الانتقال إلى المحتوى
العودة إلى نتائج البحث

المنظم الخطي التربيعي

قدّمه
Rudolf Kalman
السنة
1960
النوع
algorithm
العائلة
Optimal Control

هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية

حجم الخط

ماذا تفعل؟

المنظم الخطي التربيعي (LQR) هو خوارزمية تحكم أمثل كلاسيكية تحسب قانون تغذية راجعة خطي لتقليل دالة تكلفة تربيعية لنظام ديناميكي خطي. قدمه كالمان في عام 1960، يوفر LQR حلاً مثاليًا ومغلق الشكل مثبتًا للأنظمة الخطية ويظل أساسيًا في نظرية التحكم والروبوتات وتطبيقات الفضاء الجوي بسبب أناقته النظرية وكفاءته الحسابية.

الفكرة الحدسية وراء الطريقة

يحل LQR مشكلة توجيه نظام خطي إلى الصفر (أو تتبع مرجع) مع معاقبة كل من الانحراف عن الحالة المرغوبة والجهد (مقدار مدخل التحكم). الفكرة الرئيسية هي أنه بالنسبة للأنظمة الخطية ذات التكاليف التربيعية، يكون قانون التحكم الأمثل خطيًا في الحالة الحالية: u = −Kx، حيث K هي مصفوفة كسب التغذية الراجعة المحسوبة خارج الخط. تحل الخوارزمية أولاً معادلة ريكاتي التفاضلية الزمنية العكسية (أو معادلة ريكاتي الجبرية للحالة المستقرة) لإيجاد دالة التكلفة الأمثل المتبقية، ثم تستمد كسب التغذية الراجعة الخطي. هذا يفصل حساب الكسب خارج الخط عن التحكم عبر الإنترنت، مما يتيح تنفيذًا سريعًا للغاية في الوقت الفعلي.

التاريخ

قدمت ورقة كالمان عام 1960 مشكلة التحكم الأمثل الخطي التربيعي وحلها عبر معادلة ريكاتي. قام برايسون وهو بتوسيع النظرية في أواخر الستينيات ونشرا الكتاب المدرسي الأساسي في عام 1969. تم تطوير النسخة الزمنية المتقطعة بواسطة كالمان وآخرين في نفس الحقبة، مما أتاح التنفيذ الرقمي. أصبح LQR منذ ذلك الحين أساسيًا في نظرية التحكم الحديثة، مع امتدادات للأنظمة العشوائية (الخطية التربيعية الغاوسية، LQG) وامتدادات للأنظمة غير الخطية (الألعاب التفاضلية، NMPC).

متى تُستخدم

استخدم LQR عندما يكون نظامك خطيًا (أو مقربًا جيدًا بالخطية)، وعندما يجمع الهدف بشكل طبيعي بين خطأ الحالة وجهد التحكم، وعندما تحتاج إلى حل أمثل مثبت بحساب سريع. يتفوق LQR في مشاكل مثل تثبيت البندول المقلوب، أو التحكم في اتجاه الطائرة، أو تحسين مسارات المركبات الفضائية. وهو أقل ملاءمة للأنظمة ذات القيود الصارمة (استخدم MPC بدلاً من ذلك) أو الديناميكيات غير الخطية بقوة.

الحدود والاعتبارات

  • مقتصر على الأنظمة الخطية؛ الأنظمة الحقيقية غالبًا ما تكون غير خطية وتتطلب خطية.
  • لا يتعامل صراحة مع القيود الصارمة على الحالة أو المدخلات؛ العقوبات التربيعية هي قيود مرنة فقط.
  • يتطلب تصميم دالة التكلفة (اختيار Q و R) حكمًا هندسيًا وتعديلاً.
  • تفترض خصائص متانة كسب كالمان أن النموذج دقيق؛ عدم تطابق النموذج يقلل من الأداء.

لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.

نقاط القوة

  • يوفر قانون التغذية الراجعة الأمثل المثبت للأنظمة الخطية ذات التكلفة التربيعية.
  • حساب الكسب خارج الخط؛ التحكم عبر الإنترنت هو مجرد ضرب مصفوفة-متجه (سريع للغاية).
  • ضمانات هامش الكسب وهامش الطور؛ خصائص متأصلة للمتانة (هامش كسب لا نهائي عند المخرج).
  • سهل الحساب؛ تتوفر العديد من الخوارزميات العددية (تحليل شور، طرق القيم الذاتية).
  • يتعامل بشكل طبيعي مع الأنظمة متعددة المتغيرات ويفصل تصميم التحكم عن قيود المستشعر والمشغل.

