Sterowanie H-nieskończoność
- Autor metody
- George Zames
- Rok
- 1981
- Typ
- algorithm
- Rodzina
- Robust Control
Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku
Do czego służy?
Sterowanie H-nieskończoność (H∞) to metoda sterowania odpornego, która minimalizuje najgorszy przypadek wzmocnienia od zakłóceń do sterowanych wyjść, formułowana jako problem optymalizacji minimax.
Zapoczątkowane przez Zamesa na początku lat 80. XX wieku, sterowanie H∞ stanowi ugruntowane podejście do projektowania regulatorów sprzężenia zwrotnego, które tolerują niepewność modelu, nieujęte dynamiki i zakłócenia, przy jednoczesnym zachowaniu stabilności i wydajności, co czyni je niezbędnym w zastosowaniach wymagających gwarantowanej odporności.
Intuicja stojąca za metodą
W przeciwieństwie do LQR, które zakłada idealnie znany system i szum gaussowski, sterowanie H∞ przyjmuje perspektywę najgorszego przypadku: poszukuje regulatora, który minimalizuje maksymalne możliwe wzmocnienie zakłóceń we wszystkich częstotliwościach. Kluczową ideą jest zdefiniowanie ważonych celów wydajności (np. wrażliwość na zakłócenia, uzupełniająca wrażliwość na szum pomiarowy) i rozwiązanie problemu dla regulatora, który utrzymuje wszystkie te ważone odpowiedzi poniżej określonego poziomu gamma. Jeśli rozwiązanie istnieje dla gamma < 1, regulator odpornie stabilizuje system i jednocześnie spełnia wszystkie specyfikacje wydajności. Ta gwarancja najgorszego przypadku czyni sterowanie H∞ potężnym narzędziem dla systemów niepewnych, nieliniowych lub silnie podatnych na zakłócenia.
Historia
Zames sformułował problem minimalizacji wrażliwości i wprowadził normę H∞ na początku lat 80. XX wieku, dostarczając perspektywy częstotliwościowej na odporność. Francis rozszerzył teorię o formułę przestrzeni stanów (uogólniony model rośliny), a Doyle i in. dostarczyli rozwiązanie oparte na równaniach Riccatiego i charakterystykę LMI. Podręcznik Zhou (1996) stał się standardowym odniesieniem. Sterowanie H∞ zyskało szerokie zastosowanie przemysłowe w latach 90. XX wieku, z zastosowaniami w lotnictwie, sterowaniu procesami i systemach motoryzacyjnych. Nowoczesne warianty obejmują H∞ mieszanej wrażliwości, H∞ z niepewnością strukturalną i rozproszone sterowanie H∞.
Kiedy stosować
Użyj sterowania H∞, gdy musisz zagwarantować odporną stabilność i wydajność pomimo niepewności modelu, nieujętej dynamiki lub zmian parametrów. Jest idealne dla systemów działających w niepewnych środowiskach (lotnictwo, motoryzacja, przemysł), gdy statystyki zakłóceń i szumów są nieznane lub niegaussowskie, i gdy potrzebujesz gwarancji wydajności w najgorszym przypadku. Unikaj H∞, jeśli masz precyzyjną wiedzę o roślinie (LQR może być prostszy) lub jeśli projekt wymaga jawnego zarządzania ograniczeniami (zamiast tego użyj MPC).
Ograniczenia i uwagi
- Konserwatywny projekt regulatora; dążenie do gwarancji najgorszego przypadku może prowadzić do nadmiernie ostrożnego, powolnego sterowania.
- Wymaga starannego dostrojenia funkcji wagowych; zły wybór wag prowadzi do suboptymalnej wydajności.
- Zakłada pełną wiedzę o uogólnionym modelu rośliny; nieustrukturyzowana niepewność i pominięta dynamika mogą pogorszyć odporność.
- Nie obsługuje jawnie twardych ograniczeń; ograniczenia muszą być uwzględnione za pomocą funkcji kary lub MPC.
- Nieliniowe sterowanie H∞ (gry różniczkowe) jest obliczeniowo trudniejsze i nie gwarantuje zbieżności.
Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.
Mocne strony
- Zapewnia gwarantowaną odporność na niepewność modelu i zmiany parametryczne bez zakładania modeli probabilistycznych.
- Formuła minimax daje gwarancje wydajności w najgorszym przypadku dla wszystkich zakłóceń i częstotliwości.
- Umożliwia projektowanie wielowymiarowe z jawnym uwzględnieniem ograniczeń czujników i siłowników poprzez ważenie.
- Można rozwiązać wypukle za pomocą metod LMI lub Riccatiego; rozwiązania numeryczne są niezawodne i dobrze przetestowane.
- Naturalna interpretacja w dziedzinie częstotliwości; łatwe włączanie klasycznych celów sterowania (margines wzmocnienia, margines fazy) jako wag.
Zastosowania
- Lotnictwo: Sterowanie pochyleniem samolotu z nieujętą dynamiką, odporny projekt autopilota tolerujący zmiany parametrów.
- Motoryzacja: Odporne sterowanie zawieszeniem niewrażliwe na zmiany obciążenia i zakłócenia drogowe, zarządzanie silnikiem w warunkach niepewności.
