ตัวควบคุมกำลังสองเชิงเส้น (Linear Quadratic Regulator)
- ผู้เสนอ
- Rudolf Kalman
- ปี
- 1960
- ประเภท
- algorithm
- กลุ่มวิธี
- Optimal Control
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
Linear Quadratic Regulator (LQR) เป็นอัลกอริทึมการควบคุมแบบเหมาะสมที่สุด (optimal control) แบบคลาสสิก ซึ่งคำนวณกฎการป้อนกลับเชิงเส้น (linear feedback law) เพื่อลดฟังก์ชันต้นทุนกำลังสอง (quadratic cost function) สำหรับระบบพลวัตเชิงเส้น (linear dynamical system) LQR ซึ่งถูกนำเสนอโดย Kalman ในปี 1960 ให้ผลลัพธ์ที่พิสูจน์ได้ว่าเหมาะสมที่สุดและอยู่ในรูปแบบปิด (closed-form solution) สำหรับระบบเชิงเส้น และยังคงเป็นพื้นฐานในทฤษฎีการควบคุม (control theory) หุ่นยนต์ (robotics) และการประยุกต์ใช้ในอากาศยานและอวกาศ (aerospace applications) เนื่องจากความสง่างามทางทฤษฎีและประสิทธิภาพในการคำนวณ
แนวคิดเบื้องหลังวิธีการ
LQR แก้ปัญหาการบังคับระบบเชิงเส้นให้เข้าสู่ศูนย์ (หรือติดตามค่าอ้างอิง) พร้อมกับการลงโทษทั้งค่าเบี่ยงเบนจากสถานะที่ต้องการและความพยายาม (ขนาดของอินพุตควบคุม) แนวคิดหลักคือสำหรับระบบเชิงเส้นที่มีต้นทุนกำลังสอง กฎการควบคุมที่เหมาะสมที่สุดจะเป็นเชิงเส้นตามสถานะปัจจุบัน: u = −Kx โดยที่ K คือเมทริกซ์อัตราขยายการป้อนกลับ (feedback gain matrix) ที่คำนวณแบบออฟไลน์ (offline) อัลกอริทึมจะแก้สมการเชิงอนุพันธ์ของ Riccati แบบย้อนเวลา (backward-time Riccati differential equation) (หรือสมการพีชคณิตของ Riccati สำหรับสภาวะคงตัว) เพื่อหาฟังก์ชันต้นทุนที่เหลือที่เหมาะสมที่สุด (optimal cost-to-go function) จากนั้นจึงหาอัตราขยายการป้อนกลับเชิงเส้น ขั้นตอนนี้แยกการคำนวณอัตราขยายแบบออฟไลน์ออกจากการควบคุมแบบเรียลไทม์ (online control) ทำให้สามารถนำไปใช้งานจริงได้อย่างรวดเร็ว
ประวัติศาสตร์
เอกสารปี 1960 ของ Kalman ได้นำเสนอ Linear Quadratic Optimal Control problem และผลเฉลยผ่านสมการ Riccati Bryson และ Ho ได้ขยายทฤษฎีในช่วงปลายทศวรรษ 1960 และตีพิมพ์ตำราสำคัญในปี 1969 รูปแบบเวลาไม่ต่อเนื่องถูกพัฒนาโดย Kalman และคนอื่นๆ ในยุคเดียวกัน ทำให้สามารถนำไปใช้งานแบบดิจิทัลได้ LQR ได้กลายเป็นรากฐานของทฤษฎีการควบคุมสมัยใหม่ ตั้งแต่นั้นมา โดยมีการขยายไปยังระบบสุ่ม (Linear Quadratic Gaussian, LQG) และการขยายไปยังระบบไม่เชิงเส้น (Differential Games, NMPC)
ควรใช้เมื่อใด
ใช้ LQR เมื่อระบบของคุณเป็นเชิงเส้น (หรือประมาณได้ดีด้วยการทำให้เป็นเชิงเส้น) เมื่อวัตถุประสงค์รวมเอาข้อผิดพลาดของสถานะและความพยายามในการควบคุมเข้าด้วยกันตามธรรมชาติ และเมื่อคุณต้องการผลลัพธ์ที่พิสูจน์ได้ว่าเหมาะสมที่สุดพร้อมกับการคำนวณที่รวดเร็ว LQR เหมาะอย่างยิ่งสำหรับปัญหาต่างๆ เช่น การทำให้ลูกตุ้มคว่ำ (inverted pendulum) เสถียร การควบคุมทัศนคติของอากาศยาน หรือการหาค่าที่เหมาะสมที่สุดของวิถีโคจรยานอวกาศ (spacecraft trajectories) เหมาะน้อยกว่าสำหรับระบบที่มีข้อจำกัดที่เข้มงวด (hard constraints) (ควรใช้ MPC แทน) หรือพลวัตที่ไม่เป็นเชิงเส้นอย่างมาก
