开源飞控ACFLY:ADRC离散系统最速控制综合函数的理解

本文主要是介绍开源飞控ACFLY:ADRC离散系统最速控制综合函数的理解,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

摘自:https://blog.csdn.net/weixin_40767422/article/details/86709848

ACFLY原创文章,转载请说明出处https://blog.csdn.net/weixin_40767422/article/details/86709848

ADRC相关论文资料请加q群:180319060下载

最近在看韩京清教授的自抗扰论文,里面关于最速控制综合函数fhan的离散公式让我有点懵圈,于是又找到了一篇相关的论文http://www.doc88.com/p-606277652526.html,这篇论文里详细推导了离 散系统真正的最速控制综合函数 fsun(),寻思着把学习心得写一下,挺有意思的(不能让我一个人懵圈)。。。

fhan

一,先看连续化的快速最优控制系统,主要是上图中最下面那条公式,这是什么意思?其实不难,你可以把等号左边的X1看作位置,X2看作速度,那么X1求导就是X2,(X1头上加一点就代表导数),那么X2的导数自然是加速度了,这是二阶积分系统。sgn函数我就不赘述了,r代表加速度。sgn函数括号里,x1代表当前位置,V(t)代表目标位置(下图有点错),x2代表当前速度。这个公式解决的是

从一点到一点,先做匀加速运动再做匀减速运动并要求到达目标位置的速度为0,时间最短,问你什么时候应该加速什么时候应该减速。

1

          x2|x2|/2r就是初中运动公式\large V^{_{t}^{2}}-V^{_{0}^{2}}=2as,指当前速度匀减速到0所需路长,x1-v(t)就是当前位置到目标位置的距离,只不过是负的,两者相加如果等于0,那么证明刚好到了平衡点,下一刻就应该减速了。大于小于0大家可以自己判断应该减速还是加速。

二,接下来重头戏看看离散化的快速最优控制系统,一堆公式。。。

  1  这篇文章是相对于二阶离散系统的,我们仍然可以把x1(k)看作位置,把x(2)看作速度,h为积分步长,u(k)为控制量:加速度,u(k)<=r意思是控制量最大值为r,是人为调整的参数。离散和连续都是为了实现最速控制,所用时间最少,且到达目标位置时速度为0,即无超调,这是公式推导的基本要求,务必记住。

2.知道初始状态x1[0],x2[0],k步之后可推导出x1[k]和x2[k]的状态,化成矩阵形式如上图(可自己动手推导验证)。系统达到稳态是指达到目标位置,到达目标位置速度x2必须为0,x1即目标位置也设为0是为了方便计算系统初始值的表达式,假设初始位置x1[0]=1,目标位置是x1=3,现在变换一下,把目标位置的点设为=0,点还是那个点,只是坐标变化一下,那么初始位置也做相应变化x1[0]=-2;式4也很容易推导,最好自己动手推导一下。为什么要得到这个式子,这个式子是k步之内达到原点(即目标位置)所有初值和控制量的关系,初值是已知的,我们要反推出最佳控制量u[k]使得k步之内无超调最快达到目标。

3.可分3种情况反推出最优控制量u[k]。这是1步之内到达原点(即目标位置)的情况,把k=1代入式4便可得出式5,有两个点a-1,a+1相当于假设一步步长为1,当初始位置在1的时候可以一步走到原点(即目标位置),初始位置在-1的时候也可以一步走到原点(即目标位置),只不过方向相反而已。

4.这是第二种情况,k<=2内达到原点,与上面类似,不多说,都是为了反推出最优控制量。

 

 

5.这是第3种情况,k>=3到达原点的情况。我刚开始看的时候就有一个疑问:给出最速轨迹线a后为什么还要给出轨迹b,后来我想明白了。

        当我们的初始位置在最速轨迹线的时候当然最好,我们可以全速u[k]=r前进,足够靠近原点两步之内就能到达原点时,u[k]由情况2决定。

       不然始终加速度最大为r,到达原点后会产生超调,就像一个人跑步,你到达终点前始终全速前进,到了终点由于速度不为0肯定还会向前移动,不符合文章开始说的无超调要求。

        那当初始位置不在最速轨迹线上呢,那肯定得想方设法回到最速轨迹线上。假设初始位置在b-轨迹线的上方,要想回到最速轨迹线上,肯定得减速(这个不会看不出来吧),而且还是以最大加速度-r减速,不然怎么符合最速控制要求呢。

