[滑模控制器浅述] (1) 二阶系统的简单滑模控制器设计
[滑模控制器浅述] (1) 二阶系统的简单滑模控制器设计
- [滑模控制器浅述] (1) 二阶系统的简单滑模控制器设计
- 1 前言
- 2 无人机位置环的滑模控制器设计
[滑模控制器浅述] (1) 二阶系统的简单滑模控制器设计
本博客需要一些现代控制理论中Lyapunov稳定性的一些理论知识。
关于滑模控制的原理这里将不再赘述,读者们可以参考别的理论文献,会有很长的故事,这里将主要从数学和稳定性的角度,利用笔者浅薄的知识,为各位读者最通俗易懂的浅述滑模控制器的简单设计。
这将会是一个系列博客(如果笔者不咕咕咕),后面还会对滑模控制的抗干扰原理介绍,以及介绍几种笔者用过的近年来改良的滑模控制器。
[滑模控制器浅述] (2) 滑模控制抗干扰原理
[滑模控制器浅述] (3) 滑模控制抗系统参数不定原理
[滑模控制器浅述] (4) Terminal滑模简述及其与普通滑模收敛速度比较
[滑模控制器浅述] (5) 基于分层滑模的吊车控制
1 前言
本文将针对二阶系统,即输入直接改变目标的加速度(被控量的二阶导数),控制目标是位置状态的跟踪,如果你没有一个合适的研究对象,可以选取多旋翼无人机,笔者的前文对其有较为详细的介绍,本文将以无人机的位置控制为例,控制器设计的方法同样可以推广到别的系统上去:
MATLAB Simmechanics/Simscope四旋翼无人机控制仿真(3) 无人机控制器设计(非PID)
2 无人机位置环的滑模控制器设计
关于无人机的数学模型和控制原理逻辑可以参考前面提到的系列博客。
考虑无人机xxx方向位置状态方程:
{x˙=x˙x¨=uxu1m\left\{ \begin{matrix} \dot{x}=\dot{x} \\ \ddot{x}=\frac{{{u}_{x}}{{u}_{1}}}{m} \\ \end{matrix} \right.{x˙=x˙x¨=muxu1令x1=x{{x}_{1}}=xx1=x,x2=x˙{{x}_{2}}=\dot{x}x2=x˙:
{x˙1=x2x˙2=uxu1m\left\{ \begin{matrix} & {{{\dot{x}}}_{1}}={{x}_{2}} \\ & {{{\dot{x}}}_{2}}=\frac{{{u}_{x}}{{u}_{1}}}{m} \\ \end{matrix} \right. {x˙1=x2x˙2=muxu1定义误差:
e1=x1d−x1{{e}_{1}}=x_{1}^{d}-{{x}_{1}} e1=x1d−x1考虑滑模面,c>0c>0c>0:
s=e˙1+ce1s={{\dot{e}}_{1}}+c{{e}_{1}} s=e˙1+ce1求导:
s˙=e¨1+ce˙1=x¨1d−x˙2+ce˙1\dot{s}={{\ddot{e}}_{1}}+c{{\dot{e}}_{1}}=\ddot{x}_{1}^{d}-{{\dot{x}}_{2}}+c{{\dot{e}}_{1}} s˙=e¨1+ce˙1=x¨1d−x˙2+ce˙1设计趋近律,ε>0\varepsilon >0ε>0,r>0r>0r>0:
s˙=−εsgn(s)−rs\dot{s}=-\varepsilon sgn \left( s \right)-rs s˙=−εsgn(s)−rs根据上面两式,可以求解输入:
x¨1d−x˙2+ce˙1=−εsgn(s)−rsx¨1d−uxu1m+ce˙1=−εsgn(s)−rsux=mx¨1d+εsgn(s)+rs+ce˙1u1\begin{aligned} \ddot{x}_{1}^{d}-{{{\dot{x}}}_{2}}+c{{{\dot{e}}}_{1}}=-\varepsilon sgn \left( s \right)-rs \\ \ddot{x}_{1}^{d}-\frac{{{u}_{x}}{{u}_{1}}}{m}+c{{{\dot{e}}}_{1}}=-\varepsilon sgn \left( s \right)-rs \\ {{u}_{x}}=m\frac{\ddot{x}_{1}^{d}+\varepsilon sgn \left( s \right)+rs+c{{{\dot{e}}}_{1}}}{{{u}_{1}}} \end{aligned} x¨1d−x˙2+ce˙1=−εsgn(s)−rsx¨1d−muxu1+ce˙1=−εsgn(s)−rsux=mu1x¨1d+εsgn(s)+rs+ce˙1对于本滑模控制,其稳定性分析不是考虑状态量,而是考虑滑模面,考虑如下Lyapunov函数:
