JGW-SchülerAkademie Papenburg 2011 - Jugendbildung in ...
JGW-SchülerAkademie Papenburg 2011 - Jugendbildung in ...
JGW-SchülerAkademie Papenburg 2011 - Jugendbildung in ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
1.13 Optimale Steuerung<br />
es die h<strong>in</strong>reichenden Bed<strong>in</strong>gungen, die die zweite Ableitungen der Lagrange-Funktion<br />
benötigen, die sich wie folgt ausdrücken:<br />
s T · ∇ 2 xxL( ˆx, ˆλ) · s ≥ 0, ∀s ∈ R n mit ∇x(gi( ˆx)) T · s = 0.<br />
Wobei ˆx, ˆλ kritische Punkte aus den notwendigen Bed<strong>in</strong>gungen s<strong>in</strong>d.<br />
1.13 Optimale Steuerung<br />
Das Ziel der optimalen Steuerung ist es, E<strong>in</strong>griffe <strong>in</strong> das System möglichst effizient<br />
zu regulieren. Die meisten Optimierungsprobleme lassen sich auf l<strong>in</strong>ear-quadratische<br />
Regulatorprobleme zurückführen, die durch folgende Zielfunktion beschrieben werden:<br />
J(x, u) = 1<br />
N−1<br />
2<br />
∑<br />
k=0<br />
(x T k Q kx k + u T k R ku k) + 1<br />
2 xT N SNxN.<br />
Dabei werden die Matrizen Q k, R k und S k verwendet, um abhängig vom Ziel der<br />
Optimierung die Variablen des Systems (x k, u k, xN) verschieden zu gewichten. Soll zum<br />
Beispiel die Steuerung u k und deren M<strong>in</strong>imierung stärker gewichtet werden, als das<br />
Erreichen der Zustände x k, so werden Q k und RK so gewählt, dass �R k� < �Q k�.<br />
Ziel ist es nun, J(x, u) zu m<strong>in</strong>imieren, wobei die Systemgleichung x k+1 = Ax k + Bu k<br />
als Nebenbed<strong>in</strong>gung betrachtet wird. Diese Problemstellung lässt sich so auf die statische<br />
Optimierung zurückführen und man erhält die neue Zielfunktion:<br />
˜J(x, u, λ) =<br />
N−1<br />
∑<br />
k=0<br />
( 1<br />
2 (xT k Q kx k + u T k R ku k) + λ T k+1 (A kx k + B ku k − x k+1)) + 1<br />
2 xT N SNxN.<br />
Die auftretenden Lagrange-Multiplikatoren λi, wurden im Zusammenhang mit der<br />
Lagrange-Funktion (siehe Abschnitt 1.12) bereits erwähnt. Durch Bildung des Gradienten<br />
nach den Variablen x, u, λ und Umformung erhält man die folgenden Gleichungen:<br />
x k = A −1<br />
k x k+1 + A −1<br />
k B kR −1<br />
k BT k λ k+1, (1.1)<br />
λ k = Q kx k + A T k λ k+1, (1.2)<br />
u k = −R −1<br />
k BT k λ k+1. (1.3)<br />
Im folgenden Betrachten wir e<strong>in</strong> System mit e<strong>in</strong>em fest vorgegebenen Endzustand<br />
xn := rn. Wir betrachten e<strong>in</strong> LTI-System, das heißt, die Systemmatrizen A, B und die<br />
Gewichtungsmatrix R s<strong>in</strong>d zeitunabhängig. Wir setzen Q k = 0 und SN = 0, da sowohl<br />
der Anfangszustand x0 als auch der Endzustand rN vorgegeben s<strong>in</strong>d und wir daher<br />
die Zustände x k (0 < k < N) als nicht relevant für die Steuerung betrachten, was das<br />
System deutlich vere<strong>in</strong>facht. Daher erhalten wir die neue Zielfunktion J0:<br />
J0(u) = 1<br />
N−1<br />
2<br />
∑<br />
k=0<br />
u T k Ru k.<br />
25