最优控制概述

1、概述

例如，有甲乙两个仓库分别存有水泥 1500 包和 1800 包，有 A、B、C 三个工地，分别需要水泥 900 包、600 包和 1200 包。已知从甲库运送到 A、B、C 三个工地，每包水泥的运费分别是 1 元、2 元和4 元；从乙库运送到 A、B、C 三个工地，每包水泥的运费分别是 4 元、5 元和 9 元。应怎样发运这些水泥能使运费最省呢？这就是一个最优分配问题。

设从甲库运往 A、B、C 三个工地的水泥包数分别为 $x_1,x_2,x_3$；从乙运往 A、B、C 三个工地的水泥包数分别为 $x_4,x_5,x_6$，那么总运费 $f(x)$ 将是 $x=(x_1,x_2,x_3,x_4,x_5,x_6{)}^T$ 的函数，即
$$f(x)=x_1+2x_2+4x_3+4x_4+5x_5+9x_6$$

在最优化问题中，$f(x)$ 称为目标函数。最优化的任务在于确定 $x$，使$f(x)$ 为最小（或最大）值。但 $x$ 的选取不是任意的，它要受到约束条件的限制，如：
$$\begin{array}{rl}& x_1+x_2+x_3\le 1500\\ & x_4+x_5+x_6\le 1800\\ & x_1+x_5=900\\ & x_2+x_5=600\\ & x_3+x_6=1200\end{array}$$

在本例中，目标函数 $f(x)$ 和约束条件都是自变量 $x$ 的一次函数，称为线性最优化问题。又因为约束条件存在不等式，故属具有不等式约束条件的线性最优化问题。考虑到甲库运往各工地的运费都较乙库的便宜，故应先尽甲库的水泥发送。因此，前两个不等式约束可变成等式约束，即
$$\begin{array}{rl}& x_1+x_2+x_3=1500\\ & x_4+x_5+x_6=1200\\ & x_1+x_5=900\\ & x_2+x_5=600\\ & x_3+x_6=1200\end{array}$$

从而本例是一个具有等式约束条件的最优化问题。

当然，目标函数和约束条件并不限于线性情况，而可能是变量的各种非线性函数。一般地，目标函数用 $J$ 表示：
$$J(x)=f(x)\text{\hspace{1em}(1)}$$

约束条件为等式约束：
$$g_i(x)=0,i=1,2,\cdots ,m\text{\hspace{1em}(2)}$$

和不等式约束：
$$h_j(x)\le 0,j=1,2,\cdots ,l\text{\hspace{1em}(3)}$$

那么，最优化任务，是要在（2）、（3）的约束条件下，寻求 $x$，使（1）的目标函数取最优（最大或最小）值。上述最优化问题，由于变量 $x$ 与时间无关，或在所讨论的时间区间内为常数，因此属于静态最优化问题。在最优控制系统中，由于受控对象是一个动态系统，所有变量都是时间的函数，所以这是动态最优化问题。在动态最优化问题中，目标函数不再是普通函数，而是时间函数的函数，称为泛函。例如在时间定义域 $[t_0,t_f]$ 上的目标泛函为：
$$J={\int }_{t_0}^{t_f}L[x(t),u(t),t]\mathrm{d}t\text{\hspace{1em}(4)}$$

基本约束条件是受控对象的状态方程，如：
$$\dot{x}(t)=f[x(t),u(t),t]\text{\hspace{1em}(5)}$$

式中，$J$ 为标量泛函，对每个控制函数都有一个值与之对应；$L$ 为标量函数，它是矢量 $x(t)$ 和 $u(t)$ 的函数；$x(t)$ 为 $n$ 维状态矢量；$u(t)$ 为 $r$ 维控制矢量；$f$ 为 $n$ 维矢量函数。

最优控制问题是要在满足式（5）的约束条件下寻求最优控制函数 $u(t)$，使式（4）的目标泛函取极值（最大或最小）。
求解动态最优化问题的方法主要有古典变分法，极小（大）值原理及动态规划法等。
应当指出，在求解动态最优化问题中，若将时域 $[t_0,t_f]$ 分成许多有限区段，在每一分段内，将变量近似看作常量，那么动态最优化问题可近似按分段静态最优化问题处理，这就是离散时间最优化问题。

2、研究最优控制的前提条件

2.1 给出受控系统的动态描述，即状态方程
$$\begin{array}{rl}& 连续时间系统\dot{x}(t)=f[x(t),u(t),t]\\ & 离散时间系统x(k+1)=f[x(k),u(k),k]\end{array}\text{\hspace{1em}(6)}$$

