Содержание к диссертации
Введение 3
1 Построение управления для механической системы на основе деком
позиции 11
-
Постановка задачи 11
-
Полученные результаты 12
-
Приведение системы к нормальным координатам 12
-
Анализ ограничений и построение управления 18
1.3 Пример 19
2 Эллипсоидальные оценки фазового состояния линейных систем ... 26
2.1 Постановка задачи 26
-
Постановка задачи для систем с дискретным временем 26
-
Постановка задачи для систем с непрерывным временем 29
2.1.3 Вспомогательные задачи 30
2.2 Полученные результаты 31
-
Решение Задачи 1 31
-
Решение Задачи 2 35
-
Решение Задачи 3 37
-
Описание алгоритма 41
-
Пример 1 42
-
Пример 2 44
3 Моделирование процессов управления и оценивания 52
-
Постановка задачи 53
-
Основные результаты 55
-
Первый этап решения 55
-
Второй этап решения 58
-
Третий этап решения 59
-
Описание алгоритма 60
-
Пример 62
Заключение 73
Литература 75
Введение к работе
Динамические системы с неопределенностями имеют большое значение в многочисленных приложениях теории управления и оптимизации. Часто в таких системах доступны результаты измерений одного или нескольких параметров, известны границы возможных ошибок этих измерений. Для таких систем важно построить оценки множества достижимости, то есть совокупности возможных концов траекторий данной системы, совместимых с уравнениями динамики системы (с учетом всевозможных реализаций неопределенностей в них) и результатами наблюдений (с учетом их возможных ошибок). Матрицы систем могут быть известными неточно: заданы лишь границы, в которых они могут лежать. Тем самым учитываются возможные неопределенности в задании параметров системы, а также параметрические возмущения. Такие системы могут моделировать различные механические, электрические и другие виды систем, чьи параметры неизвестны, но могут меняться в известных границах. В качестве примеров можно указать механические системы, в которых коэффициенты жесткости, затухания или трения заданы неточно. Электрические системы, где сопротивление, емкость, индуктивность или коэффициенты обратной связи известны с определенной точностью, также могут описываться в рамках этой модели.
Гарантированный (минимаксный) подход оперирует с множествами, в которых лежат неопределенные векторы. При этом предполагается, что неизвестные помехи локализованы в известных множествах, а в остальном произвольны. Гарантированный способ оценивания управляемых систем тесно смыкается с теорией дифференциальных включений [2], [49].
Гарантированный (минимаксный, игровой) подход к проблеме оценивания фазового состояния динамических систем был сформулирован в [15], [16]. Дальнейшее развитие он получил в книге [18], где содержатся результаты решения задач наблюдения и оценивания в динамических системах. В указанных работах используется понятие информационного множества, устанавливаются его свойства, предлагаются способы построения и аппроксимации. При этом применяется аппарат опорных функций. Рассматриваются совместные ограничения на ошибки измерений и начальные данные, включающие как совместное квадратичное ограничение, так и другие возможные ограничения. Необходимо также упомянуть работы [19]-[21], в которых результаты имеют наиболее завершенный характер для ситуации, когда в линейной наблюдаемой системе ограничения на помехи и ошибки заданы не в каждый момент времени, а интегрально-квадратичным образом. В этом случае множество возможных состояний, совместимое с наблюдениями, является эллипсоидом, и дифференциальные уравнения для его параметров относятся к классу уравнений Риккати. Проблемам, связанным с применением эллипсоидов, посвящены также работы [81]-[88].
В работах [34] -[37] для исследования множеств достижимости также используется аппарат опорных функций. Получено дифференциальное уравнение в частных производных для опорной функции множества достижимости, введено понятие интегральной воронки управляемой системы.
Главным элементом во многих алгоритмах гарантированного оценивания управляемых систем является исследование множеств достижимости. В частности, в работах [16], [17] при формулировке правила экстремального прицеливания для дифференциальных игр изучаются общие фундаментальные свойства множеств достижимости. Свойства компактности и непрерывной зависимости множеств достижимости от времени исследовались в работах [76], [78], [93]. Следует особо отметить роль методов анализа и теории экстремальных задач [39], [44] в развитии гарантированного подхода.
