Quali sono i problemi di valore boundary nel controllo ottimale?

La teoria del controllo ottimale del valore di base fornisce un quadro matematico per determinare una politica di controllo che minimizza o massimizza un indice di prestazione nel tempo, soggetto a vincoli dinamici. Al centro di molte formulazioni di controllo ottimali si trova la necessità di risolvere un problema di valore limite (BVP).

La comprensione dei BVP è essenziale perché governano il comportamento ottimale di una vasta gamma di sistemi: dall'ottimizzazione della traiettoria di veicoli spaziali e dalla pianificazione del movimento robot al controllo dei processi chimici e alla modellazione della crescita economica. La complessità dei BVP deriva dalla loro natura non-locale— la soluzione in qualsiasi punto dipende dalle condizioni a entrambi i confini, rendendoli più difficili da risolvere analiticamente rispetto ai problemi di valore iniziale.

Formulazione del BVP in Controllo ottimale

La formulazione di un BVP in un controllo ottimale inizia tipicamente con un sistema dinamico descritto da equazioni di stato]

\\dot{\mathbf{x}}(t) = \mathbf{f}(\mathbf{x}(t), \mathbf{u}(t), t), \quad \mathbf{x}(t 0) = \mathbf{x} 0\

Il vettore di controllo è il tempo iniziale. L'obiettivo è quello di trovare un controllo \(\mathbf{o}(t)}(t) \in \mathbb{R}^m\) è il vettore di controllo e \(t 0\) è il tempo iniziale. L'obiettivo è quello di trovare un controllo \(\mathbf{o}(t)

\[J = \phi(\mathbf{x}(t f), t f) + \int {t 0}^{t f} L(\mathbf{x}(t), \mathbf{u}(t), t) \, dt\]

sotto il profilo dei vincoli terminali \(\psi(\mathbf{x}(t f), t f) = 0\).

Applicando PMP, definiamo l'Hamiltoniano: \(H = L + \boldsymbol{\lambda}^T \mathbf}\), dove \(\boldsymbol{\lambda}(t) \in \mathbb{R}n\) sono variabili costate (chiamate anche variabili adjoint). Le condizioni necessarie per l'ottimalità sono:

  • Equazioni di stato: \(\dot{\mathbf{x}} = \partial H / \boldsymbol{\lambda}\)
  • Equazioni Costate: \(\dot{\boldsymbol{\lambda}} = -\partial H / \mathbf{x}\)
  • Stato di stabilità: \(\partial H / \mathbf{u} = 0\)
  • Condizioni di lavoro: \(\mathbf{x}(t 0) = \mathbf{x} 0\); \(\boldsymbol{\lambda}(t f) = \left(\phi paral \mathbf{x} + \boldsymbol{\nu}\}\}\}\}\paginale \psi / \mathmath

La condizione di stazionaria può essere utilizzata per eliminare il controllo in termini di stato e costato, producendo un sistema accoppiato di equazioni differenziali ordinarie di primo ordine (ODE) con condizioni di confine divise tra tempi iniziali e finali.

Il sistema Hamiltonian

Per un tipico problema di controllo ottimale senza vincoli di percorso, queste equazioni formano un sistema hamiltoniano che conserva il valore hamiltoniano lungo una traiettoria ottimale se il sistema è autonomo e il costo terminale non ha una dipendenza esplicita del tempo. Le equazioni dello stato si propagano in avanti, mentre le equazioni costate si propagano indietro nel tempo.

