LQR

LQR Controller

Advanced
Lancer l’exemple en direct Gratuit · sans inscription · dans votre navigateur

Le bloc LQRController est un régulateur linéaire quadratique. Vous lui donnez un modèle d’état du procédé (A\mathbf{A}, B\mathbf{B}) et deux pondérations : Q\mathbf{Q}, le coût d’un écart sur chaque état, et RR, le coût de l’effort de commande. Le bloc calcule lui-même le gain de retour d’état optimal K\mathbf{K} et fournit u=−Kxu = -\mathbf{K}\mathbf{x}. Là où une boucle PID regarde un seul signal d’erreur, le LQR utilise tous les états à la fois — c’est ce qui lui permet d’équilibrer un pendule inversé et de ramener le chariot dans le même mouvement.

Reliez chaque état du procédé aux entrées x0,x1,…x_0, x_1, \dots dans l’ordre de A\mathbf{A} ; six états au plus. Pour réguler vers une consigne plutôt que vers zéro, injectez l’écart xi−xi,refx_i - x_{i,\text{ref}} sur cette entrée. Les gains calculés sont disponibles sur les sorties optionnelles K0…K5K_0 \dots K_5, et Valid indique si une conception a pu être faite.

Modèle Mathématique

En conception continue, le bloc minimise

J=∫0∞(xTQx+Ru2)dt,x˙=Ax+BuJ = \int_0^\infty \left( \mathbf{x}^T \mathbf{Q} \mathbf{x} + R u^2 \right) dt, \qquad \dot{\mathbf{x}} = \mathbf{A}\mathbf{x} + \mathbf{B}u

Le gain optimal découle de la solution stabilisante X\mathbf{X} de l’équation algébrique de Riccati continue :

ATX+XA−XBR−1BTX+Q=0,K=R−1BTX\mathbf{A}^T\mathbf{X} + \mathbf{X}\mathbf{A} - \mathbf{X}\mathbf{B}R^{-1}\mathbf{B}^T\mathbf{X} + \mathbf{Q} = 0, \qquad \mathbf{K} = R^{-1}\mathbf{B}^T\mathbf{X}

En conception discrète (x[k+1]=Ax[k]+Bu[k]\mathbf{x}[k+1] = \mathbf{A}\mathbf{x}[k] + \mathbf{B}u[k], coût ∑xTQx+Ru2\sum \mathbf{x}^T\mathbf{Q}\mathbf{x} + Ru^2), il résout l’équation de Riccati discrète :

X=ATXA−ATXB (R+BTXB)−1BTXA+Q,K=(R+BTXB)−1BTXA\mathbf{X} = \mathbf{A}^T\mathbf{X}\mathbf{A} - \mathbf{A}^T\mathbf{X}\mathbf{B}\,(R + \mathbf{B}^T\mathbf{X}\mathbf{B})^{-1}\mathbf{B}^T\mathbf{X}\mathbf{A} + \mathbf{Q}, \qquad \mathbf{K} = (R + \mathbf{B}^T\mathbf{X}\mathbf{B})^{-1}\mathbf{B}^T\mathbf{X}\mathbf{A}

La sortie vaut u=−Kxu = -\mathbf{K}\mathbf{x}. Une conception n’est acceptée que si la boucle fermée A−BK\mathbf{A} - \mathbf{B}\mathbf{K} est stable.

Entrées & Sorties

Direction ID Label Type Status
→ In in1 x₀ number Required
→ In in2 x₁ number Optional
→ In in3 x₂ number Optional
→ In in4 x₃ number Optional
→ In in5 x₄ number Optional
→ In in6 x₅ number Optional
← Out out u number Output
← Out valid Valid number Output
← Out k_0 K₀ number Output
← Out k_1 K₁ number Output
← Out k_2 K₂ number Output
← Out k_3 K₃ number Output
← Out k_4 K₄ number Output
← Out k_5 K₅ number Output

Paramètres

Paramètres Label Type Défaut Description
design Design select continuous Continuous: dx/dt = A·x + B·u, minimising ∫(xᵀQx + R·u²)dt. Discrete: x[k+1] = A·x[k] + B·u[k], minimising Σ(xᵀQx + R·u²); use with a discrete plant
A A (n×n) matrix 0 1; 0 0 State matrix, rows separated by ;. Up to six states
B B (n×1) matrix 0; 1 Input matrix, one entry per state
Q Q matrix 1 0; 0 1 State weight: n numbers for the diagonal, or the full n×n matrix. A larger entry makes that state settle faster
R R number 1 Input weight. Larger R means gentler control effort; it must be above 0

Exemples d'Utilisation

LQRController de base

Un double intégrateur (un chariot sans frottement, A=[0 1; 0 0]\mathbf{A} = [0\ 1;\ 0\ 0], B=[0; 1]\mathbf{B} = [0;\ 1]) part à 1 m de l’origine. Avec Q=I\mathbf{Q} = \mathbf{I} et R=1R = 1, le bloc calcule K=[1, 3]\mathbf{K} = [1,\ \sqrt{3}] et ramène le chariot sans dépassement.

Pendule inversé : PID ou LQR

Le modèle _Pendule inversé : PID ou LQR_ équilibre deux fois le même pendule : une fois avec un PID sur l’angle seul, une fois avec ce bloc sur les quatre états. Le PID garde la tige droite mais laisse filer le chariot ; le LQR absorbe la poussée et ramène le chariot à sa consigne.

Remarques & Bonnes Pratiques

  • Réglage : commencez avec Q=I\mathbf{Q} = \mathbf{I} et R=1R = 1, puis augmentez l’élément de Q\mathbf{Q} de l’état le plus important. Multiplier Q\mathbf{Q} et RR par le même facteur ne change rien.
  • Quand Valid = 0 : les tailles de A\mathbf{A}, B\mathbf{B} et Q\mathbf{Q} ne concordent pas, R≤0R \le 0, ou le procédé a un mode instable que l’entrée ne peut pas atteindre. Aucun gain ne peut stabiliser un tel procédé ; le bloc fournit donc u=0u = 0 plutôt qu’un gain voué à l’échec.
  • Le modèle est le vôtre : le LQR est optimal pour les A\mathbf{A} et B\mathbf{B} saisis, pas pour le procédé câblé. Utilisez les mêmes variables du diagramme pour les deux.
  • Tous les états nécessaires : le LQR reboucle chaque état. Si seuls certains sont mesurables, estimez les autres avec un KalmanFilter (ensemble : commande LQG).
  • Conception mémorisée : K\mathbf{K} est calculé une fois par simulation et recalculé seulement si A\mathbf{A}, B\mathbf{B}, Q\mathbf{Q} ou RR changent ; chaque pas ne coûte qu’un produit scalaire.
  • Une seule entrée : le bloc conçoit pour une seule commande. Un procédé à plusieurs entrées demande une ligne de gains par entrée.

Composants Associés