从小车倒立摆系统看系统建模控制LQR+LQE仿真

从倒立摆到机器人平衡:LQR与LQE在动态系统控制中的实战仿真 本文深入探讨了LQR与LQE在动态系统控制中的应用,从小车倒立摆的建模到实战仿真,详细解析了系统线性化、状态空间表达、能控能观性分析等关键步骤。通过MATLAB和Simulink实例,展示了LQR控制器和卡尔曼滤波器的设计与调试技巧,为机器人平衡控制等实际问题提供实用解决方案。 阅读详情
AI摘要

本文围绕小车倒立摆系统展开建模与控制研究,利用拉格朗日方程建立非线性动力学模型,并在线性化基础上分析系统的能控性与能观性。设计LQR控制器实现稳定控制,结合卡尔曼观测器估计不可测状态,有效应对噪声干扰。通过Simulink仿真验证了LQR与LQE联合控制策略的有效性,展示了闭环系统在扰动下的稳定性与鲁棒性。

为什么要选择小车倒立摆

以下是chatgpt的回答。

倒立摆问题是控制理论中的一个经典问题,它代表了一类广泛存在的控制挑战--平衡和稳定化不稳定系统。研究倒立摆的建模与控制有以下几个原因:

1、教育意义:倒立摆是理解控制理论基本概念的一个很好的实例。它涵盖了动态系统建模、系统稳定性分析、控制器设计和系统仿真等方面,非常适合作为教学案例。

2、技术挑战:在技术层面,倒立摆是一个非线性动态系统,且本质上是不稳定的。设计一个能够使得摆杆保持直立的控制系统,需要用到各种先进的控制策略,比如线性化方法、最优控制、自适应控制、鲁棒控制等。

3、研究价值:由于倒立摆系统简单且具有代表性,它常常被用来验证新的控制理论和算法。研究者可以在这个模型上测试自己的理论,然后再将这些理论应用到更复杂的实际系统中。

4、应用背景:倒立摆问题在很多现实世界的应用中都有其对应的场景,如机器人平衡、飞行器姿态控制、汽车的主动悬挂系统等。因此,通过研究倒立摆的控制,可以为这些实际应用提供理论基础和技术指导。

5、标准测试平台:倒立摆系统是控制系统设计与分析的标准测试平台之一。它为研究者提供了一个共同的基准,以比较不同控制策略的性能。

6、科研竞赛:倒立摆控制问题经常被用作科学竞赛的问题,以激励学生和研究者发展新的控制算法。

因为这些原因,倒立摆成为了控制领域研究的热点,并且经常被用作各种科研文章和研究项目的对象。研究这类基础问题对于推动控制理论和应用的发展具有重要的意义。

一、物理建模与simulink仿真

1、系统描述

​

 

如上图所示,假设我们的小车质量为M,小球的质量为m,忽略轻杆的质量,小车在水平面上唯一受到外力F的作用,只做水平直线行驶运动,假设阻力与小车车速成正比,比例系数为b。 

假设小车质心位置为(x,y),则质心运动速度为,由于小车在垂直方向上没运动,所以,则小球的位置及水平与垂直两个方向的运动分量如下:

​

2、拉格朗日方程介绍

拉格朗日方程是分析力学系统中描述系统动力学行为的一组方程,尤其是在经典力学中,它为研究复杂系统的动力学提供了一种非常强大和通用的框架。拉格朗日方程的核心概念是拉格朗日量L,它是系统动能T和势能V之差的函数,L=T-V。拉格朗日方程

​

 其中,qi是系统的广义坐标,在我们的小车倒立摆系统中,广义坐标就是水平运动的x轴,和小球摆动的θ轴;F为系统受到的广义力,在我们的小车倒立摆系统中,就是外力F和阻力。

3、使用拉格朗日方程推导倒立摆微分方程

​

同学们还是自己动手推导一遍比较好,以上是我推的,如果有错,欢迎评论区告知。

根据最后两个微分方程便能搭建出simulink模型。

4、倒立摆系统simulink模型仿真

 

如上图所示,搭建完成的模型输入量为外力F和初始角度,输出量为小车水平运动的位置x,速度d_x,小球摆动的角度theta和角速度d_theta.

