Robust Control System:反馈控制有承受一定类不确定能力的影响,这一直保持在这种不确定的条件(制)稳定、动态特性(灵敏度)和稳态特性(逐步调整)的能力。

非结构不确定性(Unstructured Uncertainty),如外界扰动带来的影响——H∞控制(本文的内容)

结构不确定性(Structured Uncertainty)如系统參数的不确定性变化——μ分析与μ综合

标准鲁棒控制问题的一般模型(双端子模型)即下线性分式变换形式:

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvbGlnaHRfbGo=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" alt="">

G为增广控制对象;K控制器;u是控制输入。y是被測量输出或对象输出(u和y各自是系统传递函数或者状态空间里的输入和输出)。w是外部输入或參考输入。如:扰动、噪声;z是被控制的输出。

相应的增广状态方程为:

可记为:

传递函数为:

可见由w到z的闭环传递函数为:

由此传递函数可得到闭环系统的框图也能够绘制成例如以下形式:

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvbGlnaHRfbGo=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" alt="">

鲁棒控制要解决的问题就是设计出一个真实有理镇定控制器使得闭环系统内稳定,且满足:
1)标准控制问题:
2)最优控制问题:

\min {\left\| {{T_{wz}}\left( s \right)} \right\|_{\rm{2}}}" alt="">

3)最优控制问题:
      

{H_\infty }" alt="">次优控制问题:

{\left\| {{T_{wz}}\left( s \right)} \right\|_\infty } < \gamma" alt="">。是一个正实数。


1、干扰抑制(最小灵敏度)问题 =>鲁棒标准问题

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvbGlnaHRfbGo=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" alt="" style="font-family:'Microsoft YaHei'; font-size:18px">


(即灵敏度函数
问题:

2、鲁棒镇定问题=>鲁棒标准问题

1)加性不确定系统


广义控制对象

2)乘性不确定系统


广义控制对象

问题:寻找控制器K。镇定G,且满足

3、跟踪问题=>鲁棒标准问题

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvbGlnaHRfbGo=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" alt="">

如果r是一能量有限的输入信号
已知P和W,设计控制器C1和C2,使使系统内稳定,且v尽可能好地跟踪r
为保证存在最优的真实有理控制器。取目标函数(

{\rho}u" alt="">是加权控制能量项)


取:

y = \left[ {\begin{array}{*{20}{c}} r \\ v \end{array}} \right]" alt="">


问题:寻找控制器K,镇定G,且满足

4、模型匹配问题=>鲁棒标准问题


T1是一个模型。设计參数Q式模型T2QT3匹配T1。由第二个图能够得到:

问题:寻找K,镇定G,且满足

\min {\left\| {{T_{zw}}\left( s \right)} \right\|_\infty } = \min {\left\| {{T_1} - {T_2}Q{T_3}} \right\|_\infty }" alt="">

5、混合灵敏度问题=>鲁棒标准问题

系统原图參考最小灵敏度问题

前面讲了灵敏度函数。补灵敏度函数。从控制对象的鲁棒稳定性出发,要求补灵敏度越小越好,可是从扰动个信号w对输出y的影响来说。要求灵敏度越小越好,但两者又是相互矛盾的。所以这就须要有个折中。

考虑到一般扰动信号具有低频性。而模型的不确定性通常是因为忽略了高频动力学特性引起的。所以所下面式中的Q1和Q2一般没有交集。故非常难求得满足下式的控制器。

\begin{gathered} {\left\| {S\left( {j\omega } \right)} \right\|_\infty } < {\varepsilon _1},\omega \in {Q_1} \hfill \\ {\left\| {T\left( {j\omega } \right)} \right\|_\infty } < {\varepsilon _2},\omega \in {Q_2} \hfill \\ \end{gathered} " alt="">

故引入加权函数W1和W2,分别作为Q1和Q2的权,控制器的条件能够写成:

广义控制对象


问题:

{\left\| {{T_{wz}}\left( s \right)} \right\|_\infty } < \gamma " alt="">

版权声明:本文博主原创文章,博客,未经同意不得转载。

H∞一般控制问题的鲁棒叙述性说明的更多相关文章

  1. Robust Locally Weighted Regression 鲁棒局部加权回归 -R实现

    鲁棒局部加权回归 [转载时请注明来源]:http://www.cnblogs.com/runner-ljt/ Ljt 作为一个初学者,水平有限,欢迎交流指正. 算法参考文献: (1) Robust L ...

  2. 鲁棒图(Robustness Diagram)

    鲁棒图与系统需求分析 鲁棒图(Robustness Diagram)是由Ivar Jacobson于1991年发明的,用以回答“每个用例需要哪些对象”的问题.后来的UML并没有将鲁棒图列入UML标准, ...

