TAR2_20120301 04 Problém optimálneho sledovania
Preber si túto prednášku so svojou AI
Skopíruj pripravený podklad a vlož ho do ChatGPT, Claude alebo inej AI — bude ťa učiť alebo skúšať len z tejto prednášky.
Zhrnutie prednášky
Prednáška rieši problém optimálneho sledovania žiadanej trajektórie výstupu pomocou variačného počtu. Na rozdiel od úlohy regulácie sa pracuje s regulačnou odchýlkou medzi žiadanou hodnotou a výstupom systému, pričom účelová funkcia obsahuje kvadratické členy odchýlky a riadenia. Odvodí sa Hamiltonián, adjungovaná rovnica a podmienky optimality, z ktorých vyplýva optimálne riadenie ako funkcia stavu cez Lagrangeov multiplikátor. Ukazuje sa, že multiplikátor možno vyjadriť ako P(t)x(t) mínus vektor gamma(t), čo vedie k odvodeniu Riccatiho rovnice pre maticu P a novej diferenciálnej rovnice pre gamma závislej od žiadanej hodnoty. Výsledný regulátor má dva stupne voľnosti – spätnú väzbu od stavu a prídavný člen zabezpečujúci sledovanie žiadanej trajektórie.
- - Definuje sa účelová funkcia pomocou regulačnej odchýlky e = v - y namiesto samotného stavu
- - Odvodenie Hamiltoniánu a jeho derivácií podľa x, u a lambda pre úlohu sledovania
- - Optimálne riadenie má tvar u = -R⁻¹Bᵀλ, rovnaký ako pri regulácii
- - Koncová podmienka pre lambda(F) vychádza z parciálnej derivácie G podľa x(F)
- - Substitúcia λ(t) = P(t)x(t) - γ(t) vedie k separácii rovnice na dve časti
- - Prvá časť dáva Riccatiho diferenciálnu rovnicu pre maticu P (rovnaká ako pri regulácii)
- - Druhá časť dáva novú diferenciálnu rovnicu pre vektor γ závislú od žiadanej hodnoty v
- - Výsledný regulátor s dvomi stupňami voľnosti: spätná väzba od stavu plus prídavný člen γ pre sledovanie
Zhrnutie pripravené s pomocou AI z prepisu videa.
nechodím na prednášky