给定初始角度0.5 rad,外力F为0,自由运动下,可以预见,只要时间足够长,x会回到0位置附近

这图是角度,只要时间足够长,小球最终会停在pi (小车下端)位置。

从以上两张图,看着符合常理,为了生动性,我整理了个脚本,把运动的动画也画了出来

倒立摆动画

二、小车倒立摆系统线性化

1、线性化

小车的运动微分方程:

方程里包含了正弦,余弦运算,因此这个系统是非线性的,不容易控制。 我们的控制目标是把倒立摆直立在小车上(角度在0附近),因此可以在0附近对sin(θ),cos(θ)项进行优化。

​

考虑到这一项中,如果sin(θ)近似为θ,则存在与θ耦合的情况,因此对于这一项,sin(θ)近似为0,其余项,sin(θ)近似为θ。简化后得到:

​

 取状态向量为:,将上述微分方程转换为状态空间方程的形式:

2、验证线性化结果的准确性

将重力g的数值改为-10,就可以将倒立摆的坐标切换到在小车底部角度为0(g为10时是以倒立垂直向上为0),给定初始角度,没给外力的情况下,小球角度便会在0附近摇摆。我们可以对比系统非线性微分方程与线性微分方程运动的曲线,检验线性化的过程是否正确。

初始角度为0.1rad时,非线性与线性的结果几乎一致。

初始角度设置为0.5rad时,两者就能看出相位和幅值上的差异。

以上两个实验可以说明线性化后的状态空间方程是符合预期的,在0附近结果与非线性的几乎一致。

三、系统的能控性与能观性分析

1、能控性

系统的能控性(Controllability)是控制理论中的一个基本概念,它描述了系统状态是否能够在有限时间内,通过适当设计的输入(或控制信号),从任何初始状态转移到任何期望的最终状态。如果一个系统满足这个条件,我们就说这个系统是完全能控的。

对于线性时不变系统,系统的能控性是由系统本身决定的(即,物理建模得出的状态空间方程不会变了),系统的能控性通过其数学模型来判定。假设系统的状态空间方程如下:

能控性可以通过判断能控矩阵(Controllability Matric)  CM来判定

其中,n为系统状态的维度。如果矩阵CM的是满秩的,(系统的秩等于状态空间向量的维数n),则系统是完全能控的。意味着通过适当设计输入u(t),可以在有限时间内将系统的状态x(t)从任何初始状态转移到任何期望的最终状态。 

在matlab中,使用ctrb(A,B)命令可以直接生成能控性矩阵,使用rank函数可以计算能控矩阵的秩,结合使用这两个函数,可以直接判断系统的能控性。

 显示完全能控。

2、能观性

如果系统完全能控,我们可以通过设计控制律 u=-kx,对系统做反馈控制,其中​,是系统的全部状态量。一般情况下,系统的输出y不会完全包含全部的状态量,因此,我们需要设计状态观测器,借助传感器采集的输出数据和已知的输入数据,逆推出全部状态量。如果一个系统的任何状态都可以通过基于一段时间内的输出和输入唯一确定,那么这个系统是完全能观的。

对于系统:

​

​

通过能观性矩阵,可以判断系统的能观性,能观性同样也是由系统本身唯一绝对的。能观矩阵如下:

如果矩阵OM是满秩的,那么系统被认为是完全能观的。意味着通过观测输出y(t)和已知的输入u(t),可以在有限时间内确定系统的状态。

在matlab中,使用obsv(A,C)能生成观测矩阵,再配合rank函数求秩,便能判断系统的能观性。

在我们搭建的系统中,运行如下指令:

显示系统完全能观。

因此,可以进行后续的控制器和观测器开发。

四、小车倒立摆LQR闭环控制

在之前直流电机控制仿真里有讲过状态控制的基本架构,有兴趣的同学可以再回去看看,链接如下

好玩的直流电机调速实验、PID、极点配置、LQR、观测器;不讲大道理_lqr控制器观测器-优快云博客

 我们建立的小车的状态空间方程,并且证明了系统是完全能观与完全可控的。

在我们的系统中,小车受到唯一外力F,我们的目标是:计算出恰当的F,使得小车能够运行到指定的任意x位置,并且倒立摆保持垂直直立(即θ为0)。

 控制目标涉及到两个输出变量:水平位移x和旋转角度θ;传统的Pid适用于单输入单输出的系统,因此,为了实现控制目标,我们采用状态反馈控制。

只要A-Bk的特征值小于0,系统就能稳定收敛。关键就在于寻找合适的k,使得A-Bk收敛。

在matlab中,可以通过lqr,matlab能够根据设置的权重系数Q和R,计算出k的最优解。

%% 控制器设计
Q = [1 0 0 0;
     0 1 0 0;
     0 0 10 0;
     0 0 0 100];
R = .0001;
K_lqr = dlqr(Ad_T,Bd_T,Q,R);

