模型協調法

模型協調法

模型協調法又叫“可行分解法”,是一種關聯預估型協調方法,它藉助於對關聯輸出的預估來進行協調,通過固定某些相互作用變數構成第一級問題,而把確定這些協調變數的任務分配給第二級,這種方法在解決靜態最最佳化問題時很有用。模型協調法的優點是,採用任意的步長,在任何階段終止計算,都得到實際可行解,因此通常稱之為可行性解法(feasible-method)。另外,協調變數有明確的物理意義,憑經驗和直觀來估計初值是容易的。但是,這個算法也有不足之處,它通常只適合於輸出是可控制的系統。

基本介紹

  • 中文名:模型協調法
  • 外文名:model coordination method
  • 所屬學科:數學
  • 別名:可行分解法
  • 所屬問題:控制理論(大規模系統)
基本介紹,基本過程,

基本介紹

模型協調法(model coordination method)是處理大系統問題的一種基本分解、協調方法。其特點是把子系統間的關聯變數作為協調變數,並進行預估。比起集中計算,該方法的計算量要大為減少。
為對一個大系統進行遞階控制,把這個大系統分解成許多子系統,這樣把一個給定的大系統變換成多級系統,再對所得子系統進行協調控制,這樣一種方法就是分散協調法分散協調法(disperse coordinating method),有兩種分散協調法,一是目標協調法,又叫“對偶可行分解法”;另外一種辦法是模型協調法,又叫“可行分解法”。
目標協調法是它通過切斷子系統之間的一切聯繫,來消除相互作用。這樣就把問題分解成許多解耦子問題,即第一級問題。第二級問題是在第一級問題的基礎上,迫使第一級問題的解滿足相互作用平衡原理,實際上由於第二級數值計算收斂慢,故套用不廣泛。另外一種辦法是模型協調法,它通過固定某些相互作用變數構成第一級問題,而把確定這些協調變數的任務分配給第二級,這種方法在解決靜態最最佳化問題時很有用。

基本過程

下面以靜態最最佳化問題為例來介紹模型協調方法的基本過程:
滿足條件
這裡
狀態向量
是控制向量,
是子系統間的關聯向量。把所討論的問題和目標函式分解成兩個子系統:
式中
分別是第
個子系統的狀態向量、控制向量和關聯向量。這種分解使每個子系統有一個目標函式,然而通過向量
使各子系統仍然是關聯的。模型協調法是對關聯變數做出預估,即取
,在這樣的條件下問題(1),(2)可劃分成下面兩級問題:
第一級問題:對於第
個子系統,求
第二級問題:
分別對下列可行集求上述極小化:
{
存在}
解出的
就作為
的新預估值,返回第一級,直到
為止,其中
為第n次疊代的預估值,
為所需要的精度。最後得到大系統的近似最優控制。

相關詞條

熱門詞條

聯絡我們