הקדמה: התאמת הזמן האמיתי במערכות בקרה

מערכות בקרה מודרניות פועלות בסביבות המוגדרות על ידי אי ודאות, לא ליניאריות, ושינוי מהיר.בקרים קבועים-גאין, תוך יעילות עבור צמחים לינאריים של זמן (LTI), באופן בלתי נמנע מידרדרים כאשר מתמודדים עם דינמיקות משמרות.לבושים, הפרעות סביבתיות, צריכת דלק, ונקודות הפעלה שונות כל אלה מעוררות השראה כדי לאות את המודל המנוני על אשר בקר קבוע תוכנן כדי לשלוט באלגוריתמים, הם אלגוריתמים אמיתיים, הם פותחים את האלגוריתמים, באמצעות אלגוריתמים, אשר פותחים את המשתנים, באמצעות אלגוריתמים, באמצעות אלגוריתמים, פרמטרים את המשתנים, באמצעות אלגוריתמים מתקדמים, הם אלגוריתמים, הם אלגוריתמים, הם אלגוריתמים מתקדמים, הם מספקים, באמצעות פרמטרים, אלגוריתמים מתקדמים, הם מספקים, באמצעות אלגוריתמים מתקדמים, באמצעות אלגוריתמים של אלגוריתמים מתקדמים, באמצעות אלגוריתמים מתקדמים, באמצעות אלגוריתמים מתקדמים, באמצעות אלגוריתמים מתקדמים, באמצעות אלגוריתמים מתקדמים, אלגוריתמים, באמצעות פרמטרים, אשר פותחו, באמצעות אלגוריתמים של פרמטרים את המשתנים, אשר נועדו להתגבר על ידי אלגוריתמים של אלגוריתמים, פרמטרים,

הנחת הליבה של שליטה אדפטיבית היא פשוטה: להתבונן בהתנהגות המערכת, להשוות אותה לתגובה הרצויה, ולשנות את הבקר בהתאם.עם זאת, יישום מעשי של ההנחה הזו מעלה שאלה הנדסית קריטית.כיצד הפרמטרים של הבקר להיות מותאם?התשובה טמונה באיכות מודל המערכת המנחה את ההתאמות הללו.

הקרן האתיופית: מדוע בקרה הסתגלות צריכה איחוד מתמשך

כדי להבין את הסינרגיה בין שליטה אדפטיבית וזיהוי מקוון, יש קודם כל לתפוס את האדריכלות הבסיסית של שליטה הסתגלותית.שתי מסגרות דומיננטיות הן בקרת הסתגלות מודל-ההקצאה (MRAC) ו- Self-Tuning Regulators (STR) ב- MRAC, הפרמטרים של הבקר מתאימים כדי לכפות את הפלט של הצמח לעקוב אחר הפלט של מודל ההתייחסות.

במסגרת ה-Str, ההפרדה בין זיהוי ושליטה היא אפילו מפורשת יותר. AnStrally מזהה את הפרמטרים של מודל הצמח ולאחר מכן משתמש פרמטרים מוערכים אלה כדי לעצב בקר חדש, לעתים קרובות באמצעות מיקום הקוטב או LQG (ריבועי קסטרוטי Gaussian) עיצוב.עקרון הדיוקן של שליטה מקוונת הוא רק יישום: הבקר מתייחס הפרמטרים המשוער כאילו הם היו הפרמטרים המבניים לחלוטין, זה הופך את הדיוק של כל כך לא יציב של תהליך זיהוי עצמי, או באופן ישיר, לא יציב, לא יציב, הוא רק כדי לתקן את רמת הדיוק של מערכת שיפור עצמי.

מעבדים Core Algorithmic Engines for Online Parameter Asimation

בחירת אלגוריתם זיהוי מערכת מקוון היא החלטה עיצובית קריטית שמאזנת מהירות ההתכנסות, עלות חישובית, עמידות לרעש, והיכולת מעקב אחר פרמטרים של זמן-המידה.השיטות הבאות מייצגות את הבחירות האלגוריתמיות העיקריות עבור מערכות בקרה מודרניות הסתגלות.

כיכרות Least (RLS) וריאציות שלה

אלגוריתם RLS נשאר השיטה הנפוצה ביותר עבור פרמטר מקוון estimation במערכות ליניאריות.זה מצמצם סכום משקל של שגיאות חיזוי מקובעות, מתן פתרון מדויק לבעיה של לפחות-squares בכל שלב.משוואות העדכון כרוכות ברווח וקטורל:0K(Kt)FLT:1 ואת ה matrixFLTF:2Pirt) הוא סטנדרטי: RLS (RLS) הוא סטנדרטי: RLS) הוא סטנדרטי: RLS (RLS) .

