第六部分最优控制课程.pptVIP

aaaaaa 2009年12月 一、概述 所谓最优化就是：人们在从事某项工作时，设法采取最合理的方案或措施，以其收到最好的效果。 优化的概念：为了做好某件事情，有一个期望的目标（目标函数），寻求一组输入变量，使得目标函数达到最优。 如图所示，甲、乙两地仓库水泥，分别运往A、B、C三地，每包水泥运费图中所示，问题：怎样发送这些水泥，能使费用最省？ 一般地，目标函数用 来表示 等式约束 不等式约束 因此，最优化问题就是要在约束条件下，寻求 ，使目标函数取得最优值。 上述最优化问题，因为变量与时间无关，因此属于静态最优化问题。 在最优控制系统中，由于受控对象是一个动态系统，所有变量都是时间的函数，所以是动态最优化问题。在动态最优化问题中，目标函数不再是普通函数，而是时间函数的函数，称为泛函。 目标函数（又称目标泛函，或性能指标）为 约束条件为 二、静态最优化问题的解 1. 一元函数的极值 设 为定义在 上的单值连续可微函数，则存在极值点 的必要条件是 为极小值的充要条件是 如果将定义域 上所有的极值进行比较，找出最小的极值，则称为最小值，它是全局最优的。记为 2. 多元函数的极值 设n元函数 ，这里 为n维列向量，取极值的必要条件是 或函数的梯度为零矢量 取极值的充要条件尚需满足 即下列海赛矩阵为正定矩阵 3. 具有等式约束条件的极值 设连续可微的目标函数为 等式约束条件为 构造拉格朗日函数 式中 与 同维的列矢量，是拉格朗日乘子矢量。这样，就可按无约束条件 的多元函数极值的方法求解。 目标函数存在极值的必要条件： 三、泛函及其极值——变分法 1. 变分的基本概念 如果一个因变量，它的宗量不是独立自变量，而是另一些独立自变量的函数，则称该因变量为这个宗量函数的泛函。也就是说泛函是函数的函数。 求泛函极值的方法称为变分法。 泛函的变分 泛函的增量可表示为 定义泛函增量的线性主部 为泛函的变分，记作 泛函的变分也可定义为 例：求下列泛函的变分 二、泛函极值的必要条件——欧拉方程 求泛函 的极值，就是要确定一个函数 使 达到极小值。其几何意义是寻 求一条曲线 使给定的连续可微函数 沿该曲线的积分达到极小值。 定理：设曲线 的始点为 ，终点为 ，则使性 能泛函 取极值的必要条件是： 为二阶微分方程 的解。 证：设极值曲线 附近邻域内的任意一条曲线 从而 得 即 实际上，对于 例1 设受控对象的微分方程为 边界条件为 ， 。求 ，使下列性能泛函取极小值。 例：求下述泛函的极值曲线和最优控制函数 对于一般的控制系统来说，性能泛函 状态方程写成约束方程的形式 定义函数 为哈密尔顿函数。 则泛函极值条件： 例：图示系统，预使系统在2秒钟内从下列初始状态转移到终端状态，要求下列性能泛函最小，求控制函数 。 联立求解得 五、极小值原理 极小值原理与变分法极为相似。古典变分法假定控制变量 的 取值范围不受任何限制，但是，大多数情况下，控制变量总是要受到 一定限制的。 六、动态规划 动态规划是贝尔曼在上世纪50年代作为多段决策过程研究出来的，现在已经在许多技术领域得到广泛的应用。动态规划是一种分段优化方法，它是求解最优控制问题的有效数学方法之一。 动态规划的核心就是最优性原理。 多段决策是指把一个证过程按时间或空间顺序分为若干段，然后给每一段做出决策，以使整个过程取得最优的效果 在多段决策过程中，每一段（如第k+1段）的输出状态x（k+1）仅仅与该段的决策u（k）及该段的初始状态x（k）有关，与前面各段的决策和状态的转移无关。 设汽车从A城出发到B城，途中 需穿过三条河流，河流上各有 两座桥P，Q可供选择通过，如 右图所示，汽车在各段的运行时 间已标注在线段上。请选择最优 行驶路线，使从A到B时间最短。 采用穷举法可得最优路线 这种方法要做 加法和7次比较，如果决策一个n段过程供需 次加法和 比较。 动态规划遵循一个优化原则：即所选择的最优路线必须