Sterowanie Predykcyjne Systemami Nieliniowymi03

Sterowanie predykcyjne systemami nieliniowymi
Algorytmy z adaptacj wskanika jakoci

Piotr Bania
Akademia Grniczo-Hutnicza
Katedra Automatyki
pba@ia.agh.edu.pl
http://home.agh.edu.pl/~pba

Seminarium Polskiego Towarzystwa Matematycznego, Krakw Maj 2007
Piotr Bania - Sterowanie predykcyjne systemami nieliniowymi - Seminarium PTM Krakw Maj 2007
Google
Model predictive control (MPC) 343000 odnonikw
Nonlinear model predictive control (NMPC) 58500 odnonikw
Receding horizon control (RHC) 58900 odnonikw
Sterowanie predykcyjne" 264 odnoniki
Regulacja predykcyjna" 243 odnoniki
Sterowanie predykcyjne stanowi przedmiot bardzo intensywnych bada
Czym jest sterowanie predykcyjne?
Sterowanie predykcyjne (MPC model predictive control lub RHC receding horizon control)
jest metod sterowania systemami dynamicznymi, polegajc na cyklicznym rozwizywaniu
odpowiednio sformuowanego zadania sterowania optymalnego (ZSO). Pocztkowa cz
rozwizania (funkcji sterujcej) podawana jest na wejcia obiektu, po czym ca procedur
powtarza si dla nowego aktualnie wyznaczonego stanu obiektu.
)) ( ( ) , ( )) ( , , (
i i
i
T t
t
i i
i i
i
i
T t x q dt u x L t x T u J
i i
i
+ + =
}
+ Wskanik jakoci
)) ( ), ( ( ) ( t u t x f t x = U t u e ) (
} 0 , 0 , ; {
max min max min
> < s s e = u u u u u R u U
m
n
R X t x c e ) (
Prawa strona ciga , spenia
globalny warunek Lipschitza,
f(0,0)=0,
System
X e 0
Ograniczenia na stan kocowy
O e + ) (
i i
T t x
Zbir dopuszczalnych
stanw kocowych
Regulator optymalny u=k(x) mona wyznaczy na drodze rozwizania rwnania
Hamiltona-Jacobiego-Bellmana, jednake znalezienie rozwizania jest praktycznie
niemoliwe dla bardziej skomplikowanych zada z ograniczeniami.
(Mayne et. al. 2000)
Uzasadnienie sterowania predykcyjnego
Znacznie atwiejsze jest cykliczne rozwizywanie zadania sterowania optymalnego
ze skoczonym horyzontem przy zadanym warunku pocztkowym.
(Mayne et. al. 2000)

Pierwsze wzmianki Lee and Markus1967 Foundations of optimal control theory

Kalman1960 optimality does not imply stability ale po wprowadzeniu twardych
ogranicze na stan kocowy mona uzyska stabilny regulator

Pakiet IDCOM (identification and command) model linowy dyskretny w postaci odpowiedzi
imulsowej i kwadratowa funkcja kosztu Richalet et al. 1976

DMC Dynamic Matrix Control; Culter&Ramaker 1980, Prett&Gilette 1980 model liniowy
dyskretny w postaci odpowiedzi skokowej , ograniczenia stanu i sterowania

QDMC Quadratic Dynamic Matrix Control , zadanie programowania kwadratowego z
uwzgldnieniem ogranicze stanu i sterowania, model liniowy dyskretny w czasie Garcia &
Morshedi 1986

GPC generalized predictive control Clarke & Mothadi 1987 model linowy dyskretny w
postaci transmitancji z uwzgldnieniem zakce i estymacj parametrw na bieco

Rozwj algorytmw predykcyjnych
W systemach z czasem ciagym przeom nastapi po opublikowaniu w 1990 r. artykuu
Mayne & Michalska 1990 Receding Horizon Control of Non-linear Systems
ograniczenia stanu kocowego, nieliniowy model obiektu w postaci ukadu rwna
rniczkowych,
Quasi infinity horizon model predictive control Chen & Algwer 1998 Model nielinowy w
postaci rwna rniczkowych, kwadratowy wskanik jakoci, funkcja kary za niespenienie
warunku kocowego, wskanik jakoci wybrany tak aby dobrze oszacowa koszt dla zadania
z nieskoczonym horyzontem
Suboptimal Model Predictive Control (Feasibility Implies Stability) Scokaert, Mayne, Rao
1999 nielinowe systemy dyskretne , suboptymalne sterowania dopuszczalne pozwalaj
uzyska stabilno
Bania 2007 QTO-RHC Quasi Time Optimal Receding Horizon Control suboptymalny
algorytm predykcyjny dla systemw cigych w czasie dla zada czasooptymalnych
Zastosowania algorytmw predykcyjnych
Przemys chemiczny, petrochemiczny, metalurgia
Lotnictwo
Robotyka
Loty kosmiczne
Qin & Badgwel 1997 An overview of industrial model predictive control technology
Morari & Lee 1999 Model predictive control : Past, present and and future
Mayne et al. 2000 Constrained model predictive control: Stability and optimality
Tatjewski P. 2002 Sterowanie zawansowane obiektw przemysowych
Maciejowski J. M. 2002 Predictive control
Przykad 1.1.2. Utrata stabilnoci.

