最优控制是系统设计的一种方法。它所研究的中心问题是如何选择控制信号才 能保证控制系统的性能在某种意义下最优

5.7 线性二次型最优控制问题 5.8状态重构问题和状态观测器

矿用车辆无人驾驶是实现矿山无人化开采的关键技术, 而路径跟踪控制是无人驾驶系统的核心技术之一.路径跟踪控制系统是多变量、多约束系统, 采用传统方法在多约束条件下存在执行器饱和等问题.针对上述问题, 本文引入模型预测控制方法, 通过考虑车辆的姿态与位置之间的关系, 以跟踪路径的横向偏差最小化和车辆的航向角偏差最小化为目标对预测控制的目标函数进行优化, 以获得车辆速度和铰接角度的最优控制量, 实现对多变量、多约束系统的求解.针对模型预测控制算法不能提前判断道路曲率突变而导致跟踪超调的问题, 提出基于预瞄距离的控制方法, 通过提前判断道路突变信息, 提高车辆路径跟踪精确性和稳定性.使用Matlab/Adams仿真软件进行对比仿真试验, 结果表明: 使用模型预测跟踪控制器能够解决多变量、多约束系统控制问题, 有效防止执行器饱和; 而使用基于预瞄距离的模型预测跟踪控制器能够使车辆的横向位置偏差保持在±0.04 m, 航向角偏差保持在±1.8°范围内, 相较于改进前的控制器, 其横向位置偏差减少了80.9%, 航向角偏差减少了59.1%, 证明改进后的控制器具有更好的横向稳定性和精确性

提出一种结合横摆力矩控制和主动前轮转向控制的提高紧急制动侧偏稳定性的控制方法.控制器采用前馈-反馈复合控制,通过最优控制算法求解反馈控制参数,并对稳定性控制参数和制动力参数进行优化,以缩短制动距离.仿真对比实验证实这种方法在提高制动稳定性和缩短制动距离方面都有良好的效果

研究了输入多采样率型离散时间控制系统的预见控制器设计问题.首先利用提升技术从形式上消除多采样率特点和状态时滞,把问题转化为一个普通的单采样率无时滞系统的控制器设计问题.由于状态时滞的存在,提升过程中会引入输入量的历史值.把这些历史值和状态时滞项一起放入扩大系统的状态向量中,因此提升过程不会引入误差.针对提升后的系统,利用最优预见控制的标准处理方法,通过构造扩大误差系统,把问题转化为调节问题,最后给出带有预见补偿的最优控制器.再经过变换,得到原系统的预见控制器.同时对预见控制器的存在条件进行了讨论.数值仿真表明,本文所设计的预见控制器是有效的

6.1 引言 6.2 反馈系统的状态空间描述 6.3 状态反馈系统的能控性和能观性 6.4 状态反馈极点配置 6.5 状态反馈在系统综合中的其他应用 6.6 状态观测器 6.7 带状态观测器的状态反馈控制系统 6.8 输出反馈控制及最优逼近法在系统综合中的应用 6.9 线性二次型最优控制问题

一点历史 泛函与函数 泛函变分与Euler方程 复杂情形最优条件 变分的另一种定义 小结

1. 状态空间方程 2. PID控制 3. 线性二次最优控制算法 4. 鲁棒控制法（了解） 5. 模糊控制 6. 分数阶控制算法 7. 小结

吉林大学：《计算机控制技术》课程教学资源（PPT课件讲稿）第七章 数字控制器的状态空间设计方法 7.6 应用状态观测器的状态反馈系统 7.7 二次型最优控制算法设计

《随机系统的滤波与控制》研究生课程教学课件（讲稿）随机最优控制 Stochastic Optimal Control