LQR 离散与连续问题
matlab的dare 函数在解决解离散的里卡多方程的问题:
数学原理就不多解释了,但是需要注意的是,care, dare, 一个是解决连续方程,一个是解决离散方程,区别和lqr, 和lqrd是一样的。
】举个例子:
有这样一个连续系统,需要计算最优的LQR 的 增益 K :
Matlab 代码仿真如下:
%%
clc
clear allformat short
A = [0 -1;0 0 ];
th= 0.8;
B= [th;-1];
C = [1 0 ; 0 1 ];
D = 0;
Q = eye(2,2);
Q(1,1) = 50;
Q(2,2) = 50;
Ts = 0.01;
R = 100;sys = ss(A,B,C,D);
sysd = c2d(sys,Ts);
Ad = sysd.A;
Bd = sysd.B;K_lqr = lqr(A,B,Q,R)
[Kd,S,P] = lqrd(Ad,Bd,Q,R,Ts)
sys1 = ss(Ad-Bd*Kd,B,C,D);
% figure
% step(sys1)[X,KA,L] = idare(Ad,Bd,Q,R,[],[])
sys2 = ss(Ad-Bd*KA,Bd,C,D);
% figure
% step(sys2)
建立simulink 仿真模型:
仿真结果:
这里计算出来的, 使用idare 的K 结果是
KA =
0.7018 -0.9256
很奇怪,使用lqr 函数计算出来的结果和这个是一样的,但是使用lqrd计算的计算的结果就完全不一样了:
Kd =
1.0e+04 *
3.9406 3.1326
有懂的大佬可以留言一下,解释为什么出行这种问题。
LQR 离散与连续问题相关推荐
- ggplot01:R语言坐标轴离散、连续与图例离散连续的区分
本文讲解我在R语言绘图过程中对离散性.连续性的困惑以及应该如何理解. 写在前面:discrete离散的 continuous连续的 系统学习ggplor2,可以选择的是练数成金的课程,供参考 本节涉及 ...
- Dataset:数据生成之利用pandas自定义生成随机各自类型(离散型和连续型)的dataframe数据
Dataset:数据生成之利用pandas自定义生成随机各自类型(离散型和连续型)的dataframe数据 目录 数据生成之利用pandas自定义生成随机数据 输出结果 实现代码 数据生成之利用pan ...
- python 数学期望_数学期望(离散型和连续型)
数学期望的定义 数学期望的计算公式 例题 1.数学期望的定义 在概率论和统计学中,数学期望(或均值)是试验中每次可能结果的概率乘以其结果的总和,是最基本的数学特征之一.它反映随机变量平均取值的大小. ...
- 统计学:离散型和连续型随机变量的概率分布
主要随机变量一览表 随机变量 概率分布 均值 方差 一般离散型变量 p(x)的表.公式或者图p(x)的表.公式或者图 ∑xxp(x)\sum_{x}xp(x) ∑x(x−μ)2p(x)\sum_{x} ...
- 强化学习—— 离散与连续动作空间(随机策略梯度与确定策略梯度)
强化学习-- 离散与连续动作空间(随机策略梯度与确定策略梯度) 1. 动作空间 1.1 离散动作空间 1.2 连续动作空间 2. 确定策略梯度做连续控制 2.1 确定策略梯度推导 2.2 确定策略梯度 ...
- 概率,随机变量,离散型连续型,边缘分布
引入 今天做一道题,已知联合分布函数求边缘密度函数,这个二维随机变量是符合均匀分布的,并且给出了X,Y区间也就是分布区域D,这道题解题思路很简单,因为有公式可以套 解题思路: 首先根据二维随机变量均匀 ...
- 常见的离散型和连续型随机变量的概率分布
目录 1 基本概念 2 离散型随机变量的概率分布 2.1 二项分布 2.2 超几何分布 2.2.1 概念 2.2.2 举例 2.3 泊松分布 3 连续型随机变量的概率分布 3.1 均匀分布 3.1.1 ...
- 芝诺悖论的反驳——离散与连续角度
芝诺的四个论证运动不可能的悖论参见本人微信公众号码原里的文章<之诺的四个悖论>. 在讨论悖论之前,先和大家明确两组概念,第一组:离散和连续.拿数学来说,离散数学主要研究数理逻辑.图.集合及 ...
- 概率论笔记4.3常见离散型和连续型的期望与方差
4.3常见离散型和连续型的期望与方差 离散型 0-1分布 二项分布 推导时,np后面的那段式子其实是(p + q)^n,又因为 p + q == 1 所以EX = np 几何分布 证明过程中使用了级数 ...
最新文章
- ORB_SLAM2代码阅读(4)——LoopClosing线程
- 对Thrift的一点点理解
- 总结一下 Android adb常用命令
- Improving RGB-D SLAM in dynamic environments: A motion removal approach
- 前端电子书单大分享~~~
- Git分支创建、合并、上传等命令
- flink 三种时间机制_Flink的时间类型和watermark机制
- 开发一个大型后台管理系统,真的需要用前后端分离的技术方案吗?
- 联想终成全球PC第一
- Warning: Data truncated for column #39;AirPress#39; at row 1
- IBM语音识别能力逼近人类水平,获深度学习巨头Yoshua Bengio盛赞
- 怎么用python自动梳理表格_Python将多份excel表格整理成一份表格
- Ros学习笔记(一)创建工作空间
- django基础入门(3)django中模板
- hspice linux 软件,转贴 hspice 在linux系统下的安装
- 相机存储卡不小心格式化怎么恢复呢?
- 2019毕业设计总结——基于稀疏表示的人脸图像超分辨率重构
- Seraph‘s Last Stand(塞拉弗的最后一站)技能翻译
- tao.opengl + C#
- .vm后缀的文件是什么?
热门文章
- 如何用python写数值运算_如何理解Python的数值运算?
- Jsp页面用javascript加 滑动验证条
- python 字典由值找键,从Python中的Dictionary中的值获取键
- hashmap java 便利_java遍历HashMap的高效方法
- modbus_百度经验
- Go Web:HttpRouter路由
- COJ 1700:联通与次联通
- [转]Spring数据库读写分离
- 真实赛车3,SPEEDRUSH TV 第3季,第3阶段(第3天),直线加速赛
- SRM 587 Div II L3:ThreeColorabilityEasyy