  3. 基于2D-RNN的鲁棒行人跟踪

    基于2D-RNN的鲁棒行人跟踪 Recurrent Neural Networks RNN 行人跟踪 读"G.L. Masala, et.al., 2D Recurrent Neural N ...

  4. SIFT+HOG+鲁棒统计+RANSAC

    今天的计算机视觉课老师讲了不少内容,不过都是大概讲了下,我先记录下,细讲等以后再补充. SIFT特征: 尺度不变性:用不同参数的高斯函数作用于图像(相当于对图像进行模糊,得到不同尺度的图像),用得到的 ...

  5. 如何编写高质量的 JS 函数(2) -- 命名/注释/鲁棒篇

    本文首发于 vivo互联网技术 微信公众号 链接:https://mp.weixin.qq.com/s/sd2oX0Z_cMY8_GvFg8pO4Q作者:杨昆 上篇<如何编写高质量的 JS 函数 ...

  6. python练习 英文字符的鲁棒输入+数字的鲁棒输入

    鲁棒 = Robust 健壮 英文字符的鲁棒输入 描述 获得用户的任何可能输入,将其中的英文字符进行打印输出,程序不出现错误.‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪ ...

  7. CVPR2020:基于自适应采样的非局部神经网络鲁棒点云处理(PointASNL)

    CVPR2020:基于自适应采样的非局部神经网络鲁棒点云处理(PointASNL) PointASNL: Robust Point Clouds Processing Using Nonlocal N ...

  8. 【论文阅读】Beyond OCR + VQA: 将OCR融入TextVQA的执行流程中形成更鲁棒更准确的模型

    论文题目:Beyond OCR + VQA: Involving OCR into the Flow for Robust and Accurate TextVQA 论文链接:https://dl.a ...

  9. 解读ICDE'22论文:基于鲁棒和可解释自编码器的无监督时间序列离群点检测算法

    摘要:本文提出了两个用于无监督的具备可解释性和鲁棒性时间序列离群点检测的自动编码器框架. 本文分享自华为云社区<解读ICDE'22论文:基于鲁棒和可解释自编码器的无监督时间序列离群点检测算法&g ...

随机推荐

  1. 【习题 3-12 UVA - 11809】Floating-Point Numbers

    [链接] 我是链接,点我呀:) [题意] 在这里输入题意 [题解] \(A*10^B = temp[M]*2^{2^E-1}\) 两边取一下对数 得到 \(lg_A+B = lg_{temp[M]} ...

  2. php gettext方式实现UTF-8国际化多语言(i18n)

    php gettext方式实现UTF-8国际化多语言(i18n) 一.总结 一句话总结: 二.php gettext方式实现UTF-8国际化多语言(i18n) 近 来随着i18n(国际化)的逐渐标准化 ...

  3. oracle高效分页存储过程(百万数据级)

    create or replace procedure Pager( page in number,--数据页数,从1开始 pageSize in number,--每页大小 tableName nv ...

  4. UVA 11624 - Fire! 图BFS

    看题传送门 昨天晚上UVA上不去今天晚上才上得去,这是在维护么? 然后去看了JAVA,感觉还不错昂~ 晚上上去UVA后经常连接失败作死啊. 第一次做图的题~ 基本是照着抄的T T 不过搞懂了图的BFS ...

  5. dp hdu5653 xiaoxin and his watermelon candy

    传送门:点击打开链接 题意:有n个箱子排成一排,有m个炸弹.位置告诉你.如今炸弹的左边伤害和右边伤害能够自己控制,要求 每一个炸弹炸的箱子数的累乘,输出答案取log2并乘以1e6 思路:直接2for ...

  6. java并发之生产者消费者模型

    生产者和消费者模型是操作系统中经典的同步问题.该问题最早由Dijkstra提出,用以演示它提出的信号量机制. 经典的生产者和消费者模型的描写叙述是:有一群生产者进程在生产产品.并将这些产品提供给消费者 ...

  7. Snail—Hibernate之自写固定组件

    Hibernate的存储都是在session中进行的,此session非彼session 以下就是从生成的Hibernate配置文件获得连接数据库,然后再得到session等等 package com ...

  8. Java RMI使用

    1. Java RMI介绍 RMI:远程方法调用(Remote Method Invocation).能够让在某个java虚拟机上的对象像调用本地对象方法一样调用另一个java 虚拟机中的对象上的方法 ...

  9. Android Studio SVN使用和VisualSVN-Server配置(图解)

    转载请标明出处: http://blog.csdn.net/zq2114522/article/details/51078544: 本文出自:[梁大盛的博客] Android Studio SVN使用 ...

  10. Android事件分发机制具体解释

    转载注明出处:http://blog.csdn.net/xiaohanluo/article/details/52416141 1. 概述 Android日常研发时,与View接触占领相当多的时间.而 ...