Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:1611.09875v1

帮助 | 高级搜索

计算机科学 > 系统与控制

arXiv:1611.09875v1 (cs)
[提交于 2016年11月29日 ]

标题: 基于最优权重选择的混合LQG-LTR-LQI制导控制方案

标题: Missile Attitude Control via a Hybrid LQG-LTR-LQI Control Scheme with Optimum Weight Selection

Authors:Saptarshi Das, Kaushik Halder
摘要: 本文提出了一种新的导弹姿态控制策略,该策略结合了线性二次高斯(LQG)、回路传递恢复(LTR)和线性二次积分(LQI)控制技术。 LQG控制设计分为两个步骤,即: 首先在噪声环境中应用卡尔曼滤波器进行状态估计,然后利用估计的状态通过线性二次调节器(LQR)进行最优状态反馈控制。 为了进一步提高导弹姿态控制系统的性能,分别应用LTR和LQI方案来增加稳定裕度并保证设定点跟踪性能,同时保持LQG的最优性。 使用Nelder-Mead单纯形优化技术对LQG的加权矩阵(Q)和加权因子(R)以及LTR的虚拟噪声系数(q)进行调整,以使闭环系统动作更快。 给出了仿真结果以说明所提出技术的有效性。
摘要: This paper proposes a new strategy for missile attitude control using a hybridization of Linear Quadratic Gaussian (LQG), Loop Transfer Recovery (LTR), and Linear Quadratic Integral (LQI) control techniques. The LQG control design is carried out in two steps i.e. firstly applying Kalman filter for state estimation in noisy environment and then using the estimated states for an optimal state feedback control via Linear Quadratic Regulator (LQR). As further steps of performance improvement of the missile attitude control system, the LTR and LQI schemes are applied to increase the stability margins and guarantee set-point tracking performance respectively, while also preserving the optimality of the LQG. The weighting matrix (Q) and weighting factor (R) of LQG and the LTR fictitious noise coefficient (q) are tuned using Nelder-Mead Simplex optimization technique to make the closed-loop system act faster. Simulations are given to illustrate the validity of the proposed technique.
主题: 系统与控制 (eess.SY) ; 优化与控制 (math.OC)
引用方式: arXiv:1611.09875 [cs.SY]
  (或者 arXiv:1611.09875v1 [cs.SY] 对于此版本)
  https://doi.org/10.48550/arXiv.1611.09875
通过 DataCite 发表的 arXiv DOI
期刊参考: Automation, Control, Energy and Systems (ACES), 2014 First International Conference on, Feb. 2014, Kolkata
相关 DOI: https://doi.org/10.1109/ACES.2014.6807996
链接到相关资源的 DOI

提交历史

来自: Saptarshi Das [查看电子邮件]
[v1] 星期二, 2016 年 11 月 29 日 21:04:57 UTC (468 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
查看许可
当前浏览上下文:
eess.SY
< 上一篇   |   下一篇 >
新的 | 最近的 | 2016-11
切换浏览方式为:
cs
cs.SY
math
math.OC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号