θ θ θ θ θ θ θ
Transkrypt
θ θ θ θ θ θ θ
Materiały pomocnicze do laboratorium Podstaw Optymalizacji: Lab6_zad.2 Matlab - Optimization Toolbox Estymacja parametrów modelu odwrotnego wahadła. Rys.1. Wahadło odwrotne Liniowy model wahadła odwrotnego (rys.1) w przestrzeni stanu opisują równania: 0 x& &x& 0 = θ& 0 && 0 θ 1 − ( I + ml 2 ) b I ( M + m ) + Mml 2 0 − mlb I ( M + m ) + Mml 2 0 m 2 gl 2 I ( M + m ) + Mml 2 0 mgl ( M + m ) I ( M + m ) + Mml 2 0 x 0 & x + 1 θ 0 θ& 0 I + ml 2 I ( M + m ) + Mml 2 u 0 ml 2 I ( M + m ) + Mml , (1) 1 y= 0 gdzie: M m b l I u x θ g 0 0 0 1 x 0 x& + 0 θ & θ 0 0 u masa wózka masa wahadła współczynnik tarcia wózka długość wahadła (od środka ciężkości do wolnego końca) moment bezwładności wahadła siła działająca na wózek współrzędna położenia wózka kąt wychylenia wahadła (mierzony od pionu) przyspieszenie ziemskie 0.5 kg, kg, 0.1 N/m/sek, m, kg*m2, N, m, rad, 9.81 m/s2. Polecenie: Posługując się metodą najmniejszych kwadratów należy wyznaczyć, na podstawie danych pomiarowych, estymaty parametrów m, l, I modelu (1). Okres próbkowania wielkości mierzonych (u, θ, x) jest równy T=0.01 sek. Należy: i) sformułować problem optymalizacji; 1 Materiały pomocnicze do laboratorium Podstaw Optymalizacji: Lab6_zad.2 ii) rozwiązać zadanie optymalizacji przy użyciu: funkcji fminunc, funkcji fmincon, przyjmując ograniczenia na wartości zmiennych: eps ≤ m ≤ 2, eps ≤ l ≤ 1, eps ≤ I ≤ 1, funkcji lsqnonlin. Dane pomiarowe dostępne są w pliku dane1_wah_grupa*.mat. Wskazówki: Niech: λ = [λ1, λ2, λ3]T - oznacza wektor poszukiwanych parametrów modelu wahadła; u = [u(1), u(2),..., u(N)]T – wektor wyników pomiarów wielkości sterującej; y = [y(1), y(2),..., y(N)]T – wektor wyników pomiarów wielkości sterowanych, gdzie: y(k) = [x(k), θ(k)]. Schemat procedury poszukiwania wektora λ przedstawia rys.1. Algorytm optymalizacji y λ N f ( λ ) = ∑ y( k ) − yˆ ( k , λ ) 2 k =1 u Model (zawierający parametry λ) ŷ sim(.) Rys.1. Schemat procedury poszukiwania wektora λ 2