Автоматика Автоматизация Архитектура Астрономия Одит Биология Счетоводство Военна генетика География Геология Държавна къща Друга журналистика и медийни изобретения Чужди езици Информатика История на изкуството Компютри Кулинарна култура Лексикология Литература Логика Маркетинг Математика Механика Механика Мениджмънт Метал и заваръчна механика Музика Население Образование Сигурност Безопасност на труда Трудова педагогика Политика Право Pryborostroenye Програмиране Производство индустрия Психология P DiO Rehylyya Communications Социология Спорт стандартизация Строителни технологии Търговия Туризъм Физика физиология Философия Финанси Химия икономика Tsennoobrazovanye Cherchenye Екология Эkonometryka икономиката Електроника Yuryspundenktsyya

Тема 3. ОПТИМИЗИРАНЕ НА ТЕХНОЛОГИЧНИ ПРОЦЕСИ, КОИТО НЕ Е ИЗПЪЛНЕНИЕ

Прочетете още:
  1. Взаимодействие на процесите. Разпределена памет. семафори
  2. ГЛОБАЛИЗАЦИЯТА КАТО НОВ ЕТАП НА РАЗВИТИЕ НА ИНТЕГРАЦИОННИТЕ ПРОЦЕСИ В СВЕТОВНАТА ИКОНОМИКА
  3. Елементи на теорията на случайните процеси
  4. Общи принципи на автоматизация на технологичните процеси
  5. Класификация на формулярите и печатарски процеси
  6. Методологични принципи на отчитане на икономическите процеси
  7. Механизация и автоматизация на процесите на водене на записи
  8. Необратими процеси
  9. ОПИСАНИЕ НА ПРОИЗВОДСТВЕНИТЕ ПРОЦЕСИ
  10. Оптимизирайте разходите за дървените трупи.
  11. Оптимизиране на разходите за логотип (на компютър)
  12. Клетъчна оптимизация

Компоненти на изявлението за оптимизационния проблем. Класификация и въвеждане на оптимистични задачи. Типични задачи за оптимизация. Прилагане на методи за търсене на градиент. Общи характеристики на управляващите алгоритми за такива обекти. Алгоритми за релаксация, най-бързо спускане и градиент. Детерминистични алгоритъмни алгоритми на Gauss-Seidel, сканиране и симплекс. Структурни схеми за прилагането на такива алгоритми. Алгоритми за оптимално управление, използващи модели С и А.

Оптимизирането на непрекъснатите процеси (NTPs) е най-очевидният проблем на вирулентността в следната последователност:

1) обектът се определя във физическото и времевото пространство;

2) се избира контролния критерий и се формулира целта за управление и се определя обектът в пространството на променливите;

3) се синтезира структурата на обектния модел;

4) идентифициране на параметрите на модела;

5) алгоритъмът за управление се синтезира и изпълнява.

Основните етапи, с изключение на втория и петия, в една или друга форма, се разглеждат в предходните дисциплини или раздели на тази дисциплина, затова ние ще спрем по-подробно на тези етапи.

Изясняването на проблема за синтеза на алгоритъма за оптимален контрол в общия случай е както следва:

I = j (x, u, z, a) à opt (u ÎW ) u u * или x * (14)

f (х, у, z, b) = 0, (15)

W: 0 з (х, у, z), (16)

g (х, у, z) = 0, (17)

където I - вектор на критериите за управление; x, x * - вектор на променливите на състоянието на обекта и неговата оптимална стойност; z - вектор на смущение; u, u * - контролния вектор и неговата оптимална стойност; j - целева функция; f - векторна функция, която е математически модел (MM) на обект за технологичен контрол (TOC); h, g - векторна функция на ограниченията, съответстващи на неравенства и равенства, като се вземе предвид ресурсът, определен за контрол; a, b е вектор на параметрите, съответстващи на целевата функция (14) и MM (15).

Така, проблемът (14) изисква оптимизиране на I чрез избиране на подходящи контроли, които отговарят на ограничението W. В зависимост от конкретните вектори на проблема (14) те се класифицират, както следва:

по броя на критериите за управление: еднолитрови ( I- glass) и ba-gatocritorial ( I - vector) задачи за оптимизация;

по тип обект модел: задачи статична и динамична оптимизация; в първата е функция, в друга е оператор. В последния случай се решава вариационният проблем на определяне на векторната функция u * (t), като критерият и ограничаването стават функционални и ограничаването на типа на равенството е гранични условия;



за пълнота на информацията за обекта: обекти с пълна информация (OPI), обекти с непълна информация (ONI) и лошо дефинирани обекти (PVO) .Първите включват тези, за които f, h, g и известни х и z . В обекти с непълна информация някои компоненти на вектора z , векторни функции h и векторни параметри b на модел f самостоятелно или заедно са неизвестни . За лошо обозначените обекти са обекти с неизвестен математически модел f и непълни познати компоненти на вектора z .

