单级倒立摆数学模型_倒立摆系统建模

单级倒立摆数学模型_倒立摆系统建模首先建立单摆的动力学模型,使用simulink搭建控制框图。然后将极点配置状态反馈和串级PD反馈应用于系统的摆杆竖直倒立稳定和平移支座位移稳定进行控制并对比了两种方法的优劣。

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

把很久以前的草稿整理一下搬到博客上


1.动力学模型

        如图1所示,单级倒立摆由系统由水平导轨,平移支座和摆杆构成。平移支座与摆杆无阻尼铰接(摆杆可自由摆动)。平移支座可以在导轨上受控平移。摆杆的质量是m,质心到铰链轴心的距离是l,过质心的z轴方向的转动惯量是I_z

单级倒立摆数学模型_倒立摆系统建模
图1 单级倒立摆结构简图

        根据拉格朗日力学对系统进行动力学建模。首先,根据系统的自由度确定描述系统运动的广义坐标。系统的自由度是2。因此,广义坐标可以取平移支座的水平位移x_c和摆杆的摆角θ。 系统拉格朗日方程(以下x_c不再带角标)为

\left\{\begin{matrix} \frac{\mathrm{d} }{\mathrm{d} t}\! \! \left ( \frac{\partial L}{\partial \dot{x}} \right )-\frac{\partial L}{\partial x}=F_x \\ \\ \frac{\mathrm{d} }{\mathrm{d} t}\! \! \left ( \frac{\partial L}{\partial \dot{\theta}} \right )-\frac{\partial L}{\partial \theta}=0 \end{matrix}\right.                                                      (1)

其中L=T-V,是拉格朗日函数。F_x是平移支座的驱动力。

动能:

T=\frac{1}{2}m\overrightarrow{\! v}\! \! \cdot\! \overrightarrow{\! v}+\frac{1}{2}I_z\dot{\theta}^2                                                  (2)

\overrightarrow{\! v}=\begin{bmatrix} \dot{x}\! -\! l\dot{\theta} \sin\theta\\ l\dot{\theta} \cos\theta \end{bmatrix}                                                          (3)

重力势能:

           V=mg\sin\theta                                                            (4)

       这里研究位移控制,即输入量是位移x,而不是驱动力矩F_x。因此,只对方程组(1)中的第二个展开。得到动力学方程

\left ( ml^2+I_z \right )\ddot{\theta}+mgl\cos\theta=ml\ddot{x}\sin\theta                                     (5)

       动力学模型(被控系统)Simulink框图见图2,初始摆角是5\pi/12。控制系统框图如图3所示,支座的初始位移是0.1m 。

单级倒立摆数学模型_倒立摆系统建模
图2 动力学模型

单级倒立摆数学模型_倒立摆系统建模
图3 控制系统

2.控制器设计

2.1 摆杆倒立控制

       倒立摆控制的首要任务是摆杆的稳定倒立。方程(5)是个非线性微分方程,为了能用线性系统理论对它进行分析,需要先进行线性化。从方程(5)的形式可以看出,使用反馈线性化方法比较合适。令

\ddot{x}=\frac{u}{\sin\theta}+g\cot\theta                                                        (6)

于是得到线性的动力学方程

\left ( ml^2+I_z \right )\ddot{\theta}=u                                                          (7)

摆杆的相对竖直位置的偏差e_\theta\! =\! \pi/2\! -\! \theta, 于是有状态方程

\begin{bmatrix} \dot{e_\theta}\\ \ddot{e_\theta} \end{bmatrix} =\frac{ml}{ml^2+I_z}\begin{bmatrix} 0 & 1\\ 0 & 0 \end{bmatrix} \begin{bmatrix} e_\theta\\ \dot{e_\theta} \end{bmatrix}+\begin{bmatrix} 0\\1 \end{bmatrix}u                                     (8)

引入状态反馈

u=k_1e_\theta+k_2\dot{e_\theta}                                                       (9)

