多变量寻优技术-Read.PPT

第六章 控制系统参数优化及仿真 仿真是将已知系统在计算机上进行复现，它是分析，设计系统的一种重要实验手段。怎样才能使设计出来的系统在满足一定的约束条件下，使某个指标函数达到极值，这就需要优化的仿真实验。所以仿真技术与优化技术两者关系十分密切。 第六章 控制系统参数优化及仿真 6.1 参数优化与函数优化 6.1 参数优化与函数优化 6.1 参数优化与函数优化 (2) 约束条件 求目标函数极值时的某些限制称为约束。例如，要求变量为非负或为整数值，这是一种限制；可用的资源常常是有限的(资源泛指人力，设备，原料，经费，时间等等)；问题的求解应满足一定技术要求，这也是一种限制(如产品设计中规定产品性能必须达到的某些指标)。此外，还应满足物理系统基本方程和性能方程(如电路设计必须服从电路基本定律KCL和KVL)。控制系统优化设计则用状态方程和高阶微分和差分方程来描述其物理性质。 6.1 参数优化与函数优化 如果列写出来的约束式，越接近实际系统，则所求得的优化问题的解，也越接近于实际的最优解。 等式约束 ： 不等式约束： 6.1 参数优化与函数优化 (3) 目标函数 优化有一定的标准和评价方法，目标函数 是这 种标准的数学描述。目标函数可以是效果函数或费 用函数， 。用效果作为目标函 数时，优化问题是要求极大值，而费用函数不得超 过某个上界成为这个优化问题的约束；反之，最优 函数是费用函数时，问题变成了求极小值，而效果 函数不得小于某个下界就成为这个极小值问题的约 束了，这是对偶关系。 6.1 参数优化与函数优化 费用和效果都是广义的，如费用可以是经费，也可以是时间、人力、功率、能量、材料、占地面积或其他资源。而效果可以是性能指标、利润、效益、精确度、灵敏度等等。也可以将效果与费用函数统一起来，以单位费用的效果函数或单位效果的费用函数为目标函数，前者是求极大值，后者是求极小值。 求极大值和极小值问题实际上没有什么原则的区别。因为求 的极小值相当于求- 的极大值，即 。 两者的最优值均当 时得到。 6.1 参数优化与函数优化 综上所述，优化问题的数学模型可以表示成如下形式： 6.1 参数优化与函数优化 二、优化问题的分类 优化问题可以按下述情况分类： (1)有没有约束？有约束的话是等式约束还是不等式约束？ (2)所提问题是确定性的还是随机性的？ (3)目标函数和约束式是线性的还是非线性的？ (4)是参数最优还是函数最优，即变量是不是时间的函数？ (5)问题的模型是用数学解析公式表示还是用网络图表示？在网络上的寻优称为网络优化。 限于本书的内容要求，在此只介绍参数优化和函数优化。 6.1 参数优化与函数优化 (1) 参数优化 在控制对象已知，控制器的结构、形式已确定的情况下，通过调整控制器的某些参数，使得某个目标函数最优，这就是参数优化问题。 例如，图6.1.1所示的控制系统，在某个给定函数 的作用下，测量给定 与输出量 之间的偏差 ，用 作为指标函数，要求调整控制器的参数，使得该指标函数达到最小。 6.1 参数优化与函数优化 假定控制器有 个可调整参数 显然上述指标是这些参数的函数，即 (6.1.2) 现在的问题就是要寻求使 达到极小值的 ，其中 是一个向量。 从数学上讲，参数优化问题是属于普通极值问题。寻找的最优参数不随时间变化，故也属于静态寻优问题。其一般问题形式是： 有一个物理系统，它的数学模型为 ，其中 为 维状态向量； 为 维被寻优参数的向量； 为 维系统运动方程结构向量。要求在满足下列条件下： 6.1 参数优化与函数优化 不等式限制 q维 等式限制 p维 等式终端限制 维(是终端时间) 找到一组参数 ， 使指标函数 (2) 函数优化 函数优化是控制对象已知，要找最优控制作用 ，以使某个函数指标达到最小，也包括要寻找最优控制器的结构、形式和参数。 6.1 参数优化与函数优化 由于最优控制作用 为时间函数，所以这类问题称为函数