第3章线性二次型调节器（LQR）

3. 线性二次型调节器（LQR）：LQR问题建模、Riccati方程求解、闭环特性

好，咱们进入第三个核心模块——LQR。说实话，在多导弹协同制导这个领域，LQR是我个人最偏爱的基础工具之一。为什么？因为它把「最优」和「反馈」这两个看似矛盾的东西，完美地揉在了一起。

你想想看，我们既要让导弹飞得准（状态误差小），又不想让舵机累死（控制能量小）。LQR就是干这个的——它给你一个明确的数学框架，告诉你：在给定权重下，怎么折中最划算。

先别急着套公式。我们得先搞清楚：LQR到底在优化什么？

假设你有一枚导弹，它的运动可以用线性状态方程描述：

ẋ = A·x + B·u

其中x是状态偏差（比如脱靶量、速度偏差），u是控制输入（比如过载指令）。我们的目标很朴素：让x尽快归零，同时u别太大。

那怎么量化这个「既要...又要...」呢？LQR的做法是定义一个代价函数：

J = ∫(xᵀ·Q·x + uᵀ·R·u) dt

这里Q和R就是你的「价值观」——Q大，说明你更在意状态精度；R大，说明你更心疼控制能量。我在项目中遇到过不少新手，上来就把Q设得巨大，结果仿真一看，舵机指令直接饱和。嗯，这就是没理解Q和R的物理含义。

核心要点：Q和R不是随便拍脑袋定的。它们反映了你对「精度」和「能耗」的权衡。在多导弹协同场景下，这个权衡尤其关键——你既要保证每枚弹都能命中，又要避免控制指令过大导致弹间碰撞风险。

好，模型建好了，代价函数也定了。接下来怎么求最优控制律？

答案是：解Riccati方程。

代数Riccati方程长这样：

Aᵀ·P + P·A - P·B·R⁻¹·Bᵀ·P + Q = 0

看着挺唬人，对吧？我第一次见到这个方程时，心里想的是：这玩意儿能解？

后来发现，其实有成熟的数值解法。我个人习惯用MATLAB的lqr()函数，一行代码搞定：

[K, P, E] = lqr(A, B, Q, R)

它会返回三个东西：

但注意，这只是数值求解。如果你要做理论分析，或者嵌入式实现，就得自己写求解器。我曾经在某个项目中，因为MATLAB的lqr函数在特定参数下数值不稳定，不得不手写Schur分解法来解Riccati方程。那段时间，我做梦都在解矩阵方程。

避坑指南：我曾经遇到过一个问题——Q矩阵选得不好，导致Riccati方程无解（或者解不收敛）。后来总结出一个经验：Q至少要是半正定的，R必须是正定的。另外，如果系统不可控，LQR直接失效。所以建模前，先检查一下可控性矩阵的秩。

解完Riccati方程，得到最优控制律：

u* = -K·x

这是一个状态反馈律。把它代入原系统，得到闭环系统：

ẋ = (A - B·K)·x

这个闭环系统有什么特性？我总结了三点：

稳定性保证：只要原系统(A,B)可控，且Q、R选得合适，闭环系统一定是渐近稳定的。说白了，导弹会乖乖地收敛到目标轨迹上。
相位裕度：LQR有个很漂亮的特性——它天生就有至少60度的相位裕度。这意味着它对模型不确定性有一定的鲁棒性。我在做多弹协同仿真时，经常利用这个特性来应对弹间气动耦合带来的不确定性。
调节时间可控：通过调整Q和R的比值，你可以控制闭环系统的响应速度。Q/R越大，响应越快，但控制能量也越大。

一个实用的经验公式：如果你想让闭环系统的带宽大约是ω₀，可以这样设Q和R：

Q = diag([ω₀², ω₀, ...])  
R = 1

当然，这只是个起点。实际调试时，我通常会先固定R=1，然后调整Q的对角元，直到仿真结果满意为止。

在多导弹协同场景下，LQR的应用稍微复杂一些。因为每枚弹不仅要考虑自己的状态，还要考虑与其他弹的协同关系。

一种常见的做法是：把多弹系统建模成一个增广状态空间模型。比如，对于N枚导弹，状态向量变成：

x_total = [x₁; x₂; ...; xₙ]

控制向量同理：

u_total = [u₁; u₂; ...; uₙ]

然后设计一个集中式的LQR控制器。但这样做有个问题——计算量随N增长很快。我记得有一次做6枚弹的协同仿真，状态维度直接飙到30多，Riccati方程求解时间明显变长。

所以，实际工程中更常用的是分布式LQR——每枚弹独立设计自己的LQR，但通过调整Q矩阵中的交叉项来实现协同。比如，在Q矩阵中加入弹间状态偏差的惩罚项：

Q_ij = α · (x_i - x_j)ᵀ · (x_i - x_j)

这样，每枚弹在优化自己轨迹的同时，也会「照顾」到与其他弹的偏差。说白了，就是让它们互相迁就一下。

注意：分布式LQR虽然计算量小，但稳定性分析比集中式复杂得多。我曾经踩过一个坑——分布式LQR在仿真中表现良好，但实际飞行试验时，因为通信延迟导致弹间信息不同步，系统差点发散。后来我加了一个「信息一致性」约束，才把问题解决。

LQR的核心就三件事：建模、求解、分析闭环特性。建模时想清楚Q和R的物理含义；求解时注意数值稳定性；分析闭环特性时，重点关注稳定性和鲁棒性。

在多导弹协同中，LQR的扩展应用还有很多——比如结合视线角速率约束、考虑控制饱和等。这些内容，我们后面会陆续讲到。

嗯，今天就到这儿。记住：LQR不是万能的，但没有LQR是万万不能的。至少在我做过的制导控制项目中，它从来没让我失望过。