现代控制理论课程实验二:利用状态观测器实现状态反馈的系统设计

简介: 现代控制理论课程实验二:利用状态观测器实现状态反馈的系统设计

4022df35d1a749c8ad2960223effadab.jpg

一、实验目的



b2e224bd7e3746298f3e19d70d6741d1.jpg


1、理解并掌握线性状态反馈控制的原理和方法;

2、理解并掌握线性观测器的设计方法;

3、练习控制性能比较与评估的方法。


二、实验设备与软件


1、MATLAB软件

2、Multisim软件

3、leaSaC实验箱


三、实验模块


函数信号发生器模块、有源模块A1-A7、阻容库模块和可变阻容库模块


四、实验原理


4.1、若受控系统完全能控,则通过状态反馈可以任意配置极点。


受控系统如下图所示

a21979eaf1ac4a97b12e7f0ac53f26a4.jpg



7e38d38359294b6da116032e6c88beb4.jpg


4.2、 时不变线性连续系统的状态反馈控制与观测器

对时不变线性连续系统



35871847cc034a1b898a326f0b032217.jpg

以系统状态为反馈变量产生控制


e737cf6689e2481baa959cfefc684f20.jpg



这种控制方式称为状态反馈控制,

如下图所示

bfd846ffded84a108c4e81f15b4448f8.jpg


考虑到控制系统的性能主要取决于系统极点在根平面上的分布,状态反馈控制通常通过极点配置法实施,将闭环系统极点配置在期望的位置上,从而使系统满足瞬态和稳态性能指标。


应用极点配置方法实现任意极点的配置,要求原系统可控。对于高阶系统(大于二阶),常将闭环系统设计成具有两个主导极点和非主导极点组成的系统,这样可以用二阶系统的分析方法确定参数。


但是,状态作为系统内部变量组,或由于不可能全部直接测量,或由于量测手段在经济性和适用性上的限制,使状态反馈的物理实现在有些情况下成为不可能或很困难的事。


为此引入状态观测器,以重构状态代替系统状态实现状态反馈,系统必须能观,才能设计观测器。


基于观测器的状态反馈控制系统由受控系统、状态反馈和观测器三部分构成。


如下图所示


700292e8eb304149a06dc8c947636926.jpg

观测器设计时需要满足观测的状态与原始状态在渐近意义下等价。

全维状态观测器的动态方程为

ba18824d503a4a88b7194f0971b44ae0.jpg

实际上,若系统输出矩阵C为满秩时,可以认为已代表了一部分状态,所以可以设计较简单的降维状态观测器,其最小维数为 (n代表状态个数,q代表输出个数)。


五、实验内容


5.1、系统模型建立


用Multisim建立系统模型


352d16fa0ffe47c4b810a07c28842042.png

系统模型仿真波形如下所示


44946481c079426cb647c8ca50ddf076.png


5.2、建立状态观测器实现极点配置的仿真模型

状态观测器实现极点配置的仿真模型如下所示



e77a3fd505aa46c5b628bfaf7eba5998.png


状态观测器实现极点配置的仿真模型仿真波形如下所示


4afa8ec5e3654fbfad20a21431b58c28.png


5.3、建立状态观测器模型

建立状态观测器模型如下所示


b736df80781b44ed99fdee394dd60287.png



建立状态观测器模型的仿真波形如下所示


34019a620e7842ba9fa862d7ead03dda.png



0ca0afc26e7c4661b20a773edaa96182.png

六、实验总结


image.png


通过本次实验:利用状态观测器实现状态反馈的系统设计,总结如下几点所示

  • 1、理解并掌握线性状态反馈控制的原理和方法;
  • 2、理解并掌握线性观测器的设计方法;
  • 3、练习控制性能比较与评估的方法。



ee691b3b2318446589255013953baccd.jpg


相关文章
|
算法
【MFAC】基于全格式动态线性化的无模型自适应控制
【MFAC】基于全格式动态线性化的无模型自适应控制
|
9月前
|
机器学习/深度学习 人工智能 算法
强化学习:Gym的库的实践——小车上山(包含强化学习基础概念,环境配置国内镜像加速)——手把手教你入门强化学习(一)
本文开启“手把手教你入门强化学习”专栏,介绍强化学习基础概念及实践。强化学习通过智能体与环境交互,学习最优策略以最大化累积奖励,适用于复杂动态决策问题。文章讲解智能体、环境等核心概念,并使用Gym库进行案例实操,如CartPole和MountainCar环境的代码实现。最后预告下期将深入马尔科夫决策过程(MDP)。适合初学者系统了解强化学习并动手实践。创作不易,欢迎关注、点赞与收藏!
1124 4
|
数据可视化 数据挖掘 定位技术
MATLAB数据可视化
【10月更文挑战第8天】本文详细介绍了MATLAB中的数据可视化功能,涵盖基本绘图、特定绘图类型(如三维绘图、极坐标图)、高级图形功能(如自定义图形属性、子图、交互式图形、动画与动态可视化)以及地理数据可视化工具箱等内容。同时,文章还提供了性能优化建议,帮助用户在处理大型数据集时提升绘图效率。
|
11月前
|
机器学习/深度学习 人工智能 供应链
《AI重塑工业制造:从传统流水线到智能生产新范式》
在第四次工业革命中,人工智能(AI)深度融入工业制造,推动其向智能化、数字化转型。AI优化生产规划,通过机器学习精准预测需求,提高生产效率和客户满意度;助力柔性生产,实现个性化定制;优化供应链管理,提升协同效率;但也面临数据孤岛、技术成本和伦理安全等挑战。尽管如此,AI正成为工业制造转型升级的核心驱动力。
1077 61
|
数据可视化 算法 机器人
实例10:四足机器人运动学逆解可视化与实践
本文是关于四足机器人逆运动学(IK)的实例教程,介绍了逆运动学的概念、求解方法、多解情况和工作空间,并通过Python编程实现了简化的mini pupper平面二连杆模型的逆运动学可视化,包括单腿舵机的校准和动态可视化运动学计算结果。
1106 0
|
机器学习/深度学习 人工智能 算法
探索人工智能中的强化学习:原理、算法与应用
探索人工智能中的强化学习:原理、算法与应用
|
搜索推荐 Java API
打造个性化天气应用:从概念到实现
【8月更文挑战第51天】在这篇文章中,我们将一起探索如何将一个天气应用的概念转化为现实。我们将深入讨论移动应用开发的核心概念,包括设计思路、技术选型、以及实际编码过程。通过一个简单的天气应用示例,你将学会如何利用现代移动开发工具和框架来创建自己的应用。无论你是编程新手还是有一定经验的开发者,这篇文章都将为你提供一条清晰的道路,帮助你理解并实践移动应用开发。
157 17
|
安全 网络安全 数据安全/隐私保护
窃听攻击(Eavesdropping Attack)
【8月更文挑战第10天】
803 2
|
定位技术
百度地图开发:批量增加折线、多边形覆盖物的封装函数
百度地图开发:批量增加折线、多边形覆盖物的封装函数
258 0
|
编译器 开发工具 C语言
vscode安装+配置+使用+调试【保姆级教程】
vscode安装+配置+使用+调试【保姆级教程】
59259 9

热门文章

最新文章