第07章：最优控制的的计算方法.ppt

第七章 最优控制的计算方法;本章主要内容 7.1 直接法 7.2 间接法 7.3 小结 ; 在前面讨论变分法、极小值原理和动态规划时，我们列举了一些例子。为了易于说明问题，这些例子都是非常简单的，可以用手算来解决问题。但是在实际工作中所遇到的最优控制问题，一般都是很复杂的，必须用计算机求解。;;; 直接法; 间接法;7.1 直接法; 1． ;2． ; 3． ;4．;5、; 6、 ;例7-1;解;１、选初始估计 。;3．将 代入协态方程（7-9），且由边界条件 从t=1倒向积分可得; 图7-1用梯度法寻找最优控制 图7-2 最优状态的求解;梯度法应用得比较多，它的优点是： （1）简单，编制程序容易； （2）计算稳定可靠。 缺点是： （1）在接近最优解时，迭代收敛很慢，为改善 收敛性可用共轭梯度法和二阶变分法等； （2）不能区分局部极小和全局极小； （3）对控制变量受约束，终端状态受约束的情 况不能直接处理。对于这种有约束的情况 可用约束梯度法或惩罚函数法加以处理。;约束梯度法可处理如下的不等式约束：;显然 满足约束，即; ;这时，将性能指标 增广为; 显然，当满足约束时， 中后两项为零。当不满足约束时，后两项将使 增大，故称为惩罚函数。在迭代过程中，逐次增大 和 。显然当 和 很大时，所求得的 的无约束最优控制近似于 的有约束最优控制。; （二）共轭梯度法; 1．求函数极值的共轭梯度法;定义; ; 值由 　和 　对 共轭的关系来确定，即;将（7-26）代入（7-27），得;用（7-28）式计算 是不方便的，因为要用到二阶导数阵 。由（7-22）和（7-23）知; 性质1 ;证明：;其中, 　　　　　　　　　　可这样来求：作内积;性质2 ;　　若不然，不妨先设 　　　 。再设 ,即 是最优步长。在 附近选一个 ，将 　在 　　　　　处展开，保留一阶项后，有 ;这与 　　为极小相矛盾。;性质3;证明;设 为极小点，则;上式两边对 作内积，得;　　由性质2知 　 　再由 　与 是 共轭的定义可知（7-42）右端第二项也为零，;　　但 　 　　是线性无关的，它们构成 中一组基， 与所有基正交，而 中只有 个基，故 。这说明 处的梯度为零，即 为二次函数 的极小点。 ; 如果一个算法能在有限步内求出二次函数的极小点，就称这个算法具有二阶收敛性或有限步收敛性。;性质4; 证：; 下面根据这四个性质来推出 的一个简单的计算公式。在（7-41）中令 ,可导出;再利用（7-26）式，可得; 用（7-46）计算 ，只用到 在 和 两处的梯度，因此非常方便。; 将共轭梯度法求 的极小解的算式归纳如下：;2、用共轭梯度法解最优控制问题; 除了这些以外，其它在形式上与求函数极值的共轭梯度法一样。;共轭梯度法求最优控制步骤为 （1） （2） （3） ;（4） （5） （6）;（7）