Adaptivní systémy s referenčním modelem

Pavel Píša ( pisa@cmp.felk.cvut.cz )

Adaptace s referenčním modelem

Účelem adaptace s referenčním modelem, je taková změna dynamiky řízeného systému, aby se choval stejně jako model požadované dynamiky systému. Většinou je před řízený systém přidán regulátor a odezva sytému složeného z regulátoru a řízeného systému je porovnávána s odezvou modelu požadovaného chování. Dále je celý systém doplněn pomalejší zpětnou vazbou obsahující adaptační pravidla, která má za úkol nastavit parametry regulátoru tak, aby minimalizoval odchylku mezi výstupem z řízeného systému a modelem.
V následujícím textu bude nejdříve odvozen gradientní přístup k minimalizaci odchylky využívající kriteriální funkce. Ve druhé části bude ovozena ljapunovská metoda pro nastavování pravidel, která se snaží řešit nejen stabilitu vlastního regulátoru, ale celé soustavy obsahující i model a adaptační pravidla.
Hlavním cílem této práce bylo odvodit co nejobecnější pravidla použitelná pro lineární systémy libovolného řádu s jedním vstupem a výstupem. Výsledky byly testovány v prostředí Simulinku, kde byly sestaveny následující modely :
Navržené modely se vyznačují poměrně dobrou adaptací a možností testování pro libovolný řád regulátoru, parametry modelu a řízeného systému. Modely obsahují i možnost vyvolání příkladových parametrů pro regulátory a systémy prvního až třetího řádu. Experimenty ovšem ukazují, že navržené modely ztrácí dobré vlastnosti rychlosti a stability adaptace pro vyšší řády (  ≥ 3  ) systému a regulátoru.

Gradientní metody

Adaptační pravidla mají za úkol nastavit parametry regulátoru Θ R tak, aby rozdíl e mezi výstupem y regulovaného systému S a výstupem y m modelu požadovaného chování S m byl nulový. Obecný tvar lineárního regulátoru pro systém s jedním vstupem i výstupem je lineární regulátor se dvěma stupni volnosti, který lze charakterizovat parametry přenosových funkcí R , S a T . Schéma je uvedeno na obrázku 1. Přenos celé soustavy F w/y = B ⋅ T A ⋅ R+B ⋅ S by se měl po adaptaci blížit přenosu modelu B m A m .
image: fig/mras_grs.png
Pro parametry regulátoru platí následující podmínky :
Dostatečně stabilní nuly obsažené v B + se nemusí nacházet v modelu ( B m ), protože je lze krátit. Nestabilní nuly ( B - ) krátit nelze, protože po jejich vykrácení by se v systému objevily neřiditelné nestabilní stavy. Proto model požadovaného chování musí nestabilní část B - obsahovat v B m . Pak pro parametry R , S platí rovnice A ⋅ R+B ⋅ S= B + ⋅ A m ⋅ Q (1) ve které Q představuje libovolný stabilní polynom dostatečného stupně odpovídající dynamice observeru. Minimální stupeň vychází z nerovností   deg⁡T ≤ deg⁡R   a   deg⁡S ≤ deg⁡R  . Protože B + dělitelí B musí ke splnění rovnosti dělit i R , pak R= B + ⋅ R 1 . Předchozí rovnici lze tedy řešit jako diofantovskou rovnici: A ⋅ R 1 + B - ⋅ S= A m ⋅ Q (2) jejím vyřešením jsou získány hodnoty R 1 a S a po dosazení bude platit i rovnice (1). Polynom T lze vypočítat z rovnice T= B m ⋅ Q B - = B m ' ⋅ Q (3) kde B m ' získáme po krácení polynomu B m polynomem B - .
