自动控制理论笔记
- 经典控制理论
- 相关词汇
- 工程数学基础 1. 特征值,特征向量,过渡矩阵rightarrow矩阵对角化 2. 线性化 Linearization 3. 卷积与LTI冲激响应(LTI:linear time invariant system) 4. 欧拉公式Euler's Formula 5. 复数Complex Number 6. 阈值选取
- Advanced控制理论 稳定性 两种类型 判别方法 3. 不稳定 相图分析-phase-portrait 齐次状态方程解dot x = A x 非齐次状态方程dot x = A x + B u 线性系统可控性与可观测性 引理 状态反馈与状态观测器 状态观测器
- Kalman滤波器原理以及在matalb中的实现
经典控制理论
动态系统建模
通过配置系统输入u(t),使u(s)G(s)的极点使系统满足一定特性
一阶系统特性
(G(s) = frac{a}{s+a}) (frac{1}{a})是时间常数(tau),对应上升为0.63 (4tau)对应阶跃响应0.98
二阶系统特性
(mddot x+Bdot x+kx=F) (ddot x+2omega_nxi dot x+omega_n^2x=frac{F}{m})
阻尼比固有频率:(omega_nsqrt{1-xi^2})
单位化:(u(t)=frac{F}{omega_n^2}) (H(s) = frac{omega_n^2}{s^2+2xiomega_ns+omega_n^2})
零极点图: 极点全部在左,系统稳定 虚轴长度代表振荡周期 实轴长度代表衰减速度 (cos theta)代表阻尼比
SISO system稳定性判据
特征多项式系数判断传递函数稳定性
- Hurwitz霍尔维兹判据:构建霍尔维兹行列式,全部为正
(D1 = a_1)
(D2 = begin{pmatrix} a_1&a_3\ a_0&a_2 end{pmatrix})
(D3 = begin{pmatrix} a_{1}& a_{3}& a_{5}\ a_{0}& a_{2}& a_{4}\ 0& a_{1}& a_{3} end{pmatrix})
- Lienard-Chipard林纳德-齐帕特判据:系数都大于零,奇数或偶数阶次行列式
- Routh劳斯判据: 求(e_{ss})时顺序,1判断稳定性、2求E(s),3应用终值定理(e_{ss} = lim limits_{srightarrow0}sE(s))
- 频率稳定判据: H. Nyquist奈奎斯特判据,开环频率特性,判断闭环稳定性 (F(s) = 1 +G(s)H(s))的p,极点,是开环传函极点 z零点,闭环传递函数的极点封闭曲线内(R=P-Z)
频率特性
- 只适用于线性定常模型,否则不能拉式变换
- 稳定条件下使用
- bode图单位用dB:20log(Mo/Mi),表征了能量
- 幅值相应:magnitude response (frac{M_o}{M_i} = left | G(jomega)right |)
- 幅角响应:Phase response (phi_o-phi_i = angle G(jomega))
- 带阻尼比的共振频率: (omega = omega_n sqrt{1-2zeta^2}\) 此时的极值:(frac{1}{2zetasqrt{1-zeta^2}})
- 幅值裕度h:相位为-π时,幅值距0dB的差值 相位裕度(gamma):幅值为1(0dB)时,相位距-π的差 根据幅相图,(0,0)出发为开环,(-1,0)出发为闭环
- 不同频段信息
- 低频段(G(jomega))反映了系统的稳态精度 0dB/sec->稳态精度
- 中频段:穿越0dB(omega_c) 反映了系统的平稳性和快速性 -20dB/sec开环积分,闭环一阶,快速性 -40dB/sec开环双积分,闭环二阶,零阻尼,频率段不宜过宽,穿越频率取-20斜率
- 高频段反映了系统对高频干扰抑制能力
系统矫正
串联矫正
- 超前矫正 (G_c(s)=frac{1+aTs}{1+Ts},a>1)
- 滞后矫正 (G_c(s)=frac{1+bTs}{1+Ts},b<1)
- 滞后超前矫正 两个合起来
- PID矫正器
- 复合矫正 前置矫正:指令->Gc(s)->误差,一般补偿分母s,开环前向增益1 干扰前置补偿:干扰测量->Gc(s)->误差,误差->干扰端传函(Gs^{-1})
根轨迹
(开环->闭环稳定性):分析G(s)的N、P,看闭环系统稳定性 开环传递函数中开环增益K从0-无穷时,闭环特征根的移动轨迹 单位负反馈闭环传递函数 (phi(s) = frac{C(s)}{R(s)}=frac{G(s)}{1+G(s)}) G(s)是一个
非线性系统
叠加原理不适用 常规分类: 死区 饱和 间隙-滞环
系统收敛:消耗系统能量 系统发散:从外界获取能量
相关词汇
(X_{ss}(t)):ss-steady state (T_s)Delay time (T_r)Rise time (M_p)Max Overshoot (T_{ss})Setting time调节时间 BIBO:输入稳定,输出稳定bounded input-bounded output Real:实轴 Im:虚轴 Proportional:比例 Integral:积分 Differential:微分 bounded input-bounded output:稳定性 (forall)for all :任意 (exists) at least one :存在 (left | cdot right |)norm:范数