ข้อจำกัดและข้อควรพิจารณา
- จำกัดเฉพาะระบบเชิงเส้น ระบบจริงมักไม่เป็นเชิงเส้นและต้องการการทำให้เป็นเชิงเส้น
- ไม่จัดการข้อจำกัดที่เข้มงวด (hard constraints) บนสถานะหรืออินพุตอย่างชัดเจน ค่าลงโทษกำลังสองเป็นเพียงข้อจำกัดแบบอ่อน (soft constraints)
- การออกแบบฟังก์ชันต้นทุน (การเลือก Q และ R) ต้องอาศัยวิจารณญาณทางวิศวกรรมและการปรับแต่ง
- คุณสมบัติความทนทานของอัตราขยายของ Kalman (Kalman gain robustness properties) ตั้งสมมติฐานว่าแบบจำลองมีความแม่นยำ การจับคู่แบบจำลองที่ผิดพลาดจะทำให้ประสิทธิภาพลดลง
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- ให้กฎการป้อนกลับที่เหมาะสมที่สุดที่พิสูจน์ได้สำหรับระบบเชิงเส้นที่มีต้นทุนกำลังสอง
- การคำนวณอัตราขยายแบบออฟไลน์ การควบคุมแบบเรียลไทม์เป็นเพียงการคูณเมทริกซ์กับเวกเตอร์ (รวดเร็วมาก)
- การรับประกันอัตราขยาย (gain margin) และอัตราขยายเฟส (phase margin); คุณสมบัติความทนทาน (robustness) โดยธรรมชาติ (อัตราขยายเป็นอนันต์ที่เอาต์พุต)
- คำนวณได้ง่าย มีอัลกอริทึมเชิงตัวเลขมากมาย (Schur decomposition, eigenvalue methods)
- จัดการระบบหลายตัวแปร (multivariable systems) ได้อย่างเป็นธรรมชาติ และแยกการออกแบบการควบคุมออกจากข้อจำกัดของเซ็นเซอร์และตัวกระตุ้น
การประยุกต์ใช้
- อากาศยานและอวกาศ: การควบคุมทัศนคติของอากาศยานและยานอวกาศ การหาค่าที่เหมาะสมที่สุดของวิถีโคจรสำหรับยานสำรวจดาวอังคารและยานลงจอดบนดวงจันทร์
- หุ่นยนต์: การรักษาสมดุลของหุ่นยนต์สองขา การติดตามวิถีโคจรของแขนกล การทำให้โดรนควอดคอปเตอร์ (quadrotor drones) เสถียร
- การผลิต: การควบคุมการเคลื่อนที่ของอุปกรณ์ความแม่นยำ (เครื่อง CNC) การหน่วงการสั่นสะเทือนในระบบกลไก
- ระบบพลังงาน: การทำให้ความถี่และแรงดันไฟฟ้าของกริดพลังงานเสถียร การควบคุมเครื่องกำเนิดไฟฟ้าให้เหมาะสมที่สุดในไมโครกริด
- ยานยนต์: การควบคุมระบบกันสะเทือน การควบคุมการยึดเกาะถนน และระบบช่วยบังคับเลี้ยวในยานพาหนะ
วิธีการทำงาน
วิธีการทำงาน
กำหนดพลวัตของระบบเชิงเส้น (เมทริกซ์ A, B) ช่วงเวลาพยากรณ์ (prediction horizon) และเมทริกซ์ต้นทุนกำลังสอง (Q สำหรับสถานะ, R สำหรับอินพุต)
แก้สมการพีชคณิตของ Riccati แบบเวลาต่อเนื่องหรือเวลาไม่ต่อเนื่อง เพื่อให้ได้เมทริกซ์ผลเฉลย P ที่เป็นเมทริกซ์สมมาตรบวกแน่นอน (symmetric positive-definite)
คำนวณเมทริกซ์อัตราขยายการป้อนกลับที่เหมาะสมที่สุด K = R^(-1) * B^T * P โดยใช้ผลเฉลยของ Riccati
ใช้กฎการป้อนกลับเชิงเส้น u(t) = −K x(t) กับระบบในแต่ละขั้นตอนการควบคุม
ข้อผิดพลาดที่พบบ่อย
- การทำให้เป็นเชิงเส้นรอบจุดสมดุลที่ไม่เสถียรหรือค่าอ้างอิงที่แปรตามเวลาอาจทำให้ผลเฉลย LQR ไม่ถูกต้อง
- การกำหนดค่าน้ำหนัก Q และ R ตามอำเภอใจโดยไม่เข้าใจความหมายทางกายภาพจะนำไปสู่ประสิทธิภาพการควบคุมที่ไม่ดี
- การลืมว่า LQR เป็นการคำนวณแบบออฟไลน์ การเปลี่ยนแปลง Q, R หรือพารามิเตอร์ของระบบต้องแก้สมการ Riccati ใหม่
คำถามที่พบบ่อย
ฉันจะเลือกเมทริกซ์น้ำหนัก Q และ R ได้อย่างไร?