运行后结果如下:

 

初始角度不为0,小车先将初始角度调节到0位置,随后跟随x的阶跃需求,同时角度也维持在0。

运动动画视频:

LQR倒立摆运动-优快云直播

五、倒立摆系统卡尔曼观测器设计

 1、为什么需要观测器

在实际系统中,并不是所有状态量都是可测量的,往往只有其中一两个状态量可以通过传感器测量得到。在小车倒立摆系统极点配置,LQR闭环控制-优快云博客中,我们又需要用到全部状态向量,这时候,我们就引入状态观测器,来估算四个状态量。如下图所示:

​

2、卡尔曼观测器设计

卡尔曼观测器的结构框图如下,与之前文章提到的龙伯格观测器结构类似,只是卡尔曼观测器在求解观测器增益时,考虑了过程噪声和测量噪声,在实际中更为常用。

​

 在matlab中,可以用lqe函数求解增益Kf。

​

 用法都非常简单,只要设置好噪声,加上我们已经求得的A、B、C、D矩阵,直接代入函数就可以求得增益矩阵L,最后代入观测器求解器,就可以实现全状态量观测。

Vd = .1*eye(4);  % 过程噪声矩阵
Vn = 1;          % 测量噪声矩阵
[Kf,P,E] = lqe(A,Vd,C,Vd,Vn);        % 卡尔曼观测器

 3、建模与仿真

 

观测器也可以由help文档里的求解式直接换成状态空间方程。

sysKF = ss(A-Kf*C,[B Kf],eye(4),0*[B Kf]);  

 观测结果如下,尽管噪声很大,观测结果与实际真实结果仍很接近。

六、LQE+LQR仿真

仿真架构如下:

在加入测量噪声,初始角度不为0的情况下,初调控制效果如下。

八、模型和脚本

演示视频可以去b站看了。

倒立摆控制LQR+卡尔曼观测器_哔哩哔哩_bilibili

如果有需要源码和模型的客官,还是在某宝店<极简车辆控制>中获取,也可以b站工房直接购买。

包含7个脚本和5个模型。分别对应以上1到6章节中的6个实验,能绘制倒立摆小车运动动画。

运行脚本可直接运行模型。

如果使用低版本的模型,注意脚本中模型名称应该变动一下。

 

 

 

 

 

 

从倒立摆仿真到实战:LQR与LQE在系统建模与控制中的协同设计 本文以经典倒立摆系统为例,系统阐述了LQR与LQE的协同设计流程。通过系统建模、线性化及能控能观性分析,详细讲解了LQR控制器与LQE观测器的设计原理与参数调试方法,并探讨了从仿真到实际部署中模型失配、噪声处理等关键问题,为复杂系统控制提供了完整的实践框架。 阅读详情

相关推荐

现控报告-- 分析倒立摆系统稳定性、能控性及能观性分析,设计PID控制方案(附matlab)

建立直线一级倒立摆系统的动力学模型,推导该系统的运动方程,求出直线一级倒立摆系统传递函数模型及空间状态方程模型。接着描述了PID控制系统设计原理及PID控制器各校正环节的作用,简要叙述了参数的整定方法。设计了直线一级倒立摆摆杆摆角及小车位置常规单回路控制器,通过Simulink仿真知道常规单回路控制器能控制摆杆摆角,不能控制小车位置。于是设计出了直线一级倒立摆双闭环控制器及基于倒立摆系统的状态空间方程控制器,利用软件进行仿真,仿真结果表明,常规双闭环控制方案和基于状态空间方程加控制方案均能对摆杆摆角及小车位

mengshenglo的博客 4万+

倒立摆建模

本文利用现代控制理论方法,建立倒立摆系统模型,对系统进行分析,并且使用PID控制和状态反馈控制,使系统成为稳定系统。

weixin_45024950的博客 1万+

[LQR简要快速入门]+[一级倒立摆的LQR控制]

