现代控制理论(6) |
您所在的位置:网站首页 › 欧拉积分答案 › 现代控制理论(6) |
文章目录
一、静态最优化问题的解1.多元函数的极值2.具有等式约束条件的极值
二、泛函及其极值——变分法1.基本概念2.泛函极值的必要条件——欧拉方程3.可变端点问题4.具有综合性能泛函的情况
三、有约束条件的泛函极值1.拉格朗日问题2.波尔扎问题
四、极小值原理
一、静态最优化问题的解
1.多元函数的极值
J = f ( u ) J=f(u) J=f(u)取极值的充分必要条件: 必要条件: ∂ f ∂ u = 0 \frac{\partial f}{\partial u}=0 ∂u∂f=0 充分条件: ∂ 2 f ∂ u 2 > 0 \frac{\partial^2 f}{\partial u^2}>0 ∂u2∂2f>0 2.具有等式约束条件的极值1.嵌入法 2.拉格朗日乘子法 原函数 J = f ( x , u ) J=f(x,u) J=f(x,u) 等式约束条件 g ( x , u ) = 0 g(x,u)=0 g(x,u)=0 构造拉格朗日函数: H = J + λ g ( x , u ) H=J+\lambda g(x,u) H=J+λg(x,u) H取极值的必要条件 ∂ H ∂ u = 0 ; ∂ H ∂ x = 0 ; ∂ H ∂ λ = 0 \frac{\partial H}{\partial u}=0 ;\frac{\partial H}{\partial x}=0;\frac{\partial H}{\partial \lambda}=0 ∂u∂H=0;∂x∂H=0;∂λ∂H=0 二、泛函及其极值——变分法 1.基本概念对于自变量x,存在一类函数 y ( x ) {y(x)} y(x),对于每个 y ( x ) y(x) y(x),有一个J值与之对应,则变量J称为依赖于函数 y ( x ) y(x) y(x)的泛函数,记作 J [ y ( x ) ] J[y(x)] J[y(x)] 自变量x称为宗量 y ( x ) y(x) y(x)称为宗量函数 J [ y ( x ) ] J[y(x)] J[y(x)]称为宗量函数的泛函 若泛函在任何一条与 y 0 ( x ) y_0(x) y0(x)接近的曲线上都有 Δ J = J [ y ( x ) ] − J [ y 0 ( x ) ] ≥ 0 \Delta J=J[y(x)]-J[y_0(x)]\geq0 ΔJ=J[y(x)]−J[y0(x)]≥0 则J在 y 0 ( x ) y_0(x) y0(x)上达到极小值 求泛函的极值问题称为变分问题,其方法为变分法 Δ J = J [ y ( x ) + δ y ( x ) ] − J [ y ( x ) ] = L [ y ( x ) , δ y ( x ) ] + R [ y ( x ) , δ y ( x ) ] \Delta J=J[y(x)+\delta y(x)]-J[y(x)]=L[y(x),\delta y(x)]+R[y(x),\delta y(x)] ΔJ=J[y(x)+δy(x)]−J[y(x)]=L[y(x),δy(x)]+R[y(x),δy(x)] 泛函的一阶变分: δ J = L [ y ( x ) , δ y ( x ) ] \delta J=L[y(x),\delta y(x)] δJ=L[y(x),δy(x)] 泛函的变分也可以用下式进行计算: δ J = ∂ J [ y ( x ) + a δ y ( x ) ] ∂ a ∣ a = 0 \delta J=\frac{\partial J[y(x)+a\delta y(x)]}{\partial a}|_{a=0} δJ=∂a∂J[y(x)+aδy(x)]∣a=0 2.泛函极值的必要条件——欧拉方程设泛函 J ( x ) = ∫ t 0 t f L [ x , x ˙ , t ] d t J(x)=\int^{t_f}_{t_0}L[x,\dot x,t]dt J(x)=∫t0tfL[x,x˙,t]dt 欧拉方程为: ∂ L ∂ x − d d t ∂ L ∂ x ˙ = 0 \frac{\partial L}{\partial x}-\frac{d}{dt}\frac{\partial L}{\partial \dot x}=0 ∂x∂L−dtd∂x˙∂L=0 横截条件为: ∂ L ∂ x ˙ δ x ∣ t 0 t f = 0 {\frac{\partial L}{\partial \dot x}\delta x}|^{t_f}_{t_0}=0 ∂x˙∂Lδx∣t0tf=0 固定端点: δ x ( t 0 ) = 0 , δ x ( t f ) = 0 \delta x(t_0)=0,\delta x(t_f)=0 δx(t0)=0,δx(tf)=0 两端自由: δ x ( t 0 ) ≠ 0 , δ x ( t f ) ≠ 0 \delta x(t_0)\not =0,\delta x(t_f)\not =0 δx(t0)=0,δx(tf)=0 ∂ L ∂ x ˙ ∣ t 0 = 0 ; ∂ L ∂ x ˙ ∣ t f = 0 \frac{\partial L}{\partial \dot x}|_{t_0}=0;\frac{\partial L}{\partial \dot x}|_{t_f}=0 ∂x˙∂L∣t0=0;∂x˙∂L∣tf=0 3.