工程数学基础
1. 特征值,特征向量,过渡矩阵(rightarrow)矩阵对角化
特征值(lambda)有(lambda v=Av) ( | lambda I-A | = 0) 特征值 解法:将(lambda)代回(( lambda I - A)* v = 0) (lambda_1 、lambda_2)对应特征向量(v_1 、v_2) 过渡矩阵:特征向量组成的矩阵 (P = begin {pmatrix} v_1&v_2 end {pmatrix}) (AP=A[v_1 v_2] = [Av_1 Av_2]=[lambda_1v_1 lambda_2 v_2]= begin{bmatrix} lambda_1v_{11} & lambda_2v_{21}\ lambda_1v_{12} & lambda_2v_{22} end{bmatrix} =PLambda ) 所以有,单位向量矩阵P将A特征值对角化矩阵 (P^-1AP = Lambda)
2. 线性化 Linearization
非线性:(1/x,sqrt{x},x^n等)
- 用泰勒级数展开 在平衡点(Fixed point)(x_0)附近线性化
- 令导数项为0,求得平衡点x的值(x=x_0)
- 把(x_sigma = x_0 + x_d)代入(f(x_sigma)=f(x_0)+f'(x_0)(x_sigma-x_0))
- 把(x = x_sigma)代入微分方程 将(sigma)的x用x_0和x_d替换,然后 得到了关于x_d的线性化微分方程 (dot x = A x + b u)求A的雅可比矩阵 行是函数,列为对变量的偏导; 求平衡点,代入偏导雅可比矩阵; 展开得到线性化后的微分方程
3. 卷积与LTI冲激响应(LTI:linear time invariant system)
卷积:(x(t) = f(t)*h(t)=int_0^t f(tau)h(t-tau)dtau) (f(t))=输入 (h(t))=单位冲激响应 (L_{卷积})=L乘积
4. 欧拉公式Euler's Formula
(e^{itheta}=cos(theta)+isin(theta))
5. 复数Complex Number
(sin(x) = Crightarrow x = pi/2+2kpi + ln(Cpmsqrt{C^2-1})i) (Z = a + b i ) (Re(Z) =a ) (Im(Z)=b ) (left | Z right | = sqrt{a^2+b^2}) (Z = left | Z right | cdot (costheta+isintheta)= left | Z right | cdot e^{itheta}) (Z_1 cdot Z_2 = left | Z_1 right | left | Z_2 right | e^{theta_1+theta_2}) (Z+bar Z = 2a) (Z- bar Z = 2bi)
6. 阈值选取
Normal Distribution正态分布、高斯分布 (X = (mu,sigma^2)) 漏检False Dismissal 误警False Alarm
Advanced控制理论
状态空间:State-Space,包含输入、输出、状态,写成一阶微分方程的形式 (dot x = A x + B u) (y = Cx+Du)
稳定性
两种类型
- Lyapunov稳定性:有界 (forall t_0, forall epsilon >0, exists delta (t_0, epsilon):left | x(t_0)right |<delta(t_0,epsilon)Rightarrow forall t geqslant t_0, left | x(t) right | < epsilon)
(a , of, lambda_i leqslant 0)实部 判断方法:
- 渐进稳定性: (exists delta(t_0)>0: left |x(t_0)right |<delta(t_0) Rightarrow lim limits_{t rightarrow infty } left | x(t)right | = 0 ) (a , of, lambda_i < 0)实部
判别方法
- 直接方法:解微分方程(Direct method) 求解λ的值,判断正负
- 第二方法:(2nd method) ((i)V(0) = 0) ((ii) V(x) geqslant 0 , in, D-{0}) PSD:postive semi definit ((iii)dot V(x) leqslant 0 , in, D-{0})NSD:negative semi definit (Rightarrow x = 0)
3. 不稳定
存在至少一个特征值实部大于零
相图分析-phase-portrait
plot(x,(dot x)),通过x初值,分析点在轨迹上的移动,判断稳不稳定 matlab绘制实例