За оптимизиране на ОИ се използват аналитични алгоритми или алгоритми за математическо програмиране без обратна връзка. Аналитичните включват алгоритми, базирани на такива методи: класически анализ, несигурни Lagrange множители, вариационен брой и максимален принцип. Първият се използва в отсъствието на каквото и да е ограничение в задачата за оптимален контрол, вторият - при наличието на ограничения на типа равенство, третият - в присъствието на ограничения като равенство и неравенство. Методите за математическо програмиране включват методи: линейно програмиране (използвано за процеси, описани от линейни алгебрични уравнения с контролен критерий под формата на линейна функция); геометрично програмиране (използвано за процеси, описани от отношенията под формата на алгебрични полиномни функции); динамично програмиране (използвано за многоетапни процеси с критерий за оптималност под формата на добавъчна функция).

За да се оптимизира ONI , се използват и алгоритми, но с използването на ZZ , който се използва в тези системи или само за коригиране на траекторията x (t) (контрол с C-модела) или в допълнение към траекторията, параметрите на модела ). Устройството за управление в тази система (фигура 12) съдържа блок за оценка на променливите на състоянието на BSS, блока за корекция BC, математическия модел MM и блока за оптимално управление на BOC. Един от основните проблеми в такива системи е задачата да се оцени състоянието на вектора на обект, изпълняван от звеното CBOS. Необходимостта от използването на този блок е свързана, на първо място, с факта, че броят на измервателните променливи, като правило, е по-малък от броя на компонентите на държавния вектор.

‡ зареждане ...


За да се оптимизира противовъздушната отбрана, системите се изграждат с алгоритми за търсене . Методите в езика се използват широко в проблемите на нелинейното програмиране (NP), когато и критерият, и ограниченията са нелинейни зависими от входните променливи или е трудно да се изчислят. Методите на NP се разпределят в следните класове: градиент, градиент и случайно търсене, а градиентските методи се използват обикновено, когато търсенето е на модел, докато други се използват при търсене на обект.

Основата на градиентните методи е анализът и изчислението на производното на обективната функция I ( u ) . Най-широко разпространените сред градиентските методи са три метода: релаксация, градиент и най-бързото спускане. При метода на релаксация търсенето се задвижва от аксиалните посоки, които променят само един вектор за управление на стъкло-вектор, така че този метод изисква най-малко изчислителни разходи в сравнение с други методи на градиента и най-голямо време за търсене. При метода на градиента посоката на търсенето определя градиента, така че времето за търсене е най-малкото и изчислената цена е най-голяма. При метода на най-бързото спускане в началото посоката на движение определя градиента, но тогава посоката на движение не се променя, за да се намери екстремума в тази посока. Следователно, по отношение на изчислителните разходи и времето на търсене, този метод заема средна позиция. Общи недостатъци на градиентните методи:

1) откриват само локален екстремум;

2) Възможно "заглушаване" на процедурата за търсене във всяка точка на ограничаване на вида неравенства на целевата функция или във всяка точка на "дерето" на целевата функция, особено когато посоката на "проломите" не съвпада с аксиалните линии;

3) процедурата за търсене не е ефективна, ако търсенето се извършва без средната стойност на обекта.

При методите за търсене без градиент се използва информация, но не и от анализа на деривати, а от сравнението на стойността на критерия за оптимизация (KO), дефиниран в две последователни стъпки. Най-често тези методи се използват за многомерни (с няколко входни променливи) търсения без градиент: координатно спускане (Gauss-Seidel), сканиране (анализ) или симплекс.

Метод Gauss-Seidel. Това е не-градиентен аналог на метода на релаксация, чието премахване се състои във факта, че на всяка стъпка, а не в производното, но се анализира стойността на KO. Методът Gauss-Seidel също има недостатъци като метода на целуване на релета, но изисква по-малко изчисления поради липсата на изчисления на производното на целевата функция.

Метод на сканиране (английски сканиране - зрително поле). Тя се състои в последователен преглед на стойностите на KO в предварително определените точки на повърхността на отговора на целевата функция, а точността на метода се определя от това, колко плътно са разположени избраните точки. Основното предимство на метода е способността да се определи глобалният критерий, независимо от вида на целевата цел за отговор. Недостатъкът е голям брой изчисления.

