CC BY
19
УДК 517.977
Веремей Е.И.
Санкт-Петербургскии государственный университет, г. Санкт-Петербург, Россия
КОГНИТИВНАЯ РЕАЛИЗАЦИЯ ОПТИМИЗАЦИОННОГО ПОДХОДА К СИНТЕЗУ ЗАКОНОВ УПРАВЛЕНИЯ ПОДВИЖНЫМИ ОБЪЕКТАМИ
АННОТАЦИЯ
Рассматриваются вопросы, связанные с применением когнитивных технологий для построения экспертных систем, синтезирующих законы управления подвижными объектами на базе оптимизационного подхода. Актуальность темы определяется часто встречающимися практическими ситуациями, в рамках которых трудно формализовать представление о качестве функционирования проектируемой системы управления. При этом предлагается использовать систему предпочтений эксперта, информация о которой обрабатывается в соответствии с разработанными алгоритмами.
КЛЮЧЕВЫЕ СЛОВА
Системы управления, компьютерные технологии, методы оптимизации, обратная связь, динамические процессы, эксперт, когнитивный подход.
Veremey E.I.
Saint-Petersburg State University, Saint-Petersburg, Russia
COGNITIVE IMPLEMENTATION OF OPTIMIZATION APPROACH TO THE CONTROL SYSTEM DESIGN FOR MOVING OBJECTS
ABSTRACT
The discussed issue is the application of cognitive technologies for building expert systems that design the control laws of moving objects on the basis of the optimization approach. The relevance of the topic is determined by common practical situations in which it is difficult to formalize the concept of a quality for a designed control system.
It is proposed to use the preferences system of the expert, which is processed in accordance with the developed algorithms.
KEYWORDS
Control systems, computer technologies, optimization methods, feedback control, dynamic processes, expert, cognitive approach.
Введение
Вопросы компьютерной поддержки научно-исследовательских и проектно-конструкторских работ, связанных с системами управления подвижными объектами, в настоящее время играют исключительно важную роль. Это связано, с однои стороны, с развивающимися возможностями компьютерных технологии, а с другои - с постоянно растущими требованиями к качеству движения. Современные системы управления представляют собои многоцелевые аппаратно-программные комплексы с развитои внутреннеи структурои, наделенные богатои функциональностью при работе в разнообразных режимах. Для них определяются соответствующие требования к качеству, во многом определяемые условиями безопасности и комфорта эксплуатации.
Применение современных компьютерных технологии в исследованиях, проектировании и реализации систем управления, подразумевает использование формализованных математических подходов, как для постановки, так и для решения практических задач. При постановке должны быть сформированы математические модели тех элементов системы, которые исходно задаются и не подлежат дальнеишим изменениям. Если все элементы считаются заданными, то определяются задачи исследования системы, среди которых основное внимание уделяется ее динамическим
свойствам (устойчивость движений, управляемость и наблюдаемость, робастность, чувствительность, динамическое качество и т.д.).
Если часть элементов системы подлежит выбору при проектировании, то ставятся задачи синтеза. Результатом их решения служат заранее не заданные математические модели искомых элементов (законы управления, алгоритмы обработки измеряемои информации, модели приводов и др.).
Особая роль принадлежит задачам, определяемым требованиями практического применения в режиме реального времени наиденных элементов системы в цифровом варианте. Очевидно, что от состоятельности таких задач в значительнои мере зависит мера успешности всего комплекса аналитических работ, связанных с системами управления.
Для каждого из указанных комплексов задач в настоящее время применяется вполне определенная идеология деиствии, направленных на достижении наилучших результатов с использованием математическои и компьютернои поддержки.
В рамках указаннои математическои формализации соответствующие вопросы, чаще всего, трактуются как различные варианты постановок и решения разнообразных оптимизационных задач [1, 3, 4, 6]. Это существенно отличает современную идеологию привлечения математических методов и базирующихся на них компьютерных технологии от классических рекомендации предшествующих периодов, где оптимизационные приемы применялись обычно только как вспомогательное средство для построения оценок и формирования опорных решении, подлежащих дальнеишеи неформальнои обработке.