可变端点问题例如:始端固定,终端可沿着靶线 c ( t ) c(t) c(t)变动 欧拉方程不变 终端横截条件: L + [ C ˙ ( t ) − x ˙ ] ∂ L ∂ x ˙ ∣ t = t f = 0 {L+[\dot C(t)-\dot x]\frac{\partial L}{\partial \dot x}}|_{t={t_f}}=0 L+[C˙(t)−x˙]∂x˙∂L∣t=tf=0 若终端固定,始端可沿着靶线 D ( t ) D(t) D(t)变动 则有 L − [ x ˙ − D ˙ ( t ) ] ∂ L ∂ x ˙ ∣ t = t 0 = 0 {L-[\dot x-\dot D(t)]\frac{\partial L}{\partial \dot x}}|_{t={t_0}}=0 L−[x˙−D˙(t)]∂x˙∂L∣t=t0=0 4.具有综合性能泛函的情况终端条件改为 ∂ L ∂ x ˙ ∣ t f = − ∂ ϕ ( x ) ∂ x \frac{\partial L}{\partial \dot x}|_{t_f}=-\frac{\partial \phi(x)}{\partial x} ∂x˙∂L∣tf=−∂x∂ϕ(x) 三、有约束条件的泛函极值 1.拉格朗日问题1.写出约束方程: f ( x , u , t ) − x ˙ ( t ) = 0 f(x,u,t)-\dot x(t)=0 f(x,u,t)−x˙(t)=0 2.写出增广泛函: J ′ = ∫ t 0 t f { L ( x , u , t ) + λ T [ f ( x , u , t ) − x ˙ ] } d t J^{'}=\int ^{t_f}_ {t_0}\{L(x,u,t)+\lambda^T[f(x,u,t)-\dot x]\}dt J′=∫t0tf{L(x,u,t)+λT[f(x,u,t)−x˙]}dt 令 H = L ( x , u , t ) + λ T [ f ( x , u , t ) ] H=L(x,u,t)+\lambda^T[f(x,u,t)] H=L(x,u,t)+λT[f(x,u,t)]哈密顿函数 则 J ′ = ∫ t 0 t f { H − λ T [ x ˙ ] } d t J^{'}=\int ^{t_f}_ {t_0}\{H-\lambda^T[\dot x]\}dt J′=∫t0tf{H−λT[x˙]}dt 3泛函极值的必要条件 哈密顿正则方程: x ˙ = ∂ H ∂ λ \dot x=\frac{\partial H}{\partial \lambda} x˙=∂λ∂H λ ˙ = − ∂ H ∂ x \dot \lambda=-\frac{\partial H}{\partial x} λ˙=−∂x∂H 控制方程 ∂ H ∂ u = 0 \frac{\partial H}{\partial u}=0 ∂u∂H=0 横截条件 ( δ x ) T λ ∣ t 0 t f = 0 (\delta x)^T\lambda|^{t_f}_{t_0}=0 (δx)Tλ∣t0tf=0 求最优控制的步骤 1.写出哈密顿函数 2.由控制方程 ∂ H ∂ u = 0 \frac{\partial H}{\partial u}=0 ∂u∂H=0写出 u ∗ ( x , λ ) u^{*}(x,\lambda) u∗(x,λ) 3.将 u ∗ u^* u∗代入正则方程求出 x ∗ , λ ∗ x^*,\lambda^* x∗,λ∗ 4.利用边界条件定解 2.波尔扎问题1.构造增广泛函 J ′ = ∫ t 0 t f { H − λ T [ x ˙ ] } d t + Φ [ x ( t f ) , t f ] + μ N [ x ( t f ) , t f ] J^{'}=\int ^{t_f}_ {t_0}\{H-\lambda^T[\dot x]\}dt+\Phi [x(t_f),t_f]+\mu N[x(t_f),t_f] J′=∫t0tf{H−λT[x˙]}dt+Φ[x(tf),tf]+μN[x(tf),tf] 2.泛函极值的必要条件 正则方程控制方程如上 3.边界与横截条件 四、极小值原理u满足不等式约束条件 g ( x , u , t ) ≥ 0 g(x,u,t)\geq 0 g(x,u,t)≥0 1.引入哈密顿函数 2.正则方程 x ˙ = ∂ H ∂ λ \dot x=\frac{\partial H}{\partial \lambda} x˙=∂λ∂H λ ˙ = − ∂ H ∂ x − ∂ g ∂ x γ \dot \lambda=-\frac{\partial H}{\partial x}-\frac{\partial g}{\partial x}\gamma λ˙=−∂x∂H−∂x∂gγ 3.对于最优控制u,H取绝对极小值 4.边界条件求解 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |