מערכות בקרה היררכיות מהוות את עמוד השדרה של אוטומציה מודרנית, המספקות גישה מובנית לניהול תהליכים מורכבים על פני ייצור, רובוטיקה, רשתות אנרגיה ומעבר לכך, מערכות אלה מסלקות קבלת החלטות לתוך שכבות מרובות, כל אחת עם אחריות ייחודית - מתכנון אסטרטגי ברמה גבוהה לרמות גבוהות של זמן אמת נמוך, עיצוב מערכות כאלה כדי להשיג ביצועים אופטימליים תוך שמירה על מגבלות בכל שכבה הוא אתגר רב טווח בין מודלים מתמטיים חזקים יותר, באופן ספציפי יותר, כמו אופטימיזציה יעילה יותר, כמו אופטימיזציה הדדית, עם שיטות בקרה מתמטית יעילה יותר, באופן ספציפי יותר, באופן ספציפי יותר, עם שיטות פעולה.

הבנה של אופטימיזציה ברמת B

אופטימיזציה ברמת B היא ענף של תכנות מתמטי שבו בעיה אופטימיזציה אחת (הרמה העליונה) מכילה בעיה אופטימיזציה נוספת (הרמה התחתונה) כמגבלה.קבלת ההחלטות ברמה העליונה בוחרת אסטרטגיה, הפחתת השחקן יגיב על ידי פתרון בעיית האופטימיזציה שלו.מבנה זה באופן טבעי לוכד את הדינמיקה של מנהיג-אחרי, משחקי סיגנלברג, ותהליכי החלטות ברמה גבוהה.

באופן פורמלי, ניתן לבטא בעיה דו-דרגית סטנדרטית כ:

רמה גבוהה: מזער F(x, y) כפוף G(x, y) ⁇ 0, שבו y הוא הפתרון האופטימלי של הבעיה ברמת נמוכה: מזער f(x, y) כפוף g(x, y) ⁇ 0.

כאן, x מייצג משתנים ברמה העליונה (למשל, מטרות אסטרטגיות או פרמטרים עיצוב), ו y מציין משתנים ברמה נמוכה יותר (למשל, נקודות תפעוליות) הבעיה ברמת נמוכה תלויה x, יצירת אופטימיזציה מקוננת כי הוא לאconvex מטבע לא-convex ולעתים קרובות NP-Hard Common סוגים כוללים אופטימיים לעומת פשטות פסימיות ונוסחאות חד-צדדיות מול .

מערכות בקרה היררכיות: סקירה של סטרקטידור

מערכות בקרה היררכיות מארגן קבלת החלטות לשכבות, בדרך כלל שלוש: אסטרטגיות (טווח ארוך), טקטיות (טווח בינוני), ומבצעיות (טווח קצר) בעדיפות העליונה, החלטות אסטרטגיות שנקבעו על מטרות אנרכיטיביות, כגון מטרות ייצור או לוחות זמנים אנרגיה.השכבה הטקטית לתאם משאבים ומקצה משימות, בעוד השכבה המבצעת מבצעת פעולות בקרה בזמן אמת כמו שסתום או מהירויות מוטוריות.

בייצור, למשל, מערכת בקרה היררכית עשויה להיות מערכת תכנון משאבים ארגונית (ERP) בראש, מערכת ייצור (MES) באמצע, ובקרים לוגיים הניתנים לתוכנה (PLCs) בתחתית. בניהול אנרגיה, היררכיה דומה מופיעה: מערכת ניהול בנייה מגדירה נקודות קירור, בקר מקומי מסדיר עמדות, ותרמוסטטסטטסטטסטטסט קובע את החוקים ברמת ה-Bactize.

אופטימיזציה ברמת ההיררכיה בעיצוב בקרה ההיררכי

הרעיון המרכזי הוא לטפל בהיררכיה כולה כבעיה דו-דרגתית.הרמה העליונה מייצגת את השכבה האטית והאסטרטגיה, בעוד שהרמה התחתונה לוכדת את השכבה המהירה והמבצעית.ההמטרה העליונה עשויה להיות למזער צריכת אנרגיה כוללת, למקסם את התפוקה, או להפחית את העלויות.מודלים של הבעיה ברמת נמוכה יותר את המגבלות התפעוליות – כגון מגבלות הפעלה, מגבלות בטיחות, או כללי תזמון - יש לספק סיפוק לכל פתרון אפשרי.

