Skip to content
กลับไปยังผลการค้นหา

การควบคุมแบบ H-infinity

ผู้เสนอ
George Zames
ปี
1981
ประเภท
algorithm
กลุ่มวิธี
Robust Control

ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ

ขนาดตัวอักษร

ใช้ทำอะไร?

การควบคุมแบบ H-infinity (H∞) เป็นวิธีการควบคุมแบบทนทาน (robust control) ที่ลดทอนอัตราขยายในกรณีที่เลวร้ายที่สุด (worst-case gain) จากสัญญาณรบกวนไปยังเอาต์พุตที่ถูกควบคุม โดยกำหนดรูปแบบเป็นการหาค่าเหมาะสมที่สุดแบบ minimax (minimax optimization problem) การควบคุมแบบ H∞ ซึ่งริเริ่มโดย Zames ในช่วงต้นทศวรรษ 1980 เป็นแนวทางที่มีหลักการในการออกแบบตัวควบคุมป้อนกลับ (feedback controllers) ที่สามารถทนทานต่อความไม่แน่นอนของแบบจำลอง (model uncertainty) พลวัตที่ไม่ได้ถูกจำลอง (unmodeled dynamics) และสัญญาณรบกวน ในขณะที่ยังคงรักษาเสถียรภาพและประสิทธิภาพ ทำให้มีความสำคัญสำหรับการใช้งานที่ต้องการความทนทานที่รับประกันได้

แนวคิดเบื้องหลังวิธีการ

แตกต่างจาก LQR ซึ่งสมมติว่าระบบเป็นที่ทราบแน่นอนและมีสัญญาณรบกวนแบบเกาส์เซียน (Gaussian noise) การควบคุมแบบ H∞ ใช้มุมมองของกรณีที่เลวร้ายที่สุด: มุ่งหาตัวควบคุมที่ลดทอนการขยายสัญญาณรบกวนที่อาจเกิดขึ้นสูงสุดในทุกย่านความถี่ แนวคิดหลักคือการกำหนดวัตถุประสงค์ด้านประสิทธิภาพที่มีน้ำหนัก (weighted performance objectives) (เช่น ความไวต่อสัญญาณรบกวน, ความไวเสริมต่อสัญญาณรบกวนการวัด) และหาตัวควบคุมที่ทำให้การตอบสนองที่มีน้ำหนักทั้งหมดเหล่านี้ถูกจำกัดด้วยระดับที่กำหนดไว้ล่วงหน้าคือแกมมา (gamma) หากสามารถหาคำตอบได้โดยที่แกมมา < 1 ตัวควบคุมจะรักษาเสถียรภาพของระบบได้อย่างทนทานและบรรลุข้อกำหนดด้านประสิทธิภาพทั้งหมดพร้อมกัน การรับประกันกรณีที่เลวร้ายที่สุดนี้ทำให้การควบคุมแบบ H∞ มีประสิทธิภาพสำหรับระบบที่ไม่แน่นอน ไม่เป็นเชิงเส้น หรือมีความอ่อนไหวต่อสัญญาณรบกวนสูง

ประวัติศาสตร์

Zames ได้กำหนดปัญหาการลดทอนความไว (sensitivity minimization problem) และแนะนำ H∞ norm ในช่วงต้นทศวรรษ 1980 โดยให้มุมมองในโดเมนความถี่เกี่ยวกับความทนทาน Francis ได้ขยายทฤษฎีด้วยการกำหนดรูปแบบในโดเมนปริภูมิสถานะ (generalized plant) และ Doyle และคณะ ได้ให้คำตอบโดยใช้สมการ Riccati และการจำแนกประเภท LMI ตำราของ Zhou (1996) กลายเป็นเอกสารอ้างอิงมาตรฐาน การควบคุมแบบ H∞ ได้รับการยอมรับในอุตสาหกรรมอย่างกว้างขวางในช่วงทศวรรษ 1990 โดยมีการใช้งานในการบินและอวกาศ การควบคุมกระบวนการ และระบบยานยนต์ รูปแบบที่ทันสมัย ได้แก่ mixed-sensitivity H∞, H∞ ที่มีความไม่แน่นอนที่มีโครงสร้าง และ distributed H∞ control