Podmínky řešitelnosti rovnic a návrhu regulátoru :
  1. deg⁡Q ≥ 2 ⋅ deg⁡A-deg⁡ A m -deg⁡- B + 1
  2. deg⁡ A m -deg⁡ B m ≥ deg⁡A-deg⁡B   nelze zmenšovat
  3. B - / B m   ⇒   nelze odstranit nestabilní nuly   ⇒   je nutné je znát předem a zahrnout do modelu
Předchozí výpočty ukazují, že pro každý systém lze za splnění předchozích podmínek regulátorem docílit jeho chování shodné s modelem požadované dynamiky. Nyní je nutné odvodit adaptační pravidla, která budou nastavovat parametry regulátoru Θ R , konkrétně R , S a T tak, aby se chyba sledování e blížila nule.
Gradientní metoda využívá minimalizace kriteriální funkce J⁡( Θ R ) změnou parametrů d dt Θ R =-k ∂ ∂ Θ R J . V předchozím vztahu je nutné k volit dostatečně malé, aby nedošlo k destabilizaci celého regulačního obvodu. Konkrétní volba kritéria ovlivňuje výsledná adaptační pravidla. Nejčastěli používaná pravidla :
Na obrázku 2 je opět zobrazen regulátor a regulovaný systém doplněný modelem požadovaného chování. Systém lze popsat následujícími rovnicemi :
image: fig/mras_gmod.png
Ze vhodně zvolených přenosů v systému lze vyjádřit citlivostní funkce v jednoduchém tvaru. Pro jejich výpočet není nutné uvažovat v rozdílu ∂ ∂ Θ R e= ∂ ∂ Θ R y- ∂ ∂ Θ R y m parciální derivaci y m , protože model S m není na ladění parametrů závislý.
Je nutné upozornit, že indexy v polynomech R , S a T jsou v tomto případě uvažovány od nejvyšší mocniny p směrem k mocnině nejnižší ( obdobně jako v modelech v Matlabu, kde je ovšem indexace prováděna od 1 do n+1  ). Po zkonvergování parametrů do ideálního stavu bude platit A ⋅ R+B ⋅ S ≈ A m ⋅ B + ⋅ Q a tuto aproximaci lze většinou použít i v počátku adaptace. Adaptační pravidla stále obsahují B - . Polynom B + v předchozí aproximaci lze však zkrátit podle (2). Pro systém obsahující pouze stabilní nuly lze psát B= B + ⋅ b 0 . Po zkrácení zbývá pouze b 0 . Konstantu b 0 lze zahrnout do konstanty rychlosti adaptace k , pouze je nutné respektovat její znaménko. Pak lze předchozí rovnice dosadit do rovnic pro adaptaci parametrů Θ R regulátoru ( například do (4) ) :
Na obrázku 4 je model spojitého adaptivního systému obecného řádu, který využívá výše odvozené gradientní metody. Obrázek 3 zobrazuje filtr pro výpočet vektor členů citlivostních funkcí ( p k-i=0 … k A m ⋅ Q ) . Shodný tvar filtru je použit pro všechny tři nastavované parametry, ovšem pro parametr r 0 je výsledek násoben nulou a integrátor je přednastaven na hodnotu 1 . Podobný model lze sestrojit i pro diskrétní systém.
image: fig/mras_mitsf.png
image: fig/mras_mit.png