% 画解微分方程组的相图
clear;cla;clc;
[x,y]=meshgrid(linspace(-5,5));
streamslice(x,y,0 * x + 2 * y,-3 * x + 0 * y );
xlabel('x');ylabel('y');
特征值和相图的关系
齐次状态方程解(dot x = A x)
(dot x = a xrightarrow x(t) = e^{at}x(0)) 同理,多元线性方程 (dot x = a xrightarrow x(t) = e^{At}x(0)) 其中,状态转移矩阵(Phi(t))解法
- 数值法: (Phi(t) = e^{At}=I+At+frac{1}{2!}A^2t^2+...+frac{1}{k!}A^kt^k)
- 解析法: (Phi(t) = L^{-1}[sI-A]^{-1})
性质: (Phi(0) = I) (x(t) = Phi(t-t_0)x(t_0)) (Phi ^{-1}(t) = Phi(-t))
非齐次状态方程(dot x = A x + B u)
(x(t) = Phi (t)x(0)+ int_0^tPhi(t-tau)Bu(tau)dtau) 初始状态x(0)响应+输入项u(t)响应
线性系统可控性与可观测性
可控性:(forall x(0),x(t_f), exists t_f < +infty , u[0,t_f], st. x(0)rightarrow x(t_f)) 充要条件:
- (S = [b, Ab, A^2..., A^{n-1}b]) 理论可行,但是实际物理不一定 以离散系统为例证明: (x_ 0 = 0\ x_1 = Ax_0 + Bu_0 = Bu_0\ x_2 = Ax_1 + Bu_1 = ABu_0 + B u_1\ x_3 = Ax_2 + Bu_2 = A^2Bu_0 + AB u_1 + B u_2\ ) Matlab 求解,Co矩阵 "ctrb(A,B)"
- (rank[S] = n, det , S neq 0)
可观性:(forall t in [t_0,t_f],已知y(t),u(t),可求x(t_0)) (rank begin{bmatrix} C\ CA\ CA^2\ ...\ CA^{n-1} end{bmatrix} =n )
引理
(f(lambda) = sum_{i=0}^{n}a_ilambda ^i) (f(A) = 0 rightarrow A^n = sum_{i=0}^{n-1}a_iA^i)
求解(left | lambda I - Aright |)的特征多项式 将(lambda = A )代入,得到递推公式,解算(A^n)
状态反馈与状态观测器
取(u=v-kx),其中,v为参考输入,系统闭环矩阵由A变为A-Bk
- 不改变可控性,有可能改变可观性
- 闭环特征值
状态观测器
Kalman滤波器原理以及在matalb中的实现
状态转移矩阵: 这里要改一下,改成估计量 (x_t^- = F_t x_{t-1} + B_t u_t)
状态转移矩阵:(P_t^-=FP_{t-1}F^T+Q)
协方差矩阵: ( begin{bmatrix} sigma_{11}&sigma_{12}\ sigma_{12}&sigma_{22}\ end{bmatrix} )
卡尔曼方程≠状态观测器
以小车为例,讲卡尔曼滤波最优状态估计
在上图中,P是观测值(hat x)的方差 R是观测器中,来自预估值的比例
概率函数相乘,多传感器信息融合
非线性控制理论
ARC
Barbalat’s 引理 lemma
- (Vgeq0)
- (dot{V} leq -g(t)), where (g(t)geq 0)
- (dot{g}(t)in L_{infty}), if(dot{g}(t)) is bounded the g(t) is uniformly continous. Then, (lim_{t->infty} g(t)=0) Consquently, (lim_{t->infty} e = 0 (kneq0))
- 机器学习决策树:提炼出分类器算法
- 机器学习:XGBoost 安装及实战应用
- Ryu:如何在LLDP中添加自定义LLDPDU
- 机器学习|kaggle数据挖掘和求解的基本步骤
- mybatis_generator_逆向工程的使用笔记
- 纳税服务系统总结
- 纳税服务系统一(用户模块)【简单增删改查、日期组件、上传和修改头像】
- 纳税服务系统三(优化处理)【异常处理、抽取BaseAction】
- 机器学习|快速排序思想求topk
- 纳税服务系统二(用户模块)【POI、用户唯一性校验】
- 纳税服务系统四(角色模块)【角色与权限、角色与用户】
- 纳税服务系统五(登陆与系统拦截)【配置系统、子系统首页、登陆与拦截】
- 纳税服务系统六(信息发布管理模块)【Ueditor、异步信息交互、抽取BaseService、条件查询、分页】
- 纳税服务系统七(投诉管理模块)【显示投诉信息、处理回复、我要投诉、Quartz自动受理、统计图FusionCharts】
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法