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
|
Windows
mathtype7产品激活密钥最新
MathType是强大的数学公式编辑器,MathType公式编辑器可以说是专门为理科生准备的软件,它可以帮助用户快速的在各种文档中插入符号和公式,不论是简单的公式和符号,还是复杂的都可以非常轻松的输入,并且在与office文档结合使用时,表现的非常完美,是非常好的一款软件,与常见的文字处理软件和演示程序配合使用,能够在各种文档中加入复杂的数学公式和符号,可用在编辑数学试卷、书籍、报刊、论文、幻灯演示等方面,是编辑数学资料的得力工具。
62204 0
|
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
|
17天前
|
机器学习/深度学习 运维 算法
路面缺陷检测数据集(9类YOLO已标注已划分)道路病害目标检测专用数据集分享
本数据集专为路面病害检测打造,含9类YOLO格式标注(含原生/修补裂缝、坑槽、网裂等),已划分训练/验证/测试集,适配YOLOv5-v10等主流模型。真实场景覆盖光照、雨湿、阴影等复杂条件,助力智能巡检、自动驾驶风险感知与道路养护数字化。
|
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!
1965 4
|
11月前
|
机器学习/深度学习 传感器 数据采集
【23年新算法】基于鱼鹰算法OOA-Transformer-BiLSTM多特征分类预测附Matlab代码 (多输入单输出)(Matlab代码实现)
【23年新算法】基于鱼鹰算法OOA-Transformer-BiLSTM多特征分类预测附Matlab代码 (多输入单输出)(Matlab代码实现)
580 0
|
机器学习/深度学习 机器人 数据库
FoundationPose复现及Realsense应用
文章概述了FoundationPose项目,一个由Nvidia开发的用于新对象6D姿态估计和跟踪的统一模型,支持模型基础和无模型设置,通过合成数据和大型语言模型实现强泛化能力,并提供了复现和应用的详细步骤。
3112 0
FoundationPose复现及Realsense应用
|
传感器 自动驾驶 机器人
大疆Livox Mid360 使用指南
本文是大疆Livox Mid-360激光雷达的使用指南,包括Livox Viewer 2的安装与使用、Livox SDK2的安装与演示、Livox ROS的配置与启动,以及一些使用时的注意事项。文章还提供了关于Livox Mid-360的详细特点、接线信息、尺寸信息、主控端IP设置、修改Livox Mid 360的IP方法、坐标系定义和IMU内参的介绍。此外,还提供了官方资料和软件下载的链接。
12299 2
|
Kubernetes 安全 数据安全/隐私保护
【K8S系列】深入解析k8s网络插件—Weave Net
【K8S系列】深入解析k8s网络插件—Weave Net
2099 0
|
运维 物联网 5G
5G网络的多接入技术融合:构建无缝通信未来
5G网络的多接入技术融合:构建无缝通信未来
680 4
|
网络协议 API 开发者
无线通信模块通过TCP/IP协议实现与PC端的数据传输
本文介绍了无线通信模块借助TCP/IP协议向PC端传输数据的过程,包括数据封装、发送和接收,并以WIFI模块为例,讨论了在QT平台下实现无线数据传输的方法。通过QTcpSocket类,开发者能轻松建立WIFI模块与PC间的连接。随着无线通信技术的进步,未来将有更多创新应用出现。
614 2

热门文章

最新文章