Ljapunovská metoda

Ljapunovská metoda se nesnaží stabilizovat pouze adaptovaný systém, ale vyšetřuje stabilitu celé soustavy složené z řízeného systému, modelu, regulátoru a adaptačních pravidel. Základem vyšetřování stability ve velkém je hledání ljapunovské funkce, kterou si lze představit jako součet veškeré “energie” v systému. Je-li derivace v čase této funkce až na jeden bod stavového prostoru x o ⟶ záporná, musí postupně dojít k úniku/vyčerpání “energie” ze systému a k přechodu systému do bodu x o ⟶ . Následuje matematický zápis požadavků na ljapunovskou funkci za předpokladu, že rovnovážný bod systému se nachází v počátku souřadného systému ( transformace x o ⟶ = ∼ 0 ⟶  ):
Potom je systém v okolí počátku stabilní, jestliže platí
V následujících odstavcích je odvozeno jak lze využít ljapunovské stability pro syntézu stabilního adaptivního regulátoru.
Úkolem je pro systém S nalézt takový regulátor a adaptační pravidla aby se systém choval shodně jako zadaný modelový systém S m . Úloha nebude řešena zcela obecně. Jak je upozorněno v [HAV_ASY_PRED] pro sestrojení takovéhoto adaptivního regulátoru vyššího řádu je nutné, aby byly všechny stavy regulovaného systému S měřitelné. Proto jako výstup systému i modelu budou brány stavy x ⟶ a x m ⟶ . Adaptační pravidla mají za úkol ladit parametry regulátoru Θ R tak, aby se limitně blížily optimálnímu nastavení regulátoru Θ R ★ a rozdíl výstupů modelu a systému e ⟶ = x ⟶ - x m ⟶ se blížil 0 ⟶ . Je tedy nutné hledat hyperstabilitu systému se stavem ( e ⟶ , Θ R - Θ R ★ ) .
Pro zjednodušení problému bude uvažován pouze požadovaný model chování systému ve tvaru filtru n -tého řádu s nastavitelným zesílením ( b 0 p n + a n-1 ⋅ p n-1 +...+ a 1 ⋅ p+ a 0 ). Tento předpoklad není příliš omezující, protože právě výsledná odezva ve tvaru filtru s vhodným tlumením je většinou požadována. Při programovém řízení lze jiného chování též docílit transformací průběhu vstupního signálu.
Dále jak bylo ukázáno v [S_TDS] lze dynamiku ( vlastní čísla λ matice systému A  ) libovolného systému téměř libovolně změnit zavedením stavové zpětné vazby h ⟶ do vstupu systému S . Pro další výpočty je vhodné předpokládat model požadovaného chování S m s maticemi A m a B m ve Frobeniově kanonickém tvaru. Tento předpoklad neomezuje obecnost řešení, protože jak bylo ukázano v [S_TDS] lze stavy a matice každého systému do tohoto tvaru převést. Při jiném než Frobeniově tvaru požadovaného chování je tedy nutné stav modelu x m ⟶ i měřený stav regulovaného systému x ⟶ násobit transformační maticí Q -1 , kterou lze vypočítat Q= R m ⋅ R m ' -1 . R m a R m ' jsou matice dosažitelnosti původního a transformovaného modelu systému R m = b m ⟶ , A m ⋅ b m ⟶ ,..., A m n-1 ⋅ b m ⟶ a R m '= b m ' ⟶ , A m ' ⋅ b m ' ⟶ ,..., A m ' n-1 ⋅ b m ' ⟶ .
Za uvedených předpokladů zle sestavit následující rovnice pro chování systému S a modelu S m .
  1. d dt x ⟶ =A ⋅ x ⟶ + b ⟶ ⋅ u   ,   u=- h ⟶ ⋅ x ⟶ +l ⋅ w
  2. d dt x m ⟶ = A m ⋅ x m ⟶ + b m ⟶ ⋅ w
Kde w je vstup do systému, A , b ⟶ , A m a b m ⟶ jsou matice řízeného systému S a modelu S m , x ⟶ a x m ⟶ jsou stavy řízeného systému a modelu a u je vstup do řízeného systému S . Řádkový vektor h ⟶ představuje stavovou zpětnou vazbu přidanou k systému S a skalár l řídí zesílení vstupního signálu do systému S . Pak lze rozdíl e ⟶ mezi skutečným stavem x ⟶ systému S požadovaným stavem x m ⟶ vyjádřit :