Condizioni e Trasversalità

Le condizioni di lavoro in un controllo ottimale sono più che semplici stati iniziali e finali fissi, che includono:

  • Stato iniziale corretto:[] \(\mathbf{x}(t 0) = \mathbf{x} 0\).
  • Stato finale gratuito con costo terminale:[] Il costato al momento finale soddisfa le condizioni di trasversalità \(\boldsymbol{\lambda}(t f) = \phi parziali / \mathbf{x} \big| {t f}\).
  • I vincoli terminali: Se lo stato finale deve soddisfare \(\psi(\mathbf{x}(t f), t f) = 0\), la condizione di trasversalità diventa \(\boldsymbol{\lambda}(t f) = \partial \phi / \mathbbolf{x}
  • Tempo finale libero:[] Una condizione aggiuntiva \(\left(H + \partial \phi / \parziale t \right) {t f} = 0\) deve essere soddisfatta.

La corretta formulazione di queste condizioni limite è fondamentale: le condizioni di errore possono portare all'instabilità numerica o alla convergenza a soluzioni non ottimali.

Metodi per risolvere i problemi di valore del boundary

Poiché le soluzioni analitiche ai BVP sono raramente possibili, tranne che per sistemi molto semplici (ad esempio, regolatore quadratico lineare con tempo finale fisso), sono essenziali metodi numerici. Le principali categorie includono metodi di tiro, metodi di differenza finita e metodi di collocazione.

Metodi di tiro

I metodi di scatto trasformano il BVP in un problema di valore iniziale (IVP) indovinando le condizioni iniziali mancanti (solitamente il costato iniziale) e poi integrando il sistema Hamiltoniano in avanti al tempo terminale.

I metodi di tiro sono intuitivi e leva gli integratori ODE maturi, ma possono essere sensibili alle indoviazioni iniziali e possono fallire per problemi con orizzonti lunghi o ad alta sensibilità alle condizioni iniziali.

Metodi di differenze finiti

I metodi di differenza finiti discretizzano le dinamiche di stato e costano direttamente su una griglia di punti di tempo. Le equazioni differenziali sono sostituite da approssimazioni di differenza finite (ad esempio, Euler in avanti, trapezoidale, o schemi Runge-Kutta). Le condizioni di confine diventano vincoli di uguaglianza al primo e ultimo punto di griglia. Il risultato è un grande sistema di equazioni algebriche che devono essere risolte contemporaneamente risolte.

I metodi di differenza finiti offrono una solida alternativa, soprattutto per problemi con la struttura di soluzione nota, che richiedono la soluzione di sistemi lineari di grandi dimensioni ad ogni iterazione di Newton, che possono essere computazionalmente costosi per spazi di stato ad alta dimensione, ma beneficiano di parallelizzazione e tecniche di matrice sparse.

Metodi di collocation

I metodi di collocation rappresentano le traiettorie statali e di controllo come polinomi a senso di pezzo (solitamente spline) e applicano le equazioni differenziali esattamente a una serie di punti di collocazione all'interno di ogni intervallo di tempo. Le condizioni di confine e le condizioni di continuità tra gli intervalli sono imposte come vincoli aggiuntivi.

Per un confronto dettagliato dei metodi numerici BVP, vedere Ascher, Mattheij e Russell "Soluzione numerica dei problemi di valore boundario per le equazioni differenziali ordinarie".

Scegliere il metodo giusto

La scelta del metodo dipende da diversi fattori:

  • Dimensioni di prodotto:[ Per lo stato di bassa dimensione (n ≤ 10), i metodi di tiro sono spesso adeguati.Per problemi di dimensioni elevate o di grandi dimensioni, la collocazione o la differenza finita possono scalare meglio.
  • Stiffness of the dynamics:[] I sistemi di sms richiedono un'integrazione implicita, che la collocazione e la differenza finita maneggiano naturalmente.
  • Disponibilità di una buona ipotesi iniziale:[ I metodi di tiro dipendono fortemente dalla qualità iniziale dell'ipotesi. Se è disponibile un approssimativo approssimativo della traiettoria ottimale (ad esempio, da un modello euristico o semplificato), il tiro può convergere rapidamente.
  • I vincoli di matematica:[] Quando sono presenti vincoli di disuguaglianza sugli stati o sui controlli, i metodi di trascrizione diretta (collocation) sono generalmente più flessibili.