[LQR简要快速入门]+[一级倒立摆的LQR控制]1. 什么是LQR2. 公式含义3. 倒立摆的建模3.1 线性化3.2 状态空间建立4. LQR算法实现5. MATLAB代码仿真6. 优缺点 1. 什么是LQR LQR是一种最优控制算法,简要讲即为寻求一种算法,使得在满足系统稳定性能的同时,系统在达到稳定的过程中消耗的能量也最少(具有实际意义)。 利用最优控制理论的知识可以知道,既然要达到两个指标(1. 性能;2. 能量)的最优,可以很容易列出积分形式的最优指标: J=∫0∞(xTQx+uTRu)dt(1

高能阿博特的博客 1万+

基于MATLAB的单级倒立摆仿真

倒立摆是处于倒置不稳定状态,人为控制使其处于动态平衡的一种摆,是一类典型的快速、多变量、非线性、强耦合、自然不稳定系统。由于在实际中存在很多类似的系统,因此对它的研究在理论上和方法上均有重要意义。单级倒立摆系统是由倒立摆和小车两部分组成。小车依靠直流电动机施加控制力,可以在导轨上左右移动,其控制目标是在有限长导轨上使倒立摆能够稳定竖立在小车上而不倒,达到动态平衡[1]图1 倒立摆小车系统图中F为施加于小车的水平方向的作用力, 是摆杆的倾斜角。

w18478272407的博客 1万+

当卡尔曼观测器(LQE)遇上倒立摆:在噪声中实现精准状态估计的实战指南

本文深入探讨了卡尔曼观测器(LQE)在倒立摆系统中的应用,通过MATLAB实战展示了如何在噪声干扰下实现精准状态估计。文章详细解析了LQE与LQR控制器的协同设计,包括状态空间模型构建、噪声协方差矩阵优化以及仿真验证技巧,为控制工程师提供了实用的避坑指南和工程实践建议。

weixin_30632089的博客 362

简单倒立摆建模

相信我们很多人都会遇到过建模倒立摆的情况。倒立摆是控制系统领域中一个很基本但又很实用的问题。很多基本的控制逻辑和实现都可以通过倒立摆模型表示出来。但是,在网上搜索资料良莠不齐,而去参考论文又晦涩难懂。所以,我自己经过推导和验证,把一阶倒立摆的模型给写出来,供大家参考和学习。 杆重心的水平位置: 杆重心的竖直位置: 杆的水平受力: 杆的竖直受力分析: 杆的转动方程: 小车的受力分析: 联立后四个式子,得到动态方程: 在θ=0附近,可以线性化,sinθ=θ,cosθ=1 .

qq_39721119的博客 1万+

基于carsim的线控转向仿真(2)--齿条力观测

观测器更详细的介绍文章可以关注博主以下两篇文章本篇文章中,博主使用matlab提供的kalman函数,进行观测器设计。

MinimalControl的博客 2060

基于模糊控制和PID结合的简单倒立摆系统MATLAB仿真

目录 1 倒立摆小车模型搭建 2倒立摆传递函数模型实现 3 控制系统仿真设计 3.1 仿真模型 3.2 控制系统搭建过程 3.2.1 PID控制器设计 3.2.2 模糊PID控制器设计 1 倒立摆小车模型搭建 倒立摆小车模型参考了《MATLAB建模与仿真》一书中的P342,主要参数为M=0.98kg、m=0.4kg、b=0.15N/(m.s)、I=0.005kg.m2、...

异度空间 2万+

倒立摆之系统建模

使用最优控制理论对一些控制系统进行建模,设计和分析控制系统,以使系统的性能最优。

weixin_42973814的博客 2106

一级倒立摆控制 —— LQR 控制器设计及 MATLAB 实现

最优控制——线性二次型控制(LQR)一级倒立摆控制及MATLAB实现

机器人控制与仿真应用 7586

30、线性控制理论:从基础到案例应用

本文系统介绍了线性控制理论的核心方法,包括LQR全状态反馈控制、卡尔曼滤波器状态估计及LQG最优传感器反馈控制。通过倒立摆小车系统的建模、线性化与仿真,展示了从理论推导到实际应用的完整流程。文章还总结了各类方法的设计要点与适用场景,并讨论了模型准确性、噪声处理、鲁棒性等实际应用中的关键问题,为工程实践提供了清晰的指导框架。