التطبيقات

  • الفضاء الجوي: التحكم في اتجاه الطائرات والمركبات الفضائية، تحسين المسار للمركبات الجوالة على المريخ ومركبات الهبوط على القمر.
  • الروبوتات: موازنة المشاة ذوي القدمين، تتبع مسار ذراع المناور، تثبيت طائرات الدرون الرباعية.
  • التصنيع: التحكم في حركة المعدات الدقيقة (آلات CNC)، تخميد الاهتزازات في الأنظمة الميكانيكية.
  • أنظمة الطاقة: تثبيت تردد وجهد شبكة الطاقة، تحسين التحكم في المولدات في الشبكات الصغيرة.
  • السيارات: التحكم في التعليق، التحكم في الجر، ومساعدة التوجيه في المركبات.

كيف يعمل

كيف يعمل

1

حدد ديناميكيات النظام الخطي (المصفوفتين A و B)، وأفق التنبؤ، ومصفوفات التكلفة التربيعية (Q للحالة، R للمدخل).

2

حل معادلة ريكاتي الجبرية المستمرة أو المتقطعة للحصول على مصفوفة الحل P المتماثلة الموجبة المحددة.

3

احسب مصفوفة كسب التغذية الراجعة الأمثل K = R^(-1) * B^T * P باستخدام حل ريكاتي.

4

طبق قانون التغذية الراجعة الخطي u(t) = −K x(t) على النظام في كل خطوة تحكم.

الأخطاء الشائعة

  • قد يؤدي الخطية حول توازن غير مستقر أو مرجع متغير بمرور الوقت إلى جعل حل LQR غير صالح.
  • تحديد أوزان Q و R بشكل تعسفي دون فهم معناها الفيزيائي يؤدي إلى أداء تحكم ضعيف.
  • نسيان أن LQR هو حساب خارج الخط؛ تتطلب التغييرات في Q أو R أو معلمات النظام إعادة حل معادلة ريكاتي.

الأسئلة الشائعة

كيف أختار مصفوفات الترجيح Q و R؟

النهج المنهجي هو البدء بـ Q كمصفوفة قطرية مع كل إدخال قطري يتناسب مع 1/max_allowed_state_i^2، و R يتناسب مع 1/max_allowed_input_i^2. ثم يتم الضبط تجريبيًا: زيادة Q لتشديد تنظيم الحالة، وزيادة R لتقليل جهد التحكم. تظهر المقايضات بين التجاوز وزمن الاستقرار عند تعديل هذه الأوزان.

ما هي معادلة ريكاتي الجبرية ولماذا هي مهمة؟

معادلة ريكاتي الجبرية (ARE) هي معادلة مصفوفة تربيعية تنشأ عند حل مشكلة LQR ذات الأفق اللانهائي. يرمز حلها P إلى التكلفة الأمثل المتبقية من أي حالة. يعد حل ARE هو عنق الزجاجة الحسابي لـ LQR؛ تقوم الخوارزميات الحديثة (مثل تلك التي تستخدم تحليل شور) بذلك في وقت O(n^3)، حيث n هو بُعد الحالة.

هل يمكن لـ LQR التعامل مع الأنظمة المتغيرة بمرور الوقت؟

نعم، يحل LQR المتغير بمرور الوقت معادلة ريكاتي التفاضلية (DRE) عكسيًا في الزمن. ومع ذلك، يتطلب هذا حل معادلة تفاضلية عادية (ODE)، وهو أكثر تكلفة حسابيًا من حالة الحالة المستقرة. يعتبر LQR المتغير بمرور الوقت مفيدًا لتتبع المسار أو الأنظمة ذات المعلمات المتغيرة ببطء.

لماذا يمتلك LQR هوامش متانة مضمونة؟

يضمن قانون التغذية الراجعة الأمثل لـ LQR هامش كسب لا نهائي (يتحمل أخطاء الإخراج المضاعفة التعسفية) وهامش طور بنسبة 50% عند المخرج. تأتي هوامش الاستقرار هذه من بنية الحل الأمثل ولا تحتاج إلى التحقق منها بشكل منفصل، على عكس PID أو وحدات التحكم التجريبية الأخرى.

طرق ذات صلة

المصادر

  1. Kalman, R. E. (1960). Contributions to the theory of optimal control. Boletin de la Sociedad Matematica Mexicana, 5(2), 102-119.

    افتح مرجع المنشور
    تم النسخ.
  2. Bryson, A. E., & Ho, Y. C. (1969). Applied Optimal Control: Optimization, Estimation and Control. Blaisdell Publishing.

    افتح مرجع المنشور
    تم النسخ.
  3. Lewis, F. L., Vrabie, D., & Syrmos, V. L. (2012). Optimal Control (3rd ed.). John Wiley & Sons.

    افتح مرجع DOI
    تم النسخ.