Для строгои математическои постановки указанных задач оптимизации должны быть детально проработаны следующие вопросы:
- сформулированы содержательные и формализованные цели моделирования, анализа или синтеза, которые обусловлены конкретнои функциональностью системы;
- указаны те элементы рассматриваемои системы, которые фиксированы, а также те ее части, которые могут варьироваться, и подлежат выбору;
- определены все обязательные условия и требования, предъявляемые к системе в целом и к ее отдельным элементам;
- указаны количественные ограничения, накладываемы на параметры системы и допустимые динамические процессы;
- представлены характеристики качества функционирования системы.
В зависимости от конкретнои ситуации, с учетом содержательнои сторонои вопроса формулируется тот или инои вариант соответствующеи оптимизационнои задачи, решение которои ведет к достижению поставленных целеи. В силу этого обстоятельства оптимизационныи подход является одним из наиболее широко применяемых аналитических и вычислительных инструментов для работы с системами управления различными подвижными объектами. Это объясняется его универсальностью, гибкостью и удобством применения современных методов теории оптимизации для решения практических задач.
Хорошо известно, что любая конкретная проблема по моделированию, исследованию, и, особенно, по проектированию систем управления формулируется с учетом обширнои совокупности требовании, условии и ограничении, которые должны обеспечиваться выбором варьируемых элементов. Это определяет очевидныи универсальныи путь формализации таких проблем на базе оптимизационного подхода [6]. Деиствительно, всегда можно ввести в рассмотрение множество желаемых (допустимых) решении в метрическом пространстве варьируемых элементов на базе указаннои совокупности. Тогда в качестве минимизируемого функционала разумно принять расстояние от текущеи точки этого пространства до множества желаемых решении. Если численная минимизация этого функционала приводит к нулевому расстоянию, мы получаем решение с желаемыми своиствами.
Естественно, что данная идея подлежит конкретизации в каждои частнои ситуации для достижения реализуемости и результативности подхода. Существует масса примеров, когда универсальная оптимизационная идеология порождает весьма удобные и эффективные инструменты: классическим примером служит хорошо известньш пакет Response Optimization Tool в составе популярнои среды MATLAB-Simulink [2].
Существеннои трудностью, стоящеи на пути практическои реализации оптимизационного подхода, является математическая формализация указаннои выше совокупности требовании, условии и ограничении, которые должны обеспечиваться выбором варьируемых элементов в рамках решаемои содержательнои задачи. В частности, представляется весьма проблематичным суждение о качестве функционирования системы управления с использованием единственного функционала: в подавляющем большинстве рассматриваемые задачи являются
многокритериальными.
Однако в целом ряде ситуации приходится сталкиваться и с трудностями более глубокого плана, когда непосредственная формализация понятия качества функционирования либо краине сложна, либо вообще невозможна. В таких случаях не формализуемые критерии качества вводятся в процесс решения задачи с использованием мнении экспертов.
Построение экспертных систем для решения указанных выше задач на базе оптимизационного подхода с очевидностью требует широкого привлечения современных технологии для реализации эффективного взаимодеиствия вычислительнои среды и эксперта в рамках конкретных ситуации. В настоящее время особую роль играют когнитивные технологии [8], в которых используются центральные принципы реализации процессов человеческого познания при создании современных информационных систем.
В даннои статье рассматривается вариант когнитивнои реализации экспертнои системы, предназначеннои для параметрического синтеза законов управления подвижными объектами на базе оптимизационного подхода. Центральное внимание уделяется вопросам распределения функции между вычислительнои частью системы и экспертом, а также двум вариантам алгоритма обработки информации, получаемои от эксперта в соответствии с его системои предпочтении.
Оптимизационный подход к синтезу законов управления
Динамика подвижных объектов обычно представляется нелинеиными системами обыкновенных дифференциальных уравнении
X = F in ( t, V , га ) + F hd ( t, V , ra , x p , 8 ) + f w ( t ) , щ
где векторы x = { V >ra >x p } 6 E12, V = {Vx > Vy > Vz} 6 E 3, и ra= {ra x >ra y >ra z} 6 E 3, представленные своими проекциями в связаннои системе координат, соответственно определяют
77 6
состояние, линеиные и угловые скорости объекта, а вектор x p 6 E - его перемещения и углы
поворота. Вектор 8 6 Em представляет управляющие воздеиствия на объект, движение которого
происходит под влиянием сил и моментов F in , F hd , имеющих инерционную природу и определяемых взаимодеиствием корпуса с внешнеи средои соответственно, а также особо
выделенных внешних возмущающих воздеиствии fw ( t ) .
Математическая модель (1) дополняется уравнениями динамики приводов
8 = F8 (t, 8, u ) , (2)
где u 6 Em - вектор управляющих сигналов, а также уравнениями измерителеи
У = F y (t> x, 8 ) , (3)
где y 6 E p - вектор измеряемых динамических переменных.
Объект управления (1) - (3) в составе системы управления замыкается обратнои связью (регулятором) с математическои моделью
u = W ( t, 8, y, h ), (4)
причем векторную функцию W далее будем считать заданнои. В уравнении обратнои связи (4)
выделен вектор h 6 Ep настраиваемых параметров, которьш полежит выбору в ходе проектирования. Если этот выбор осуществлен каким-либо способом, то обратная связь (4) полностью синтезирована.
Конкретный /-Й режим (i = Ь N ) движения объекта однозначно определяется заданием начальных условии (для вектора состояния регулятора они обычно нулевые), а также внешних возмущающих воздеиствии:
X(0) = X0, 5(0) = 50 fw = fW (t). (5)
Будем считать, что указанные заданные элементы принадлежат определенным допустимым множествам, т.е.
х0 е X с Е", 50 е D с Ет, f I (г) е Df, V г = 1, N . (6)
Для каждого режима на движениях замкнутои системы (1) - (4) при условиях (5), (6)
зададим систему функционалов
Jj = Jj (x (h, t), 5 (h, t), u (h, t)) = Jj (h), i = l^N, j = 1, M , (7)
которые при прочих равных превращаются в функции вектора h настраиваемых параметров.
Введем в рассмотрение комплекс требовании, предъявляемых к динамике замкнутой системы, с помощью соотношении
Jj (h) < Jj 0, i = llN, j = ÜM, (8)
определяющих допустимые верхние границы для функционалов (7).
И, наконец, на базе условии (8) сформируем допустимое множество Q настраиваемых параметров, определяя его следующими формулами:
Ü = ü0 n üc,
üo = {h е Ep : Jj(h) < Jjо,i = Щ j = 1M} C9]
где с Ep - область асимптотическои устоичивости в пространстве настраиваемых параметров для всех движении, реализуемых в N рассматриваемых режимах.
Под оптимизационным подходом к настроике варьируемых параметров в данном случае будем понимать постановку и решение задачи о минимизации расстояния от произвольнои точки
h е Ep до множества Q с Ep, т.е. о минимизации функционала
J(h) = d(h, ü) = inf p(h, g), J(h) ^ min. (10)
geü heEP
Экспертная реализация оптимизационного подхода
Сформулированная выше проблема (10) настроики параметров в законе управления (4) с фиксированнои структурои предполагает задание функционалов (7), характеризующих качество процесса управления в замкнутои системе (1) - (4) для всех режимов функционирования. Если же такие функционалы исходно не заданы, то оценку качества можно осуществлять с помощью эксперта. При этом очевидно, что для формирования экспертных оценок в практических задачах, связанных с системами управления, должны быть созданы определенные условия, позволяющие эксперту формировать свое мнение относительно того или иного варианта выбора обратнои связи.
Указанные условия можно обеспечить путем целенаправленного построения специализированнои экспертнои системы, в состав которои входит сам эксперт, а также вычислительная среда (ВС), взаимодеиствующая с ним в режиме прямого диалога. Построение такои среды предполагает применение передовых компьютерных технологии с использованием современных методов теории управления, системного анализа, математического, компьютерного и имитационного моделирования. Основа функционирования ВС определяется тем, что для любого
выбора обратнои связи (регулятора) U вида (4) она моделирует динамическую ситуацию S (U) , представляющую соответствующие процессы управления во всех режимах, и предъявляет ее эксперту в нагляднои и удобнои для анализа форме.
Эксперт осуществляет неформальное оценивание качества предъявленнои информации в силу своеи системы предпочтении, позволяющеи сравнивать любые два варианта и выбирать из них лучшии. Это значит, что если имеется конечная совокупность
U 1,U 2 ,... , UK , (11)
оцениваемых обратных связеи, для которых вычислительная среда порождает соответствующие динамические ситуации S(U1), S(U2),..., S(Uk ), то эксперт, в силу собственных предпочтении, может осуществить их ранжирование, а следовательно - и ранжирование совокупности (11), например:
S(U1)^S(U2)S(UK) ^ Ui ^U2 Uk.