Wemy prosty system liniowy (niestabilny)

0 , ) 0 ( , ) ( ), ( ), ( ) ( ) (
0
> = e + = t x x R t u t x t u t x t x
. (1.1.5)

Niestabilno w sterowaniu predykcyjnym
1. Sterowanie i trajektoria skadaj si z kawakw sterowa i trajektorii bdcych
rozwizaniami kolejnych ZSO.

2. Rozwizanie uzyskane po zamkniciu sprzenia zwrotnego moe by istotnie
rne od rozwizania problemu sterowania w chwili pocztkowej.

3. Wyduenie horyzontu sterowania powoduje, e trajektoria systemu zamknitego
zblia si do optymalnej trajektorii uzyskanej w chwili pocztkowej

4. Skracanie horyzontu z lewej strony powoduje e trajektoria systemu zamknitego
jest rwna optymalnej trajektorii uzyskanej w chwili pocztkowej (przy braku
zakce).

5. Rozwizania kolejnych problemw ZSO mog si od siebie znacznie rni
Rnice pomidzy rozwizaniami kolejnych ZSO staj si pomijalnie mae przy
odpowiednim wyborze horyzontu T i liczby .

6. Zbyt krtki horyzont moe spowodowa utrat stabilnoci.

7. Wprowadzenie funkcji kary za niespenienie warunku kocowego pozwala
ustabilizowa system nawet przy krtkich horyzontach.
Wnioski z przykadw
Cel bada
Skonstruowa uniwersalny stabilny i odporny
algorytm sterowania predykcyjnego umoliwiajcy
realizacj zada:

Sterowania czasooptymalnego,
Sterowania docelowego,
Stabilizacji po osigniciu otoczenia celu,

przy moliwie niskim nakadzie oblicze.
Algorytmy predykcyjne byy zwykle stosowane do stabilizacji systemw nieliniowych.
Przedstawiony cel bada stanowi znaczce poszerzenie zakresu stosowalnoci
algorytmw predykcyjnych i nie by dotychczas analizowany w literaturze.
Uzasadnienie
A. Wymagania sztywne
1. Stabilno ( w odpowiednim sensie)
2. Odporno (w odpowiednim sensie)
B. Sterowanie czasooptymalne (docelowe) i stabilizacja
s trudne do pogodzenia w jednym algorytmie
Stabilizacja
Celem jest minimalizacja odchyek stanu
w otoczeniu punktu rwnowagi
Synteza regulatora na podstawie
lokalnego modelu linowego, mniejsza
wraliwo na zakcenia
Na og nieskoczony horyzont sterowania
Przy nieskoczonym horyzoncie
implikuje stabilno AP.
Sterowanie optymalne i docelowe
1. Celem jest osignicie zadanego
stanu kocowego
2. Dua wraliwo rozwiza optymalnych
3. Zadanie ze skoczonym horyzontem
4. Na og nie implikuje stabilnoci AP
(Kalman 1960) optimality does not implies
stability)
B
O
X (t )
*
i
X (t )
*
i-1
X T
i
(t + )
i i
Start adaptacji gdy trajektoria osiga zbir B
Strategia stabilizacji
Strategia czasooptymalna
lub docelowa
Adaptacja wskanika jakoci:
Doprowadzi system do otoczenia celu i stopniowo zmienia
strategi sterowania wczajc do wskanika jakoci
skadnik stabilizujcy (np. caka z kwadratu odchyek stanu)
Zadanie sterowania optymalnego
musi by rozwizywane on-line
co czas o !!!
PODSTAWOWY PROBLEM
C. Minimalizacja nakadu oblicze

Wniosek

Naley wykorzysta rozwizania suboptymalne do redukcji nakadu
oblicze oraz maksymalnie uproci zadanie sterowania optymalnego
Duy nakad oblicze,
zadanie nieskoczenie wymiarowe
niepotrzebne iteracje pod
koniec procesu optymalizacji,
ale gwarantowana stabilno.
Redukcja nakadu oblicze,
prostszy problem sterowania,
moliwo przerwania oblicze
po znalezieniu rozwizania dopuszczalnego.
Niskowymiarowa parametryzacja
sterowania za pomoc wielomianw
trzeciego stopnia.
Sterowanie optymalne
z punktu do punktu
Zadanie oryginalne
Suboptymalne sterowanie
dopuszczalne, z punktu do
zbioru kocowego.
Zadanie przeksztacone
Czy sterowania suboptymalne zachowuj stabilno i odporno?