2.2 明确控制作用域
在工程实际问题中，控制矢量 $u(t)$ 往往不能在 $R^r$ 空间中任意取值，而必须受到某些物理限制，例如，系统中的控制电压，控制功率不能取的任意大。即 $u(t)$ 要满足某些约束条件，记：
$${\phi }_j(x,u)\le 0,j=1,2,\cdots ,m(m\le r)\text{\hspace{1em}(7)}$$

这时，在 $R^r$ 空间中，把所有满足上式的点 $u(t)$ 的集合，记作：
U = { u ( t ) ∣ φ j ( x , u ≤ 0 ) } (8) U=\{\pmb{u}(t)|\varphi_j(\pmb{x},\pmb{u}\leq0)\}\tag{8} U={u(t)∣φj​(x,u≤0)}(8)

$U$ 称为控制集。把满足
$$u(t)\in U\text{\hspace{1em}(9)}$$

的 $u(t)$ 称为容许控制。

2.3 明确初始条件
通常，最优控制系统的初始时刻 $t_0$ 是给定的。如果初始状态 $x(t_0)$ 也是给定的，则称为固定始端。如果 $x(t_0)$ 是任意的，则称自由始端。如果 $x(t_0)$ 必须满足某些约束条件：
$$\rho [x(t_0)]=0,j=1,2,\cdots ,m(m\le n)\text{\hspace{1em}(10)}$$

相应的始端集为：
Ω 0 = { x ( t 0 ) ∣ ρ [ x ( t 0 ) ] = 0 } (11) \Omega_0=\{\pmb{x}(t_0)|\rho[\pmb{x}(t_0)]=0\}\tag{11} Ω0​={x(t0​)∣ρ[x(t0​)]=0}(11)

此时，$x(t_0)\in {\Omega }_0$，则称为可变始端。

2.4 明确终端条件
类似于始端条件，固定终端是指终端时刻 $t_f$ 和终端状态 $x(t_f)$ 都是给定的。
自由终端是在给定 $t_f$ 情况下，$x(t_f)$ 可以任意取值不受限制。
可变终端则是指 $x(t_f)\in {\Omega }_f$ 的情况。其中
Ω f = { x ( t f ) ∣ φ j [ x ( t f ) ] = 0 } (12) \Omega_f=\{\pmb{x}(t_f)|\varphi_j[\pmb{x}(t_f)]=0\}\tag{12} Ωf​={x(tf​)∣φj​[x(tf​)]=0}(12)

是由约束条件 ${\phi }_j[x(t_f)]=0$ 所形成的一个目标集。

2.5 给出目标泛函，即性能指标
对连续时间系统，一般表示为：
$$J=\Phi [x(t_f)]+{\int }_{t_0}^{t_f}L[x(t),u(t),t]\mathrm{d}t\text{\hspace{1em}(13)}$$

对离散时间系统，一般表示为：
$$J=\Phi [x(N)]+\sum _{k=k_0}^{N-1}L[x(k),u(k),k]\text{\hspace{1em}(14)}$$

上述形式的性能指标由两部分组成，等式右边第一项反映对终端性能的要求，例如对目标的允许误差、脱靶情况等，称为终端指标函数；第二项中 $L$ 为状态控制过程中对动态品质及能量或燃料消耗的要求等，称为动态指标函数。

最优控制问题，就是从可供选择的容许控制集 $U$ 中，寻求一个控制矢量 $u(t)$，使受控系统在时间域 $[t_0,t_f]$ 内，从初态 $x(t_0)$ 转移到终态 $x(t_f)$ 时，性能指标 $J$ 取最小（大）值。满足上述条件的控制 $u(t)$ 称为最优控制 $u^{\star }(t)$。在 $u^{\star }(t)$ 作用下状态方程的解，称为最优轨线 $x^{\star }(t)$。沿最优轨线 $x^{\star }(t)$，使性能指标 $J$ 所达到的最优值，称为最优指标 $J^{\star }$。

按线性二次型性能指标设计的系统，因为是线性控制率，便于工程上实现，所以在实践中获得成功的应用。线性二次型性能指标的一般形式为：
$$\begin{gathered} J=\frac{1}{2}{x}^T(t_f)Q_{0}x(t_f)+\frac{1}{2}{\int }_{t_0}^{t_f}[x^T(t)Q_{1}x(t)+u^T(t)Q_{2}u(t)]\mathrm{d}t \\ 和J=\frac{1}{2}{x}^T(N)Q_0(N)x(N)+\frac{1}{2}\sum _{k=k_0}^{N-1}[x^T(k)Q_1(k)x(k)+u^T(k)Q_2(k)u(k)] \end{gathered}$$

式中，$Q_0,Q_1,Q_2$ 和 $Q_0(N),Q_1(k),Q_2(k)$ 称为加权矩阵。