ניסוח זה מהווה את העובדה כי בקרים ברמה נמוכה הם עצמם אופטימיזציה מטרות מקומיות משלהם (למשל, מעקב אחר נקודת מוצא או צמצום שגיאה) על ידי הטמעת התגובה האופטימלית ברמה נמוכה יותר למודל ברמה העליונה, מעצבים יכולים לחזות התנהגות מערכת מדויקת יותר ולהימנע מפתרונות פשרה תת-אופטימיים אשר יובילו לטיפול בכל שכבה באופן עצמאי.

יישום בייצור: תכנון ייצור ושידול

שקול מפעל שבו החלטות ברמה העליונה קובעות מטרות ייצור שבועיות עבור כל קו מוצר, בעוד שרמת לוח הזמנים הנמוך יותר של שימוש במכונה ומשמרות עובדים.הדרג העליון שואפת למקסם את הרווחים.הלוח הזמנים הנמוך מנסה לענות על מטרות אלה בעלות מינימלית עלות לאורך זמן.ללא אופטימיזציה דו-דרגית, מתכננים עשויים להציב מטרות ממושכות יותר מדי זמן או בלתי סבירות עם אופטימיזציה דו-כיבית, לעומת זאת, שימושים בעדיפות גבוהה יותר גבוה יותר מאשר בעדיפות גבוהה יותר, כלומר, כלומר, כלומר, יעילות גבוהה יותר מאשר מטרות יעילות גבוהה יותר גבוהה יותר מאשר יעילות גבוהה יותר, כלומר: 1.

ניהול אנרגיה: Microgrid control

במיקרוגרריד עם דור מתחדש, אחסון ועומסים שניתן לשלוט בהם, הבקר העליון קובע לוח זמנים של שיגור כוח על פני אופק 24 שעות ביממה, צמצום עלויות התפעול והורדת הסוללה.הבקרים ברמת נמוכה, הפועלים בזמן אמת, להסתגל לנקודות קצה של מנעול עומסים ושילמת כדי לשמור על מתח ותדירות בתוך גבולות.

שם הסרטון: Multi-Robotתיאום

עבור צי של רובוטים ניידים אוטונומיים, מתכנן ברמה העליונה מקצה משימות וכבישים לרובוטים, בעוד כל בקר המקומי של הרובוט מתכנן את הנתיב שלו ואת המהירות כדי למנוע התנגשות ולצמצם את האנרגיה. אופטימיזציה ברמת הדרג העליון מאפשר לנבא כיצד רובוטים יגיבו להחלטות הקצאה, המוביל לתיאום יעיל בעולם. גישה זו מקטין בעיות כמו נפילה ונפיחות כי כאשר רובוטים פועלים באופן עצמאי: 20Ap1 גישות דיוק בתיאום איטי על פני הרובוט.

יתרונות מרכזיים של אופטימיזציה ברמת B

אימוץ אופטימיזציה דו-דרגית בעיצוב בקרה היררכי מביא מספר יתרונות נפרדים:

  • (ב) [ה]התאמת: [ה]: [ה], [ה], [ה], [ה],] בפירוש, [ה], [ה], [ה]התאמת] את ההערה התחתונה, הגישות הדו-דרגות מיישרות החלטות בנוגע לשכבות, צמצום הסכסוכים והיעילות.
  • (FLT:0) ,Enhanced Efficiency: ההרחבה של משאבים 1:1, מעת מכונה לאנרגיה סוללה, הופכת מדויקת יותר כי המוטב ברמה העליונה רואה את העלות האמיתית של החלטותיו.
  • (FLT:0) lexibility ו Robustness:cioFLT:1 נוסחאות בדרגות יכול לשלב אי ודאות בכל רמה - לדוגמה, באמצעות תכנות סטושבסטי או אופטימיזציה חזקים - מה שהופך את מערכת הבקרה לניתוק הפרעות.
  • (FLT:0) רגישות למערכות גדולות:FLT:1 למרות מודלים אינטנסיביים מבחינה חישובית, דו-דרגיתיים באופן טבעי להיפטר תת-בעיה שניתן לפתור עם אלגוריתמים מקבילים או תחזיות.

אתגרים וכיוונים מחקר נוכחיים

מורכבות

בעיות ברמת B הן קשות מטבען.המבנה הקן מוביל ל- nonconvex, לא-smooth, ולעתים פונקציות אובייקטיביות בלתי פוסקות. Solving מודלים דו-דרגתיים בקנה מידה גדול לשליטה בזמן אמת הוא עדיין אתגר פתוח.

