中包含不随 时间 t 趋于无穷而趋于零的元素。
可以预见,如果利用输出变量对状态估计值进行修正, 即进行反馈校正,则状态估计效果将有本质性的改善。
下面将讨论该类状态观测器系统的特性及设计方法。
如果对任意矩阵 A 的情况都能设计出相应的状态观测器, 对 于任意的被控系统的初始状态都能满足下列条件:
ˆ (t )] 0 lim [ x(t ) x
仔细分析可以发现,这个观测器只利用了被控系统输入信息 u(t),而未利用输出信息 y(t),其相当于处于开环状态,未利 用输出y(t) 的观测误差或对状态观测值进行校正。
即, 由观测器得到的 x ˆ (t ) 只是 x(t) 的一种开环估计值。 为了和下面讨论的状态观测器区分开来, 通常把该观测 器称为开环状态观测器。
而 (AT,CT) 的极点可任意配置的充分必要条件为矩阵对 (AT,CT) 可控,由对偶性原理知,即矩阵对 (A,C) 可观。 因此, A-GC 的特征值可任意配置的充要条件为矩阵对 (A,C) 可观。
可见,只要被控系统状态可观,则一定存在可任意极点 配置的渐近状态观测器。
与状态反馈的极点配置问题类似,对状态观测器的极点配置
ˆ (0) 或出现对被控系统状态x(t)或 此时若 x (0) x ˆ (t )的扰动, 则将导致状态估计 状态观测器状态 x 误差 x (t ) x ˆ (t ) 将不趋于零而为趋于无穷或产生 等幅振荡。
所以, 由于上述状态观测器不能保证其估计误差收敛到 零, 易受噪声和干扰影响, 其应用范围受到较大的限制。
显然,上述状态估计误差方程的解为
x (t ) e
AGC t
x (0) e
AGC t
ˆ(0) x(0) x
当状态观测器的系统矩阵 A-GC 的所有特征值位于 s 平面的
左半开平面, 即具有负实部,
ˆ (0) 等于x(0)否,状态估计误差 x (t )将随时间t 则无论 x 趋于无穷而衰减至零, 观测器为渐近稳定的。
证明 证明过程的思路为:
A-GC的极点可 由G任意配置
两者极点相等
AT-CTGT的极点 可由GT任意配置
经状态反馈GT
?
需证明 的结论
系统(AT,CT)的极 点可由GT任意配置 极点配置的充要条件
(A,C)状态可观 对偶性原理
系统(AT,CT)状态可控
证明过程为:
由于A-GC 的特征值与 AT-CTGT 的特征值完全相同,则 A-GC 的特征值可由 G 任意配置等价于AT-CTGT 的特征 值可由 GT 任意配置,即 等价于系统 (AT,CT) 可通过状态反馈阵 GT 进行任 意极点配置。
0 1 1 T AT 0 A 0 CT 0 0 C 0 0 1 0 0 0 an 0 an 1 0 an 2 1 a1
(t ) x ˆ (t ) A x(t ) x ˆ (t ) x
ˆ 的解为 则状态估计误差 x x
ˆ (t ) e At x(0) x ˆ (0) x(t ) x
显然, 当 x (0) x ˆ (0) 时, 则有 x (t ) x ˆ (t ) ,
t
即状态估计值可以渐近逼近被估计系统的状态, 则称该状态估计器为渐近状态观测器。
根据上述利用输出变量对状态估计值进行修正的思想,和状
态估计误差须渐近趋于零的状态观测器的条件,可得如下的
状态观测器:
ˆ Ax ˆ Bu G( y y ˆ) x ˆ Cx ˆ y
ˆ x xx
ˆ ) A( x x ˆ ) G( y y ˆ) x ( x x ˆ ) GC ( x x ˆ) A( x x ( A GC ) x
其中 A – GC 称为状态观测器的系统矩阵。 根据上述误差方程,被控系统(A, B, C)的渐近状态观测 ( A GC, B, C ) 。 器,也可简记为
ˆ ( A, B, C ) 该状态估计系统称为开环状态观测器,简记为
其结构如下图所示。
u B + + A B + + A
ˆ x ˆ x ˆ y
x'

x
C
y

C
ˆ x
开环状态观测器
图3-1 开环状态观测态变量,有 比较系统(A,B,C)和
开环状态观测器 渐近状态观测器
1. 开环状态观测器
Open-loop state observer
设线性定常连续系统的状态空间模型为(A,B,C), 即
Ax Bu x y Cx
其中系统矩阵A、输入矩阵B和输出矩阵C都已知。
这里的问题是:
若状态变量 x(t) 不能完全直接测量到, 如何构造一个 系统随时估计该状态变量 x(t)?
10.3 状态重构与状态 观测器设计
概 述
状态反馈相对于输出反馈的优越性是显而易见的。系统的任 意极点配置、镇定、解耦控制、无静差跟踪等,都有赖于引 入适当的状态反馈才能够实现。 状态可控的线性定常系统可通过线性状态反馈来进行任意极 点配置,以使闭环系统具有所期望的极点及性能品质指标。 但是,由于 1) 描述内部运动特性的状态变量有时并不是 能直接测量的,2) 而且有时并没有实际物理量与之直接 相对应而为一种抽象的数学变量。 这些情况下,用状态变量作为反馈变量来构成状态反馈 系统带来了具体工程实现上的困难。
对此问题一个直观想法是: 利用仿真技术来构造一个和被控系统有同样动力学 性质(即有同样的系数矩阵A, B和C)的如下系统, 用模型系统的状态变量作为系统状态变量的估计值
(即重构被控系统的状态变量):
ˆ Ax ˆ Bu x ˆ Cx ˆ y
ˆ 为被控系统状态变量 x(t) 的估计值。 其中 x
为此,提出了状态变量的重构或观测估计问题?
Reconstruction, observation, estimation
所谓的状态变量的重构或观测估计问题,即设法另外构造一 个物理上可实现的动态系统,
它以原系统的输入和输出作为它的输入
而它的状态变量的值能渐近逼近原系统的状态变量 的值或者其某种线性组合 则这种渐近逼近的状态变量的值即为原系统的状态 变量的估计值 并可用于状态反馈闭环系统中代替原状态变量作为 反馈量来构成状态反馈律
A11 0 A A A 21 22
相关文档
最新文档