Les algorithmes de contrôle modernes nécessitent le réglage des matrices poids carré/pénalité
apparaissant dans les fonctions/coûts quadratiques pour améliorer les performances et/ou la stabilité
sortir. En raison de la simplicité du réglage du gain et de l'application d'une définition positive,
les matrices de pénalités diagonales sont largement utilisées dans les méthodes de contrôle telles que
régulateur quadratique linéaire (LQR), modèle de contrôle prédictif, et basé à Lyapunov
contrôle. Dans ce document, nous proposons une approche de décomposition propre pour
paramétrer les matrices de pénalités, permettant une définition positive avec non nul
entrées hors diagonale à satisfaire implicitement, qui offre non seulement des
avantages de calcul et de mise en œuvre, mais élargit la classe de
contrôles réalisables. Nous résolvons trois problèmes de contrôle: 1) une variante de
Le problème de navigation de Zermelo, 2) contrôle d'attitude d'un engin spatial à énergie minimale
en utilisant à la fois les méthodes basées sur LQR et Lyapunov, et 3) minimum de carburant et minimum de temps
Conception de trajectoire à faible poussée basée sur Lyapunov. L’optimisation des essaims de particules est
utilisé pour optimiser les variables de décision, qui paramétrera la pénalité
matrices. Les résultats démontrent des améliorations allant jusqu'à 65% dans la prestation
objectif dans les exemples de problèmes utilisant la méthode proposée.

Cet article explore les excursions dans le temps et leurs implications.

Télécharger PDF: