Пример 4.3.3. Рассмотрим систему четвертого порядка
(4.3.59)
Где x(0)=(-1,0.1,1.0,-0.5)T, квадратичная функция оценки Q=daig(2,1,1,2), R=diag(1,2) и нет граничного штрафа. Надо использовать метод прогнозирования взаимодействия и найти оптимальное управление для tf =1.
Решение: Систему разделили на две подсистемы второго порядка и применили методы, описанные в алгоритме 4.2. На первом шаге решили два независимых дифференциальных матричных уравнения Риккати используя как дублирующий алгоритм Davison и Maki (1973), так и стандартный метод Рунге-Кутта. Элементы матрицы Риккати были представлены в виде квадратичного полинома в ряде Чебышева (Newhouse,1962), для удобства вычислений:
(4.3.60)
На первом уровне были решены два сопряженных уравнения второго порядка в виде (4.3.49) и два уравнения состояния подсистем, как показано в алгоритме 4.2 в шаге 3, используя метод четвертого порядка Рунге-Кутта и первоначальные значения
(4.3.61)
На втором уровне векторы взаимодействия [a11(t),a12(t),z11(t),z12(t)] и [a21(t),a22(t),z21(t),z22(t)]T были спрогнозированы с использованием рекурсивных отношений (4.3.56), и на каждой итерации производился обмен информацией с подсчетом общей ошибки взаимодействия (4.3.58) для и программы кубической сплайн интерполяции. Ошибку взаимодействия снизили до за шесть итераций, как показано на рисунке 4.11. Были получены оптимальные значения выхода для Ci =(1 1) и сигнала управления. Затем для сравнения первоначальную систему (4.3.59) оптимизировали, решив нестационарное матричное уравнение Риккати четвертого порядка обратным интегрированием, и для хi(t), i=1,2,3,4; yj(t) и uj(t), j=1,2. Значения выхода и сигналы управления как для случая иерархического управления, так и для централизованного, показаны на рисунке 4.12. Отметьте относительно точное соответствие между значениями выхода для первоначальной соединенной и иерархической разъединенной систем. Но как и ожидалось, эти два уравнения различны.
Теперь рассмотрим второй пример.
Пример 4.3.4. Рассмотрим систему восьмого порядка
Необходимо использовать метод прогнозирования взаимодействия для нахождения u*.
Решение: Система была разложена на две подсистемы четвертого порядка и были выбраны tf=2, =0.1 , Q1=Q2=I4, R1=R2=1. Первоначальные значения , i=1,2 и состояние х0 были приняты за , и . Сходимость была очень быстрой, как видно на рисунке 4.13. Всего за четыре итерации второго уровня ошибка взаимодействия была снижена до . Фактически была быстрая сходимость для различных x0 и .
САПР пример 4.3.1. Рассмотрим систему четвертого порядка в примере 4.3.1 в (4.3.59):
Где x(0)=(-1,0.1,1.0,-0.5)T , квадратичная функция оценки Q =diag(2,1,1,2), R=diag(1,2) и нет граничного штрафа. Необходимо использовать LSSPAK или подобное программное обеспечение и метод прогнозирования взаимодействия и найти оптимальное управление для tf=2.
Решение: Как и раньше, система делится на две подсистемы второго порядка, и уравнения Риккати для подсистем решаются с использованием RICRKUT от LSSPAK/PC, а их решения представлены в виде полинома четвертого порядка для удобства вычислений. Используя программу INTRPRD от LSSPAK/PC реализуют алгоритм прогнозирования взаимодействия и схождение достигается за пять итераций. Точные выборки из выполнения этого САПр примера приведены ниже. Инструкции для вычерчивания программы прогнозирования взаимодействия появляются, когда на экране появится чертеж; нажмите Enter, чтобы вернуться к меню.
Если вы хотите вывести чертежи через принтер откройте DOS файл GRAPHICS до запуска программы, когда вы захотите вывести чертеж, нажмите shift-PrtScr.
Optimization via the interaction prediction method.
Initial time (to): 0
Final time (tf): 2
Step size (Dt): .1
Total no. of 2nd level iterations = 6
Error tolerance for multi-level iterations - .00001
Order of overall large scale system = 4
Order of overall control vector (r) = 2
Number of subsystems in large scale system = 2
Matrix Subsystem state orders-n sub i 0.200D+01 0.200D+01
Matrix Subsystem input orders-r sub i 0.100D+01 0.100D+01
Polynomial approximation for the Ricatti matrices to be used.
