Xreferat.com » Рефераты по информатике и программированию » Иерархическое управление большими системами

Иерархическое управление большими системами

border="0" /> (4.3.35)

С Q=diag(2,4,2,4) и R=diag(2,2), необходимо найти оптимальное управление, которое оптимизирует (4.3.35) для объекта (4.3.34) при x(0)=(11 -11)T.

Решение: Как видно из (4.3.34)-(4.3.35), две задачи первого уровня идентичны, и матричное уравнение Риккати второго порядка решается интегрированием (4.3.33) используя метод Рунге-Кутта четвертого порядка при Иерархическое управление большими системами =0.1. Ошибка взаимодействия в этом примере снижена до Иерархическое управление большими системами за 15 итераций, как показано на рисунке 4.9. Оптимальные концентрации БПК и РК двух колен реки показаны на рисунке 4.10.


4.3.2. Метод прогнозирования взаимодействия.

Альтернативный подход к оптимальному управлению иерархическими системами, который имеет как открытый, так и закрытый контур управления, - это метод прогнозирования взаимодействия, который основывается на работе Takahara (1965), который избегает упоминания о градиентных итерациях второго уровня. Рассмотрим большую линейную взаимосвязанную систему, которая декомпозирована на N подсистем, каждая из которых может быть описана

Иерархическое управление большими системами (4.3.36)

Где вектор взаимодействия zi:

Иерархическое управление большими системами (4.3.37)

Задача оптимального управления на первом уровне – найти управление ui(t), которое удовлетворяет (4.3.36)-(4.3.37), минимизируя обычную квадратичную функцию оценки:

Иерархическое управление большими системами (4.3.38)

Эту задачу можно решить введением множества множителей Лагранжа ai(t), и векторов косостояния pi(t), чтобы увеличить ограничение уравнения взаимодействия (4.3.37) и подсистем динамического ограничения (4.3.36) до подынтегральной функции оценки, т.е. Гамильтониан i-й подсистемы будет определен как:

Иерархическое управление большими системами (4.3.39)

Затем должно быть написано несколько необходимых условий:

Иерархическое управление большими системами (4.3.40)

Иерархическое управление большими системами (4.3.41)

Иерархическое управление большими системами (4.3.42)

Иерархическое управление большими системами (4.3.43)

где векторы ai(t) и zi(t) – уже не считаются неизвестными на первом уровне, и фактически ai(t) увеличивает zi(t), чтобы образовать широкоразмерный вектор согласования, который мы рассмотрим ниже. Для решения задачи первого уровня, надо принять Иерархическое управление большими системами как известную. Замете, что ui(t) можно выделить из (4.3.43):

Иерархическое управление большими системами (4.3.44)

и подставить в (4.3.40)-(4.3.42), получив:

Иерархическое управление большими системами (4.3.45)

Иерархическое управление большими системами (4.3.46)

который образует линейную двухточечную краевую (ДТК) задачу, и, как в (4.3.33) Иерархическое управление большими системами. Можно увидеть, что ДТК задача может быть разложена введением матрицы Риккати. Это выглядит как:

Иерархическое управление большими системами (4.3.47)

где gi(t) – это разомкнутый сопряженный или компенсирующий вектор, размерностью ni. Если обе части уравнения (4.3.47) продифференцированы и Иерархическое управление большими системами и Иерархическое управление большими системами из (4.3.46) и (4.3.45) подставлены в него, можно вновь использовать (4.3.47) и уравнительные коэффициенты для первого и нулевого порядка xi(t), получив следующие матричные и векторные дифференциальные уравнения:

Иерархическое управление большими системами (4.3.48)

Иерархическое управление большими системами (4.3.49)

где конечные условия Ki(tf) и gi(tf) вытекают из (4.3.41) и (4.3.47).

Иерархическое управление большими системами (4.3.50)

В результате данного уравнения оптимальное уравнение первого уровня становится

Иерархическое управление большими системами (4.3.51)

который имеет частичную закрытую обратную связь и прямую (открытую) обратную связь. Можно сделать два вывода. Первый, решение дифференциального, симметричного матричного уравнения Риккати, в которое включены ni(ni+1)/2 нелинейных скалярных уравнений не зависит от первоначального состояния xi(0). Второй, в отличие от Ki(t), gi(t) в (4.3.49) посредством zi(t) зависит от xi(0). Это свойство будет использовано в разделе 4.4, чтобы получить абсолютно закрытое управление в иерархической структуре.

Задача второго уровня сильно изменяет новый вектор согласования Иерархическое управление большими системами. Для этой цели определите аддитивно отделяемый Лагранжиан:

Иерархическое управление большими системами (4.3.52)

Значение ai(t) и zi(t) можно получить из:

Иерархическое управление большими системами (4.3.53)

Иерархическое управление большими системами (4.3.54)

т.е.:

Иерархическое управление большими системами (4.3.55)

Процедура согласования второго уровня на итерации (l+1) имеет вид:

Иерархическое управление большими системами (4.3.56)

Метод прогнозирования взаимодействия формулируется следующим алгоритмом:

Алгоритм 4.2 Метод прогнозирования взаимодействия для непрерывных систем:

Шаг 1. Решить N независимых дифференциальных матричных уравнений Риккати (4.3.48) с конечным условием (4.3.50) и сохраните Ki(t), i=1,2…,N. Инициализируйте ai(t) случайными числами и найдите соответствующее значение для zi(t).

Шаг 2. На l-й итерации используйте значения Иерархическое управление большими системами чтобы решить сопряженное уравнение (4.3.49), с конечным условием (4.3.50). Сохраните gi(t), i=1,2,…,N.