ควรใช้เมื่อใด

ใช้การควบคุมแบบ H∞ เมื่อคุณต้องการรับประกันเสถียรภาพและความทนทานต่อประสิทธิภาพที่รับประกันได้ แม้จะมีความไม่แน่นอนของแบบจำลอง พลวัตที่ไม่ได้ถูกจำลอง หรือการเปลี่ยนแปลงพารามิเตอร์ เหมาะสำหรับระบบที่ทำงานในสภาพแวดล้อมที่ไม่แน่นอน (การบินและอวกาศ, ยานยนต์, อุตสาหกรรม) เมื่อสถิติของสัญญาณรบกวนและเสียงไม่ทราบหรือไม่ใช่แบบเกาส์เซียน และเมื่อคุณต้องการการรับประกันประสิทธิภาพกรณีที่เลวร้ายที่สุด หลีกเลี่ยง H∞ หากคุณมีความรู้เกี่ยวกับโรงงานที่แม่นยำ (LQR อาจง่ายกว่า) หรือหากการออกแบบต้องการการจัดการข้อจำกัดที่ชัดเจน (ใช้ MPC แทน)

ข้อจำกัดและข้อควรพิจารณา

  • การออกแบบตัวควบคุมที่อาจจะอนุรักษ์นิยมเกินไป (conservative); การมุ่งหาการรับประกันกรณีที่เลวร้ายที่สุดอาจส่งผลให้การควบคุมเฉื่อยชาเกินไป
  • ต้องการการปรับแต่งฟังก์ชันน้ำหนักอย่างระมัดระวัง; การเลือกน้ำหนักที่ไม่ดีนำไปสู่ประสิทธิภาพที่ไม่เหมาะสมที่สุด
  • สมมติว่ามีความรู้เกี่ยวกับแบบจำลองโรงงานทั่วไปอย่างสมบูรณ์; ความไม่แน่นอนที่ไม่มีโครงสร้าง (unstructured uncertainty) และพลวัตที่ถูกละเลยอาจทำให้ความทนทานลดลง
  • ไม่สามารถจัดการข้อจำกัดที่เข้มงวด (hard constraints) ได้อย่างชัดเจน; ข้อจำกัดต้องถูกรวมเข้าด้วยฟังก์ชันการลงโทษ (penalty functions) หรือ MPC
  • การควบคุมแบบ H∞ สำหรับระบบไม่เชิงเส้น (differential games) มีความซับซ้อนในการคำนวณมากกว่าและขาดการรับประกันการลู่เข้า

เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้

จุดแข็ง

  • ให้การรับประกันความทนทานต่อความไม่แน่นอนของแบบจำลองและการเปลี่ยนแปลงพารามิเตอร์โดยไม่ต้องสมมติแบบจำลองเชิงความน่าจะเป็น
  • การกำหนดรูปแบบ minimax ให้การรับประกันประสิทธิภาพกรณีที่เลวร้ายที่สุดสำหรับสัญญาณรบกวนและทุกย่านความถี่
  • อนุญาตการออกแบบแบบหลายตัวแปร (multivariable design) พร้อมการจัดการข้อจำกัดของเซ็นเซอร์และแอคทูเอเตอร์อย่างชัดเจนผ่านน้ำหนัก
  • สามารถแก้ปัญหาแบบคอนเวกซ์ได้โดยใช้วิธี LMI หรือ Riccati; คำตอบเชิงตัวเลขมีความน่าเชื่อถือและผ่านการทดสอบมาอย่างดี
  • การตีความในโดเมนความถี่ตามธรรมชาติ; ง่ายต่อการรวมวัตถุประสงค์การควบคุมแบบดั้งเดิม (gain margin, phase margin) เป็นน้ำหนัก

