![](/user_photo/_userpic.png)
книги / Системы экстремального управления
..pdf![](/html/65386/197/html_L2jyhpZV6N.nFYO/htmlconvd-co9Azw261x1.jpg)
Для последовательного накопления получаем из (9.4.9) для малых Р
(9.4.17)
Сопоставление следует производить в одинаковых услови ях, т. е. при одинаковых Р, что требует для первого алго ритма объема накопления
а для последовательного —порога (9.4.8). Подставляя эти выражения в (9.4.16) и (9.4.17), можно произвести строгое сопоставление алгоритмов.
Однако из формул (9.4.16) и (9.4.17) при высоком уровне помех сразу видно преимущество последователь ного накопления. Поэтому последовательное накопление при больших ст менее чувствительно к изменению наклона характеристики объекта, чем фиксированное накопление. Это обстоятельство и делает последовательное накопление более эффективной процедурой, чем фиксированное, так как при изменении наклона характеристики объек та вероятность ошибочных шагов при последовательном накоплении изменится в меньшей степени, чем при фикси рованном накоплении.
§ 9.5. Фильтрация непрерывной помехи в процессе экстремального управления
Рассмотрим случай, когда помеха является непрерыв ным случайным процессом е (t) с автокорреляционной функцией вида
К,(х) = о2е-“М |
(9.5.1) |
с нулевым математическим ожиданием и нормальным распределением. Пусть объект имеет запаздывание Т07 т. е. выход Q (xi) образуется только через промежуток времени Т0. Такая схема, как легко видеть, является простой моделью инерционности, расположенной как на входе, так и на выходе нелинейности. В первом случае То — время отработки команды оптимизатора, т. е. время, необходимое на перевод оптимизируемого параметра из
![](/html/65386/197/html_L2jyhpZV6N.nFYO/htmlconvd-co9Azw263x1.jpg)
симум быстродействия соответствует Т = 0. Действительно,
при Г 0 От -»- <* <С °°и , следовательно, =^=0 ,
а максимальное быстродействие v(T) становится беско
нечным (!) |
|
lim V (Т) = о о . |
(9.5.5) |
Т-»о |
|
Этот на первый взгляд парадоксальный вывод легко объяснить. Действительно, при безынерционном объекте
и |
регуляторе в |
оптимальном |
режиме |
не |
следует |
|||||
фильтровать |
помеху, |
так |
J- |
|
|
|
|
|||
как в силу своего мгновен- |
|
|
|
|
||||||
ного действия система пои |
|
|
|
|
|
|||||
ска в точности отслежива |
|
|
|
|
|
|||||
ет помеху и тем самым |
|
|
|
|
|
|||||
поддерживает |
объект |
в |
|
|
|
|
|
|||
экстремальном состоянии. |
|
|
|
|
|
|||||
|
Таким образом, |
полу |
0,5- |
|
|
|
|
|||
ченный результат хорошо |
|
|
|
|
||||||
объясняется |
бесконечным |
|
|
|
|
|
||||
быстродействием системы. |
О 2,0 |
|
2,5 |
5,0 |
3,5аТ„ |
|||||
В реальном случае Т 0Ф 0 |
|
|||||||||
и, |
следовательно, |
беско |
Рис. 9.5.2. Плоскость параметров |
|||||||
нечного |
быстродействия |
помехи |
и |
поиска. Заштрихована |
||||||
получить нельзя. |
|
|
зона, где |
необходимо |
вводить |
|||||
|
|
|
|
фильтр. |
|
|||||
|
Для |
анализа влияния |
|
|
|
|||||
|
|
|
|
|
|
фильтрации достаточно ис
следовать производную dv/dT при Т = 0. Действительно, если эта производная будет положительна, то это означает, что с ростом Т быстродействие поиска увеличивается. А это означает целесообразность введения фильтрации.
При -^ г |
<"0 фильтрацию вводить не следует, так как |
Сил |
Т =0 |
она лишь уменьшает быстродействие системы поиска. |
|
Эти |
соображения приводят к следующему правилу. |
Фильтрация целесообразна только при выполнении не равенства
1 |
|
|
аТ0> 4 / я е 18x1 Ф |
j, |
(9.5.6) |
где х г= ак "
На плоскости параметров системы поиска х и а,Т0 (рис. 9.5.2) заштрихована зона, где это неравенство удов летворяется и где введение фильтрации повышает быстро действие системы поиска.
