УДК 519.876.2
О ЗАДАЧЕ УПРАВЛЕНИЯ МНОГОМЕРНОЙ СИСТЕМОЙ С ЗАПАЗДЫВАНИЕМ
Д.И. Ликсонова, А.В. Медведев
Сибирский федеральный университет Российская Федерация, 660074, г. Красноярск, ул. Академика Киренского 26/1
E-mail: LiksonovaDI@yandex.ru
В работе рассматривается многомерная система с запаздыванием, характеризующаяся стохастической зависимостью входных и выходных переменных. Исследуется задача идентификации и управления системой в условиях непараметрической неопределенности.
Ключевые слова: многомерная система, идентификация, управление, составной вектор, запаздывание, непараметрические алгоритмы
ON THE PROBLEM OF CONTROL OF A MULTIDIMENSIONAL DELAY SYSTEM
D.I. Liksonova, A.V. Medvedev
Siberian Federal University 26/1, Academician Kirensky St., Krasnoyarsk, 660074, Russian Federation E-mail: LiksonovaDI@yandex.ru
The paper considers a multidimensional system with delay, characterized by a stochastic dependence of the input and output variables. The problem of system identification and control under conditions of nonparametric uncertainty is studied.
Keywords: multidimensional system, identification, control, composite vector, delay, nonparametric algorithms
Введение. Задачи идентификации и управления многомерными дискретно-непрерывными системами (процессами) с запаздыванием остаются весьма актуальными [1]. В реальных задачах производства или переработки продукции технолог всегда имеет дело с многомерными системами, в том числе и в ракетно-космических отраслях, а также в технологических процессах производства космической техники. Еще одной отличительной характеристикой является то, что рассматриваемые многомерные системы могут содержать неизвестную стохастическую зависимость компонент вектора входных и выходных переменных. При рассмотрении задач моделирования и управления подобными системами весьма важно учитывать такую информацию [2], т.к. в противном случае может получиться не точная к применению модель и, соответственно, некачественное управление. Особое влияние оказывает и априорная информация по разным каналам многомерной системы.
Задача идентификации. Для рассмотрения понятия многомерной системы воспользуемся
рисунком 1, где u(t) = (u1 ((),...uk((),...,um(t)), uk e0(uk), k = 1,m - m-мерный вектор входных
переменных; x(t) = (((t),...,xj(t),...,xn(t)), xj eQ(ij) j = 1,n - n-мерный вектор выходных
переменных; d;(t) - случайные помехи. Вертикальные стрелки означают зависимость входных и выходных переменных между собой, стрелки внутри объекта показывают различные каналы взаимодействия входных и выходных переменных.
Актуальные проблемы авиации и космонавтики - 2022. Том 2
Рис. 1. Схема многомерной системы
По многочисленным каналам системы, из рисунка 1, зависимость выходной компоненты ху может быть представлена в виде некоторой зависимости от входных компонент ик :
х<у> = {и<;>), ] = 1, п , где х<'> - составной вектор. Выходная переменная ху может зависеть как от всех входных ик, так и от некоторых. Также можно наблюдать зависимости и
входных компонент от выходных. При построении моделей реальных производственных процессов чаще всего векторы входных и и выходных х представляются в виде тех или иных составных векторов [3]. Запишем математическое описание системы в виде:
^ {), х<^ + т),^)) = 0, = М, (1)
где функции {•) - неизвестны, и<]>, х<> - составные векторы, т - известное запаздывание
по различным каналам системы, причем его следует рассматривать как природное свойство объекта (например, это может быть длительность процесса измельчения или переработки). Систему моделей исследуемой системы представим в следующем виде:
Р} {и<»({) х+ т), х,,us,£{0)= 0, у = 1~п, (2)
где х$, и$ - временные векторы (набор данных, поступивший к Б-му моменту времени), функции {), у = 1, п также неизвестны. Поэтому для последующего моделирования и
управления системой можно воспользоваться методами непараметрической статистики или нейронными сетями и др. [2, 4]. Моделирование рассматриваемой системы сводится к
нахождению прогнозируемых значений выходных переменных х, у = 1, п. В этом случае воспользуемся следующим непараметрическим алгоритмом:
$ т (.. _ Л п ( 8' Л $ т ( ' Л п ( 8' ^
х=1,х) п ф\и)п ф7-\1, п п , (3)
г=1 к=1 V $и ) 1=1 V$8 )/ г=1 к=1 V $и ) 1=1 V$8 )
где колоколообразные функции Ф{-) удовлетворяют условиям сходимости, а е1. - это разность между исходными значениями компонент выхода системы х' и их оценками.