การประยุกต์ใช้

  • การบินและอวกาศ: การควบคุมมุมเงยของเครื่องบินที่มีพลวัตที่ไม่ได้ถูกจำลอง, การออกแบบระบบนำร่องอัตโนมัติแบบทนทานที่ยอมรับการเปลี่ยนแปลงพารามิเตอร์
  • ยานยนต์: การควบคุมระบบกันสะเทือนแบบทนทานที่ไม่ไวต่อการเปลี่ยนแปลงน้ำหนักและสัญญาณรบกวนจากถนน, การจัดการเครื่องยนต์ภายใต้ความไม่แน่นอน
  • ระบบกำลังไฟฟ้า: การควบคุมเครื่องกำเนิดไฟฟ้าที่ทนทานต่อการเปลี่ยนแปลงโหลดและการเบี่ยงเบนความถี่, การควบคุมแรงดันไฟฟ้าของกริดขนาดเล็ก (microgrid)
  • การควบคุมกระบวนการ: การควบคุมเครื่องปฏิกรณ์เคมีที่ยอมรับความไม่ตรงกันของแบบจำลองและการเปลี่ยนแปลงวัตถุดิบ, การหาค่าเหมาะสมที่สุดของหอกลั่น
  • หุ่นยนต์: การควบคุมแขนกลที่มีแรงเสียดทานข้อต่อไม่แน่นอน, การนำทางหุ่นยนต์เคลื่อนที่ที่ทนทานต่อสัญญาณรบกวนจากเซ็นเซอร์และสิ่งกีดขวาง

วิธีการทำงาน

วิธีการทำงาน

1

กำหนดแบบจำลองโรงงานทั่วไป (generalized plant model) ซึ่งรวมถึงระบบ ช่องสัญญาณสัญญาณรบกวนและสัญญาณรบกวนการวัด และวัตถุประสงค์ด้านประสิทธิภาพที่มีน้ำหนัก (ช่องสัญญาณข้อผิดพลาด)

2

เลือกฟังก์ชันน้ำหนักที่ขึ้นกับความถี่ (frequency-dependent weighting functions) เพื่อปรับรูปร่างตัวควบคุมให้จัดลำดับความสำคัญของประสิทธิภาพในช่วงความถี่ต่างๆ (เช่น การปฏิเสธสัญญาณรบกวนความถี่ต่ำ, การลดทอนสัญญาณรบกวนความถี่สูง)

3

แก้ปัญหาการหาค่าเหมาะสมที่สุดแบบ H∞ โดยใช้การหาค่าเหมาะสมที่สุดแบบคอนเวกซ์ (convex optimization) (linear matrix inequalities, LMI) หรือสมการ Riccati เพื่อหาตัวควบคุมที่ลดทอนอัตราขยายกรณีที่เลวร้ายที่สุด (H∞ norm)

4

ตรวจสอบว่าค่าแกมมาที่ได้มีค่าน้อยกว่า 1 และตรวจสอบอัตราส่วนความทนทาน (robustness margins) (gain margin, phase margin, เสถียรภาพต่อการเปลี่ยนแปลงพารามิเตอร์)

ข้อผิดพลาดที่พบบ่อย

  • การเลือกฟังก์ชันน้ำหนักตามอำเภอใจแทนที่จะได้มาจากข้อจำกัดทางกายภาพและข้อกำหนดด้านประสิทธิภาพ
  • การตั้งค่ารูปร่างน้ำหนักไม่ถูกต้อง (เช่น ก้าวร้าวเกินไปที่ความถี่สูง) นำไปสู่การสั่น (chattering) หรือความพยายามในการควบคุมที่มากเกินไป
  • การละเลยความไม่แน่นอนที่มีโครงสร้าง (structured uncertainty) และสมมติว่าความไม่แน่นอนทั้งหมดเป็นแบบไม่มีโครงสร้าง ส่งผลให้เกิดการอนุรักษ์นิยมมากเกินไป
  • การลืมตรวจสอบว่าระบบวงปิด (closed-loop system) มีเสถียรภาพและสามารถบรรลุค่าแกมมา < 1 ได้; การออกแบบที่ไม่สามารถทำได้จะสิ้นเปลืองการคำนวณ

คำถามที่พบบ่อย

H∞ norm คืออะไรและมีความสำคัญต่อความทนทานอย่างไร?