Хорошо видно, что при малой инерционности Т0 или при малом значении параметра а (т. е. при медленно изме
няющейся помехе е (t)) фильтрация не нужна, что очевид |
||||||
и/а |
|
|
|
но; не нужна она и при |
||
|
|
|
малом |
уровне |
зашум |
|
///сек] |
|
|
|
|||
|
|
|
ленности объекта. |
|||
0,2 |
|
|
|
Объекты с большим |
||
|
|
|
|
уровнем помех типа бе |
||
0,f5 \ / ------ |
|
|
лого шума и с высокой |
|||
|
|
инерционностью нужда |
||||
|
------- |
|
|
ются во введении филь |
||
|
|
|
трации в процессе их |
|||
ÛÀп |
|
|
|
|||
1 |
__ |
|
экстремального |
управ |
||
|
|
ления. |
Это повышает |
|||
- 4 - i ------- :_____ |
|
|||||
o,os\ |
__ |
. _ |
2,5 Tim] |
быстродействие поиска. |
||
О |
Т О / |
1 |
Если объект |
имеет |
||
|
|
|
|
квадратичную характе |
||
Рис. 9.5.3. Зависимость |
быстродей |
ристику, то при прибли |
||||
ствия |
от времени фильтрации. |
жении к экстремуму па |
||||
ся, что указывает на |
|
раметр |
х увеличивает |
|||
целесообразность |
введения |
фильт |
||||
рации. |
|
|
|
|
|
|
Рассмотрим задачу оптимальной фильтрации. |
|
На рис. 9.5.3 показано поведение среднего быстродейст вия (9.5.4) в функции времени фильтрации для различных значений а при Т0 = 0,6 сек и х = 5. Отчетливо видно наличие максимумов быстродействия, которые определя ют оптимальное время фильтрации Т*. Очевидно, что время фильтрации Т всегда должно быть оптимальным и конечным, так как при Т -*■ оо быстродействие становит ся нулевым (система никогда не сделает рабочего шага). Более того, неправильным выбором Т можно ухудшить быстродействие, не говоря уже о том, что введение осредняющего фильтра аппаратурно усложняет систему поис ка. Условия оптимальной фильтрации выглядят довольно
очевидно: |
|
dv(T) |
п |
йГ |
~ |
Из этого уравнения для имеющихся параметров поиска а, Т0 и я определяется оптимальное время фильтрации Т*.
В заключение этого параграфа отметим связь, сущест вующую между оптимальностью системы оптимизации при максимальном быстродействии и возможностью ошибки.
Система поиска не должна быть «излишне правильной», так как в этом случае она может потерять в быстродейст вии и стать неоптимальной. Для иллюстрации сказанного в таблице 3 показаны некоторые режимы работы системы, оптимальные по быстродействию при высоком уровне по мех (а/ак = 5). Здесь же в последней графе дана вероят ность ошибки. Хорошо видно, что эта вероятность очень велика. Однако несмотря на частые ошибки, система работает оптимально. Так, для рассмотренных в таблице случаев из десяти шагов поиска система делает в среднем около четырех ошибочных, тем не менее она является оптимальной по быстродействию.
|
|
|
Т а б л и ц а |
3 |
|
ЛЬ |
а |
То |
топт |
1 - |
Р |
1 |
20 |
0 ,1 |
0 |
0 ,4 7 2 |
|
2 |
20 |
0 ,2 |
0 ,0 2 |
0 ,4 6 9 |
|
3 |
10 |
0 ,6 |
0 ,2 |
0 ,4 6 3 |
|
4 |
20 |
0 ,4 |
0 ,2 5 |
0 ,4 5 0 |
|
5 |
20 |
0 ,5 |
0 ,3 5 |
0 ,4 4 3 |
|
6 |
20 |
0 ,6 |
0 ,5 |
0 ,4 3 8 |
|
7 |
20 |
0 ,8 |
0 ,7 5 |
0 ,4 2 1 |
|
8 |
40 |
0 ,6 |
0 ,5 |
0 ,4 0 9 |
Таким образом, ошибочность работы системы не всегда является свидетельством ее неоптимальности. И наобо рот, безошибочность (или малая ошибочность) работы в обстановке помех чаще говорит о том, что параметры системы поиска выбраны не оптимально.
До этого мы рассматривали одноэкстремальные объек ты. Однако в практической жизни часто встречаются мно гоэкстремальные объекты, которые должны быть настрое ны на глобальный экстремум (наименьший из минимумов, или наибольший из максимумов). Рассмотрим модели таких объектов и способы отыскания глобального эк стремума.
§10.1. Модели многоэкстремальных одномерных объектов
1. Кусочно-линейная модель. Эта модель строится следующим образом:
Q (х) = min {к{ | х — х\ | + $ } , |
(10.1.1) |
1=1, ...,7 П
где т — число экстремумов, я* — положение £-го экстре мума, Qi — значение показателя качества в £-м экстре муме, ki — наклон ха рактеристики в районе i-ro экстремума (к{ > 0 ).