В работе [4] указано, что если система предпочтении эксперта транзитивна, то объективно существует некоторьш функционал Ф (U )
, соответствующии этои системе предпочтении, хотя его формальное представление для эксперта неизвестно.
С позиции рассматриваемого оптимизационного подхода формируемая экспертная система
должна обеспечивать минимизацию этого функционала за счет изменения закона (4) реализации обратнои связи. Очевидно, что если рассматривается конечная совокупность (11) с достаточно малои величинои К количества вариантов, то минимизация реализуется простеишим путем конечного перебора вариантов. Однако если рассматривается бесконечно большое число вариантов, такои подход не применим.
Рассмотрим иную стратегию функционирования экспертнои системы для выбора вектора
h е Ер настраиваемых параметров в регуляторах вида (4) с фиксированнои структурой Здесь
каждому выбору вектора Ь будет соответствовать динамическая ситуация 5(h) , представляющая процессы управления в замкнутои системе (1) - (4) для всех режимов движения.
В данном случае транзитивная система предпочтении эксперта объективно характеризуется функционалом Ф (и) = Ф (Ь) ,
превращающимся в нелинеиную функцию, зависящую от р вещественных переменных. Еще раз подчеркнем, что такая функция объективно существует, однако ее аналитическое или алгоритмическое задание не доступно эксперту. Существо предлагаемои стратегии основано на том, что основная функция ВС заключается не в выдаче эксперту конечного числа вариантов законов управления, а в определении такого направления
спуска в пространстве Е р , вдоль которого убывает функция Ф (Ь) .
Иными словами, по любому начальному вектору Ь = Ь0 = ДО, й2°,..., к°р} вычислительная среда должна предложить новьш вариант вектора Ь = Ь = Ь0 +ре так, чтобы
^(Ь ) ^ 5(Ь0), где е е ЕР (1 1е11 = 1) - направление спуска, р - величина шага в этом направлении.
Известно, что для непрерывно-дифференцируемои функции Ф (Ь) направление спуска
однозначно определяется ее градиентом в точке Ь 0 : е = - §/Н§Н, § = Ф(Ь)| ь=ь0 , однако эта функция не известна на формальном уровне. Тем не менее, система предпочтении эксперта
позволяет получить определенную информацию о градиенте функции Ф (Ь) [4].
Для выявления указаннои информации введем в рассмотрение следующую систему вспомогательных векторов
Ь04 = {Л°, Л",...,Ь* +АНк,..., Н°р }, к = 1,2,..., р , (12)
которые расположены в достаточно малои окрестности точки Ь0 . Пользуясь своими предпочтениями, эксперт может ранжировать эту систему совместно с точкои Ь = Ь0, и на базе результатов ранжирования получить соотношения
Ф(ь0к)-Ф(ь0)> (<)0, к = Г7, (13)
Ф (Ь0 ) -Ф (Ь0 у) > (<) 0 , г, у = 177, У > г (14)
с конкретным выбором знака неравенств. При этом согласно (13) имеем
дФ (Ь)
Ф (Ь 0 к)-Ф Ю > (< )0, к = —
ь=ь 0 АЛк
дкк
а на основании (14) получаем Ау - АЛгёг > (<) 0, ■, У = Ь р , у > ■.
Таким образом, исходя из предпочтении эксперта, можно утверждать, что градиент § функции Ф (Ь) в точке Ь = Ь0 принадлежит многогранному конусу
G = {§ е Ер : gk > (<)0,к = АhJgJ - АhIgI > (<)0,г, у = 17, у > г}. (15)
При наличии полученнои информации о градиенте § далее можно воспользоваться идеологиеи преодоления неопределенности природы через построение гарантирующеи обратнои связи. По существу, вычислительная система должна предложить эксперту некоторую новую точку
Ь = Ь = Ь0 +ре в пространстве настраиваемых параметров, такую, чтобы Ф (Ь ) < Ф (Ь0), т.е. при
заданном шаге р нужно указать соответствующее направление е . Для его поиска представим
приращение АФ (Ь0, е) = Ф (Ь0 + р е) - Ф (Ь0) в виде ряда:
ДФ (h0, e) = ek 5^(h) n+ O (p) » p^ ekgk = p <e, g>, (16)
k=1
k = 1
где <e , g ) - скалярное произведение векторов e и g , причем g 6 G .
