تنظیمکننده خطی-درجهدوم (Linear Quadratic Regulator)
- معرفیشده توسط
- Rudolf Kalman
- سال
- 1960
- نوع
- algorithm
- خانواده
- Optimal Control
این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید
چه کاری انجام میدهد؟
تنظیمکننده خطی-درجهدوم (LQR) یک الگوریتم کلاسیک کنترل بهینه است که یک قانون بازخورد خطی را برای کمینهسازی یک تابع هزینه درجهدوم برای یک سیستم دینامیکی خطی محاسبه میکند.
LQR که در سال ۱۹۶۰ توسط کالمن معرفی شد، راهحلی بهینه و اثباتشده به شکل بسته برای سیستمهای خطی ارائه میدهد و به دلیل ظرافت نظری و کارایی محاسباتیاش، در تئوری کنترل، رباتیک و کاربردهای هوافضا بنیادی باقی مانده است.
شهود پشت روش
LQR مسئله هدایت یک سیستم خطی به سمت صفر (یا ردیابی یک مرجع) را در حالی که هم انحراف از حالت مطلوب و هم تلاش (مقدار ورودی کنترل) را جریمه میکند، حل میکند. بینش کلیدی این است که برای سیستمهای خطی با هزینههای درجهدوم، قانون کنترل بهینه در حالت فعلی خطی است: u = −Kx، که در آن K ماتریس بهره بازخورد است که به صورت آفلاین محاسبه میشود. این الگوریتم ابتدا یک معادله دیفرانسیل ریکاتی در زمان معکوس (یا معادله جبری ریکاتی برای حالت پایدار) را حل میکند تا تابع هزینه بهینه تا رسیدن به هدف را بیابد، سپس بهره بازخورد خطی را استخراج میکند. این امر محاسبه آفلاین بهرهها را از کنترل آنلاین جدا میکند و امکان پیادهسازی بسیار سریع در زمان واقعی را فراهم میسازد.
تاریخ
مقاله کالمن در سال ۱۹۶۰ مسئله کنترل بهینه خطی-درجهدوم و راهحل آن را از طریق معادله ریکاتی معرفی کرد. بریسون و هو در اواخر دهه ۱۹۶۰ تئوری را گسترش دادند و در سال ۱۹۶۹ کتاب مرجع را منتشر کردند. نسخه زمان گسسته توسط کالمن و دیگران در همان دوره توسعه یافت و امکان پیادهسازی دیجیتال را فراهم کرد. از آن زمان LQR در تئوری مدرن کنترل بنیادی شده است، با بسطهایی به سیستمهای تصادفی (Linear Quadratic Gaussian, LQG) و بسطهایی به سیستمهای غیرخطی (Differential Games, NMPC).
چه زمانی استفاده شود
زمانی از LQR استفاده کنید که سیستم شما خطی است (یا به خوبی با خطیسازی تقریب زده میشود)، زمانی که هدف به طور طبیعی خطای حالت و تلاش کنترلی را ترکیب میکند، و زمانی که به راهحلی بهینه و اثباتشده با محاسبات سریع نیاز دارید. LQR برای مسائلی مانند پایدارسازی پاندول معکوس، کنترل وضعیت هواپیما، یا بهینهسازی مسیرهای فضاپیما عالی است. این روش برای سیستمهای با محدودیتهای سخت (به جای آن از MPC استفاده کنید) یا دینامیکهای به شدت غیرخطی کمتر مناسب است.
محدودیتها و ملاحظات
- محدود به سیستمهای خطی؛ سیستمهای واقعی اغلب غیرخطی هستند و نیاز به خطیسازی دارند.
- محدودیتهای سخت بر حالت یا ورودی را به صراحت مدیریت نمیکند؛ جریمههای درجهدوم فقط محدودیتهای نرم هستند.
- طراحی تابع هزینه (انتخاب Q و R) نیازمند قضاوت مهندسی و تنظیم است.
- خواص استحکام کالمن گین فرض میکند که مدل دقیق است؛ عدم تطابق مدل عملکرد را کاهش میدهد.
شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.
نقاط قوت
- قانون بازخورد بهینه اثباتشده برای سیستمهای خطی با هزینه درجهدوم را ارائه میدهد.
- محاسبه آفلاین بهرهها؛ کنترل آنلاین صرفاً ضرب ماتریس-بردار است (بسیار سریع).
- تضمینهای حاشیه بهره و حاشیه فاز؛ خواص استحکام ذاتی (حاشیه بهره نامتناهی در خروجی).
- محاسبه مستقیم؛ الگوریتمهای عددی متعددی در دسترس هستند (تجزیه شور، روشهای مقادیر ویژه).
- به طور طبیعی سیستمهای چندمتغیره را مدیریت میکند و طراحی کنترل را از محدودیتهای سنسور و عملگر جدا میکند.