5f4d3s2a1q的博客 72

单级倒立摆从建模到仿真

首先建立单摆的动力学模型,使用simulink搭建控制框图。然后将极点配置状态反馈和串级PD反馈应用于系统的摆杆竖直倒立稳定和平移支座位移稳定进行控制并对比了两种方法的优劣。

qq_45518988的博客 1万+

基于Matlab/Simulink的二阶倒立摆LQR控制仿真实战指南

状态空间建模与线性二次型调节器(LQR)是现代控制理论中处理多变量系统的核心方法。其原理是通过构建系统状态方程,并设计一个使二次型性能指标最优的状态反馈控制器,从而实现对多输入多输出(MIMO)系统的镇定与优化。这项技术在机器人平衡控制、航空航天等对动态性能要求极高的领域具有重要价值。本文以控制领域的经典案例——二阶倒立摆为应用场景,详细阐述如何利用Matlab/Simulink这一强大的工程平台,从系统建模、LQR控制器设计、状态观测器集成到非线性仿真与参数整定,完成一个完整的、可复现的仿真项目。内容涵盖

weixin_33857679的博客 471

基于倒立摆模型的平衡小车

越大,系统的响应速度越快,系统的调节精度越高,也就是对偏差的分辨率(重视程度)越高,但将产生超调,甚至导致系统不稳定。积分作用系数越大,系统静态误差消除越大,但积分作用过大,在响应过程的初期会产生积分饱和现象,从而引起响应过程的较大超调。(3) 微分环节能反映偏差信号的变化趋势(变化速率),并能在偏差信号值变得太大之前,在系统中引入一个有效的早期修正信号,从而加快系统的动作速度,减少调节时间。值得补充的是,这里的角度、角速度信息反馈是基于MPU6050,而在速度环的速度反馈是基于电机的编码器。

weixin_58670090的博客 2721

二阶系统的带宽(频域分析)

下面以典型I型系统为例,计算系统的开环截止频率和闭环截止频率。设I型系统为: 1:系统的开环截止频率为 2:系统的闭环截止频率 其实我们在工程整定时,把ζ = 0.707,也把系统的带宽近视看成自然震荡角频率即 (wb≈wc≈wnw_{b}\approx w_{c}\approx w_{n}wb​≈wc​≈wn​)对于二阶系统。 ...

wanrenqi的博客 2万+

瑞芯微Android固件修改实战:从解包到root提权完整流程(附工具包)

本文详细解析了瑞芯微Android固件深度定制全流程,涵盖从固件包解包、系统镜像修改到植入root提权与分区调整的实战步骤。通过工具链操作与原理剖析,指导开发者安全实现系统精简、权限获取及存储扩容,最终完成固件重新打包与刷机验证,适用于追求设备完全控制权的技术爱好者。

ujm56789012的博客 700

【玩转倒立摆】(一)一阶倒立摆之 - 数学模型的建立

本文系统介绍了倒立摆系统的建模方法。首先阐述了倒立摆的基本概念及其在控制领域的重要性,然后详细推导了直线倒立摆的物理方程和状态空间模型。重点讨论了模型线性化的条件与方法,给出了倒立摆的线性状态空间表达式,为后续控制方案设计奠定基础。文章以通俗易懂的方式讲解了倒立摆建模的全过程,适合自动控制初学者学习参考。

ych0872的博客 6192

CMOS锁相环核心:四种鉴频鉴相器(PFD)结构深度剖析与选型指南

本文深入剖析了CMOS锁相环中四种鉴频鉴相器(PFD)的结构与性能,包括传统RS触发器型、非时钟型、预充电型和边沿触发型PFD。通过详细的电路分析、实测数据和工程案例,提供了PFD选型的实用指南,帮助工程师根据速度、功耗和精度需求选择最优方案,提升锁相环设计效率。

weixin_42530458的博客 590

二级倒立摆建模(一)

目录 一、倒立摆系统简介 二、二级倒立摆模型构建 三、二级倒立摆的线性化模型 四、二级倒立摆的状态空间模型 一、倒立摆系统简介 倒立摆控制系统作为实验装置在控制理论领域的教学与科研工作中担任着不可或缺的角色。在对其稳定控制研究过程中,许多实际抽象的关键问题,如镇定性、鲁棒性以及跟踪性等等,都可以被直观的呈现出来,倒立摆系统可以说为控制界的经典实验装置。倒立摆时刻处于倒置,状态不稳定,只有人为控制能使其达到并保持动态平衡状态。倒立摆通常包含两部分,即可以沿导轨来回运动的小车和小车上通.

