它有什么作用?
线性二次调节器(Linear Quadratic Regulator, LQR)是一种经典的最优控制算法,它为线性动力学系统计算一个线性反馈律,以最小化二次成本函数。LQR由Kalman于1960年提出,为线性系统提供了可证明最优的闭式解,并因其理论上的优雅和计算效率,在控制理论、机器人学和航空航天应用中仍然至关重要。
方法背后的直觉
LQR解决了将线性系统驱动至零(或跟踪参考值)的问题,同时对状态偏差和控制输入(控制幅值)的努力进行惩罚。关键的洞察是,对于具有二次成本的线性系统,最优控制律在当前状态下是线性的:u = −Kx,其中K是离线计算的反馈增益矩阵。该算法首先求解一个反向时间Riccati微分方程(或稳态情况下的代数Riccati方程)以找到最优剩余成本函数,然后推导出线性反馈增益。这使得离线计算增益与在线控制分离,从而能够实现极快的实时实现。
历史学
Kalman在1960年的论文中引入了线性二次最优控制问题及其通过Riccati方程的解。Bryson和Ho在20世纪60年代末扩展了该理论,并于1969年出版了开创性教科书。离散时间版本由Kalman等人同期开发,实现了数字实现。此后,LQR已成为现代控制理论的基础,并扩展到随机系统(线性二次高斯,LQG)和非线性系统(微分博弈,NMPC)。
何时使用
当您的系统是线性的(或可以通过线性化很好地近似)时,当目标自然地结合了状态误差和控制努力,并且您需要一个可证明最优且计算速度快的解决方案时,请使用LQR。LQR在诸如稳定倒立摆、控制飞机姿态或优化航天器轨迹等问题上表现出色。它不太适用于具有硬约束(请改用MPC)或强非线性动力学的系统。
局限与注意事项
- 仅限于线性系统;实际系统通常是非线性的,需要线性化。
- 不明确处理状态或输入的硬约束;二次惩罚仅为软约束。
- 成本函数设计(选择Q和R)需要工程判断和调整。
- Kalman增益的鲁棒性属性假设模型准确;模型不匹配会降低性能。
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 为具有二次成本的线性系统提供了可证明最优的反馈律。
- 离线计算增益;在线控制仅为矩阵向量乘法(速度极快)。
- 具有增益裕度和相位裕度保证;固有的鲁棒性(输出端具有无限增益裕度)。
- 计算简单;有许多可用的数值算法(Schur分解、特征值方法)。
- 自然地处理多变量系统,并将控制设计与传感器和执行器约束解耦。
应用
- 航空航天:飞机和航天器的姿态控制,火星探测器和月球着陆器的轨迹优化。
- 机器人学:双足行走器的平衡,机械臂轨迹跟踪,四旋翼无人机的稳定。
- 制造业:精密设备(CNC机床)的运动控制,机械系统中的振动阻尼。
- 能源系统:电网频率和电压的稳定,微电网中发电机控制的优化。
- 汽车:车辆中的悬架控制、牵引力控制和转向辅助。
使用方式
使用方式
定义线性系统动力学(A、B矩阵)、预测时域以及二次成本矩阵(Q代表状态,R代表输入)。
求解连续时间或离散时间的代数Riccati方程,得到对称正定解矩阵P。
使用Riccati解计算最优反馈增益矩阵K = R^(-1) * B^T * P。
在每个控制步长中,将线性反馈律u(t) = −K x(t)应用于系统。
常见陷阱
- 在线性不平衡点或时变参考点进行线性化可能会使LQR解失效。
- 任意设置Q和R权重而不理解其物理含义会导致控制性能不佳。
- 忘记LQR是离线计算;Q、R或系统参数的更改需要重新求解Riccati方程。
常见问题
如何选择Q和R权重矩阵?
一种系统的方法是,首先将Q设为对角矩阵,其中每个对角线元素与1/max_allowed_state_i^2成正比,将R设为与1/max_allowed_input_i^2成正比。然后进行经验调整:增加Q以收紧状态调节,增加R以减少控制努力。超调量和稳定时间之间的权衡会随着您调整这些权重而出现。
什么是代数Riccati方程,为什么它很重要?
代数Riccati方程(ARE)是一个矩阵二次方程,在求解无限时域LQR问题时出现。其解P编码了从任何状态开始的最优剩余成本。求解ARE是LQR的计算瓶颈;现代算法(例如,通过Schur分解)以O(n^3)的时间复杂度完成此操作,其中n是状态维度。
LQR能处理时变系统吗?
是的,时变LQR向后求解微分Riccati方程(DRE)。然而,这需要求解一个ODE,其计算成本比稳态情况更高。时变LQR对于轨迹跟踪或参数缓慢变化的系统很有用。
为什么LQR具有保证的鲁棒性裕度?
LQR的最优反馈律保证了无限的增益裕度(可容忍任意乘性输出误差)和50%的相位裕度(在输出端)。这些稳定性裕度来自最优解的结构,不需要像PID或其他启发式控制器那样单独检查。
相关方法
参考文献
Kalman, R. E. (1960). Contributions to the theory of optimal control. Boletin de la Sociedad Matematica Mexicana, 5(2), 102-119.
打开出版物文献已复制。Bryson, A. E., & Ho, Y. C. (1969). Applied Optimal Control: Optimization, Estimation and Control. Blaisdell Publishing.
打开出版物文献已复制。Lewis, F. L., Vrabie, D., & Syrmos, V. L. (2012). Optimal Control (3rd ed.). John Wiley & Sons.
打开 DOI 文献已复制。