Задача управления. В задаче управления многомерной системой необходимо учитывать неизвестные зависимости входных и выходных переменных. Рассмотрим схему управления (рис. 2).
Рис. 2. Схема управления
На рисунке 2 представлены: и(() - входные управляемые переменные объекта; ¡(^) -входные неуправляемые, но контролируемые переменные; х(/) - выходные переменные; <^(() - случайные помехи; х* (() - исходные значения задающих воздействий; х**(/) -задающие воздействия, которые необходимо найти из системы уравнений:
Е (>(), ¡<>>(г), х*<'>(г + т),^)) = 0, ] = й, (4)
где функции Е (•) не известны, а и< >, ¡л'1,
, х
*< г>
______________,___ ^ составные вектора.
Учитывая стохастические зависимости входных и выходных переменных, задающие воздействия, как это принято в теории автоматического управления, нельзя выбирать произвольно, а необходимо их определять некоторым сбалансированным образом. Это
значит, что если х* (() е о(ху), то выбирать только те, где I о(х;.) ^ 0 . Поэтому для
1=1
задающего воздействия х** берем произвольные значения только из области
1—г- ** »_» ».» ** **
Переменную х2 определяем с учетом выбранной переменной х1 , переменную х3 определяем с учетом х** и х** и т.д. В общем виде алгоритм принимает следующий вид:
х]
..-1 1-1 I 4 П г=1 1=1 (х7- х Л<т> П Ф ) к=1 ( г ик - ик Л< р> п )у=1 ( г Л Лу -Лу
у % с У ик У с,л
.1-1 1-1 ( IП г=1 1=1 У ** г Л х - х Х1 Х1 <т> ( П ф к=1 У г Л ик - ик <р> ( П у=1 У ¡у-лУ ^
сх х1 У с ик У с,л У
(5)
Теперь в общем виде запишем алгоритм управления для многомерной системы:
к
и, =
, к-1 ( I ик П ф
г=1 к=1 у
П Ф
ик
1=1
х1 - х1
у
П Ф
_У
( г \
Лу -л
V ^¡¡у
, к-1 ( I П Ф
г=1 к=1
ик у
Л П
П Ф
1=1
(
х.1 - х1
г
П ф
х1 У
у=1
г
Лу-Л сл У
к = 1, т
(6)
Представленные непараметрические алгоритмы идентификации (3) и управления (5) и (6) могут быть использованы для моделирования многомерной системы и для расчета сбалансированных задающих и управляющих воздействий.
Заключение. В работе были рассмотрены непараметрические алгоритмы моделирования и управления многомерной системой, учитывающие стохастические зависимости входных и выходных переменных. При этом особое внимание следует уделить компонентам вектора задающих воздействий х **((), которые требуют специального определения.
Библиографические ссылки
1. Ким Д.П. Теория автоматического управления. Т.2. Многомерные, нелинейные, оптимальные и адаптивные системы: Учеб. Пособие. М.: ФИЗМАТЛИТ, 2004. 464 с.
2. Васильев В.А., Добровидов А.В., Кошкин Г.М. Непараметрическое оценивание функционалов от распределений стационарных последовательностей. М.: Наука, 2004. 508 с.
3. Фельдбаум А. А. Основы теории оптимальных автоматических систем. М.: Физматгиз, 1963. 553 с.
4. Лекун Я. Как учится машина. Революция в области нейронных сетей и глубокого обучения. М.: Альпина, 2021. 336 с.
© Ликсонова Д.И., Медведев А.В, 2022
с
ик ик