Bỏ qua tới nội dung chính

Lý thuyết hệ thống tuyến tính và điều khiển hiện đại

Mô hình không gian trạng thái, tính điều khiển được và quan sát được, phản hồi trạng thái, bộ quan sát, LQR và bộ lọc Kalman ở mức nhập môn (MIT 6.241, Berkeley EE221A).

5 khóa học đề xuất2 học liệu (2 sách)

Hướng dẫn học chủ đề

Nâng caokhoảng 70 giờ6 bước
  • Xây dựng mô hình không gian trạng thái cho hệ điện, cơ và tuyến tính hóa hệ phi tuyến quanh điểm cân bằng
  • Tính nghiệm của hệ tuyến tính bằng ma trận mũ, dạng chuẩn Jordan và ma trận chuyển trạng thái
  • Phân tích ổn định Lyapunov và ổn định vào – ra, giải phương trình Lyapunov

Giáo trình: Linear Systems Theory +1 sách khác

Đọc hướng dẫn đầy đủ
Thuộc nhóm Điều khiển và tự động hóa · Control and Automation3 chủ đề · khoảng 185 giờHồi tiếp, thiết kế bộ điều khiển, không gian trạng thái và tự động hóa công nghiệp với PLC, SCADA.Xem nhóm
Chọn nguồn tự học

Ôn kỹ trị riêng và ma trận trước; tính tay các ví dụ nhỏ rồi kiểm tra bằng python-control, và đọc song song một giáo trình chặt chẽ với một giáo trình nhiều ví dụ ứng dụng.

Khóa học đề xuất

Khóa trên OpenER và khóa mở của các trường, tuyển chọn cho chủ đề này.

Xem tất cả (5)

IIT Madras · 108106150

Linear Systems Theory (mở trong tab mới)

Lý thuyết hệ thống tuyến tính

Ramkrishna Pasumarthy

Đề xuất chínhVideo + tài liệuLiên kết ngoàiCấp độ: Nâng caoTiếng AnhBản quyền

Khóa video NPTEL của IIT Madras: mô hình hệ thống, ôn đại số tuyến tính, nghiệm hệ LTI và LTV, ma trận chuyển trạng thái, ổn định Lyapunov, điều khiển được, quan sát được, phân tích Kalman, đặt điểm cực bằng phản hồi trạng thái, bộ quan sát, LQR và nhập môn LMI.

Vì sao chọn: Khớp gần như từng mục của chủ đề: không gian trạng thái, điều khiển được và quan sát được, phản hồi trạng thái, bộ quan sát, LQR, có buổi hướng dẫn giải bài. Trình tự đi từ đại số tuyến tính đến thiết kế nên rất hợp để học cùng giáo trình Hespanha.

  • Chuyên sâu

  • Stanford · EE263

    Introduction to Linear Dynamical Systems (mở trong tab mới)

    Nhập môn hệ động lực tuyến tính

    Stephen Boyd

    Thay thếVideo + tài liệuLiên kết ngoàiCấp độ: Nâng cao

    Vì sao chọn: Video đầy đủ của Boyd, mạnh ở phần đại số tuyến tính và ước lượng trạng thái; ít đề cập LQR nhưng là nền tảng rất tốt cho phần khả năng đạt tới và quan sát.

    • Kinh điển

  • MIT · 16.30 · Thu 2010

    Feedback Control Systems (mở trong tab mới)

    Hệ thống điều khiển phản hồi (phương pháp không gian trạng thái)

    Jonathan P. How, Emilio Frazzoli

    Thay thếChỉ tài liệuLiên kết ngoàiCấp độ: Nâng cao

    Vì sao chọn: Thiên về thiết kế thực hành bằng không gian trạng thái: phản hồi trạng thái, ước lượng, phản hồi đầu ra và độ bền vững, ít lý thuyết hơn 6.241.

    • Chuyên sâu

  • Caltech · CDS 110 · Xuân 2024

    Analysis and Design of Feedback Control Systems (mở trong tab mới)

    Phân tích và thiết kế hệ thống điều khiển phản hồi

    Richard Murray

    Thay thếChỉ tài liệuLiên kết ngoàiCấp độ: Trung bình

    Vì sao chọn: Các tuần về phản hồi trạng thái, LQR, bộ quan sát và nhập môn bộ lọc Kalman bám theo giáo trình Feedback Systems, kèm notebook Python để thử nghiệm.

    Nên học: Nên học các tuần phản hồi trạng thái, LQR, bộ quan sát và bộ lọc Kalman nhập môn.

Chủ đề này còn ít nội dung

Xem thêm các chủ đề cùng nhóm Điều khiển và tự động hóa, hoặc tìm trên toàn trang.