- •Часть I р. И. Сольницев
- •Глава 1 Введение в автоматизацию проектирования систем автоматического управления
- •§ 1.1. Системы автоматического управления (сау) как объекты проектирования
- •§ 1.2. Сапр как новые средства проектирования
- •§ 1.3. Этапы истории развития сапр сау.
- •Автоматизация проектирования систем и средств управления
- •Дерево целей проектирования:
- •История развития сапр.
- •Задача векторной оптимизации.
- •Глава 2 процесс проектирования сау и его автоматизация
- •§ 2.1. Цели, критерии и условия ограничений процесса проектирования
- •§ 2.2. Этапы проектирования и проектные процедуры
- •Математическая модель Системы Проектирования (сп) как «спирали проектирования»
- •Глава 3 структура системы автоматизации проектирования сау
- •§ 3.1. Концепция, принципы и их структурная реализация
- •§ 3.2. Техническое обеспечение.
- •§ 3.3. Математическое обеспечение
- •§ 3.4. Лингвистическое обеспечение
- •§ 3.5. Программное обеспечение
- •§ 3.6. Информационное обеспечение
- •§ 3.7. Методическое и организационное обеспечение
- •Глава 4 автоматизация построения математических моделей сау
- •§ 4.1. Методы построения математических моделей и их применение в сапр
- •§ 4.2. Вывод математических моделей в аналитическом виде на эвм
- •§ 4.3. Упрощение и преобразование математических моделей на эвм
- •Математическое обеспечение сапр.
- •Стационарные линейные детерминированные модели систем с сосредоточенными параметрами.
- •Переход от дифференциальных уравнений n – ого порядка к нормальной форме Коши
- •Математические модели элементов сау.
- •Методы линеаризации уравнений
- •Глава 5 моделирование систем автоматического управления
- •§ 5.1. Методы моделирования и их применение в сапр
- •§ 5.2. Приведение математических моделей сау к виду, удобному для моделирования
- •§ 5.3. Численные методы и алгоритмы моделирования
- •§ 5.4. Контроль и оценка точности моделирования
- •Глава 6 автоматизация анализа сау
- •§ 6.1. Методы анализа сау и их применение в сапр
- •6.2§. Машинные методы анализа
- •§ 6.3. Машинно-аналитический метод анализа
- •§ 6.4. Подсистема сапр сау «Анализ»
- •Глава 7 Автоматизация синтеза сау
- •§ 7.2. Машинные методы синтеза
- •§ 7.3. Подсистема сапр сау «Синтез»
- •Методы нлп
- •Задача нлп
- •Градиентный метод оптимизации
- •Метод градиента
- •Метод случайного поиска
- •Метод Даниленко-Каган
- •Метод Трахтенбергп
- •Экстраполяционный случайный поиск с адаптирующимся шагом
- •Алгоритм с перестройкой вероятностных характеристик поиска
- •Глобальный случайный поиск с независимым выбором плотности распределения пробных шагов
- •Локально – глобальный поиск коллективом автоматов имени Буша – Мостселлера.
- •Методика выбора алгоритмов поисковой оптимизации.
- •Метод ситуационного управления:
§ 7.3. Подсистема сапр сау «Синтез»
Подсистема «Синтез» включает в себя соответствующие компоненты обеспечении САПР. Технические средства, методическое и организационное обеспечения совпадают с соответствующими компонентами подсистемы «Анализ». Информационные компоненты помимо ММ включают в себя набор критериев и функционалов. Программное и лингвистическое обеспечения отличаются от соответствующих компонентов подсистем САПР САУ «Моделирование», «Анализ» и других составом и содержанием операторов и большей сложностью процедур.
В основу построения подсистемы «Синтез» положена последовательность процедур синтеза, представленная на рис. 7.5. В соответствии с этой последовательностью пакеты программ «Синтез» включают наряду с пакетами программной реализации синтеза структуры и параметров регуляторов САУ соответствующие пакеты, реализующие машинно-аналитический метод, процедуры численного интегрирования, оптимизации, обработки.
Методы нлп
- эта формула относится к любому шаговому методу
где
a– величина шага смещения
Еi+1– случайный единичный вектор
Задача нлп
minQ(x1,…,xn) – зависит от многих переменных
1) – параметрические ограничения
2),
Q– критерий показателя качества, образуется следующим образом:
,
q*- частное значение
Градиентный метод оптимизации
Если оптимизируемая функция Qнеизвестна, или известна не полностью и есть возможность вычислитьQв отдельных точках, то
процесс определения оптимального значения Qсвязан с экспериментом, ибо только с помощью него можно получить информацию о поведении функции. Такого рода функции встречаются не только в тех случаях, когда система является социальной, экономической, но и в тех случаях, когда значениеQвычисляется на ЭВМ.
Нам надо найти последовательность независимых переменных, которые обеспечивают минимум функции:
Несмотря на то, что большинство методов оптимизации предназначены для решения задач без ограничений, учет ограничений не представляет сложностей и в большинстве задач осуществляется с помощью метода штрафных функций или с использованием метода барьеров, которые позволяют свести задачу с ограничениями к задаче без ограничений.
Трудности связанные с градиентным методом возникают при наличии в области допустимых значений нескольких экстремумов.
Метод градиента
Определяется направление градиента в точке :
Осуществляется перемещение из точки в точкув соответствии с формулой:
В точке определяется направлением градиента:
; осуществляется переход в точку и т.д. до тех пор, пока не будут выполнены критерии поиска.
1) вычислений:n+1
- величина пробного поискового шага
2) вычислений: 2n
Быстрота сходимости процесса поиска минимального Qи его точность существенно зависят от величины рабочего шага; для увеличения скорости перемещения вдали от минимумаQ,целесообразно выбирать большим, по мере приближения к минимуму шаг уменьшать. Для разумного сочетания скорости и точности алгоритма поиска надо грубый и точный поиск, для этого необходимо задаться положительными константамии условиться, что если, то поиск считается грубым, а если, то, а если
Условия окончания поиска:
По ресурсу
Пробные приращения из точки x*приводят к