Будем выбирать направление e 6 E p (IIеII = 1), решая минимаксную задачу
max p<e, g> ^ min
g6G e6Ep ,||e |=1 . (1/)
В работе [4] показано, что задача (17) сводится к задаче квадратичного программирования, решением которои будет искомыи вектор
e = e* = arg min max p<e, g> Г1оч
e6Ep e |=1 g6G ' (1Ö)
Представленная идеология работы экспертнои системы позволяет предложить следующую схему когнитивного взаимодеиствия эксперта и ВС для реализации оптимизационного подхода к выбору параметров регулятора (4).
1. Эксперт задает начальную точку для настроики h 0 и величину шага p .
2. Вычислительная среда порождает систему вспомогательных точек (12) и для каждои из
них, а также для начальнои точки h 0 , генерирует динамическую ситуацию, подлежащую оценке со стороны эксперта.
3. Эксперт ранжирует предложенные ситуации и соответствующие точки, вводя в среду систему своих предпочтении.
4. Вычислительная среда строит конус G (15) и решает минимаксную задачу (17), предлагая эксперту новую начальную точку h = h0 + p e .
Далее процесс повторяется с новои начальнои точкои h* = h0 до остановки экспертом. Безградиентная схема функционирования экспертной системы
Заметим, что по своему существу предложенная выше схема организации взаимодеиствия эксперта и ВС есть не что иное, как диалоговым вариант метода градиентного спуска. Однако известно, что в практическои реализации градиентные методы обладают рядом недостатков, отмеченных в [3], к которым, в первую очередь, относятся:
а) требование непрерывнои дифференцируемости функции Ф (h) , которое было постулировано, однако далеко не всегда выполняется;
б) возможность зацикливания вычислительнои схемы за счет наличия "овражного" эффекта;
в) плохая сходимость в окрестности стационарнои точки.
Этих недостатков лишены методы спуска нулевого порядка, которые не требуют вычисления производных, хотя их сходимость к решению задачи не всегда доказана. В частности, в настоящее время широкое распространение получил метод деформируемых многогранников (метод Нелдера-Мида) [9], реализованный во многих интегрированных инструментальных средах, включая пакет MATLAB.
Идея метода состоит в рассмотрении совокупности вершин
P = {h01, h02,••• , h0(p+1)} 6 E p правильного многогранника (симплекса). В качестве однои из вершин принимается опорное решение (начальная точка) h0 . Далее на совокупности P находятся наилучшая h b 1 и наихудшая h w 1 точки в смысле минимизации функции Ф (h) :
h b1 = arg min Ф (h) h w1 = arg max Ф (h) (19)
h6P , h6P . (19)
После этого шага по определенным правилам (отражение от худшеи точки через
арифметическии центр, растяжения или сжатия многогранника и т.д.) строится точка h b 2 такая,
что Ф(hb2) < Ф(hb1). Если такую точку наити не удается, многогранник сжимается относительно
точки h b 1 до достижения условия остановки спуска. Если же такая точка нашлась, то в
совокупности P осуществляется замена точки h w 1 на точку h b 2 , а затем операции алгоритма повторяются.
Как следует из существа метода, его применение в схеме диалоговои оптимизации при
полном отсутствии формализованнои информации о функции Ф ( ь ) исключительно удобно, поскольку метод в неи и не нуждается. Деиствительно, в алгоритме используется лишь факт
предпочтения, но не значения функции Ф ( ь ) , что делает систему предпочтении эксперта достаточнои для реализации безградиентнои схемы спуска.
Однако заметим, что по сравнению с градиентным подходом, алгоритм Нелдера-Мида работает медленно. Это определяет целесообразность разработки различных комбинированных вариантов, объединяющие преимущества приведенных схем взаимодеиствия эксперта и ВС.
Одна из идеи такого объединения состоит в следующем. Будем считать, что на к-м этапе вычислении по схеме Нелдера-Мида получен многогранник с вершинами, составляющими
совокупность Р к .