V=12s2V=\frac{1}{2}{{s}^{2}} V=21s2求导:
V˙=ss˙=−εssgn(s)−rs2=−ε∣s∣−rs2<0\begin{aligned} & \dot{V}=s\dot{s} \\ & =-\varepsilon s sgn \left( s \right)-r{{s}^{2}} \\ & =-\varepsilon \left| s \right|-r{{s}^{2}}<0 \end{aligned} V˙=ss˙=−εssgn(s)−rs2=−ε∣s∣−rs2<0sss是收敛的,而且这是在设计滑模趋近律s˙\dot{s}s˙的时候就已经决定的,说明有s→0s\to 0s→0,即e˙1+ce1→0{{\dot{e}}_{1}}+c{{e}_{1}}\to 0e˙1+ce1→0,这又说明了什么呢?说明e˙1{{\dot{e}}_{1}}e˙1和e1{{e}_{1}}e1正负异号,最终必同时有e˙1→0{{\dot{e}}_{1}}\to 0e˙1→0,e1→0{{e}_{1}}\to 0e1→0。从而实现状态量的跟踪,因此不用直接分析误差的Lyapunov函数。
这里笔者就偷懒不放仿真曲线了,因为手边现在没有现成的,不过效果当然是会跟踪上期望的状态。
值得一提的是,这里的参数ccc能够影响e1{{e}_{1}}e1和e˙1{{\dot{e}}_{1}}e˙1的收敛速度,ccc越大,e1{{e}_{1}}e1收敛的相比较e˙1{{\dot{e}}_{1}}e˙1而言是越快的,反之亦然。
还有别的常用趋近律:
s˙=−εsgn(s)ε>0\begin{matrix} \dot{s}=-\varepsilon sgn \left( s \right) & \varepsilon >0 \\ \end{matrix}s˙=−εsgn(s)ε>0
s˙=−rsr>0\begin{matrix} \dot{s}=-rs & r>0 \\ \end{matrix}s˙=−rsr>0
s˙=−ε∣s∣αsgn(s)ε>0,0<α<1\begin{matrix} \dot{s}=-\varepsilon {{\left| s \right|}^{\alpha }}sgn \left( s \right) & \varepsilon >0,0<\alpha <1 \\ \end{matrix} s˙=−ε∣s∣αsgn(s)ε>0,0<α<1他们其中的项也可以交叉使用。
[滑模控制器浅述] (1) 二阶系统的简单滑模控制器设计相关推荐
- [滑模控制器浅述] (5) 基于分层滑模的吊车控制
[滑模控制器浅述] (5) 基于分层滑模的吊车控制 [滑模控制器浅述] (5) 基于分层滑模的吊车控制 1 前言 2 吊车动力学模型 3 分层滑模控制器设计 4 仿真 5 参考文献 [滑模控制器浅述] ...
- [分布式控制浅述] (3)简单分布式事件触发控制
[分布式控制浅述] (3)简单分布式事件触发控制 [分布式控制浅述] (3)简单分布式事件触发控制 1 前言 2 分布式事件触发控制 3 稳定性分析 [分布式控制浅述] (3)简单分布式事件触发控制 ...
- 档案盒正面标签制作_包材工艺丨浅述模内标签印刷及材料的选择
导 Lead 读 模内标签在国内是一项潜力新型技术,近几年在国内受到越来越多的印刷基材供应商.标签生产商及终端消费者的青睐.它的推广代替了贴标机,降低了生产商生产成本,本文我们一起了解模内标签印刷及材 ...