Sfide e considerazioni

Risolvere i BVP in un controllo ottimale non è un compito di routine; devono essere affrontate diverse sfide.

Sensibilità e convergenza

I piccoli cambiamenti nelle condizioni limite sconosciute possono causare grandi deviazioni nello stato finale a causa di una crescita esponenziale di errori in direzioni instabili. Ciò è particolarmente acuto in sparatoria semplice, che può esporre il cattivo condizionamento. Le strategie di tiro e di meshing multiple mitigano questo fornendo un problema migliore condizionato. Inoltre, i metodi Newton per la fase di root-finding richiedono i giacobiani accurati, che possono essere ottenuti tramite differenze finite o differenziazione automatica.

Scala e Normalizzazione

Variabili (stato, costati, tempo) spesso abbracciano diversi ordini di grandezza. La scaling scagliata porta a Jacobiani ill-condizionati e la convergenza lenta. Normalizzazione del tempo ad un intervallo fisso (ad esempio, [0,1]) e gli stati di scaling a gamma unitaria sono gradini di preprocessing standard.

Soluzioni di Arcs e Non Fumo

In alcuni problemi di controllo ottimali, l'Hamiltoniano può essere lineare nel controllo, portando a archi singoli dove la condizione di stazionarità non riesce a determinare il controllo. Questi archi richiedono una gestione speciale, come ad esempio il fatto che i derivati del tempo della funzione di commutazione svanire.

Costo computazionale

I sistemi ad alta dimensione (n > 50) sono comuni in aerospaziale e robotica. I metodi di distinzione e collocazione finiti portano a grandi NLP con migliaia di variabili e vincoli. Le tecniche di algebra e decomposizione lineari efficienti e scarse (ad esempio, programmazione quadratica sequenziale) sono essenziali. I metodi di ripresa possono essere più efficienti per dimensioni moderate se le dinamiche sono economiche da integrare.

Applicazioni reali e Case Study

Il problema della risoluzione del valore boundary nel controllo ottimale non è un esercizio accademico & n. 8212; è impiegato ogni giorno nella progettazione e nelle operazioni di ingegneria.

Aerospaziale: Avviare l'ascesa del veicolo

Una delle applicazioni classiche è l'ascesa ottimale di un veicolo di lancio dalla Terra all'orbita. Le dinamiche del veicolo comportano il movimento tridimensionale, la massa variabile a causa di bruciature del carburante e la resistenza atmosferica. L'obiettivo è quello di ridurre il consumo di carburante (o massimizzare il carico di paga).

Robotica: percorso temporale-ottiziale

Per i manipolatori robotizzati incaricati di seguire un percorso geometrico prescritto, il problema di controllo ottimale riduce al minimo il tempo di traversalità soggetto a limiti di coppia. Le dinamiche portano ad una serie di equazioni differenziali con condizioni di limite sulla posizione e la velocità all'inizio e alla fine del percorso.

Economia: Modelli di crescita ottimali

In macroeconomia, il modello di crescita di Ramsey cerca di trovare il percorso di consumo che massimizza il benessere sociale su un orizzonte infinito. Questo porta ad un BVP con equazioni statali (capitale) e costate (prezzo ombra), con condizioni di trasversalità a infinito (spesso approssimate a un grande tempo finito).

Esempio illustrativo: Semplice problema di una dimensione

(\') Per il sistema di analisi, si intende un metodo di analisi, che è il seguente:

Conclusioni

I problemi di valore boundary (OLT) costituiscono la colonna portante dell'analisi e del design ottimali di controllo. Dalla formulazione teorica tramite il Principio Massimo di Pontryagin alla soluzione numerica pratica utilizzando metodi di tiro, differenza finita o di collocazione, la comprensione dei BVP è indispensabile per chiunque lavori con ottimizzazione dinamica.