Skip to content
بازگشت به نتایج جست‌وجو

کنترل H-infinity

معرفی‌شده توسط
George Zames
سال
1981
نوع
algorithm
خانواده
Robust Control

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

کنترل H-infinity (H∞) یک روش کنترل مقاوم است که حداقل‌سازی بیشترین بهره (گین) از اغتشاشات به خروجی‌های کنترل‌شده را انجام می‌دهد. این روش به صورت یک مسئله بهینه‌سازی مینیمکس فرموله می‌شود. کنترل H∞ که توسط زامس در اوایل دهه ۱۹۸۰ معرفی شد، راهی اصولی برای طراحی کنترل‌کننده‌های بازخورد ارائه می‌دهد که عدم قطعیت مدل، دینامیک‌های مدل‌نشده و اغتشاشات را تحمل می‌کنند و در عین حال پایداری و عملکرد را حفظ می‌کنند. این ویژگی آن را برای کاربردهایی که نیاز به مقاومت تضمین‌شده دارند، ضروری می‌سازد.

شهود پشت روش

برخلاف LQR که یک سیستم کاملاً شناخته‌شده و نویز گاوسی را فرض می‌کند، کنترل H∞ یک دیدگاه بدترین حالت را در نظر می‌گیرد: این روش به دنبال کنترل‌کننده‌ای است که حداکثر تقویت ممکن اغتشاشات را در تمام فرکانس‌ها به حداقل برساند. ایده اصلی تعریف اهداف عملکردی وزن‌دار (مانند حساسیت به اغتشاشات، حساسیت مکمل به نویز اندازه‌گیری) و حل برای یک کنترل‌کننده است که تمام این پاسخ‌های وزن‌دار را در یک سطح گامای مشخص محدود نگه دارد. اگر راه‌حل با گاما < 1 وجود داشته باشد، کنترل‌کننده سیستم را به طور مقاوم پایدار می‌کند و همزمان تمام مشخصات عملکردی را برآورده می‌سازد. این تضمین بدترین حالت، کنترل H∞ را برای سیستم‌های نامطمئن، غیرخطی یا مستعد اغتشاشات بسیار قدرتمند می‌سازد.

تاریخ

زامس مسئله حداقل‌سازی حساسیت را فرموله کرد و نرم H∞ را در اوایل دهه ۱۹۸۰ معرفی نمود و دیدگاهی در حوزه فرکانس در مورد مقاومت ارائه داد. فرانسیس این نظریه را با فرمول‌بندی فضای حالت (سیستم تعمیم‌یافته) گسترش داد و دویل و همکاران راه‌حل معادله ریکاتی و مشخصه‌سازی LMI را ارائه کردند. کتاب درسی ژو (۱۹۹۶) به مرجع استاندارد تبدیل شد. کنترل H∞ در دهه ۱۹۹۰ به طور گسترده در صنعت پذیرفته شد و کاربردهایی در هوافضا، کنترل فرآیند و سیستم‌های خودرو پیدا کرد. انواع مدرن شامل H∞ با حساسیت ترکیبی، H∞ با عدم قطعیت ساختاریافته و کنترل H∞ توزیع‌شده هستند.

چه زمانی استفاده شود

از کنترل H∞ زمانی استفاده کنید که باید پایداری و عملکرد مقاوم را با وجود عدم قطعیت مدل، دینامیک‌های مدل‌نشده یا تغییرات پارامتر تضمین کنید. این روش برای سیستم‌هایی که در محیط‌های نامطمئن (هوافضا، خودرو، صنعتی) کار می‌کنند، زمانی که آمار اغتشاشات و نویز ناشناخته یا غیرگاوسی هستند، و زمانی که به تضمین‌های عملکردی بدترین حالت نیاز دارید، ایده‌آل است. اگر دانش دقیقی از سیستم دارید (LQR ممکن است ساده‌تر باشد) یا اگر طراحی نیاز به مدیریت صریح محدودیت‌ها دارد (به جای آن از MPC استفاده کنید)، از H∞ اجتناب کنید.