H∞ norm ของระบบคืออัตราขยายสูงสุด (ค่าเอกฐานสูงสุด - largest singular value) ในทุกย่านความถี่ การลดทอน H∞ norm หมายถึงการจำกัดการขยายสัญญาณรบกวนสูงสุด เพื่อให้แน่ใจว่าสัญญาณรบกวนที่มีขอบเขตจะให้เอาต์พุตที่มีขอบเขต สิ่งนี้ให้การรับประกันที่เข้มงวด: หาก H∞ norm คือแกมมา < 1 สัญญาณรบกวนใดๆ ที่มีแอมพลิจูด < 1 จะให้เอาต์พุตที่มีแอมพลิจูด < แกมมา โดยไม่ขึ้นกับความถี่

ฉันจะเลือกฟังก์ชันน้ำหนักได้อย่างไร?

เริ่มต้นด้วยการแสดงวัตถุประสงค์ด้านประสิทธิภาพของคุณในรูปของช่วงความถี่: เช่น สัญญาณรบกวนความถี่ต่ำ (1-10 rad/s) ควรถูกลดทอน ในขณะที่สัญญาณรบกวนการวัดความถี่สูง (>1000 rad/s) สามารถยอมรับได้ ออกแบบ W1 เพื่อปรับรูปร่างความไว (การตอบสนองข้อผิดพลาดต่อสัญญาณรบกวน) และ W2 เพื่อปรับรูปร่างความไวเสริม (ความพยายามในการควบคุมและการตอบสนองต่อสัญญาณรบกวน) ใช้เครือข่าย lag หรือ lead อันดับแรก จากนั้นปรับปรุงตามแผนภาพ Bode ของวงปิด

แบบจำลองโรงงานทั่วไป (generalized plant model) แสดงถึงอะไร?

โรงงานทั่วไปคือการแสดงผลในรูปเมทริกซ์ซึ่งรวมถึงระบบ (G), อินพุตสัญญาณรบกวน/สัญญาณรบกวน (w), เอาต์พุตที่ถูกควบคุม (z), อินพุตควบคุม (u), และการวัด (y) มันจับปัญหาการควบคุมทั้งหมด: w รวมถึงสัญญาณรบกวนและสัญญาณรบกวน, z รวมถึงวัตถุประสงค์ด้านประสิทธิภาพ (ข้อผิดพลาด, ความพยายามในการควบคุม ฯลฯ) และตัวควบคุมต้องลดทอนอัตราขยายจาก w ไปยัง z ในขณะที่รักษาเสถียรภาพของระบบ

การควบคุมแบบ H∞ สามารถจัดการกับระบบไม่เชิงเส้นได้หรือไม่?

การควบคุมแบบ H∞ สำหรับระบบไม่เชิงเส้นใช้ทฤษฎีเกมเชิงอนุพันธ์ (differential game theory) และมีความซับซ้อนมากกว่าอย่างมาก คุณสามารถทำให้ระบบไม่เชิงเส้นเป็นเชิงเส้นและออกแบบ H∞ สำหรับแบบจำลองเชิงเส้น (ทนทานต่อความไม่เชิงเส้นเล็กน้อย) หรือใช้การจัดตารางอัตราขยาย (gain-scheduling) (H∞ ที่ขึ้นกับพารามิเตอร์) สำหรับระบบที่มีพารามิเตอร์เปลี่ยนแปลงช้า การควบคุม H∞ แบบไม่เชิงเส้นเต็มรูปแบบต้องการการแก้สมการเชิงอนุพันธ์ย่อยไม่เชิงเส้น (nonlinear PDEs) (อสมการ Hamilton-Jacobi) ซึ่งโดยทั่วไปแล้วไม่สามารถแก้ปัญหาได้

วิธีการที่เกี่ยวข้อง

แหล่งอ้างอิง

  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.

    เปิดเอกสารอ้างอิง DOI
    คัดลอกแล้ว
  2. Francis, B. A. (1987). A Course in H∞ Control Theory. Lecture Notes in Control and Information Sciences, Springer-Verlag.

    เปิดเอกสารอ้างอิง DOI
    คัดลอกแล้ว
  3. Zhou, K., Doyle, J. C., & Glover, K. (1996). Robust and Optimal Control. Prentice Hall.

    เปิดเอกสารอ้างอิงสิ่งพิมพ์
    คัดลอกแล้ว