Lemat 2.3.1. Zachodzi implikacja WS1 WS3.
Rozwizania zmierzaj do kuli K(0,R(c)) i pozostaj w tej kuli,
Promie kuli jest tym mniejszy im mniejsze s zakcenia
Wpyw zakce Przewidywana poprawa
przy braku zakce
Wnioski

Stosowanie rozwiza suboptymalnych nie narusza stabilnoci i
odpornoci algorytmu predykcyjnego

Procedura H moe zakoczy obliczenia gdy
W praktyce optymalizujemy a do wyczerpania limitu czasu
Algorytm QTO-RHC (Quasi Time Optimal Receding Horizon Control )
Zmienna strategia sterowania
Adaptacja wskanika jakoci,
regularne przejcie od sterowania
czasooptymalnego do stabilizacji
Ograniczenie stanu kocowego
jest realizowane przez dobr
wspczynnika kary .
W pocztkowej fazie sterowanie jest zblione do czasooptymalnego;

Po osigniciu zbioru B (zadawanego przez uytkownika) rozpoczyna si adaptacja
wskanika jakoci, algorytm przechodzi do fazy stabilizacji zwikszajc wspczynnik
ci i wczajc do wskanika jakoci czon stabilizujcy;

Horyzont zmierza do wartoci minimalnej Tmin;

Wskanik jakoci zmierza do zera;

Wspczynnik kary ulega zmianie co najwyej raz;

Jeeli funkcja podcakowa we wskaniku jakoci jest kwadratowa i prawa strona
rwna stanu jest afiniczna wzgldem sterowania, to sterowania generowane
przez algorytm zmierzaj do rozwiza problemu liniowo kwadratowego
ze skoczonym horyzontem sterowania dla systemu zlinearyzowanego w otoczeniu
zera.
Regulator zmierza asymptotycznie do regulatora LQ
Algorytm optymalizacji MSE - Monotone Structural Evolution
(Korytowski, Szymkat, Turnau)
Algorytm MSE jest bezporedni metod rozwizywania zada sterowania optymalnego
dla systemw opisywanych rwnaniami rniczkowymi zwyczajnymi przy
ograniczeniach stanu i sterowania.
Struktura sterowania: uki graniczne, wewntrzne, singularne oraz punkty podziau
uk graniczny : warto sterowania i koce przedziau, 2 parametry;
uk wewntrzny: wielomian stopnia 1 lub 3 oraz koce przedziau max. 6 parametw;
uk singularny: us(x,) koce przedziau, dwa parametry ;
Przy ustalonej strukturze sterowania poszukuje si metodami gradientowymi (BFGS)
minimum wskanika jakoci Q(p), gdzie p jest wektorem parametrw sterowania
Gradient wskanika jakoci wylicza si na drodze numerycznego cakowania
rwna stanu i rwna sprzonych
W trakcie optymalizacji wywoywane s procedury generacji i redukcji
Generacja szpilkowa wstawienie nowego krtkiego uku
Generacja jednowzowa wstawienie nowego wza
Generacja paska wstawienie uku wewntrznego na uku granicznym
Generacja wielomianowa zwikszenie o 2 stopnia wielomianu opisujcego dany
uk wewntrzny
Efektywno generacji: Przyrost kwadratu normy gradientu przed i po generacji
Warunki generacji czy dana generacja jest dopuszczalna i minimalnie efektywna
Po generacji nastpuje zmiana struktury sterowania i zmiana wymiaru
przestrzeni decyzyjnej

Proces poszukiwania kontynuuje si w nowej przestrzeni a do nastpnej generacji bd
spenienia warunkw koniecznych optymalnoci

Procedury redukcji usuwanie ukw o zerowej dugoci zmiana struktury

1. Sterowanie pocztkowe oraz
antygradient wskanika jakoci
2. Generacja szpilkowa na drugim
sterowaniu
3. W nastpnej iteracji nowy uk
poszerza si
4. Po kilkunastu iteracjach wystpia redukcja pierwszego uku
oraz generacja nowego uku granicznego na kocu
Przykad generacji szpilkowej
1. Sterowanie tu przed generacj
2. Efektywno generacji jednowzowej
3. Wstawienie nowego wza w punkcie o
maksymalnej efktywnoci
Przykad generacji jednowzowej
Niski wymiar przestrzeni decyzyjnej zwykle <100 dobierany
dynamicznie w trakcie procesu optymalizacji

Szybka zbieno w porwnaniu z metod strzaw

Wskanik jakoci monotonicznie maleje w kolejnych iteracjach

Moliwo zastosowania w czasie rzeczywistym

Wada duy nakad pracy analitycznej wyznaczenie rwna
sprzonych i wzorw na sterowania singularne

Przy wikszej liczbie sterowa (>4) znaczco ronie nakad oblicze

Wasnoci metody MSE
Kt wahada
Pooenie wzka
Porwnanie z regulatorem LQ
Pokaz
Pokaz
Maksymalizacja stosunku masy
kocowej do pocztkowej
Pokaz
Dzikuj za uwag

Sterowanie Predykcyjne Systemami Nieliniowymi03

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Sterowanie Predykcyjne Systemami Nieliniowymi03

Uploaded by

Copyright:

Available Formats

Sterowanie predykcyjne systemami nieliniowymi

Algorytmy z adaptacj wskanika jakoci

You might also like