得到

\begin{bmatrix} \dot{e_\theta}\\ \ddot{e_\theta} \end{bmatrix} =\frac{ml}{ml^2+I_z}\begin{bmatrix} 0 & 1\\ -k_1 & -k_2 \end{bmatrix} \begin{bmatrix} e_\theta\\ \dot{e_\theta} \end{bmatrix}                                    (10)

当方程(10)中k_1和k_2都大于零时状态向量\begin{bmatrix} e_\theta &\! \! \! \dot{e_\theta} \end{bmatrix}^T即可收敛,例如k1=2,k2=3,仿真结果见4。

单级倒立摆数学模型_倒立摆系统建模
图4 摆杆倾角反馈下的输出曲线

2.2 支撑点位置控制

       从图4可见,当摆杆倒立稳定后,平移支座的水平位移一直在以恒定速率朝一个方向变化。这显然没有达到控制要求。因此,在系统的状态变量中再添加上平移支座的位移和速率。将摆杆角度偏差e_\theta\! =\! \pi/2\! -\! \theta 代入方程(5),再在e_\theta\! =\! 0处线性化

 \ddot{e}_\theta\approx \frac{g}{ml^2+I_z}e_\theta-\frac{1}{ml^2+I_z}\ddot{x}                                       (11)

于是有状态方程

\begin{bmatrix} \dot{e}_\theta\\ \ddot{e}_\theta\\\dot{x}\\ \ddot{x} \end{bmatrix} =\begin{bmatrix} 0 &1 &0 &0 \\ \frac{g}{ml^2+I_z}& 0& 0& 0\\ 0 & 0 & 0 &1 \\ 0 & 0 & 0 & 0 \end{bmatrix} \begin{bmatrix} e_\theta\\ \dot{e}_\theta\\x\\ \dot{x} \end{bmatrix} +\begin{bmatrix} 0\\ -\frac{1}{ml^2+I_z}\\ 0\\ 1 \end{bmatrix} \ddot{x}                    (12)

系统完全可控,可以任意配置极点,取状态反馈

\ddot{x}=K\begin{bmatrix} x & \dot{x} & \theta & \dot{\theta} \end{bmatrix}^T                                             (13)

将极点配置在[-3 -2 -9 -6]处,解得K=[212 68 50 47 ]。MATLAB求解代码见附录,输出结果见图5。

单级倒立摆数学模型_倒立摆系统建模
图5 极点配置状态反馈输出曲线

4.串级PD控制

        PD参数整定的基本思路是先确定控制的首要任务,优先确定与之相关的参数。在这里首要任务是摆杆的稳定倒立,因此先对把杆角度偏差的PD响应参数Kp和Kd进行整定。在整定这两个参数时,在摆杆稳定的前提下,应尽可能取较大的Kp和Kd。摆杆倒立的PD参数整定好后,再进行平移支座的位移稳定PD参数整定。在这里根据控制任务的重要性,摆杆倒立稳定控制优先于平移支座的位移稳定控制。虽然支座位移是控制输入,但是根据任务优先顺序,支座平移稳定只属于间接的控制任务。由于支座位移稳定属于间接任务,于是在位移控制中:欲使支座往右移,得先使摆杆向右倾,支座就得先向左加速。这就是位移控制的参数正负号的确定思路。由于在摆杆角度偏差较大时,角度偏差PD反馈主导控制器输出;角度偏差较小时,支座水平位移PD反馈起才起作用。因此其增益参数Kp和Kd的值应比角度偏差反馈的PD参数小得多。位移PD反馈的增益参数整定顺序是先Kd后Kp,且Kd要大于Kp。这与偏角反馈的正好相反,例如[120 70 30 40],输出结果见图6。

单级倒立摆数学模型_倒立摆系统建模
图6 串级PD控制输出曲线

5.总结 

        在以上的分析中,状态反馈的和串级PD控制的本质是等效的,都是根据四个被测变量做反馈控制。状态反馈的极点配置需要提前知道动力学模型的参数,而串级PD反馈是通过实验来整定增益参数的。根据图5和图6的曲线来看,使用极点配置状态反馈的曲线比串级PD控制的更加光滑。这有利于防止电机损坏,所以在实践中可以将两种方法结合起来使用,各取所长。        