В монографии [50] изучается структура множеств достижимости, а также предельных множеств достижимости, получающихся при стремлении времени к бесконечности, называемых множествами управляемости. Структура множеств достижимости исследуется также в работах [67], [3], [92], [28]. Изучению границы множества достижимости линейной нестационарной системы посвящена работа [51].
У гарантированного способа оценивания все основные проблемы сводятся к тому, что операции над неопределенными величинами переходят в операции над множествами сколь угодно сложной (вообще говоря) формы. В связи с этим практически приемлемое построение множеств достижимости сталкивается с большими трудностями, особенно в пространстве большой размерности. Даже если исходные множества в начальный момент времени имеют геометрическую форму, требующую при машинном счете небольшого числа параметров для обработки и хранения, то в результате аффинных преобразований, сложения множеств, их пересечения, могут получаться многообразия сложной, и, самое главное, трудно предсказуемой формы. Оценки показывают, что при отсутствии каких-либо революционных прорывов в области создания новых моделирующих приспособлений (например, компьютеров), ни сейчас, ни в обозримом будущем для широкого класса реальных систем поточечные описания, обладающие достаточной точностью, не найдут материальной базы для воплощения.
Очевидность этого обстоятельства вызывает к жизни попытки ввести множества простой (канонической) формы, приближающие настоящие множества достижимости. Под простой понимается такая форма, которая при соблюдении допустимой точности аппроксимации требует приемлемых вычислительных ресурсов. При этом все входящие в задачу множества заменяются на множества канонической формы. Возникает задача построения операций над каноническими множествами (типа упомянутых ранее элементарных операций над множествами общей формы), результат которых был бы максимально близок в смысле некоторого критерия к результату соответствующих операций над множествами неопределенности. Представляется сомнительным существование универсальной канонической формы, но пока разнообразие их невелико.
В некоторых задачах бывает удобно описывать множества неопределенности с помощью методов теории линейных неравенств. Системы линейных неравенств выделяют многогранники в пространстве фазовых координат, содержащие неизвестное состояние системы. Подобный подход применяется в работах [23]-[25], [77]. Теория линейных неравенств используется также в монографии [26] для оценки возможностей управляемых систем, для агрегирования в экономических моделях и т.д.
В работах [5Н], [96] и других было предложено в качестве канонических множеств брать эллипсоиды. Здесь следует отметить, что множества достижимости линейных систем при не слишком обременительных условиях являются выпуклыми, а эволюция начального множества при отсутствии помех в таких системах описывается аффинными преобразованиями. Выбор эллипсо- идов, таким образом, может быть объяснен указанными выше причинами, а именно: 1) эллипсоид в пространстве Rn описывается вектором своего центра и симметрической матрицей размерности пхп, т.е. сравнительно небольшим числом параметров (примерно вдвое меньшим, чем, например, требуется при больших п для описания параллелепипеда той же размерности); 2) произвольное выпуклое тело можно довольно хорошо приблизить эллипсоидом (в работе [22], (см. также [79], [4]) доказаны теоремы, позволяющие оценить качество аппроксимации эллипсоидом произвольного выпуклого множества); 3) класс эллипсоидов инвариантен относительно аффинных преобразований. Все это привело к появлению значительного количества работ с использованием эллипсоидов.
В статье [66] решена задача об аппроксимации эллипсоидом минимального объема пересечения эллипсоида и полосы.
В работе [52] предложен способ аппроксимации сверху суммы и пересечения двух эллипсоидов. При этом минимизировался след квадрата матрицы эллипсоида (сумма четвертых степеней полуосей эллипсоида). Получены соответствующие уравнения локально-оптимального оценивания.
В цикле работ [95]-[97] в качестве канонических множеств также применяются эллипсоиды. Выведены уравнения эволюции эллипсоида, аппроксимирующего множество достижимости, а также уравнения непрерывного оценивания в задаче гарантированной фильтрации, однако в полученные уравнения входят неопределенные скалярные параметры, в выборе которых содержится произвол.