Matrix Ricatti coefficients for SS# 1
0.453D+01
-.259D+01
0.794D+01
-762D+01
O.186D+01
0.978D-01
-.793D-01
0.252D+00
.233D+00
0.571D-01
0.490D+00
0.759D-02
-.109D+00
0.975D-01
-.531D-01
Matrix Ricatti coefficients for SS# 2
0.112D+01
-.815D+01
0.361D+01
0.455D+01
0.105D+01
-0.149D+00
-.322D-01
0.697D-01
.284D-01
0.183D-01
0.815D+00
0.642D-01
-.295D+00
0.305D+00
-.138D+00
System Matrix A
0.200D+01
0.100D+00
0.100D-01
0.000D+00
0.200D+00
0.100D+01
0.500D+00
0.500D-01
0.150D+00
-0.200D+00
0.250D+00
-0.120D+01
Matrix Input Matrix B
O.OOOD+00
O.250D+O0
Matrix Input Cost Function R
O.OOOD+OO
0.000D+O0
Matrix Lagrange Multiplier Initial Values
O.IOOD+Ol
Matrix Initial conditions vector xO
-.100D+01
-.500D+00
Subsystem no. 1 at 2nd level iteration no. 1
Subsystem no. 2 at 2nd level iteration no. 1
At second level iteration no. 1 interaction error = 0.347D+00
Subsystem no. 1 at 2nd level iteration no. 2
Subsystem no. 2 at 2nd level iteration no. 2
At second level iteration no. 2 interaction error = 0.771D - 03
Subsystem no. 1 at 2nd level iteration no. 3
Subsystem no. 2 at 2nd level iteration no. 3
At second level iteration no. 3 interaction error = 0.507D - 03
Subsystem no. 1 at 2nd level iteration no. 4
Subsystem no. 2 at 2nd level iteration no. 4
At second level iteration no. 4 interaction error = 0.323D - 04
Subsystem no. 1 at 2nd level iteration no. 5
Subsystem no. 2 at 2nd level iteration no. 5
At second level iteration no. 5 interaction error = 0.310D - 05
Оптимальные отклики показаны на рисунке 4.14, а схождение на рисунке 4.15.
Другие применения метода прогнозирования взаимодействия представлены в разделе задач.
4.3.3 Согласование цели и однородность
Когда в (4.3.15) – (4.3.17) обсуждался метод согласования цели, было замечено, что положительно определенные матрицы Si были введены в функцию оценки (4.3.17) для того, чтобы избежать однородности. Чтобы убедится в этом, обратимся к задаче минимизации Li в (4.1.24) для объекта (4.3.15). Пусть i-й Гамильтониан подсистемы имеет вид:
(4.3.62)
Одно из необходимых уравнений для решения задачи i-й подсистемы на первом уровне
(4.3.63)
или
(4.3.64)
где однородное решение появляется, если не появляется в функции оценки. Чтобы избежать однородности на первом уровне возможны два альтернативных подхода. Следующий пример иллюстрирует два подхода.
Пример 4.3.5. Рассмотри следующую систему:
(4.3.65)
Необходимо найти (u1,u2), такие, чтобы они удовлетворяли (4.3.65), а квадратичная функция оценки
(4.3.66)
минимизировалась методом согласования цели.
Решение: Из (4.3.65) –(4.3.66) ясно, что систему можно разделить на две подсистемы первого порядка.
(4.3.67)
(4.3.68)
с ограничением взаимодействия
(4.3.69)
Задача в настоящий момент имеет следующий Гамильтониан:
(4.3.70)
в котором переменная взаимодействия появляется линейно. Применение метода согласования цели для данной формулировки приведет к однородности, так как z1 появляется линейно в (4.3.70). Следующая системная переформулировка задач поможет избежать однородности.
Часть а – подсистема 1, переменные состояния
Часть б – подсистема 1, переменные управления
Часть в – подсистема 2, переменные состояния
Часть г – подсистема 2, переменные управления
4.3.3.а. Переформулировка 1.
Bauman (1968) предложил переписать ограничения взаимодействия квадратичной формы
(4.3.71)
которая даст следующее необходимое условие для оптимизации на первом уровне:
(4.3.72)
для первой подсистемы и
(4.3.73)
для второй подсистемы. После введения формулы Риккати (4.3.72) и (4.3.73) мы получим:
и
где ki(t) – i-я скалярная нестационарная матрица Риккати для подсистемы. Согласование на втором уровне достигается через следующие итерации:
Эта переформулировка помогает избежать однородности, но делает схождение итераций второго уровня очень медленным.
4.3.3.б. Переформулировка 2.
Singh (1980) предложил альтернативную формулировку, которая не только позволит избежать однородности, но и даст хорошее схождение процедура основывается на том, чтобы найти х через вектор взаимодействия z и подставить его в функцию оценки, т.е. z можно представить как:
где G – считается неоднородной и переформулированный Гамильтониан представлен в виде:
В этом примере матрица G – однородна, но решение можно получить. Гамильтониан имеет вид:
А задача подсистемы первого уровня имеет вид
вторую подсистему можно решить сразу же, так как уравнение p2 – косостояние отделено от х2 и может быть решено в обратном порядке и подставлено в уравнение х2, что приведет к тому, что решение уравнения Риккати в данном примере не требуется. Но для первой подсистемы, исходя из формулировки задач первого уровня в прогнозировании взаимодействия (4.3.40) – (4.3.51), необходимо как уравнение Риккати, так и открытое сопряженное (компенсирующее) векторное уравнение. Для этого примера задача первой подсистемы имеет вид
где два дифференциальных уравнения для ki(t) и gi(t) нужно решить в обратном порядке. В то время как для второй подсистемы не нужно решать вспомогательное уравнение, надо решить два таких уравнения для первой подсистемы. В общем эта переформулировка требует решения
(4.3.74)
что означает, что уравнения вектора косостояния p отделено от х и может быть решено в обратном порядке (без решения уравнения Риккати) и подставлено в верхнее уравнение для нахождения х. Так как матрицы A, B, Q и R – блок-диагональные, задачу (4.3.74) можно разделить на N задач подсистем с условием, что отделяемо от z, где V=G-1.
Страницы: 1, 2, 3, 4