- Systemy energetyczne: Sterowanie generatorem odporne na zmiany obciążenia i odchylenia częstotliwości, regulacja napięcia w mikrosieci.
- Sterowanie procesami: Sterowanie reaktorem chemicznym tolerujące niedopasowanie modelu i zmienność wsadu, optymalizacja kolumny destylacyjnej.
- Robotyka: Sterowanie manipulatorem z niepewnym tarciem w stawach, nawigacja robota mobilnego odporna na szum czujnika i przeszkody.
Jak to działa
Jak to działa
Zdefiniuj uogólniony model rośliny, który obejmuje kanały systemu, zakłóceń i szumów pomiarowych oraz ważone cele wydajności (kanały błędu).
Wybierz zależne od częstotliwości funkcje wagowe, które kształtują regulator, aby nadać priorytet wydajności w różnych zakresach częstotliwości (np. tłumienie zakłóceń o niskiej częstotliwości, tłumienie szumów o wysokiej częstotliwości).
Rozwiąż problem optymalizacji H∞ za pomocą optymalizacji wypukłej (liniowe nierówności macierzowe, LMI) lub równań Riccatiego, aby znaleźć regulator minimalizujący najgorszy przypadek wzmocnienia (normę H∞).
Zweryfikuj, czy osiągnięte gamma jest mniejsze niż 1 i sprawdź marginesy odporności (margines wzmocnienia, margines fazy, stabilność na perturbacje parametryczne).
Częste pułapki
- Wybieranie funkcji wagowych arbitralnie zamiast wyprowadzania ich z fizycznych ograniczeń i specyfikacji wydajności.
- Nieprawidłowe ustawienie kształtów wag (np. zbyt agresywne przy wysokich częstotliwościach) prowadzi do migotania lub nadmiernego wysiłku sterującego.
- Ignorowanie niepewności strukturalnej i zakładanie, że cała niepewność jest nieustrukturyzowana, prowadzi do nadmiernej konserwatywności.
- Zapominanie o weryfikacji, czy system z zamkniętą pętlą jest stabilny i czy gamma < 1 jest osiągalne; niewykonalne projekty marnują moc obliczeniową.
Najczęściej zadawane pytania
Czym jest norma H∞ i dlaczego jest ważna dla odporności?
Norma H∞ systemu to szczytowe wzmocnienie (największa wartość osobliwa) we wszystkich częstotliwościach. Minimalizacja normy H∞ oznacza ograniczenie maksymalnego wzmocnienia zakłóceń, zapewniając, że ograniczone zakłócenia generują ograniczone wyjścia. Daje to twardą gwarancję: jeśli norma H∞ wynosi gamma < 1, każde zakłócenie o amplitudzie < 1 generuje wyjście o amplitudzie < gamma, niezależnie od częstotliwości.
Jak wybrać funkcje wagowe?
Zacznij od wyrażenia celów wydajności w kategoriach zakresów częstotliwości: np. zakłócenia o niskiej częstotliwości (1-10 rad/s) powinny być tłumione, podczas gdy szumy pomiarowe o wysokiej częstotliwości (>1000 rad/s) mogą być tolerowane. Zaprojektuj W1, aby kształtować wrażliwość (reakcję błędu na zakłócenia) i W2, aby kształtować uzupełniającą wrażliwość (wysiłek sterujący i reakcję na szum). Użyj sieci pierwszego rzędu opóźniających lub wyprzedzających, a następnie iteruj na podstawie wykresów Bode zamkniętej pętli.
Co reprezentuje uogólniony model rośliny?
Uogólniony model rośliny to reprezentacja macierzowa, która obejmuje system (G), wejścia zakłóceń/szumów (w), sterowane wyjścia (z), wejścia sterujące (u) i pomiary (y). Obejmuje cały problem sterowania: w zawiera zakłócenia i szumy, z zawiera cele wydajności (błąd, wysiłek sterujący itp.), a regulator musi minimalizować wzmocnienie z w do z, jednocześnie stabilizując system.
Czy sterowanie H∞ może obsługiwać systemy nieliniowe?
Nieliniowe sterowanie H∞ wykorzystuje teorię gier różniczkowych i jest znacznie bardziej złożone. Można zlinearyzować nieliniowy system i zaprojektować H∞ dla zlinearyzowanego modelu (odporny na małe nieliniowości) lub użyć harmonogramowania wzmocnienia (H∞ zależne od parametrów) dla systemów ze wolno zmieniającymi się parametrami. Pełne nieliniowe H∞ wymaga rozwiązania nieliniowych równań różniczkowych cząstkowych (nierówność Hamiltona-Jacobiego), co jest zazwyczaj niewykonalne.
Pokrewne metody
Źródła
Zames, G. (1981). Feedback and optimal sensitivity: Model reference transformations, multiplicative seminorms, and approximate inverses. IEEE Transactions on Automatic Control, 26(2), 301-320.
Otwórz odnośnik DOISkopiowano.Francis, B. A. (1987). A Course in H∞ Control Theory. Lecture Notes in Control and Information Sciences, Springer-Verlag.
Otwórz odnośnik DOISkopiowano.Zhou, K., Doyle, J. C., & Glover, K. (1996). Robust and Optimal Control. Prentice Hall.
Otwórz odnośnik do publikacjiSkopiowano.