(ב) (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

(הופנה מהדף ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

Extended Kalmaning filter (EKF) עבור אסטימונס משותף לא ליניארי

כאשר מתמודדים עם צמחים לא לינאריים מאוד או כאשר המדינה ופרמטר estimation חייבים להתרחש בו זמנית, מסנן קלמן מורחב הוא מסגרת רבת עוצמה פרוביביליסטית.הרעיון הליבה הוא להגדיל את המדינה עם הפרמטרים הלא ידועים ולאחר מכן ליישם מסנן קלמן ליניארי למערכת הלא ליניארית מוגברת.החיזוי מפיץ את המדינה ואת covariance קדימה דרך המודל הלא ליניארי.

האתגר העיקרי ביישום EKF הוא כוונון של הערות מרקם רעש (FLT:0)QFLT 1 ו- The מדידות הרעש 7RIR ⁇ 3) ניתן למצוא את הבקשות המעשיות של יעקב FLT (IQFLT) לנטרן את האמון במודל מול המדידות הפרמטרים, כמות קטנה של תהליך רעש מווספת בדרך כלל למדינות הפחתת הניווט, אם הן יכולות לגרור את הפרמטרים לגרור את המשתנים באופן קבוע, אם הן אינן יכולות לנטרולכות יותר מדי.

שיטות של חיזוי וסטוצ'יסטיות

עבור יישומים שבהם משאבים חישוביים מוגבלים מאוד - כגון מיקרו-בקרים בעלי כוח נמוך או ממירים מעבר גבוה - ראש חישובי של RLS או EKF עשוי להיות אסרטיבי. במקרים כאלה, שיטות פשוטות יותר מבוסס ⁇ כמו כיכרות Least Mean (LMS) הם יעילים מאוד.

(ב) [ה]] [ה]] [ה]] [ה]]] [ה]]] [ה']]]] [ה']]] [ה']]]]][ה']]'[ה']'[ה']'[ה']'[ה']

כאן, (FLT:0)gamigmigmaFLT:1 הוא רווח הסתגלות קבוע (גודל שלב) גדול יותר gamma מספק התכנסות מהירה יותר אבל עלות של השחלות במצב יציב גבוה יותר.אלגוריתם של מערכת ה-PSD אינו ממזער במפורש את תפקוד העלות לאותה רמה כמו RLS; במקום זאת, הוא עוקב אחר הקידוד המיידי של השגיאה המקובעת.

שילוב אדריכלי: הטמעת אי-הזדהות לתוך הלולאה הבקרה

השיטה של שילוב המזהה המקוון לתוך הלולאה הבקרה מגדירה את הארכיטקטורה הכוללת של מערכת הסתגלות.שני האדריכלות הראשיות הן שליטה עקיפה וישירה הסתגלות.

בקרה גמישה (Explicit Identification)

בארכיטקטורה זו, המזהה המקוון מעריך את הפרמטרים של הצמח.מודול עיצוב שליטה נפרד לאחר מכן משתמש פרמטרים אלה להעריך את רווחי הבקר.מבנה מודולרי זה מציע גמישות משמעותית. מזהה יחיד יכול להאכיל לתוך כללי עיצוב שליטה שונים (למשל, מיקום הקוטב, LQR, H-infinity) בהתאם למצב התפעולי או הביצועים אובייקטיבי.

בקרה מתאימה (Implicit Identification)

בקרה מתאימה ישירה להימנע ממודלים צמחיים מפורשים.במקום, המזהה מעריך את הפרמטרים של בקר ישירות.זה מושג על ידי שכפול המודל הצמח במונחים של הפרמטרים הבקר.כלל MIT הקלאסי עבור MRAC נופל לקטגוריה זו. שיטות ישירות בדרך כלל מתלכדות מהר יותר עבור המטרה הספציפית בקרה כי הם לא מבזבזים מידע מאמת פרמטרים שאינם רלוונטיים לחוק הבקרה.

האתגר הקריטי של סיקור עקבי ו Robustness

התנאי החשוב ביותר להצלחה של זיהוי מקוון בשליטה אדפטיבית הוא (FLT:0) Persistent Exציטוט (PE)FLT:1 עבור מערכת להיות מזוהה, אות קלט חייב להכיל מספר מספיק של תדרים נפרדים כדי להרגשת כל התופעות של הצמח.עבור מערכת ליניארית NLS, הקלט הוא אמר להיות מתמשך של סדר אם צפיפות לא ספקית הוא ספקטרום, ללא נקודות רמסטרולציה, ללא פרמטרים יחיד, 000 יחיד, 000.