         如果恰好减速到b-轨迹线上最好(请看上图文字b轨迹线代表什么),再以-r减速一步便可到达最速轨迹线Gbest线上。那如果减速到a线和b线之间呢,再以-r全力减速肯定到达不了Gbest线上,这就是为什么给出b轨迹线的原因。那当系统状态变量在a线和b线之间该如何求出最佳控制量?如下图:

 

6式23就是所求最优控制量,可知还需求出k,k是整数,k’是为了求出k。 fix() 为取整函数. 。

至此,便可得到fsun函数的表达式。

最后总结一下,

这篇关于开源飞控ACFLY:ADRC离散系统最速控制综合函数的理解的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/507535

相关文章

Spring Security 基于表达式的权限控制

前言 spring security 3.0已经可以使用spring el表达式来控制授权,允许在表达式中使用复杂的布尔逻辑来控制访问的权限。 常见的表达式 Spring Security可用表达式对象的基类是SecurityExpressionRoot。 表达式描述hasRole([role])用户拥有制定的角色时返回true (Spring security默认会带有ROLE_前缀),去

认识、理解、分类——acm之搜索

普通搜索方法有两种:1、广度优先搜索;2、深度优先搜索; 更多搜索方法: 3、双向广度优先搜索; 4、启发式搜索(包括A*算法等); 搜索通常会用到的知识点:状态压缩(位压缩,利用hash思想压缩)。

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

hdu1171(母函数或多重背包)

题意:把物品分成两份,使得价值最接近 可以用背包,或者是母函数来解,母函数(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v) 其中指数为价值,每一项的数目为(该物品数+1)个 代码如下: #include<iostream>#include<algorithm>

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别: 采用超过 40 万小时数据训练,支持超过 50 种语言,识别效果上优于 Whisper 模型。富文本识别:具备优秀的情感识别,能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力,支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

金融业开源技术 术语

金融业开源技术  术语 1  范围 本文件界定了金融业开源技术的常用术语。 本文件适用于金融业中涉及开源技术的相关标准及规范性文件制定和信息沟通等活动。

安全管理体系化的智慧油站开源了。

AI视频监控平台简介 AI视频监控平台是一款功能强大且简单易用的实时算法视频监控系统。它的愿景是最底层打通各大芯片厂商相互间的壁垒,省去繁琐重复的适配流程,实现芯片、算法、应用的全流程组合,从而大大减少企业级应用约95%的开发成本。用户只需在界面上进行简单的操作,就可以实现全视频的接入及布控。摄像头管理模块用于多种终端设备、智能设备的接入及管理。平台支持包括摄像头等终端感知设备接入,为整个平台提

【C++高阶】C++类型转换全攻略:深入理解并高效应用

📝个人主页🌹:Eternity._ ⏩收录专栏⏪:C++ “ 登神长阶 ” 🤡往期回顾🤡:C++ 智能指针 🌹🌹期待您的关注 🌹🌹 ❀C++的类型转换 📒1. C语言中的类型转换📚2. C++强制类型转换⛰️static_cast🌞reinterpret_cast⭐const_cast🍁dynamic_cast 📜3. C++强制类型转换的原因📝

K8S(Kubernetes)开源的容器编排平台安装步骤详解

K8S(Kubernetes)是一个开源的容器编排平台,用于自动化部署、扩展和管理容器化应用程序。以下是K8S容器编排平台的安装步骤、使用方式及特点的概述: 安装步骤: 安装Docker:K8S需要基于Docker来运行容器化应用程序。首先要在所有节点上安装Docker引擎。 安装Kubernetes Master:在集群中选择一台主机作为Master节点,安装K8S的控制平面组件,如AP