محدودیت‌ها و ملاحظات

  • طراحی کنترل‌کننده محافظه‌کارانه؛ پیگیری تضمین بدترین حالت ممکن است منجر به کنترل بیش از حد محتاطانه و کند شود.
  • نیاز به تنظیم دقیق توابع وزن‌دهی دارد؛ انتخاب نادرست وزن‌ها منجر به عملکرد زیربهینه می‌شود.
  • فرض دانش کامل از مدل تعمیم‌یافته سیستم؛ عدم قطعیت ساختارنیافته و دینامیک‌های نادیده‌گرفته شده می‌توانند مقاومت را کاهش دهند.
  • محدودیت‌های سخت را به صراحت مدیریت نمی‌کند؛ محدودیت‌ها باید از طریق توابع جریمه یا MPC گنجانده شوند.
  • کنترل H∞ غیرخطی (بازی‌های دیفرانسیلی) از نظر محاسباتی دشوارتر است و همگرایی تضمین‌شده ندارد.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • مقاومت تضمین‌شده در برابر عدم قطعیت مدل و تغییرات پارامتری را بدون فرض مدل‌های احتمالی فراهم می‌کند.
  • فرمول‌بندی مینیمکس تضمین‌های عملکردی بدترین حالت را در برابر تمام اغتشاشات و فرکانس‌ها ارائه می‌دهد.
  • طراحی چندمتغیره را با مدیریت صریح محدودیت‌های حسگر و عملگر از طریق وزن‌دهی امکان‌پذیر می‌سازد.
  • می‌تواند به صورت محدب با استفاده از روش‌های LMI یا ریکاتی حل شود؛ راه‌حل‌های عددی قابل اعتماد و به خوبی آزمایش شده‌اند.
  • تفسیر طبیعی در حوزه فرکانس؛ گنجاندن اهداف کنترل کلاسیک (حاشیه بهره، حاشیه فاز) به عنوان وزن‌ها آسان است.

کاربردها

  • هوافضا: کنترل گام هواپیما با دینامیک‌های مدل‌نشده، طراحی خلبان خودکار مقاوم که تغییرات پارامتر را تحمل می‌کند.
  • خودرو: کنترل تعلیق مقاوم که نسبت به تغییرات بار و اغتشاشات جاده‌ای حساس نیست، مدیریت موتور تحت عدم قطعیت.
  • سیستم‌های قدرت: کنترل ژنراتور مقاوم در برابر تغییرات بار و انحرافات فرکانسی، تنظیم ولتاژ ریزشبکه.
  • کنترل فرآیند: کنترل راکتور شیمیایی که عدم تطابق مدل و تغییرات خوراک را تحمل می‌کند، بهینه‌سازی ستون تقطیر.
  • رباتیک: کنترل دستکاری‌کننده با اصطکاک مفصل نامطمئن، ناوبری ربات متحرک مقاوم در برابر نویز حسگر و موانع.

چگونه کار می‌کند

چگونه کار می‌کند

1

مدل تعمیم‌یافته سیستم را تعریف کنید که شامل سیستم، کانال‌های اغتشاش و نویز اندازه‌گیری، و اهداف عملکردی وزن‌دار (کانال‌های خطا) است.

2

توابع وزن‌دهی وابسته به فرکانس را انتخاب کنید که کنترل‌کننده را شکل می‌دهند تا عملکرد را در محدوده‌های فرکانسی مختلف اولویت‌بندی کنند (مانند حذف اغتشاشات فرکانس پایین، تضعیف نویز فرکانس بالا).

3

مسئله بهینه‌سازی H∞ را با استفاده از بهینه‌سازی محدب (نامساوی‌های ماتریسی خطی، LMI) یا معادلات ریکاتی حل کنید تا کنترل‌کننده‌ای را بیابید که حداقل‌سازی بیشترین بهره (نرم H∞) را انجام می‌دهد.

4

تأیید کنید که گامای به‌دست‌آمده کمتر از ۱ است و حاشیه‌های مقاومت (حاشیه بهره، حاشیه فاز، پایداری در برابر اغتشاشات پارامتری) را بررسی کنید.