Метод Simplex. Състои се от определяне на CO в върховете на изпъкнал многоъгълник - симплекс, при който n-пространственото пространство се разбира от много лице, което има n + 1 върхове. В двумерно пространство той е триъгълник в триизмерна пирамида. В хода на движението върховете на симплексите с най-високи стойности на целевата функция (при търсене на минимум) се изключват от симплексните върхове, а от другата страна се изгражда нов симплекс, който се различава от предходното разположение на само един връх. Този метод е градиентен аналог на градиентния метод. Неговите недостатъци съответстват на недостатъците на градиентния метод, с изключение на това, че в този случай, на първо място, не е необходимо да се изчисляват частични производни и градиент, и второ, неговото изпълнение не изисква значително увеличение на разходите за изчисляване с увеличаване на размера на проблема.

Литература за независима работа: [4] P.366-381; [11], стр.87-97; [1] P.28-30; [5] P.230-235.

Контролни въпроси

1. Какви са компонентите на проблема за оптимизиране на непрекъснатите технологични процеси? С какви функции се класифицират тези задачи? Какви са класовете оптимални алгоритми за управление и в зависимост от това какви са те?

2. Какви обекти принадлежат на обекти с пълна информация и кои алгоритми за оптимален контрол се прилагат към такива обекти? Дайте им сравнителна оценка.

3. Какви обекти принадлежат на обекти с непълна информация и кои алгоритми за оптимален контрол се прилагат върху такива обекти? Дайте им порест резултат.

4. В кои случаи, когато решавате проблеми с оптималния контрол, използвайте алгоритми за търсене? Какви са трите класа на такива алгоритми? Какви методи принадлежат на градиента и кога се препоръчва да ги използвате? Какви са общите недостатъци на тези методи?

5. Каква е същността на метода на релаксация? Как определя началото и края на търсенето? Какви са стратегиите за промяна на стъпката за търсене? Какви са недостатъците и предимствата на този метод за други градиентни методи?

6. Каква е същността на метода на градиента? Как определя началото и края на търсенето? Какви са стратегиите за промяна на стъпката за търсене? Какви са недостатъците и предимствата на този метод за други градиентни методи?

7. Каква е същността на метода за най-бърз спускане? Как определя началото и края на търсенето? Какви са стратегиите за промяна на стъпката за търсене? Какви са недостатъците и предимствата на този метод за други градиентни методи?

8. Какви методи принадлежат на не-половете и кога се препоръчва да бъдат използвани? Какво е предимството на тези методи преди наклона? Каква е същността на метода на определяне на координатите? Какъв е наклонният аналог на тази методика? Какви са недостатъците и предимствата на този метод?

9. Каква е същността на метода на сканиране? Какви са методите за намаляване на броя на изчисленията при прилагане на този метод? Какви са неговите недостатъци и предимства?

10. Каква е същността на метода на симплекс? От какво зависи изгледът на симплекс? Какво представлява простият симплекс и кога се използва? Какъв е аналоговият градиент на този метод? Какви са недостатъците и предимствата на този метод?

11. Опишете и опишете структурата на оптималната система за управление на обект с пълна информация. Кога може да се използва алгоритъмът на класическия анализ в тази система и каква последователност от решение на оптималния проблем с този алгоритъм?

12. Опишете и опишете структурата на оптималната система за управление на обект с пълна информация. Кога може да се прилага алгоритъм-ритъм с Lagrange множители в тази система и каква последователност от решения на оптималния проблем с този алгоритъм?

13. Опишете и опишете структурата на оптималната система за управление на обект с пълна информация. Кога може да се приложи алгоритъм въз основа на максимален принцип в тази система?

14. Напишете и опишете структурата на оптималната система за управление на обекта с пълна информация. Когато в тази система се използват алгоритми, базирани на методи за математическо програмиране?

15. Осигурете и опишете структурната схема на оптималната система за управление с C-модел за обект с непълна информация. Какво се използва в тази система и как функционира единицата за оценка на състоятелните променливи?

16. Да се ​​опише и опише структурната схема на оптималната система за управление с C-модел за обект с непълна информация. Защо в тази система в случай на решаване на проблемите динамична оптимизация се използват и как функционира блокът на математическия модел?

17. Да се ​​опише и опише структурната схема на оптималната система за управление с А-модел за обект с непълна информация. Какво се използва в тази система и как функционира единицата за оценка на състоятелните променливи?

18. Да се ​​опише и опише структурната схема на оптималната система за управление с А-модел за обект с непълна информация. Каква е ползата от обратната връзка в тази система?

19. Да се ​​опише и опише структурната схема на оптималната система за управление с А-модел за обект с непълна информация. Какво се използва в тази система и как функционира блокът за корекция?

20. Осигурете и опишете структурната схема на оптималната система за управление с А-модел за обект с непълна информация. Защо в тази система в случай на решаване на проблемите динамична оптимизация се използват и как функционира блокът на математическия модел?


1 | 2 | 3 | 4 | | 5 6 | 7 | 8 | 9 |


Когато използвате материал, поставете връзка към bseen2.biz (0.094 сек.)