  • (FLT:0) חידוש השימוש בתנאי קק"ל: קק"ל:1 [הצבת הבעיה ברמת נמוכה עם תנאי הקרקוש-כון-Tucker שלה הופכת את הבעיה הדו-דרגית לתוכנית מתמטית ברמה אחת עם מגבלות איזון (MPEC) זה עובד היטב כאשר הרמה התחתונה היא convex ו-Samsfies מגבילה כישורים.
  • (FLT:0 אלגוריתמים אבולוציוניים: FLT:1 מטבוליזם של מטאהאוריסטים כגון אלגוריתמים גנטיים ואופטימיזציה של חלקיקים נחילת יכול להתמודד עם אי-קונפיגורציות, למרות שהם חסרים ערבויות התכנסות.
  • (FLT:0) שיטות מבוססות-חומר:FLT:1 ⁇ Approximate ⁇ s דרך הבעיה ברמת נמוכה באמצעות הבחנה בלתי-מעורית (למשל, באמצעות משפט הפונקציה האי-מעורנית) מאפשרות ירידה יעילה בקידוד אופטימיזציה דו-דרגית, במיוחד בהקשרים של למידת מכונות.

מימוש זמן אמיתי

מערכות בקרה היררכיות רבות דורשות עדכוני החלטות בשניות או מ-מילימטרים.פתור בעיה דו-דרגית מאפס בכל פעם הוא בלתי אפשרי.

  • (FLT:0) למדות תחזיות מבוססות: ibph:1 , רשתות עצביות הדרכה כדי להשוות את פתרון bilevel מיפוי למדידה להחלטות אופטימליות.
  • (ב) ,0) שיטות איסוף אמון ואמון: FLT:1 , שימוש בפתרונות קודמים ובמודלים מקומיים כדי להאיץ את ההתכנסות.
  • (ב) ,0) ,3 , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

אינטגרציה נתונים ו unquity

מערכות היררכיות מסתמכות לעתים קרובות על נתונים בזמן אמת מחיישנים ותחזיות.מודלים בדרגת בי חייבים לשלב אי ודאות בביקוש, דור מתחדשים או דינמיקות מערכתיות. Robust ו- סטוצ'סטיות הן אזורי מחקר פעילים.לדוגמה, ניסוח דו-דרג חזק מבטיח כי החלטות ברמה נמוכה יותר נותרו בתוקף לכל מימוש אי הוודאות בתוך מערכת מוגדרת מראש.

כיוונים עתידיים

הצומת של אופטימיזציה דו-דרגית עם למידת מכונה הוא מבטיח במיוחד.FLT:0 ל-end-to-end bileveligFLT:1 מתייחס לבעיה ברמת נמוכה כמו שכבה שונה ברשת עצבית, המאפשר אופטימיזציה משותפת של בקרים ומתכננים. גישה זו כבר הוחלה על מודל בקרה חיזוי (MPC) ולמידה.

גבול נוסף הוא (FLT:0) להפיץ אופטימיזציה דו-דרגתית של 1 (FLT:0) עבור מערכות מורשת.בשליטה היררכית בקנה מידה גדול - כגון רשתות חכמות המשתרעות על פני אלפי בתים - מודלים דו-דרגיים מופצים הופכים לא רצויים. אלגוריתמים מנוטרים שתואמים פתרונות דו-דרגים מקומיים באמצעות קונצנזוס או שינוי כיוון של מכפילים (MMAD) הם מערכת של עלייה.

לבסוף, (FLT:0)adaptive bilevel controlFreaLT:1), המעדכנת הן מודלים גבוהים ונמוכים יותר באינטרנט באמצעות נתוני הזרמת נתונים יהיה קריטי עבור מערכות אוטונומיות הפועלות בסביבות לא ברורות.אדריכלות היברידיות המשלבות אופטימיזציה דו-דרגית עם לולאות בקרה משוב צפויים להופיע בציים רובוטיים הדור הבא ופלטפורמות אוטומציה תעשייתית.

מסקנה

אופטימיזציה ברמת B מספקת מסגרת קפדנית ויעילה לעיצוב מערכות בקרה היררכיות המתאמות, יעילה וחזקה. על ידי לכידת הגומלין בין שכבות אסטרטגיות ומבצעיות, היא מאפשרת החלטות טובות יותר מאשר גישות מסורתיות של אינסוף או מחוספסות.למרות שהאתגרים החישוביים נשארים - במיוחד עבור יישומים בזמן אמת ורחבי היקף - הוצאות באלגוריתמים, למידה ומחשוב מבוזרים הם מרחיבים בהתמדה את טווח האוטומציה של כלי בקרה חיוני לאוטומציה של כלי בקרה.