Если принять эти вершины в качестве опорных точек для работы диалогового варианта градиентнои схемы, и выполнить некоторое количество шагов по этои схеме, то получим
диалоговое отображение Рк ^ Рк исходнои совокупности в ее улучшенныи вариант. Здесь улучшение понимается в том смысле, что выполняются соотношения
Ф(Ь0у) < Ф(Ь0у) Vу = 1, р + 1, VЬ0у е Рьк, VЬ0у е Рк .
Для улучшеннои совокупности Ръ определим наилучшую и наихудшую точки Ь^ = argminФ(Ь) = а^тахФ(Ь)
ЬеР/ , ЬеРьк
и если окажется, что выполняется неравенство Ф(Ь¿1) < Ф(Ьъ1), то вместо множества Рк ,
построенного по обычнои схеме Нелдера-Мида, принимаем совокупность Ръ и продолжаем работу экспертнои системы дальше.
Очевидно, что предлагаемыи вариант организации взаимодеиствия эксперта и ВС позволяет использовать преимущества обеих вычислительных схем. Заметим, что при наличии вычислительных трудностеи, определяемых недостатками градиентнои схемы (негладкости,
овраги, приближение к стационарнои точке), замена множества Р к на Ръ не происходит, и минимизация осуществляется по обычнои схеме Нелдера-Мида.
Пример построения когнитивных тренажеров
Как было отмечено выше, современные подвижные объекты (морские и воздушные суда, роботы, автомобили и др.) являются исключительно сложными динамическими системами, работающими в различных внешних условиях. К их функционированию зачастую предъявляют противоречивые требования, относящиеся к статическим и динамическим характеристикам рабочих режимов движении, осуществляемых при наличии ряда неопределенностеи.
Если в состав системы управления подвижным объектом входит человек-оператор, то отмеченные обстоятельства определяют особое отношение к его подготовке, поскольку успешная деятельность оператора в значительнои мере определяет эффективность, безопасность и безаварииность эксплуатации. При этом исключительно высокую значимость имеют вопросы создания современных тренажеров, позволяющих обучать операторов в условиях, предельно близких к реальным условиям функционирования системы управления движением во всех штатных, а также нестандартных и аварииных ситуациях.
При создании тренажеров естественна ориентация на последние достижения в области теории управления, теории имитационных систем, теории экспертных систем, искусственного интеллекта и других смежных сфер. Особую значимость здесь имеет накопленный опыт создания и эксплуатации систем управления движением подвижных объектов различных классов и поколении.
Тренажер предназначен для обеспечения детального изучения оператором понятии и принципов, элементов и узлов, особенностеи штатных и аварииных режимов движения объекта. Цель его применения состоит в выработке и совершенствовании навыков по принятию решении в процессе управления.
В состав тренажера входят аппаратные и программные средства, поддерживающие организацию и управление процессом обучения, компьютерное моделирование элементов системы управления и внешнеи среды, а также имитационное моделирование динамических процессов.
Функции интеллектуального центра современного тренажера предлагается возложить на
экспертную систему, базирующуюся на рассмотренных выше когнитивных принципах. Эта система представляет собой комплекс программного и информационного обеспечения, функционирующий в двух режимах: накопления знании (при настроике) или обучения оператора с выдачеи ему рекомендации.
Режим обучения реализуется в условиях сложнои обстановки, требующеи принятия решении со стороны оператора при наличии существенных неопределенностеи за ограниченное время.
Заметим, что при ручном управлении подвижными объектами подобные ситуации возникают повсеместно, поскольку сам факт перехода на подобное управление с полным или частичным отказом от включения автоматических систем свидетельствует о необходимости принятия решении в условиях заведомо не формализуемои обстановки.
В качестве примера рассмотрим процесс управления боковым перемещением морского судна с помощью трех исполнительных органов системы управления движением: кормовои поворачивающеися винтовои колонки, а также кормового и носового подруливающих устроиств.
Математическои моделью движения судна в горизонтальнои плоскости служит система обыкновенных дифференциальных уравнении [5, 7] вида
х = Б1 (t, х, 5), (19)
т
где х = ( X! Х2 Хз X4) - вектор состояния, x 1 - линеиная скорость бокового движения, x 2 -
угловая скорость движения по курсу, x з - угол курса, x 4 - боковое смещение судна. Вектор
5 = (51 52 53)Г определяет указанные выше управляющие воздеиствия. Будем считать, что
система (19) задана на отрезке 1 £[ А, ], где 11 и 12 - моменты начала и окончания маневра соответственно.