שינויים בעקביות הם הכרחיים כדי להפחית את הסיכונים הקשורים לאובדן זמני של טכניקות PE. Common כוללים:

  • (ב) [15] , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ⁇ (ב"ד): "המונח המחץ" (המתג): "המונח המחץ" הוא בקנה מידה של טעות הפלט, מתן שינוי פחות כאשר השגיאה קטנה והמודל פועל היטב.
  • (ב) ,0) אזורים רעים: 1FLT: הסתגלות של 1:1 מובהל כאשר טעות הפלט נופל מתחת לסף מסוים, מניעת הסתגלות על רעש.
  • (ב) [15] ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

יישום מנגנוני האיתנה אלה אינו אופציונלי; זהו תרגול הנדסי חובה לכל בקר הסתגלות המיועד לפריסה בעולם האמיתי על מערכות קריטיות בטיחות.

יישום מעשי ושיקולים

אלגוריתמים מתאורת סיליקון דורשים הנדסה זהירה.הבחירה של שיעור הדגימה היא הצעד הקריטי הראשון.זה חייב להיות מהיר מספיק כדי ללכוד את הדינמיקה הרלוונטית אבל איטי מספיק כדי לאפשר המזהה להתכנסות והחוק לשלוט כדי להתאים את רמת התזמון של מערכת ההפעלה המדויקת של מטריקס-הזמן-החליפה:0PFFalrph:1 ב RLS הוא דאגה מתמדת.

המגמה לקראת בקרה מתאימה מוטבעת היא מאיצה.מעבדי אותות דיגיטליים מודרניים (DSPs) ו- FPGAs מסוגלים לבצע העדכונים RLS או EKF במיקרו-שניות, המאפשרים שליטה הסתגלותית של אלקטרוניקה כוח, נושאים מגנטיים פעילים, ו-Fchining מהיר במהירות גבוהה מהנדסים צריך למנף את כלי הקוד האוטומטי (למשל, Embedd Codered fromWorks) כדי לאמת את הסימולציות של עיצוב, כדי להבטיח בדיוק.

שיטות נהיגה בנתונים וזיהוי ערפילי

בעוד RLS קלאסי ו- EKF נשאר עבודת הכפייה, התחום מתפתח במהירות לשיטות מבוססות למידה.FLT:0Neural המדינה-space ModelsFLT:1 ו-FLT:2Koopman Theory Theory, ראשי תיבות של GoogleLT:3, אשר מציעים מסגרות לזיהוי דינמיקות לא לינאריות מבלי להניח צורה parametric מגבילה.

[הגבול המתהווה] שילוב של FLT:0 [Reinforcement Learning (RL)Felod:1 עם זיהוי מקוון.בפרדיגמה זו, סוכן ה-RL פועל כבקר ברמה גבוהה, בעוד המזה המקוון מספק מודל ברמה נמוכה, מעודכן ברציפות של דינמיקת הצמח (Fary) ניתן להשתמש במודל זה רק עבור סימולציה, תכנון, או כבסיס לאדריכלות ברמה גבוהה של שחקן LT.

מסקנה: סגירת הלופ עם ידע בזמן אמת

השילוב של זיהוי מערכת מקוונת לאלגוריתמים של בקרה מתאימה מייצג את מצב האמנות בהנדסה מודרנית שליטה.על ידי עדכון מתמיד של מודל הצמח, שיטות אלה מאפשרות לבקרים לשמור על יציבות וביצועים בסביבות שבו פתרונות קבועים-ג'ין נכשלים.הבחירה של אלגוריתם זיהוי - בין אם זה יעילות חישובית של RLS, ההקפדה ההסתברותית של EKF, או הפשטות של ירידה קידודית - יש צורך במגבלות חישוביות על ידי דרישות של יישום ספציפיות, יישום.

ככל שהמורכבות של מערכות מונדסיות ממשיכה לגדול, היכולת להסתגל תהיה חשובה יותר ויותר.המאסטרי של זיהוי מערכת מקוונת הוא המפתח אשר פותח את מלוא הפוטנציאל של שליטה הסתגלותית.מהנדסים שמשקיעים בהבנה של טכניקות אלה יהיו מצוידים בעיצוב הדור הבא של מערכות הפעלה מחדש, ביצועים גבוהים ביצועים גבוהים. השילוב הסינרגיסטי של זיהוי מקוון ושליטה הסתגלותית הוא לא רק מחקר; זה נושא מעשי כי הוא מתודולוגיה טכנולוגית, עיצוב אנרגיה טכנולוגית, מערכת אוטומציה תעשייתית, אוטומציה תעשייתית, אוטומציה, מערכת אוטומציה תעשייתית, מערכת אוטומציה תעשייתית, מערכת אוטומציה תעשייתית, מערכת אוטונומית, מערכת.