Zustandsraum-Regelungsentwurf
Methoden zum Regelungsentwurf im Zustandsraum, wie z. B. LQG/LQR- und Polvorgabe-Algorithmen, eignen sich zum MIMO-Entwurf.
Funktionen
Themen
- Entwurf von linear-quadratischen Gauß-Regelungen (LQG-Entwurf)
Die linear-quadratische Gauß-Regelung (LQG-Regelung) ist ein Zustandsraumverfahren, mit dessen Hilfe Sie einen Kompromiss zwischen Regelungsleistung bzw. Tracker-Leistung einerseits und Steuerungsaufwand andererseits definieren und Prozessstörungen und Messrauschen berücksichtigen können.
- LQG Regulation: Rolling Mill Case Study
Use linear-quadratic-Gaussian techniques to regulate the beam thickness in a steel rolling mill.
- Design LQG Tracker Using Control System Designer
Design a feedback controller for a disk drive read/write head using LQG synthesis.
- Design Yaw Damper for Jet Transport
This case study illustrates the classical design process.
- Entwurf eines LQG-Reglers
Entwurf eines LQG-Reglers für eine Regelstreckenausgabe in einem System mit Rauschen.
- Entwurf eines LQG-Servoreglers
Entwurf eines LQG-Servoreglers unter Verwendung einer Kalman-Zustandsschätzfunktion.
- Entwurf eines LQR-Servoreglers in Simulink
Entwurf eines LQG-Servoreglers für ein in Simulink® modelliertes System.
- Polvorgabe
Die Positionen der Polstellen geschlossener Regelkreise haben eine direkte Auswirkung auf die zeitlichen Eigenschaften der Antworten, wie zum Beispiel Anstiegszeit, Einschwingzeit und Ausgleichsschwingungen. Bei der Polvorgabe werden Zustandsraumverfahren verwendet, um Polstellen geschlossener Regelkreise zuzuweisen.
Enthaltene Beispiele
DC Motor Control
Compare three DC motor control techniques for tracking setpoint commands and reducing sensitivity to load disturbances.
Thickness Control for a Steel Beam
Design a MIMO LQG regulator to control the horizontal and vertical thickness of a steel beam in a hot steel rolling mill.
Regulate Pressure in Drum Boiler
Use Simulink® Control Design™ software, using a drum boiler as an example application. Using the operating point search function, the example illustrates model linearization as well as subsequent state observer and LQR design. In this drum-boiler model, the control problem is to regulate boiler pressure in the face of random heat fluctuations from the furnace by adjusting the feed water flow rate and the nominal heat applied. For this example, 95% of the random heat fluctuations are less than 50% of the nominal heating value, which is not unusual for a furnace-fired boiler.