Формальнои целью управления системои при маневрировании по боковому перемещению
является такои выбор управляющего воздеиствия 5 (1) как функции времени, чтобы из заданного
1 Г
начального положения х (11) = х1 =( 0 0 0 0) объект перешел в заданное конечное положение
2Г
= х =( 0 00 Х40) . Здесь величина Х40 определяет желаемое боковое смещение судна. При
этом момент 12 может быть фиксирован или подчинен требованию максимального быстродеиствия.
При выполнении перехода в режиме ручного маневрирования в каждыи момент времени оператор должен отклонять каждыи из управляющих органов на вполне определенную величину, обеспечивая при этом достижение цели маневра с учетом всех ограничении при желаемом качестве динамического процесса.
В подобнои ситуации основная трудность в деиствиях оператора состоит в том, что он в любом случае может оценить последствия своих деиствии, сравнивая результаты выбора любых
двух вариантов 5 а (/) и 5ь (/) отклонения исполнительных органов. Однако априори оператор
не может принять такое решение 5 (1) , которое в данныи момент 1 было бы наилучшим по отношению к системе его неформальных оценок.
По существу, именно здесь и следует призвать на помощь экспертную систему, которая в каждыи момент времени должна предлагать оператору рекомендуемое ею наилучшее поведение исполнительных органов с позиции тои или инои системы неформальных оценок качества динамического процесса по обеспечению заданного бокового перемещения судна. Естественно, что подобная система оценок должна быть предварительно введена в экспертную систему в процессе ее настроики, которая может выполняться в следующих вариантах:
- независимым экспертом (или экспертами);
- автоматическим регулятором (или регуляторами);
- самим оператором системы.
В первом и во втором случаях настроика экспертнои системы происходит на этапах, предваряющих ее рабочую эксплуатацию в составе тренажера (или в составе системы управления судном). При этом могут быть приняты к рассмотрению мнения различных экспертов, имеющих различные подходы к оценке выбора деиствии исполнительных органов.
Настроика системы с использованием автоматических регуляторов предполагает, что они были синтезированы на базе оптимизации некоторых единых функционалов, которые в формализованном виде в тои или инои мере отражают обобщенное представление о качестве
динамики рассматриваемого процесса. Для примера здесь можно привести стандартный функционал быстродействия или некоторую неотрицательную функцию, подлежащую оптимальному демпфированию в каждыи момент времени.
В третьем случае принципиально возможна настроика на систему оценок оператора непосредственного в процессе его обучения, а при достаточно большом быстродеиствии бортового компьютера - и непосредственно в процессе управления судном.
Заключение
В статье рассмотрен комплекс вопросов по практическому применению оптимизационного подхода для формирования передовои компьютернои поддержки научно-исследовательских и проектно-конструкторских работ, связанных с системами управления подвижными объектами. Поскольку современные системы управления представляют собои многоцелевые аппаратно-программные комплексы, наделенные богатои функциональностью при работе в разнообразных режимах, для них предъявляются многообразные требования к динамическому качеству, во многом определяемые условиями безопасности и комфорта эксплуатации.
Одним из наиболее эффективных путеи удовлетворения указанных требовании служит применение оптимизационного подхода на всех этапах моделирования, исследования и практическои реализации систем управления движением. Основное внимание в статье уделено ситуации, когда формализация требовании к динамическому качеству затруднена. В этом случае возникает потребность в использовании мнении эксперта с оценкои качества на базе его системы предпочтении.
Основным результатом работы являются предложения по построению соответствующих экспертных систем, базирующихся на специально организованном взаимодеиствии входящих в них вычислительных средств с экспертом в ходе диалога. Целью такого взаимодеиствия служит эффективное решение неявно поставленнои оптимизационнои задачи, служащеи обеспечению желаемых своиств формируемого решения. В основе схем, реализуемых предлагаемыми системами, лежат идеи когнитивных технологии, определяющих разумное сочетание центральных особенностеи человеческого познания и возможностеи вычислительных средств.
В работе предложены два конкретных метода, которые определяют схему функционирование экспертных систем, осуществляющих параметрические проектирование обратных связеи для управления подвижными объектами на базе оптимизационного подхода. Приведен пример использования идеологии экспертнои реализации этого подхода при создании тренажеров для операторов систем управления.
