离散LQR：原理、求解及拓展.pdf

简介：
本文档探讨了离散时间线性二次调节器（LQR）的基本理论和求解方法，并进一步介绍了其在控制领域的应用拓展。 离散LQR（Linear Quadratic Regulator）是控制理论中的一个基于状态反馈的优化策略，旨在解决线性时不变系统的最优控制问题。其目标是在给定条件下找到最佳控制律以最小化性能指标，该指标通常包括系统状态变量和输入信号平方和的形式。 从原理上看，LQR可以借助动态规划来理解和求解。动态规划通过将复杂决策过程分解为一系列简单步骤，并使用递归方法解决这些子问题从而获得最优全局解决方案。在LQR中，这种方法被用来寻找一个控制序列以最小化总代价函数，即达到系统性能最优化的策略。 为了求得这样的最佳控制律，通常需要解Riccati方程——一种特定类型的矩阵微分或差分方程。对于连续时间系统而言使用的是连续形式的Riccati方程；而对于离散时间系统，则应用离散版本来计算最优状态反馈增益矩阵，并由此得出实现最佳性能指标所需的控制律。 在处理离散LQR问题时，核心在于求解适用于特定步长间隔内更新系统的离散时间Riccati差分方程。通过此过程获得的最优状态反馈增益矩阵能够用于确定有效的控制策略以优化系统表现。 除了单独使用外，LQR技术还可以与其他多种先进的控制系统理论相结合来解决更复杂的任务。例如，与预测控制结合可以形成线性二次型预测控制器（LQPC），而将它和强化学习算法相融合则为智能决策系统的开发提供了坚实的理论基础。在实际应用中，离散LQR被广泛用于航空航天、机器人技术以及自动驾驶等领域。 对于初学者而言，虽然掌握LQR可能需要一定时间去理解其背后的数学原理和技术细节，但通过逐步讲解可以更容易地吸收相关内容并快速应用于具体情境之中。学习者需具备一定的线性代数知识、系统理论基础及优化控制相关技能，并熟悉状态空间表示法和矩阵运算等基本概念才能更好地理解和使用LQR方法。