Эллипсоидальные аппроксимации используются и в работах [12]-[14] для оценивания множеств достижимости как линейных, так и нелинейных систем.
В работах [71], Щ, [89], [90], используются эллипсоидальные оценки множеств достижимости для систем с неопределенными параметрами.
Данная диссертация основывается на цикле работ, выполненных в отделе механики управляемых систем Института проблем механики РАН по методу эллипсоидов: [9]-[11], [27]-[33], [40]-[42], [4о]-[47], [54]-[61], [(>]- [8], [08]-[71] развит метод эллипсоидального оценивания множеств достижимости, основанный на операциях над эллипсоидами, оптимальных или субоптималь- ных в смысле объема. В работе [55] построена алгебра эллипсоидов экстремального объема, с помощью чего были выведены дифференциальные уравнения эволюции эллипсоидов, оценивающих множества достижимости; решена задача аппроксимации эллипсоидом минимального объема пересечения эллипсоида и полупространства, что использовалось в дальнейшем для построения квазиоптимальных алгоритмов аппроксимации пересечения эллипсоидов. В статье [33] строятся двусторонние оценки множеств достижимости управляемых систем. Уравнения эллипсоидального оценивания, полученные в работе [55], выведены в [27] с использованием аппарата опорных функций; установлены экстремальные свойства уравнений; доказана единственность локально-оптимальной в смысле объема эллипсоидальной аппроксимации. В работах [69], [И] строятся асимптотики аппроксимирующих эллипсоидов, а результаты метода эллипсоидов используются в игровой задаче для оценки времени преследования. Несколько эллипсоидов предлагается использовать в статье [61] для уточнения внешних и внутренних аппроксимаций, в частности, в случае невыпуклых ограничений на начальный вектор. В работах [45]-[47] строятся некоторые квазиоптимальные алгоритмы аппроксимации пересечения эллипсоидов, которые используются в задачах гарантированной фильтрации. На основе метода аппроксимации пересечения эллипсоидов из работы [55] в [30] выведены уравнения непрерывного гарантированного оценивания. Сводное изложение результатов по эллипсоидальному оцениванию и фильтрации, в которых в качестве критерия оптимальности брался объем оценивающего эллипсоида, приведено в монографии [62], препринтах [59], [60]. Получены также уравнения эволюции аппроксимирующих эллипсоидов для довольно широкого класса критериев, причем одним из самых простых и интересных частных случаев является след матрицы эллипсоида (см., например, [31], [32]). В статьях Щ-[8] получены уравнения эволюции аппроксимирующих эллипсоидов для динамических систем с учетом как аддитивных, так и параметрических неопределенностей и возмущений с учетом измерений в дискретные моменты времени.
Основные результаты исследований по методу эллипсоидов, выполненные в Институте проблем механики РАН, подытожены в монографиях [62] и [70].
Данная диссертация посвящена применению метода эллипсоидов в сочетании с декомпозицией управляемых систем для моделирования процессов управления и оценивания. В работе исследуются следующие основные проблемы. Во-первых, рассмотрена постановка проблемы и изучение возможности построения субоптимального управления для динамических систем с эллипсоидальными ограничениями на управление. Во-вторых, строятся уравнения эволюции аппроксимирующих эллипсоидов для динамических систем с неизвестными, но ограниченными возмущениями и неопределенностям при наличии дискретных измерений (в состав которых, в свою очередь, входят неопределенности и возмущения). И в-третих, ставится вопрос о возможности применения полученного управления для динамических систем с начальным положением, заданным на множестве, и неопределенных параметрах системы.
Диссертация состоит из введения, трех глав, заключения и списка литературы.
В главе 1 строится субоптимальное управление для колебательной динамической системы с эллипсоидальными ограничениями на управление. Результаты, полученные в этой главе, будут в дальнейшем использованы в главе 3.
В разделе 1.1 рассматривается постановка задачи.
В разделе 1.2.1 описывается метод декомпозиции колебательной системы на ряд подсистем с одной степенью свободы.
В разделе 1.2.2 строится субоптимальное управление для задачи быстродействия при наложении на управление ряда специфических условий.