d dt e ⟶ = dx dt - d x m dt d dt e ⟶ =A ⋅ x ⟶ - b ⟶ ⋅ h ⟶ ⋅ x ⟶ + b ⟶ ⋅ l ⋅ w- A m ⋅ x m ⟶ - b m ⟶ ⋅ w po přidání členu A m ⋅ x m ⟶ - A m ⋅ x m ⟶ lze rovnici upravit : d dt e ⟶ = A m ⋅ e ⟶ ⏟ + ( A- A m - b ⟶ ⋅ h ⟶ ) ⏟ ⋅ x ⟶ + ( b ⟶ ⋅ l- b m ⟶ ) ⏟ ⋅ w Pro každý z výrazů označených ⏟ je nutné aby se po provedení adaptace blížily nule. Podaří-li se provedením adaptace vynulovat poslední dva výrazy, dojde postupně k vynulováni odchylky, protože diferenciální rovnice d dt e ⟶ = A m ⋅ e ⟶ obsahuje matici modelu A m , která odpovídá stabilnímu systému. Frobeniův tvar matice A m byl zvolen pro vhodné vyjádření druhého z výrazů ⏟ , který lze znázornit pro systém třetího řádu následovně : [ 0 1 0 0 0 1 - a 0 - a 1 - a 2 ]-[ 0 1 0 0 0 1 - a m0 - a m1 - a m2 ]-[ 0 0 b 0 ] ⋅ [ h o h 1 h 2 ] Po úpravě přejde na matici, která bude dále označvána jako A e [ 0 0 0 0 0 0 - a 0 + a m0 - b 0 h 0 - a 1 + a m1 - b 0 h 1 - a 2 + a m2 - b 0 h 2 ]=[ 0 0 0 0 0 0 a e0 a e1 a e2 ]= A e Jak je vidět, že lze vhodným nastavením zpětné vazby h ⟶ docílit vyulování tohoto výrazu. Třetí výraz lze též upravit a bude dále označován jako b e ⟶ [ 0 0 b 0 ] ⋅ l-[ 0 0 b m0 ]=[ 0 0 b 0 ⋅ l- b m0 ]=[ 0 0 b e0 ]= b e ⟶
Nyní lze sestrojit ljapunovskou funkci s parametry, které budou vyjadřovat vzdálenost od požadovaného stavu, kdy dojde k vynulování všech výrazů ⏟ . V( e ⟶ , h ⟶ ,l ) = ∑ 1 2 ( e ⟶ T ⋅ e ⟶ + 1 b 0 ⋅ k ⋅ ( A- A m - b ⟶ ⋅ h ⟶ ) ⋅ (A- A m - b ⟶ ⋅ h ⟶ ) T + . . + 1 b 0 ⋅ k ⋅ ( b ⟶ ⋅ l- b m ⟶ ) T ⋅ ( b ⟶ ⋅ l- b m ⟶ ) ) Součet skalárů s maticemi ve výrazu lze přepsat jako součet matice a jednotkové matice násobené skalárem. Derivce ljapunovské funkce v čase tedy bude d dt V( e ⟶ , h ⟶ ,l ) = ∑ ( e ⟶ T ⋅ d dt e ⟶ + 1 b 0 ⋅ k ⋅ ( A- A m - b ⟶ ⋅ h ⟶ ) ⋅ (- b ⟶ ⋅ d dt h ⟶ ) T + . . + 1 b 0 ⋅ k ⋅ ( b ⟶ ⋅ d dt l ) T ⋅ ( b ⟶ ⋅ l- b m ⟶ ) ) Zápis se zjednoduší při náhradě výrazů v závorkách výše zavedenými symboly A e a b e ⟶ . d dt V( e ⟶ , h ⟶ ,l )= ∑ ( e ⟶ T ⋅ d dt e ⟶ + 1 b 0 ⋅ k ( A e ) ⋅ (- b ⟶ ⋅ d dt h ⟶ ) T + 1 b 0 ⋅ k ( b ⟶ ⋅ d dt l ) T ⋅ ( b e ⟶ ) ) Dále lze dosadit za d dt e ⟶ d dt V( e ⟶ , h ⟶ ,l ) = ∑ ( e ⟶ T ⋅ A m ⋅ e ⟶ + e ⟶ T ⋅ A e ⋅ x ⟶ + e ⟶ T ⋅ b e ⋅ w+ . . + 1 b 0 ⋅ k ⋅ A e ⋅ (- b ⟶ ⋅ d dt h ⟶ ) T + 1 b 0 ⋅ k ⋅ ( b ⟶ ⋅ d dt l ) T ⋅ b e ⟶ ) Matice stabilního modelu A m je negativně definitní, proto člen ∑ ( e ⟶ T ⋅ A m ⋅ e ⟶ ) bude pro nenulové e ⟶ záporný. Ostatní členy lze vhodnou volbou adaptačních pravidel také zajistit nulové. A e ⋅ ( b ⟶ ⋅ d dt h ⟶ ) T =k ⋅ b 0 ⋅ e ⟶ T ⋅ A e ⋅ x ⟶ ( b ⟶ ⋅ d dt l ) T ⋅ b e ⟶ =-k ⋅ b 0 ⋅ e ⟶ T ⋅ b e ⟶ ⋅ w Při předpokládaném tvaru matice A e a vektoru b e ⟶ lze vzorce rozepsat a e0 ⋅ d dt h 1 + a e1 ⋅ d dt h 2 + ⋯ + a en-1 ⋅ d dt h n =k ⋅ ( e 1 ⋅ a e0 ⋅ x 1 + e 2 ⋅ a e1 ⋅ x 2 + ⋯ + e n ⋅ a en-1 ⋅ x n ) d dt l ⋅ b e0 =- e n ⋅ b e0 ⋅ w Aby výrazy nabývaly nulové hodnoty pro všechny hodnoty A e a b e ⟶ , je nutné aby si v předchozích rovnicích byly rovné jednotlivé členy v rozepsaných tvarech. Po další úpravě lze výsledky psát ve tvaru d dt h ⟶ =k ⋅ e ⟶ . ★ x ⟶ d dt l=-k ⋅ e n ⋅ w
Na obrázku 5 je zobrazen model s výše uvedenými adaptačními pravidly. Tento model vykazuje velmi uspokojivé výsledky pro první a druhý řád. Doba adaptace pro třetí řád systému je již poměrně dlouhá.
image: fig/mras_ljap.png
Obsah
1 Adaptace s referenčním modelem >
2 Gradientní metody >
3 Ljapunovská metoda >

References

1Přednášky z předmětu adaptivní systémy, Havlena, Praha 1997
2Teorie dynamických systémů, Štecha Havlena, Praha 1993