第五节最优控制.pptVIP

第五章 最 优 控 制 5.1 概 述 最优控制问题提出： 示例：(1)卫星定点控制；(2)汽车转弯操作… 特点：存在最优控制问题；此外… 控制域： 在实际问题中，控制向量u(t)不可能取任意值，即要求u(t)满足一定约束条件： ?不仅要研究系统，还要研究控制输入问题！！！ 满足上述约束条件的点的集合称为~。 记： 则 称为容许控制。 端点条件： 初始时刻 t0 和初始状态 x(t0) 称为始端条件，终止时刻 tf 和终止状态 x(tf ) 称为终端条件。二者合称端点条件。 端点条件通常是给定的。 最优控制结果与两个端点条件有关！ 目标函数：(性能指标） 对于连续系统，性能指标一般表示为： 对于离散系统，一般表示为： ?以上类型指标称为综合型指标（Bolza指标）； ?组成：终端指标函数＋动态指标函数； ?综合型指标通常采用二次型形式； ?其它指标类型：积分型，终端型 ?最优控制与目标函数有关！！！ 最优控制问题： 从容许控制u(t)中寻找一个最优控制u*(t)，使系统从初始状态出发经过一定时间到达希望的终止状态，并使性能指标最优。 5.2 一般函数的极值 5.2.1 一元函数的极值 设 J = f (u)为定义在闭区间[a,b]上的单值、连续、可微的函数。求极值点的必要条件为： ?如何求解？（对象：状态空间表达式＋约束） 求极小值点的充要条件是： 求极大值点的充要条件是： 在整个定义域上的最小值为： ? f(u)极大值即是 -f(u)的极小值。以后仅讨论极小值情况！ ?区域最大值(最小值)与极大值(极小值)区别？ 5.2.2 多元函数的极值 设 J=f(u), u=[u1 u2 …un]T。取极值的必要条件为： 即函数梯度为零： 若求极小值，尚需： 即下列海赛矩阵为正定矩阵： 5.2.3 含等式约束条件（？）时的极值 处理方法： 消元法、增元法 ? 化成无约束情况！ 消元法： 原理：约束?相关，可以用其它量替代！ 处理：先从约束条件解出一些变量，然后代入目标函式中。 增元法（拉格朗日法）： 将约束条件乘以?并加到目标函数中构成一个新的可调函数（Hamilton函数）。 设连续可微的目标函数为： 等式约束条件为： 式中： x为n维列向量；u为r维列向量；g为m维向量函数 约束条件乘以?算子加入到目标函数后，得： ? ?为和g(x,u)同维数的列向量！ 可调函数存在极值的必要条件是： 亦即： 取极小值的充分条件是下面的矩阵是正定的： 式中各项按照下述规则计算： 5.3 最优控制的变分法 最优控制解法： 变分法 Pontriagin极大值原理 Bellman动态规划 小结： ? 要求极值，关键是要得到必要条件和充分条件！ ?目标：要求出一个最优函数来！ 5.3.1 基本概念 泛函： 若对于某一类函数集合中的每一个函数y(x)均有一个确定的数 J 与之对应，则称 J 为依赖于y(x)的泛函，记作：J = J [ y(x) ] 数与函数族之间的对应关系！（函数的函数） 广义定义：若变量的值由一个或多个函数的选取决定，则称该函数为~ 性能指标是（广义）泛函： ? 在最优控制中，目标函数是一个泛函。要进行求解，首先要解决泛函求极值问题。 求解泛函极值的经典方法是变分法。其解法非常类似于一般函数求极值方法！ 函数f(x)的变量x的增量： 函数f(x)的增量： ? 第一部分为线性主部（？）， 。 ?函数极值必要条件：一阶微分为零！ 泛函J [ y(x) ]的变量y(x)的增量： 泛函J [ y(x) ]的增量： ?又称为函数的变分（ △ → ?），为函数的微小变化。 ?函数的变分不是由其自变量x引起的，而是在相同x值时函数发生的微小变化！！！！ ?第一部分称为泛函增量的主部！ 泛函的变分： 泛函增量的线性主部称为~，记为 ?J。 示例：试求下式的变分 定理：泛函 J 取极值的必要条件是 ?J＝0 ?要得到给定泛函的变分常常不是件容易的事！ 泛函 极值存在的必 要条件是（？）： 第一个等式称为Euler方程，为二阶微分方程，其两个积分常数可由第二个方程即横截条件求出； 极大？极小？ 应用条件？！（端点固定＋拉式极值！其他情况？） 5.3.2 端点固定时的Euler方程： 例题： 设泛函为 边界条件为x(1)=1, x(2)=2, 试求J为极值时的x*(t)。 5.3.3 向量情况： 设目标函数为： 泛函极值存在条件为： Euler方程是向量方程