- 浅述numpy中argsort()函数的用法
浅述python中argsort()函数的用法 由于想使用python用训练好的caffemodel来对很多图片进行批处理分类,学习过程中,碰到了argsort函数,因此去查了相关文献,也自己在pyt ...
- 微服务浅述---架构演进
微服务浅述---架构演进 提到架构演进,我们很容易想到'单体应用---分布式/SOA---微服务'的演进过程,那么为什么会有这个必然演进?演进的过程中遇到了哪些坑?是怎么解决这些坑的? 为什么会有这个 ...
- CV学习笔记-浅述CV方向
浅述CV方向 一.浅述人工智能的一些术语 1. 人工智能初探 人工智能是通过机器来模拟人类认知能力的技术 人工智能最核心的能力就是根据给定的输入做出判断或预测 关键时间节点:1956年,达特茅斯会议, ...
- ui设计现状与意义_浅述UI设计在中国的现状
原标题:浅述UI设计在中国的现状 在国内UI还是一个相对陌生的词,即便是一些设计人员也对这个词不太了解.我们经常看到一些招聘广告写着:招聘界面美工.界面美术设计师等等.这表明在国内对UI的理解还停留在 ...
- 浅提计算机未来的想法,浅述未来计算机的发展趋势论文
计算机技术的趋未来发展势将面向智能化模式.多极化发展模式.网络化模式这三种主要模式.下面是学习啦小编给大家推荐的浅述未来计算机的发展趋势论文,希望大家喜欢! 浅述未来计算机的发展趋势论文篇一 < ...
- 面试归来——梳理社招面试以及浅述对程序员职业生涯的看法
原谅我是一个后知后觉的人,已经在新的岗位工作了两个月,才写这篇文章. 本文会先讲述博主一个月的面试经历,梳理一下技术面试,浅述关于程序员职业生涯的一些看法. 从创业到再就业 大概4个月以前,终止创业已 ...
- 转:解救西西弗斯- 模型驱动架构(MDA,Model Driven Architecture)浅述
原文: 解救西西弗斯- 模型驱动架构(MDA,Model Driven Architecture)浅述 前言 西西弗斯是古希腊神话中的科林斯国王,他被罚将一块巨石推到山上,但无论西西弗斯如何努力,每次 ...
最新文章
- Spring综合课程总结
- 微服务架构设计基础之领域驱动设计
- python爬取京东商品属性_python爬虫小项目:爬取京东商品信息
- JavaScript Window Navigator
- html调用网易云播放器无法自动播放,HTML网页调用 网易云 音乐播放器代码-Go语言中文社区...
- 神经网络模拟的优缺点是,神经网络模型的优缺点
- 怎么用js代码画一棵树,附带下载链接
- 标准差(standard deviation)和标准误差(standard error)你能解释清楚吗?
- java为什么被开发者_Spring为何受到Java开发者的青睐?Spring是如何简化Java开发的?...
- NC65 用户密码重置
- WAR3改键工具FinalKey beta 1.0制作完成
- java.sql.SQLNonTransientConnectionException Public Key Retrieval is not allowed
- 被boss直聘转发过多而“封杀”的2021年全套java高级面试题有多牛
- Richard Feynman, 挑战者号, 软件工程
- Windows的此版本即將過期
- DC-2渗透靶机详解
- windows 10 ltsc企业版实现C盘系统还原功能
- 仿bugtags实现App线上Crash监控及问题复现
- 中国人民大学与加拿大女王大学金融硕士——从你到更好的你,充满无限可能
- Word转换pdf技巧:通过pdf虚拟打印机生成pdf
热门文章
- 热门好用的邮编查询API
- 【控制】人工势场法及人工势场函数
- Linux下9种优秀的代码比对工具推荐
- 记录:pycharm的强大之处之两个文件代码的比对
- win7用计算机名共享打印机,WIN7共享打印机 可以同时多少台电脑共享一台打印机-win7一键共享打印机,win7一键共享工具软件...
- win7小工具打不开_有了这个工具,小白也能设置一键网络共享文件夹与打印机...
- C语言队列的基本实现
- eclipse 2020版 安装与配置完美教程
- RDkit:介绍smiles编码,smart编码及摩根指纹(ECFP)
- python车辆型号识别_基于Tensorflow的车辆检测和车型识别