В главе 2 рассматривается метод эллипсоидов для построения оценок фазового состояния для динамических систем с неопределенными параметрами при наличии дискретных измерений, также производимых неточно. При сделанных допущениях строятся гарантированные эллипсоидальные оценки областей достижимости. Результаты, полученные в этой главе, будут в дальнейшем использованы в главе 3.
В разделах 2.1.1 и 2.1.2 ставятся задачи построения гарантированных эллипсоидальных оценок для различных случаев ограничений на параметры динамической системы и состав измерений для систем с дискретным и непрерывным временем, соответственно.
В разделе 2.1.3 рассматриваются три вспомогательных задачи, необходимые для построения гарантированных эллипсоидальных оценок фазового состояния динамической системы.
В разделе 2.2.1 решается первая из поставленных задач: строятся внешние эллипсоидальные оценки множества достижимости, содержащего концы всех траекторий системы, если известны внешние эллипсоидальные оценки множества достижимости в предыдущий момент времени.
В разделе 2.2.2 решается вторая поставленная задача: строятся внешние оценки множества фазовых состояний, совместимых с результатами наблюдений с учетом допустимых ошибок наблюдений.
В разделе 2.2.3 рассматривается третья задача: строится оптимальный (по каком-либо критерию) эллипсоид, содержащий пересечение построенных в предыдущих задачах множеств.
В разделе 2.2.4 описывается рекуррентный алгоритм построения гарантированных эллипсоидальных оценок фазового состояния динамической системы.
В разделах 2.3 и 2.4 рассматриваются два примера на построение эллипсоидальных оценок фазового состояния динамических систем с различными видами накладываемых ограничений на начальные данные, возмущения, управления и наблюдения.
В главе 3 строится субоптимальное управление для колебательной системы для приведения системы из множества возможных начальных состояний в окрестность положения равновесия при заданных ограничениях на управления, возмущения и возможные ошибки измерений.
В разделе 3.1 рассматривается постановка задачи.
В разделе 3.2.1 для колебательной системы с известным точно начальным положением строится управление, компенсирующее возмущения.
В разделе 3.2.2 для колебательной системы с заданным множеством возможных начальных состояний строится управление, приводящее невозмущенную систему из известного точно начального положения в положение равновесия. Рассматривается эволюция эллипсоида, аппроксимирующего множество достижимости возмущенной системы, при данном управлении.
В разделе 3.2.3 рассматривается колебательная система с заданным множеством возможных начальных состояний, результаты измерений считаются доступными в дискретные моменты времени. В начальный момент времени строится управление (аналогично разделу 3.2.2), под действием которого система эволюционирует до первого измерения, после измерения происходит пересчет начального состояния системы на следующий отрезок времени, а также пересчитывается новое управление.
В разделе 3.3 описан алгоритм построения эллипсоидальной оценки фазового состояния колебательной системы с учетом наблюдений.
В разделе 3.4 рассматривается модельный пример, иллюстрирующий применение метода.
В заключении суммированы основные результаты диссертационной работы.
Апробация работы. Основные результаты работы докладывались на 3-ем Симпозиуме по математическому моделированию MATHMOD (Вена, февраль 2000 года), Конференции по управлению нелинейными системами NOLCOS 2001 (Санкт-Петербург, июль 2001), на научных конференциях МФТИ (2000, 2001), на научных семинарах Института проблем механики РАН.
В ходе подготовки диссертации автор принимал участие в гранте INTAS 97-10782 "Guaranteed estimation under model uncertainty"([73], [74], [7o], [94], [91]); участники которого оказали большую помощь в работе над ней.
Публикации. Основные результаты диссертации опубликованы в рабо-тах [6], [5], [7], [S].
Объем диссертации. Диссертация содержит 83 страниц, 26 иллюстраций.
Автор выражает глубокую благодарность академику РАН, профессору Ф.Л. Чєрноусько, д.ф.-м.н. А.И. Овсеевичу и к.ф.-м.н. Д.Я Рокитянскому за постоянное внимание и неоценимую помощь.