แนวทางที่เป็นระบบคือการเริ่มต้นด้วย Q เป็นเมทริกซ์ทแยงมุม โดยแต่ละสมาชิกแนวทแยงมุมเป็นสัดส่วนกับ 1/max_allowed_state_i^2 และ R เป็นสัดส่วนกับ 1/max_allowed_input_i^2 จากนั้นจึงปรับแต่งตามประสบการณ์: เพิ่ม Q เพื่อจำกัดการควบคุมสถานะให้เข้มงวดขึ้น เพิ่ม R เพื่อลดความพยายามในการควบคุม จะเกิดการแลกเปลี่ยนระหว่างการโอเวอร์ชูต (overshoot) และเวลาในการตั้งค่า (settling time) เมื่อคุณปรับค่าน้ำหนักเหล่านี้
สมการพีชคณิตของ Riccati คืออะไร และทำไมจึงมีความสำคัญ?
สมการพีชคณิตของ Riccati (ARE) คือสมการกำลังสองของเมทริกซ์ที่เกิดขึ้นเมื่อแก้ปัญหา LQR แบบอินฟินิตฮอไรซอน (infinite-horizon) ผลเฉลย P ของสมการนี้เข้ารหัสต้นทุนที่เหลือที่เหมาะสมที่สุดจากสถานะใดๆ การแก้ ARE เป็นคอขวดในการคำนวณของ LQR อัลกอริทึมสมัยใหม่ (เช่น ผ่าน Schur decomposition) ทำสิ่งนี้ในเวลา O(n^3) โดยที่ n คือมิติของสถานะ
LQR สามารถจัดการกับระบบที่แปรตามเวลาได้หรือไม่?
ได้ LQR แบบแปรตามเวลาจะแก้สมการเชิงอนุพันธ์ของ Riccati (DRE) ย้อนเวลา อย่างไรก็ตาม สิ่งนี้ต้องการการแก้ ODE ซึ่งมีค่าใช้จ่ายในการคำนวณมากกว่ากรณีสภาวะคงตัว LQR แบบแปรตามเวลามีประโยชน์สำหรับการติดตามวิถีโคจรหรือระบบที่มีพารามิเตอร์ที่เปลี่ยนแปลงอย่างช้าๆ
เหตุใด LQR จึงมีอัตราขยายความทนทานที่รับประกัน?
กฎการป้อนกลับที่เหมาะสมที่สุดของ LQR รับประกันอัตราขยายเป็นอนันต์ (ทนทานต่อข้อผิดพลาดแบบคูณที่เอาต์พุตได้ทุกขนาด) และอัตราขยายเฟส 50% ที่เอาต์พุต อัตราขยายความเสถียรเหล่านี้มาจากโครงสร้างของผลเฉลยที่เหมาะสมที่สุด และไม่จำเป็นต้องตรวจสอบแยกต่างหาก ซึ่งแตกต่างจาก PID หรือตัวควบคุมแบบฮิวริสติกอื่นๆ
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Kalman, R. E. (1960). Contributions to the theory of optimal control. Boletin de la Sociedad Matematica Mexicana, 5(2), 102-119.
เปิดเอกสารอ้างอิงสิ่งพิมพ์คัดลอกแล้วBryson, A. E., & Ho, Y. C. (1969). Applied Optimal Control: Optimization, Estimation and Control. Blaisdell Publishing.
เปิดเอกสารอ้างอิงสิ่งพิมพ์คัดลอกแล้วLewis, F. L., Vrabie, D., & Syrmos, V. L. (2012). Optimal Control (3rd ed.). John Wiley & Sons.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้ว