龙晨天的博客 2万+

21天教你学会PCIe专栏(21)--总结和展望

回顾整个课程的主要内容和知识点总结PCIe技术的发展历程和现状展望PCIe技术的未来发展趋势和应用方向分享学习心得和实践经验1.1 课程回顾基础知识:了解了PCIe的基本概念、发展历程、标准和规范。分层结构:学习了PCIe的物理层、数据链路层和事务层的结构和功能。功能和特性:掌握了PCIe的热插拔、电源管理、多功能设备等高级功能。高速接口技术:学习了PCIe 4.0、5.0和未来趋势。实际案例分析:分析了GPU加速器和存储设备的PCIe设计和优化。常见问题和解决方案。

xiaoheshang_123的博客 673

Excel 数据自动校对:AI 助力精准对比与高效复核

通过智能数据校对:大幅减少人工重复劳动精准标注差异,降低出错概率报告可直接归档或审计,提高工作效率多源数据整合:Excel、ERP、数据库统一比对智能异常分析:自动推测差异原因自然语言报告:AI 直接生成结论,管理层一看就懂💡互动提醒你最想在哪类表格中应用 AI 校对功能?

Anthony1453的博客 694

倒立摆:Simulink建模

倒立摆:Simulink建模 内容 在此页面中,我们概述了如何建立倒立摆系统的模型,刹车使用Simulink及其附件进行仿真。然后可以使用非线性仿真来测试模型的线性化版本的有效性。仿真模型还可以用于评估基于线性化模型设计的控制方案的性能。 物理设置和系统方程式 在此示例中,我们将考虑带有手推车的倒立摆系统的二维版本,其中放置被约束为在下图所示的垂直平面中移动。对于该系统,控制输入是使推车水平移动的力,输出是摆的角位置和推车的水平位置。 对于此示例...

水月流萤的博客 1万+

手把手教你学SOME/IP「1.0•概述」

本文介绍了SOME/IP协议的基本概念和主要特点。SOME/IP全称为"Scalable service-Oriented MiddlewarE over IP",是一种面向服务的车载嵌入式通信协议,支持远程过程调用、事件通知等功能。文章指出SOME/IP是AUTOSAR标准的一部分,在车载以太网架构中处于应用层位置,负责服务调度和通信封装。协议具有可扩展性强、资源消耗低、兼容性好等优势,能满足汽车电子领域对实时性、可靠性的严格要求。同时,文章也说明了SOME/IP的正确书写规范,并解释

nihaoljq2010的博客 680

倒立摆控制系统

硬件设计 倒立摆是按照电赛的要求进行制作,硬件使用了带编码器反馈的减速电机、光电编码器和32F103ZET6单片 机最小系统。注意事项:结构一定要稳定,底盘一定要稳!倒立摆系统很敏感,一点不稳定都会进行放大,从而影响算法产生的结果反馈,给算法参数整定造成极大的麻烦。我程序中使用的光电编码器为单线脉冲加方向线,使用定时器脉冲计数功能进行读取,减速电机为AB相编码器,使用定时器的正交解码读取。下面是...

weixin_44206533的博客 2643

OpenClaw赚钱实录:从“养龙虾“到可持续变现的实践指南

OpenClaw已经开源3个月有余,作为深耕AI Agent领域的博主,我亲身探索了各种基于OpenClaw的赚钱方法,也踩过坑、付出了时间与精力。现在,我将这些真金白银砸出来的实战经验,毫无保留地总结成这个专栏,分享给不想从零开始摸索的你。博主在优快云已有7万+粉丝和1100万+阅读量,但这却是我的第一个付费专栏。正因如此,我比任何人都更珍惜这个“第一次”。我会像一个手艺人打磨作品一样,死磕每一篇文章的质量,并持续根据订阅者的反馈优化内容。也许你的疑问就是当篇文章的优化点。

冯·诺依曼 2448

SAP ABAP CO核心扩展-为企业定制ZCKM3N物料价格分析增强(CKM3 CKM3N CKM8N)

这篇文章,将为大家讲述物料价格分析扩展增强(ZCKM3N)的方法和原理,并基于CKM3N的视图之一“CV成本组件”,教大家如何一步步实现批量输出多工厂物料的物料价格分析报表。

SAP李斌,本人承诺所有原创文章均不使用任何AI生成技术,请大家放心阅读。 3987
上一篇: CDC控制仿真--综合实验,模型+代码
下一篇: 三个实例迅速掌握经典卡尔曼滤波用法
极简车辆控制
博客等级 码龄3年 1569粉丝 39原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

极简车辆控制

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值