Характер поведения этой модели наглядно виден из рис. 1 0 .1 .1 , где показан пример кусоч но-линейной многоэкст ремальной характери стики при определенном значении параметров ki,
X* и Qi. Здесь S* — зо на притяжения глобаль ного экстремума. Эта
модель удобна тем, что она легко анализируется и просто синтезируется в аналоговой схеме. На рис. 10.1.2 показа на аппаратурная блок-схема кусочно-линейной модели многоэкстремального объекта.
2.Экспоненциальная модель с тп экстремумами имеет
вид
ТП
Q (я) = <?0 — 2 °i ехР {— h (х — я*)2}* (Ю.1.2)
1=1
Здесь х* — примерное положение i-ro экстремума (при ближенность здесь связана с тем, что оказывают влияние
Рис. Ю.1.2. Блок-схема кусочно-линейной модели.
соседние экстремумы, с увеличением 6г это влияние уменьшается), с* — вес i-ro экстремума (величина Q0 + с,- примерно равна значению показателя качества в i-м эк стремуме). Характер поведения экспоненциальной моде ли многоэкстремальной функции наглядно виден из
Рис. 10.1.3. Экспоненциальная модель.
рис. 10.1.3, где пунктиром показаны колоколообразные кривые, из которых состоит модель. S* — зона притяже ния глобального экстремума.
3. Стохастическая модель строится как ломаная, вер шины которой (Xi, Qi) являются случайными величинами
с заданными законами распределения р (х) и р (Q). Например, р (х) — равномерный закон в допустимой области, а р (Q) — логарифмически нормальный закон, который получается из нормального заменой переменной
на логарифм новой переменной: |
[ln(Q - |
|
|
|
р«?)= - ж |
2за |
}, (10.1.3) |
||
|
||||
V2n-(Q-Q-) “ Р b |
|
|
где Q* — значение глобального экстремума, о2 — диспер сия исходного нормального закона, т — его математиче ское ожидание. Уравнение стохастической модели можно записать в виде
g(*)= Я. , , |
X. |
* + Q,‘w |
(10.1.4) |
г+1 |
г |
|
|
где xi <; х <; æi+1 (i = |
1, |
., TV). |
|
Аналогично можно построить и другие модели много экстремальных объектов.
§ 10.2. Глобальный поиск на объектах без помех
Существует много алгоритмов глобального поиска. Рассмотрим некоторые из них.
А. Сканирование. Простейшим алгоритмом глобаль ного поиска является так называемое сканирование, кото рое состоит в последовательном переборе всех допустимых
состояний |
объекта. |
Пусть |
хх, хг — х1 + Д, ., XN — хх + (N — 1) Д — |
конечное множество допустимых состояний объекта. Тог да алгоритм отыскания глобального экстремума методом сканирования записывается в виде
яг+1= Xi + А (I = 1,..., N - 1); |
(10.2.1) |
при этом содержимое памяти алгоритма изменяется сле дующим образом:
0 |
J[ Xi, |
есл и |
Q (Xi) > |
|
*i+l = |
1 |
есл и |
Q (Xi) < Qi; |
(1 0 .2 .2 ) |
|
||||
|
| Qu |
есл и |
Q (x^ > Q°i, |
|
Qi+1 — \ Q (Xi), есл и Q f o ) < |
• |
Начальное значение памяти (?о выбирается заведомо боль шим экстремального. Здесь содержимое памяти обозначено верхним нулевым индексом. Смысл этих выражений оче виден: запоминается лишь то состояние, показатель ка чества которого меньше хранимого в памяти.
После перебора всех состояний объекта в памяти оста нется положение х* глобального (в данном случае наи меньшего) экстремума
Q{x*)= min {<?(*,)}. |
(10.2.3) |
1=1,..., N |
|
Если объект непрерывен, то сканирование |
сводится |
к изменению оптимизируемого параметра с постоянной скоростью а и запоминанию при этом наименьшего зна чения показателя качества. На рис. 40.2.1 показана
Рис. 10.2.1. Блок-схема глобального оптимизатора.
блок-схема глобального оптимизатора. Его работа состоит из двух этапов.
На первом этапе производится сканирование, т. е. рав номерное изменение параметра х исполнительным меха низмом ИМ, включенным при помощи ключа Kv Блок памяти П запоминает лишь наименьшее значение (ключ К2 при этом разомкнут).
Во втором этапе ключ К2 замкнут, система начинает двигаться из исходного положения (или реверсируется) и движется до тех пор, пока выход объекта не совпадает со значением, хранимым в памяти П. После этого сработает пуль-орган НО, который выключит ключ Кг и остановит исполнительный механизм, чем и обеспечивается настрой ка объекта на глобальный экстремум. Последующее ска нирование производится либо в программном режиме (по времени), либо по команде извне, либо при отклонении выхода Q (х*) от значения, хранимого в памяти Q0.
Особенность и преимущество сканирования заключа ются в независимости процесса поиска от вида и харак тера функции качества Q (.г). Действительно, порядок перебора всех состояний системы никак не связан