Шаг 3. Решите уравнение состояния

Иерархическое управление большими системами (4.3.57)

И сохраните xi(t), i=1,2,…,N.

Шаг 4. На втором уровне используйте результаты шагов 2 и 3 и (4.3.56) чтобы изменить согласующий вектор:

Иерархическое управление большими системами

Шаг 5. Проверьте сходимость на втором уровне, оценив общую ошибку взаимодействия:

Иерархическое управление большими системами (4.3.58)

Шаг 6. Если необходимая сходимость достигнута – остановитесь. Иначе, установите l=l+1 и перейдите к шагу 2.

Важно отметить, что в зависимости от типа цифрового компьютера, и его операционной системы, расчеты подсистем могут осуществляться параллельно, а также N-матричное уравнение Риккати на шаге 1 не зависит от xi(0), и значит их необходимо вычислить один раз, не зависимо от числа итераций второго уровня в алгоритме прогнозирования взаимодействия (4.3.56). В отличие от методов согласования цели, zi(t) не нужен в функции оценки, который был необходим, чтобы избежать однородности, о чем будет написано в следующем разделе.

Метод прогнозирования взаимодействия, введенный Tokahara (1965), был рассмотрен многими исследователями, которые внесли в него существенный вклад. Среди них Titli (1972) который назвал этот метод смешанным (Singh, 1980) и Cohen и др. (1974), который предоставил более убедительные доказательства сходимости чем предложенные ранее. Smith и Sage (1973) рассмотрели эту схему для нелинейных систем, которая будет рассмотрена в Главе 6. Сравнение методов прогнозирования взаимодействия, согласования цели и подходов без интеграции, рассмотренных в разделе 4.4, дано в разделе 4.5. Следующие два примера, а потом пример в САПР иллюстрирует метод прогнозирования взаимодействий.

Пример 4.3.3. Рассмотрим систему четвертого порядка

Иерархическое управление большими системами (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:

Иерархическое управление большими системами (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

Иерархическое управление большими системами (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 Иерархическое управление большими системами и программы кубической сплайн интерполяции. Ошибку взаимодействия снизили до Иерархическое управление большими системами 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

Иерархическое управление большими системами

Необходимо использовать метод прогнозирования взаимодействия для нахождения u*.

Решение: Система была разложена на две подсистемы четвертого порядка и были выбраны tf=2, Иерархическое управление большими системами=0.1 , Q1=Q2=I4, R1=R2=1. Первоначальные значения Иерархическое управление большими системами, i=1,2 и состояние х0 были приняты за Иерархическое управление большими системами, Иерархическое управление большими системами и Иерархическое управление большими системами. Сходимость была очень быстрой, как видно на рисунке 4.13. Всего за четыре итерации второго уровня ошибка взаимодействия была снижена до Иерархическое управление большими системами. Фактически была быстрая сходимость для различных x0 и Иерархическое управление большими системами.

САПР пример 4.3.1. Рассмотрим систему четвертого порядка в примере 4.3.1 в (4.3.59):

Иерархическое управление большими системами

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 0.100D+00 0.500D+00
0.500D-01 0.150D+00 0.100D+01 0.500D-01
0.000D+00 -0.200D+00 0.250D+00 -0.120D+01

Matrix Input Matrix B


0.100D+01 O.OOOD+00
0.100D+00 O.OOOD+00
O.OOOD+00 O.250D+O0

Matrix Input Cost Function R


0.100D+01 O.OOOD+OO
0.000D+O0 0.200D+01

Matrix Lagrange Multiplier Initial Values


0.100D+01
O.IOOD+Ol
0.100D+01
0.100D+01

Matrix Initial conditions vector xO


-.100D+01
0.100D+00
0.100D+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:

Иерархическое управление большими системами (4.3.62)

Одно из необходимых уравнений для решения задачи i-й подсистемы на первом уровне

Иерархическое управление большими системами (4.3.63)

или

Иерархическое управление большими системами (4.3.64)

где однородное решение появляется, если Иерархическое управление большими системами 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:

Иерархическое управление большими системами (4.3.65)

Необходимо найти (u1,u2), такие, чтобы они удовлетворяли (4.3.65), а квадратичная функция оценки

Иерархическое управление большими системами (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.

Иерархическое управление большими системами (4.3.67)

Иерархическое управление большими системами (4.3.68)

с ограничением взаимодействия

Иерархическое управление большими системами (4.3.69)

Задача в настоящий момент имеет следующий Гамильтониан:

Иерархическое управление большими системамиИерархическое управление большими системами(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

Иерархическое управление большими системами (4.3.71)

которая даст следующее необходимое условие для оптимизации на первом уровне:

Иерархическое управление большими системами (4.3.72)

для первой подсистемы и

Иерархическое управление большими системами (4.3.73)

для второй подсистемы. После введения формулы Риккати (4.3.72) и (4.3.73) мы получим:

Иерархическое управление большими системами

и

Иерархическое управление большими системами

где ki(t) – i-я скалярная нестационарная матрица Риккати для подсистемы. Согласование на втором уровне достигается через следующие итерации:

Иерархическое управление большими системами

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:

Иерархическое управление большими системами

где G – считается неоднородной и переформулированный Гамильтониан представлен в виде:

Иерархическое управление большими системами

В этом примере матрица G – однородна, но решение можно получить. Гамильтониан имеет вид:

Иерархическое управление большими системами

А задача подсистемы первого уровня имеет вид

Иерархическое управление большими системами

и

Иерархическое управление большими системами

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

Иерархическое управление большими системами

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

Иерархическое управление большими системами (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 Иерархическое управление большими системами отделяемо от z, где V=G-1.

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: