목차
1. LQR에 영향을 미치는 argument와 해당 argument 변화에 따른 LQR의 설계 결과 차이와 그 이유
2. Optimization 방법론을 사용해 PID Gain Tuning하는 과정 및 결과 → PID Tuner, LQR 결과와 비교
3. Control System Tuner에서 Goal 2가지를 골라서 작성하기
2. Optimization 방법론을 사용해 PID Gain Tuning하는 과정 및 결과 → PID Tuner, LQR 결과와 비교
3. Control System Tuner에서 Goal 2가지를 골라서 작성하기
본문내용
de>
Q=eye(2), R=1*eye(1)
K: 4.1434, 6.3094
norm: 1.2318
Q=eye(2), R=0.1*eye(1)
K: 5.3199, 7.4867
norm: 0.1889
Q=eye(2), R=0.09*eye(1)
K: 5.444, 7.6109
norm: 0.1768
→ R값(가중치)를 조절함에 따라 Gain값이 달라지고 그에 따른 Response값도 달라짐을 알 수 있다.
3. Control System Tuner에서 Goal 2가지를 골라서 작성하기
Step Input을 통해서 PID Tune을 한 Step Response가 아래처럼 나온다.
Control System Tuner를 통해 구한 Gain(K)값
kp: -3.08e+05, ki: -4.44e+06,
kd: -1.19e+04
Goal을 1)Maximum Overshoot Goal, 2)Gain Goal 이 두 가지로 잡았다.
① Edit Architecture에서 설정 ② Gain(K)값을 임의로 설정 (Min:-100, Max:0으로 설정)
③ Step Response Tune 과정
1)Tune 전 2)Tune 후
④ Maximum Overshoot Goal(Limit: 5%)
1)Tune 전 2)Tune 후
⑤ Gain Goal(Gain Limit : 1)
1)Tune 전 2)Tune 후
⑥ Tune 후 얻은 Gain(K) 값 ⑦ Plot
Kp: -100, Ki:-1, Kd: -4.23, norm 값 : 0.0319
출처: http://blog.naver.com/lagrange0115/220686002861
Q=eye(2), R=1*eye(1)
K: 4.1434, 6.3094
norm: 1.2318
Q=eye(2), R=0.1*eye(1)
K: 5.3199, 7.4867
norm: 0.1889
Q=eye(2), R=0.09*eye(1)
K: 5.444, 7.6109
norm: 0.1768
→ R값(가중치)를 조절함에 따라 Gain값이 달라지고 그에 따른 Response값도 달라짐을 알 수 있다.
3. Control System Tuner에서 Goal 2가지를 골라서 작성하기
Step Input을 통해서 PID Tune을 한 Step Response가 아래처럼 나온다.
Control System Tuner를 통해 구한 Gain(K)값
kp: -3.08e+05, ki: -4.44e+06,
kd: -1.19e+04
Goal을 1)Maximum Overshoot Goal, 2)Gain Goal 이 두 가지로 잡았다.
① Edit Architecture에서 설정 ② Gain(K)값을 임의로 설정 (Min:-100, Max:0으로 설정)
③ Step Response Tune 과정
1)Tune 전 2)Tune 후
④ Maximum Overshoot Goal(Limit: 5%)
1)Tune 전 2)Tune 후
⑤ Gain Goal(Gain Limit : 1)
1)Tune 전 2)Tune 후
⑥ Tune 후 얻은 Gain(K) 값 ⑦ Plot
Kp: -100, Ki:-1, Kd: -4.23, norm 값 : 0.0319
출처: http://blog.naver.com/lagrange0115/220686002861
소개글