کاربردها
- هوافضا: کنترل وضعیت هواپیماها و فضاپیماها، بهینهسازی مسیر برای مریخنوردها و فرودگرهای ماه.
- رباتیک: متعادلسازی واکرهای دوپا، ردیابی مسیر بازوی رباتیک، پایدارسازی پهپادهای کوادروتور.
- تولید: کنترل حرکت تجهیزات دقیق (ماشینهای CNC)، میرایی ارتعاش در سیستمهای مکانیکی.
- سیستمهای انرژی: پایدارسازی فرکانس و ولتاژ شبکه برق، بهینهسازی کنترل ژنراتور در ریزشبکهها.
- خودرو: کنترل تعلیق، کنترل کشش، و کمک فرمان در وسایل نقلیه.
چگونه کار میکند
چگونه کار میکند
دینامیک سیستم خطی (ماتریسهای A و B)، افق پیشبینی، و ماتریسهای هزینه درجهدوم (Q برای حالت، R برای ورودی) را تعریف کنید.
معادله جبری ریکاتی پیوسته یا گسسته را برای به دست آوردن ماتریس جواب متقارن مثبت معین P حل کنید.
ماتریس بهره بازخورد بهینه K = R^(-1) * B^T * P را با استفاده از جواب ریکاتی محاسبه کنید.
قانون بازخورد خطی u(t) = −K x(t) را در هر مرحله کنترل به سیستم اعمال کنید.
دامهای رایج
- خطیسازی حول یک نقطه تعادل ناپایدار یا مرجع متغیر با زمان ممکن است راهحل LQR را نامعتبر کند.
- اختصاص دادن دلخواه وزنهای Q و R بدون درک معنای فیزیکی آنها منجر به عملکرد ضعیف کنترل میشود.
- فراموش کردن اینکه LQR یک محاسبه آفلاین است؛ تغییرات در Q، R، یا پارامترهای سیستم نیازمند حل مجدد معادله ریکاتی است.
پرسشهای متداول
چگونه ماتریسهای وزندهی Q و R را انتخاب کنم؟
یک رویکرد سیستماتیک این است که با Q به عنوان یک ماتریس قطری شروع کنید که هر ورودی قطری آن متناسب با 1/max_allowed_state_i^2 است، و R متناسب با 1/max_allowed_input_i^2. سپس به صورت تجربی تنظیم کنید: Q را برای تنظیم دقیق حالت افزایش دهید، R را برای کاهش تلاش کنترلی افزایش دهید. بدهبستان بین زمان افزایش و زمان نشست به همان شکلی که این وزنها را تنظیم میکنید، ظاهر میشود.
معادله جبری ریکاتی چیست و چرا مهم است؟
معادله جبری ریکاتی (ARE) یک معادله ماتریسی درجهدوم است که هنگام حل مسئله LQR افق نامتناهی پدیدار میشود. جواب P آن، هزینه بهینه تا رسیدن به هدف را از هر حالت رمزگذاری میکند. حل ARE گلوگاه محاسباتی LQR است؛ الگوریتمهای مدرن (مانند تجزیه شور) این کار را در زمان O(n^3) انجام میدهند، که n بعد حالت است.
آیا LQR میتواند سیستمهای متغیر با زمان را مدیریت کند؟
بله، LQR متغیر با زمان یک معادله دیفرانسیل ریکاتی (DRE) را به عقب در زمان حل میکند. با این حال، این امر نیازمند حل یک ODE است که از نظر محاسباتی گرانتر از حالت پایدار است. LQR متغیر با زمان برای ردیابی مسیر یا سیستمهایی با پارامترهای متغیر آهسته مفید است.
چرا LQR حاشیههای استحکام تضمینشده دارد؟
قانون بازخورد بهینه LQR حاشیه بهره نامتناهی (تحمل خطاهای ضربی دلخواه خروجی) و حاشیه فاز ۵۰٪ در خروجی را تضمین میکند. این حاشیههای پایداری از ساختار راهحل بهینه ناشی میشوند و نیازی به بررسی جداگانه ندارند، برخلاف PID یا سایر کنترلکنندههای اکتشافی.
روشهای مرتبط
منابع
Kalman, R. E. (1960). Contributions to the theory of optimal control. Boletin de la Sociedad Matematica Mexicana, 5(2), 102-119.
باز کردن مرجع انتشارکپی شد.Bryson, A. E., & Ho, Y. C. (1969). Applied Optimal Control: Optimization, Estimation and Control. Blaisdell Publishing.
باز کردن مرجع انتشارکپی شد.Lewis, F. L., Vrabie, D., & Syrmos, V. L. (2012). Optimal Control (3rd ed.). John Wiley & Sons.
باز کردن مرجع DOIکپی شد.