Данная статья написана на базе исследования, которое выполнено при финансовой поддержке РФФИ в рамках научного проекта № 14-07-00083 a.
Литература
1. Веремей Е.И. Алгоритмы решения одного класса задач НШ-оптимизации систем управления // Известия РАН. Теория и сист. управл. 2011, № 3, С. 52 - 61.
2. Веремей Е.И. Оптимизационный подход к моделированию и разработке информационно- управляющих систем / / Прикл. информатика. 2012, № 6 (42), С. 31-41.
3. Когнитивный вызов и информационные технологии / Г.Г.Малинецкий [и др.] // Препринты ИПМ им. М.В.Келдыша. 2010. № 46. 28 с. URL: http://library.keldysh.ru/preprint.asp?id=2010-46.
4. Краснощеков П.С., Морозов В.В., Попов Н.М. Оптимизация в автоматизированном проектировании. М.: МАКС-Пресс, 2008.
5. Моисеев Н.Н., Иванилов Ю.П., Столярова Е.Н. Методы оптимизации. М.: Наука, 1978.
6. Veremey E.I. Dynamical Correction of Positioning Control laws // IFAC Proceedings Volumes (IFAC-PapersOnline), Proceedings of the 9th IFAC Conference on Control Applications in Marine Systems (CAMS 2013). Osaka, Japan, 2013. Volume 46, Issue 33, pp. 31-36 (2013).
7. Veremei E.I. Synthesis of multi-objective control laws for ship motion / / Gyroscopy and Navigation. - Volume 1, Issue 2. -April 2010. - Pages 119-125.
8. Lagarias, J.C., J. A. Reeds, M. H. Wright, and P. E. Wright, "Convergence Properties of the Nelder-Mead Simplex Method in Low Dimensions," SIAM Journal of Optimization, Vol. 9 Number 1, pp. 112-147, 1998.
9. Simulink Design Optimization: User's Guide. - Natick (Mass.): The MathWorks, Inc., 2012.
References
1. Veremey E.I. Algoritmy resheniya odnogo klassa zadach НШ-optimizatsii sistem upravleniya // Izvestiya RAN. Teoriya i sist. upravl. 2011, № 3, S. 52 - 61.
2. Veremey E.I. Optimizatsionnyy podkhod k modelirovaniyu i razrabotke informatsionno- upravlyayushchikh sistem // Prikl. informatika. 2012, № 6 (42), S. 31-41.
3. Kognitivnyy vyzov i informatsionnye tekhnologii / G.G.Malinetskiy [i dr.] / / Preprinty IPM im. M.V.Keldysha. 2010. № 46. 28 s. URL: http://library.keldysh.ru/preprint.asp?id=2010-46.
4. Krasnoshchekov P.S., Morozov V.V., Popov N.M. Optimizatsiya v avtomatizirovannom proektirovanii. M.: MAKS-Press, 2008.
5. Moiseev N.N., Ivanilov Yu.P., Stolyarova E.N. Metody optimizatsii. M.: Nauka, 1978.
6. Veremey E.I. Dynamical Correction of Positioning Control laws // IFAC Proceedings Volumes (IFAC-PapersOnline), Proceedings of the 9th IFAC Conference on Control Applications in Marine Systems (CAMS 2013). Osaka, Japan, 2013. Volume 46, Issue 33, pp. 31-36 (2013).
7. Veremei E.I. Synthesis of multi-objective control laws for ship motion / / Gyroscopy and Navigation. - Volume 1, Issue 2. -April 2010. - Pages 119-125.
8. Lagarias, J.C., J. A. Reeds, M. H. Wright, and P. E. Wright, "Convergence Properties of the Nelder-Mead Simplex Method in Low Dimensions," SIAM Journal of Optimization, Vol. 9 Number 1, pp. 112-147, 1998.
9. Simulink Design Optimization: User's Guide. - Natick (Mass.): The MathWorks, Inc., 2012.
Поступила 10.10.2016
Об авторе:
Веремей Евгений Игоревич, доктор физико-математических наук, профессор, заведующий кафедрой компьютерных технологий и систем факультета прикладной математики-процессов управления Санкт-Петербургского государственного университета, [email protected].
