主要内容gydF4y2Ba

控制设计的约束强制gydF4y2Ba

一些控制应用程序要求控制器选择控制动作，使设备状态不违反某些关键约束。在许多情况下，约束是在控制器不直接控制的工厂状态上。相反，定义agydF4y2Ba约束函数gydF4y2Ba它根据控制动作信号定义约束。这个约束函数可以是已知的关系，也可以是必须从实验数据中学习到的关系。gydF4y2Ba

约束执行块gydF4y2Ba

的gydF4y2Ba约束执法gydF4y2Ba块，它需要最优化工具箱™软件，计算最接近受约束和操作边界的指定控制操作的修改后的控制操作。该块使用二次规划(QP)求解器来查找控制动作gydF4y2BaugydF4y2Ba这样函数就最小化了gydF4y2Ba |gydF4y2Ba ugydF4y2Ba −gydF4y2Ba ugydF4y2Ba 0gydF4y2Ba |gydF4y2Ba 2gydF4y2Ba 实时的。在这里,gydF4y2BaugydF4y2Ba0gydF4y2Ba来自控制器的未修改的控制动作。gydF4y2Ba

求解器将以下约束应用于优化问题。gydF4y2Ba

fgydF4y2Ba xgydF4y2Ba +gydF4y2Ba ggydF4y2Ba xgydF4y2Ba ugydF4y2Ba ≤gydF4y2Ba cgydF4y2Ba ugydF4y2Ba 最小值gydF4y2Ba ≤gydF4y2Ba ugydF4y2Ba ≤gydF4y2Ba ugydF4y2Ba 马克斯gydF4y2Ba

在这里:gydF4y2Ba

  • fgydF4y2BaxgydF4y2Ba而且gydF4y2BaggydF4y2BaxgydF4y2Ba约束函数的系数取决于装置状态吗gydF4y2BaxgydF4y2Ba．gydF4y2Ba

  • cgydF4y2Ba是约束函数的一个上界。gydF4y2Ba

  • ugydF4y2Ba最小值gydF4y2Ba控件操作的下界。gydF4y2Ba

  • ugydF4y2Ba马克斯gydF4y2Ba是控制动作的上界。gydF4y2Ba

自gydF4y2Ba约束执法gydF4y2Ba块修改原控制动作，最终闭环系统可能无法达到原控制器的稳定裕度等设计目标。gydF4y2Ba

您必须验证组合控制器和gydF4y2Ba约束执法gydF4y2Ba块满足您原来的控制目标。如果系统不能满足您最初的目标，请考虑更新您最初的控制器设计。例如，您可以添加额外的增益和相位裕度来补偿任何潜在的性能下降。gydF4y2Ba

约束函数系数gydF4y2Ba

根据你的应用，系数gydF4y2BafgydF4y2BaxgydF4y2Ba而且gydF4y2BaggydF4y2BaxgydF4y2Ba约束函数可以是植物状态的线性或非线性函数，可以是已知的也可以是未知的。gydF4y2Ba

有关使用已知非线性约束函数系数的示例，请参见gydF4y2BaPID控制器强制约束gydF4y2Ba．本例从植物动力学中导出约束函数。gydF4y2Ba

当你不能直接从植物中推导出约束函数时，你必须从实验或模拟中使用输入/输出数据来学习系数。要了解这些约束，可以创建函数逼近器并调优逼近器以从模拟或实验数据重现输入到输出映射。gydF4y2Ba

要学习线性系数函数，可以从数据中找到最小二乘解。有关使用此方法的示例，请参见gydF4y2Ba训练RL代理的自适应巡航控制约束强制gydF4y2Ba而且gydF4y2Ba训练RL代理进行车道保持辅助和约束执行gydF4y2Ba．gydF4y2Ba

对于非线性系数函数，必须调优非线性函数逼近器。这种近似的例子包括:gydF4y2Ba

  • 深度神经网络(需要深度学习工具箱™软件)gydF4y2Ba

  • 非线性识别系统模型(需要系统识别工具箱™软件)gydF4y2Ba

  • 模糊推理系统(需要模糊逻辑工具箱™软件)gydF4y2Ba

有关通过训练深度神经网络学习非线性系数函数的示例，请参见gydF4y2Ba学习和应用PID控制器的约束gydF4y2Ba而且gydF4y2Ba用约束强制训练强化学习代理gydF4y2Ba．gydF4y2Ba

另请参阅gydF4y2Ba

块gydF4y2Ba

相关的话题gydF4y2Ba