LQR

LQR Controller

Advanced
运行在线示例 免费 · 无需注册 · 直接在浏览器中运行

LQRController 模块是线性二次型调节器(LQR)。给它一个对象的状态空间模型(A\mathbf{A}、B\mathbf{B})和两个权重:Q\mathbf{Q} 表示各状态偏差的代价,RR 表示控制作用的代价。模块自行计算最优状态反馈增益 K\mathbf{K},并输出 u=−Kxu = -\mathbf{K}\mathbf{x}。PID 回路只看一个误差信号,而 LQR 同时利用全部状态——因此它能在平衡倒立摆的同时,把小车送回原位。

按照 A\mathbf{A} 的状态顺序,把对象的每个状态连接到输入 x0,x1,…x_0, x_1, \dots;最多六个状态。若要调节到设定值而非零点,就把偏差 xi−xi,refx_i - x_{i,\text{ref}} 接到对应输入。设计出的增益出现在可选输出 K0…K5K_0 \dots K_5 上,Valid 表示能否完成设计。

数学模型

连续设计时,模块最小化

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

最优增益由连续代数 Riccati 方程的镇定解 X\mathbf{X} 得到:

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}

离散设计时(x[k+1]=Ax[k]+Bu[k]\mathbf{x}[k+1] = \mathbf{A}\mathbf{x}[k] + \mathbf{B}u[k],代价 ∑xTQx+Ru2\sum \mathbf{x}^T\mathbf{Q}\mathbf{x} + Ru^2),求解离散 Riccati 方程:

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}

输出为 u=−Kxu = -\mathbf{K}\mathbf{x}。只有当闭环 A−BK\mathbf{A} - \mathbf{B}\mathbf{K} 稳定时,设计才被接受。

输入与输出

Direction ID Label 类型 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

参数

参数 Label 类型 默认值 描述
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

使用示例

基本 LQRController

双积分器(无摩擦小车,A=[0 1; 0 0]\mathbf{A} = [0\ 1;\ 0\ 0],B=[0; 1]\mathbf{B} = [0;\ 1])从距原点 1 m 处出发。取 Q=I\mathbf{Q} = \mathbf{I}、R=1R = 1,模块设计出 K=[1, 3]\mathbf{K} = [1,\ \sqrt{3}],使小车无超调地回到原点。

倒立摆:PID 与 LQR 对比

模板 _倒立摆:PID 与 LQR 对比_ 把同一个摆平衡两次:一次用仅针对角度的 PID,一次用本模块作用于全部四个状态。PID 能让摆杆保持竖直,却让小车跑远;LQR 吸收推力,并把小车停到设定位置。

说明与最佳实践

  • 整定:先取 Q=I\mathbf{Q} = \mathbf{I}、R=1R = 1,再增大最关心的状态在 Q\mathbf{Q} 中的权重。同比例缩放 Q\mathbf{Q} 和 RR 不会改变结果。
  • Valid = 0 时:A\mathbf{A}、B\mathbf{B}、Q\mathbf{Q} 的尺寸不匹配,R≤0R \le 0,或对象存在输入无法到达的不稳定模态。任何增益都无法镇定这样的对象,因此模块输出 u=0u = 0,而不是一个必然失效的增益。
  • 模型由你提供:LQR 对你输入的 A\mathbf{A}、B\mathbf{B} 最优,而不是对你连线的对象。两处请使用相同的图中变量。
  • 需要全部状态:LQR 反馈每一个状态。若只能测量部分状态,可用 KalmanFilter 估计其余状态(合起来即 LQG 控制)。
  • 设计会被缓存:K\mathbf{K} 每次运行只计算一次,仅在 A\mathbf{A}、B\mathbf{B}、Q\mathbf{Q} 或 RR 改变时重新计算;每一步只需一次内积。
  • 单输入:本模块针对一个控制输入设计。多输入对象需要每个输入各一行增益。

相关模块