Skip to content
กลับไปยังผลการค้นหา

การควบคุมแบบปรับได้

ผู้เสนอ
Karl J. Astrom
ปี
1983
ประเภท
algorithm
กลุ่มวิธี
Adaptive Control

ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ

ขนาดตัวอักษร

ใช้ทำอะไร?

Adaptive Control คือ กลยุทธ์การควบคุมที่ปรับพารามิเตอร์ของตัวควบคุมแบบเรียลไทม์ โดยอาศัยการระบุระบบ (system identification) แบบออนไลน์ เพื่อรักษาประสิทธิภาพไว้ แม้ว่าพลวัตของระบบ (plant dynamics) จะเปลี่ยนแปลงไป หรือมีพารามิเตอร์ที่ไม่แน่นอนก็ตาม การควบคุมแบบปรับได้ ซึ่งมี Astrom และ Wittenmark เป็นผู้บุกเบิก ช่วยให้การทำงานมีความทนทาน (robust) ในสภาพแวดล้อมที่เปลี่ยนแปลงตามเวลา ตั้งแต่เครื่องบินที่มีการสิ้นเปลืองเชื้อเพลิง ไปจนถึงระบบอุตสาหกรรมที่มีส่วนประกอบเสื่อมสภาพตามอายุการใช้งาน

แนวคิดเบื้องหลังวิธีการ

การควบคุมแบบปรับได้ประกอบด้วยสองวงจร: วงจรป้อนกลับภายในที่ทำงานเร็วเพื่อการรักษาเสถียรภาพทันที และวงจรภายนอกที่ทำงานช้ากว่า ซึ่งประมาณค่าพารามิเตอร์ระบบที่เปลี่ยนแปลงไปและปรับปรุงค่าอัตราขยายของตัวควบคุม (controller gains) เมื่อระบบมีการเปลี่ยนแปลง (เช่น เชื้อเพลิงในเครื่องบินลดลง แรงเสียดทานเพิ่มขึ้นตามอายุ) วงจรปรับได้จะวัดค่าความผิดพลาดของผลลัพธ์ อนุมานการเปลี่ยนแปลงพารามิเตอร์ผ่านการระบุระบบ และปรับปรุงตัวควบคุมเพื่อรักษาประสิทธิภาพ วิธีนี้มีความซับซ้อนกว่าการควบคุมแบบทนทาน (robust control) ที่ตั้งค่าคงที่ (ซึ่งสมมติพารามิเตอร์ในกรณีที่เลวร้ายที่สุด) และมีความเป็นไปได้มากกว่าการปรับแต่งด้วยตนเอง

ประวัติศาสตร์

Astrom ได้วางรากฐานทฤษฎีการควบคุมแบบปรับได้ในทศวรรษที่ 1980 โดยกำหนดเงื่อนไขการลู่เข้าและเสถียรภาพ การควบคุมแบบปรับได้ที่ทนทานของ Ioannou (1996) ได้แก้ไขปัญหาเสถียรภาพโดยการรับรองว่าค่าประมาณพารามิเตอร์ยังคงอยู่ในโดเมนที่มีขอบเขต การควบคุมแบบปรับได้สมัยใหม่รวมถึงแนวทางแบบจำลองอ้างอิง (model-reference adaptive control, MRAC), การปรับตารางอัตราขยาย (gain-scheduling) สำหรับการควบคุมที่ขึ้นกับพารามิเตอร์ และวิธีการเรียนรู้ของเครื่อง (machine learning) สำหรับการเรียนรู้กฎการควบคุม

ควรใช้เมื่อใด

ใช้การควบคุมแบบปรับได้เมื่อพารามิเตอร์ระบบเปลี่ยนแปลงอย่างมีนัยสำคัญตามเวลา (การเสื่อมสภาพตามอายุ, การเปลี่ยนแปลงอุณหภูมิ, การเปลี่ยนแปลงภาระงาน), เมื่อพารามิเตอร์ไม่เป็นที่ทราบแน่ชัดแต่โครงสร้างระบบเป็นที่ทราบ, และเมื่อต้องการเสถียรภาพที่รับประกันได้แม้จะมีค่าความไม่แน่นอนของพารามิเตอร์ เหมาะสำหรับการควบคุมอากาศยาน (การสิ้นเปลืองเชื้อเพลิง, การเปลี่ยนแปลงจุดศูนย์ถ่วง), การควบคุมกระบวนการอุตสาหกรรม (การเสื่อมสภาพของตัวเร่งปฏิกิริยา) และระบบพลังงานหมุนเวียน (ความผันผวนของลม/แสงอาทิตย์) หลีกเลี่ยงการควบคุมแบบปรับได้หากพารามิเตอร์เปลี่ยนแปลงเร็วกว่าที่การระบุระบบจะติดตามได้, หากต้องมีขอบเขตเสถียรภาพที่อนุรักษ์นิยมมาก, หรือหากตัวควบคุมแบบทนทานที่ตั้งค่าคงที่เพียงพอแล้ว

ข้อจำกัดและข้อควรพิจารณา

  • ระยะการระบุระบบต้องการ persistent excitation (การป้อนข้อมูลที่มีความหลากหลายเพียงพอ); ช้าในสภาพแวดล้อมที่เงียบ
  • การลู่เข้าของการประมาณค่าพารามิเตอร์อาจช้า; อาจเกิดความไม่เสถียรชั่วคราวระหว่างการปรับตัว
  • ต้องการการวัดผลลัพธ์ที่แม่นยำ; สัญญาณรบกวนและความล่าช้าทำให้การระบุระบบแย่ลง
  • การพิสูจน์เสถียรภาพมีความซับซ้อน; ระบบปรับได้อาจไม่เสถียรแม้ว่าส่วนประกอบแต่ละส่วนจะเสถียร
  • อัตราการปรับตัวต้องช้ากว่าวงจรควบคุม; ขัดแย้งกับข้อกำหนดการติดตามที่รวดเร็ว

เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้

จุดแข็ง

  • รักษาประสิทธิภาพเมื่อพารามิเตอร์ระบบมีการเปลี่ยนแปลง; ไม่จำเป็นต้องปรับแต่งด้วยตนเอง
  • ตอบสนองต่อการเปลี่ยนแปลงพารามิเตอร์ได้เร็วกว่าตัวควบคุมแบบทนทานที่ตั้งค่าคงที่
  • ลดค่าความผิดพลาดในสภาวะคงตัว (steady-state error) โดยไม่ต้องออกแบบเผื่อกรณีที่เลวร้ายที่สุดมากเกินไป
  • ช่วยให้สามารถค้นพบพารามิเตอร์ที่ไม่ทราบแน่ชัดในระหว่างการทำงาน
  • รวมข้อมูลการวัดเข้ากับการเรียนรู้แบบเรียลไทม์โดยธรรมชาติ

การประยุกต์ใช้

  • อากาศยาน: การควบคุมเครื่องบินที่สิ้นเปลืองเชื้อเพลิงและมีการเปลี่ยนแปลงจุดศูนย์ถ่วง, ระบบออโตไพล็อตแบบปรับได้สำหรับสภาวะอากาศพลศาสตร์ที่เปลี่ยนแปลงไป
  • กระบวนการอุตสาหกรรม: การควบคุมเครื่องปฏิกรณ์ที่มีการเปลี่ยนแปลงกิจกรรมของตัวเร่งปฏิกิริยา, การเพิ่มประสิทธิภาพกระบวนการแบบปรับได้
  • ระบบพลังงาน: การควบคุมเครื่องกำเนิดไฟฟ้าที่มีพารามิเตอร์เครื่องกำเนิดไฟฟ้าเปลี่ยนแปลง, การควบคุมความถี่โหลด
  • ระบบทางทะเล: การรักษาทิศทางเรือภายใต้สภาวะลมและทะเลที่เปลี่ยนแปลงไป
  • พลังงานหมุนเวียน: การควบคุมกังหันลมที่ปรับให้เข้ากับสถิติความเร็วลมที่เปลี่ยนแปลงไป

วิธีการทำงาน

วิธีการทำงาน

1

รวบรวมข้อมูลอินพุต-เอาต์พุต และประมาณค่าพารามิเตอร์ระบบปัจจุบันโดยใช้อัลกอริทึมการระบุระบบแบบออนไลน์ เช่น recursive least-squares หรืออัลกอริทึมอื่น ๆ

2

ปรับปรุงเวกเตอร์พารามิเตอร์ที่ประมาณค่าได้ θ_hat โดยอาศัยค่าความผิดพลาดที่วัดได้ระหว่างการทำนายของแบบจำลองและผลลัพธ์จริง

3

คำนวณค่าอัตราขยายของตัวควบคุมใหม่ โดยอาศัยค่าประมาณพารามิเตอร์ปัจจุบัน ด้วยวิธีการจัดวางขั้ว (pole placement), LQR หรือวิธีการออกแบบอื่น ๆ

4

นำตัวควบคุมที่ปรับปรุงแล้วพร้อมค่าอัตราขยายใหม่ไปใช้กับระบบ ทำการระบุระบบและออกแบบใหม่เป็นระยะ ๆ ด้วยอัตราที่ช้ากว่า (เช่น ทุก ๆ วินาที ในขณะที่การควบคุมทำงานที่ 100 Hz)

ข้อผิดพลาดที่พบบ่อย

  • อัตราขยายการปรับตัวที่มากเกินไป; ทำให้เกิดความไม่เสถียรเมื่อค่าประมาณเกินค่าจริง
  • persistent excitation ไม่เพียงพอ; พารามิเตอร์ไม่สามารถลู่เข้าได้และการควบคุมแบบปรับได้ไม่สามารถปรับปรุงประสิทธิภาพได้
  • การใช้การควบคุมแบบปรับได้ในสภาพแวดล้อมที่ไม่คงที่; การระบุระบบไม่สามารถลู่เข้าได้หากระบบยังคงเปลี่ยนแปลง
  • การละเลยค่าความผิดพลาดของการประมาณค่า; ความไม่แน่นอนในค่าประมาณพารามิเตอร์ทำให้ประสิทธิภาพของวงจรปิดแย่ลง

คำถามที่พบบ่อย

Persistent excitation คืออะไรและทำไมจึงจำเป็น?

Persistent excitation หมายถึงสัญญาณอินพุตควบคุมมีความหลากหลายเพียงพอ (ความร่ำรวยทางสเปกตรัม) เพื่อให้สามารถระบุพารามิเตอร์ระบบได้อย่างไม่กำกวม การสุ่มสัญญาณรบกวน (random dither) หรือการเปลี่ยนแปลงจุดตั้งค่าเป็นครั้งคราวจะช่วยให้การระบุระบบลู่เข้าได้ หากไม่มี PE ระบบจะดูเหมือนเสื่อมสภาพและค่าประมาณพารามิเตอร์จะไม่ลู่เข้า

วิธีการที่เกี่ยวข้อง

แหล่งอ้างอิง

  1. Astrom, K. J., & Wittenmark, B. (1983). Computer-Controlled Systems: Theory and Design. Prentice Hall.

    เปิดเอกสารอ้างอิงสิ่งพิมพ์
    คัดลอกแล้ว
  2. Ioannou, P. A., & Sun, J. (1996). Robust Adaptive Control. Prentice Hall.

    เปิดเอกสารอ้างอิงสิ่งพิมพ์
    คัดลอกแล้ว