附录:

syms theta a g
a=1;g=9.8;    %a=ml^2+Iz
A=[0 1 0 0;0 0 0 0;0 0 0 1;0 0 g/a 0];  %状态矩阵
b=[0;1;0;-1/a];       %输出矩阵
Q=[b A*b A*A*b A*A*A*b];     %能控性判别矩阵
s=[-3-0i -2+0i -9-0i -6+0i]; %期望极点
S=diag(s);                  
Ke=poly(S);                  %期望特征多项式
Ka=poly(double(subs(A)));    %被控对象特征多项式
K_=[Ka(5)-Ke(5) Ka(4)-Ke(4) Ka(3)-Ke(3) Ka(2)-Ke(2)];
Tc=[A*A*A*b A*A*b A*b b]*[Ka(1) 0 0 0;Ka(2) Ka(1) 0 0;Ka(3) Ka(2) Ka(1) 0;Ka(4) Ka(3) Ka(2) Ka(1)];
K=double(subs(K_/Tc))
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/171029.html原文链接:https://javaforall.net

赞 (0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • linux 动态库 静态库_静态库里面包含动态库

    linux 动态库 静态库_静态库里面包含动态库动态库与静态库文件系统补完文件的三个时间acm动态库与静态库动态链接与静态链接静态库文件系统补完文件的三个时间acm我们通过stat指令查看文件信息:[lyl@VM-4-3-centos2022-3-14]$statlog.txtFile:‘log.txt’Size:0 Blocks:0IOBlock:4096regularemptyfileDevice:fd01h/64769d Inode:790871

    2022年9月28日
  • Nginx配置文件(nginx.conf)配置详解

    Nginx配置文件(nginx.conf)配置详解Nginx的配置文件nginx.conf配置详解如下:usernginxnginx;Nginx用户及组:用户组。window下不指定worker_processes8;工作进程:数目。根据硬件调整,通常等于CPU数量或者2倍于CPU。error_loglogs/error.log;error_loglogs/error.logno

    2022年6月6日
  • 如何完成域名和ip地址的绑定

    如何完成域名和ip地址的绑定

    2021年9月20日
  • java数独解法[通俗易懂]

    java数独解法[通俗易懂]玩了好久的数独,前几天突发奇想写一个解法,看了好多文章和源码,像回溯法和唯一解法,都不太理解其思路,于是就自己动手写了一个,效率还算可以,有优化的空间,但是懒得优化了。整体的解法思路就是列出每个空格的备选数,然后逐一尝试,可谓是最笨的解法了,分享给大家图个乐,还希望大佬看到了可以指点一下里面的不足之处。同样因为懒,就没做成web应用,一个main方法自己跑着玩了就。代码里面包含了1-5级的数独…

    2022年10月22日
  • 卷积与转置卷积

    卷积与转置卷积当正向卷积步长不为1时(常常可能为2),转置卷积步长为: 转置卷积填充由正向卷积的卷积核和填充决定:  转置卷积的核和正向卷积一样:转置卷积的输出公式:     转置卷积又称微步卷积(“微步”的含义指:新的步长为1,而之前的步长为2,使得转置卷积的滑窗处理相比较卷积的“小”。),可以视作传统卷积操作的一种“逆向”传递过程;并且,转置卷积受“正向”卷积的参数约束,即步长stride和零填充…

    2022年6月21日
  • 六个主要的社会网络分析软件的比较

    六个主要的社会网络分析软件的比较
    UCINET简介  
        UCINET为菜单驱动的Windows程序,可能是最知名和最经常被使用的处理社会网络数据和其他相似性数据的综合性分析程序。与UCINET捆绑在一起的还有Pajek、Mage和NetDraw等三个软件。UCINET能够处理的原始数据为矩阵格式,提供了大量数据管理和转化工具。该程序本身不包含网络可视化的图形程序,但可将数据和处理结果输出至NetDraw、Pajek、Mage和KrackPlot等软件作图。UCINET包含大量包括探测凝聚子群(cliq

    2022年6月21日

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号