دام‌های رایج

  • انتخاب خودسرانه توابع وزن‌دهی به جای استخراج آنها از محدودیت‌های فیزیکی و مشخصات عملکردی.
  • تنظیم نادرست شکل وزن‌ها (مثلاً بیش از حد تهاجمی در فرکانس‌های بالا) منجر به لرزش یا تلاش کنترلی بیش از حد می‌شود.
  • نادیده گرفتن عدم قطعیت ساختاریافته و فرض اینکه تمام عدم قطعیت ساختارنیافته است، که منجر به محافظه‌کاری بیش از حد می‌شود.
  • فراموش کردن تأیید پایداری سیستم حلقه بسته و قابل دستیابی بودن گاما < 1؛ طراحی‌های غیرممکن باعث هدر رفتن محاسبات می‌شوند.

پرسش‌های متداول

نرم H∞ چیست و چرا برای مقاومت مهم است؟

نرم H∞ یک سیستم، حداکثر بهره (بزرگترین مقدار منفرد) در تمام فرکانس‌ها است. حداقل‌سازی نرم H∞ به معنای محدود کردن حداکثر تقویت اغتشاشات است و تضمین می‌کند که اغتشاشات محدود، خروجی‌های محدود تولید می‌کنند. این یک تضمین قوی ارائه می‌دهد: اگر نرم H∞ گاما < 1 باشد، هر اغتشاش با دامنه < 1، خروجی با دامنه < گاما تولید می‌کند، صرف نظر از فرکانس.

چگونه توابع وزن‌دهی را انتخاب کنم؟

با بیان اهداف عملکردی خود بر حسب محدوده‌های فرکانسی شروع کنید: به عنوان مثال، اغتشاشات فرکانس پایین (۱-۱۰ رادیان بر ثانیه) باید تضعیف شوند، در حالی که نویز اندازه‌گیری فرکانس بالا (>۱۰۰۰ رادیان بر ثانیه) قابل تحمل است. W1 را برای شکل‌دهی حساسیت (پاسخ خطا به اغتشاشات) و W2 را برای شکل‌دهی حساسیت مکمل (تلاش کنترلی و پاسخ نویز) طراحی کنید. از شبکه‌های تأخیر یا پیشرو مرتبه اول استفاده کنید، سپس بر اساس نمودارهای بود حلقه بسته تکرار کنید.

مدل تعمیم‌یافته سیستم چه چیزی را نشان می‌دهد؟

سیستم تعمیم‌یافته یک نمایش ماتریسی است که شامل سیستم (G)، ورودی‌های اغتشاش/نویز (w)، خروجی‌های کنترل‌شده (z)، ورودی‌های کنترلی (u) و اندازه‌گیری‌ها (y) می‌شود. این مدل کل مسئله کنترل را در بر می‌گیرد: w شامل اغتشاشات و نویز است، z شامل اهداف عملکردی (خطا، تلاش کنترلی و غیره) است، و کنترل‌کننده باید بهره از w به z را حداقل‌سازی کند و در عین حال سیستم را پایدار نگه دارد.

آیا کنترل H∞ می‌تواند سیستم‌های غیرخطی را مدیریت کند؟

کنترل H∞ غیرخطی از نظریه بازی‌های دیفرانسیلی استفاده می‌کند و به طور قابل توجهی پیچیده‌تر است. می‌توانید یک سیستم غیرخطی را خطی‌سازی کرده و H∞ را برای مدل خطی‌شده طراحی کنید (مقاوم در برابر غیرخطی‌های کوچک)، یا از برنامه‌ریزی بهره (H∞ وابسته به پارامتر) برای سیستم‌هایی با پارامترهای کند متغیر استفاده کنید. H∞ غیرخطی کامل نیاز به حل معادلات دیفرانسیل جزئی غیرخطی (نامساوی هامیلتون-ژاکوبی) دارد که به طور کلی غیرقابل حل است.

روش‌های مرتبط

منابع

  1. Zames, G. (1981). Feedback and optimal sensitivity: Model reference transformations, multiplicative seminorms, and approximate inverses. IEEE Transactions on Automatic Control, 26(2), 301-320.

    باز کردن مرجع DOI
    کپی شد.
  2. Francis, B. A. (1987). A Course in H∞ Control Theory. Lecture Notes in Control and Information Sciences, Springer-Verlag.

    باز کردن مرجع DOI
    کپی شد.
  3. Zhou, K., Doyle, J. C., & Glover, K. (1996). Robust and Optimal Control. Prentice Hall.

    باز کردن مرجع انتشار
    کپی شد.