Preview

Мехатроника, автоматизация, управление

Расширенный поиск

Асимптотический метод прогнозирования рисков в задачах стохастического контроля и управления

https://doi.org/10.17587/mau.23.395-405

Аннотация

Рассмотрена проблема стабилизации состояния равновесия в нелинейной системе в присутствии шумов, для чего недостаточно решить локальную задачу стабилизации, а необходимо также обеспечить непрерывный мониторинг возможного события перехода в критическое состояние, ведущее к отказу системы. Для организации такого мониторинга мы используем принцип больших уклонений в применении к динамическим системам с малыми возмущениями. Для целей мониторинга имеет значение оптимальный путь, который назван нами А-профилем критического состояния. А-профиль используется для построения ситуационного прогноза в задаче управления рисками многоагентной системы. Кроме нелинейного механизма внутренней стабилизации уровня h для каждого из агентов существуют силы взаимодействия среднего поля между агентами. Слабый предел в этой модели с числом агентов, стремящимся к бесконечности, описывается уравнением Фокера-Планка-Колмогорова, но использование приближения с точностью до O(h2) приводит к конечномерной схеме Вентцеля-Фрейдлина. Согласно этой схеме мы получаем в явном виде A-профиль как решение вырожденного уравнения Абеля второго рода. В то же время аппроксимация по h позволяет разработать метод последовательных приближений для построения A-профиля. В настоящей работе А-профиль синтезируется в результате решения задачи оптимального управления с обратной связью, где используется метод уравнения Риккати, зависящего от состояния, и метод аппроксимирующей последовательности уравнений Риккати. Каждый из этих методов имеет свои преимущества и недостатки. В статье эти методы применяются и сравниваются в рамках задачи управления рисками. 

Об авторах

С. А. Дубовик
Севастопольский государственный университет
Россия

д-р техн. наук, проф.,

г. Севастополь



А. А. Кабанов
Севастопольский государственный университет; ФИЦ "Информатика и управление" РАН
Россия

канд. техн. наук, доц., 

г. Севастополь;

г. Москва



Список литературы

1. Поспелов Д. А. Ситуационное управление: теория и практика. М.: Наука, 1986.

2. Вентцель А. Д., Фрейдлин М. И. Флуктуации в динамических системах под действием малых случайных возмущений. М.: Наука, 1979.

3. Пухальский А. А. Большие уклонения стохастических динамических систем. Теория и приложения. М.: ФИЗМАТЛИТ, 2005.

4. Дубовик С. А. Асимптотическая семантизация данных в системах управления // Мехатроника, автоматизация, управление. 2019. Т. 20, № 8. С. 461—471.

5. Дубовик С. А. Использование квазипотенциалов для контроля больших уклонений управляемых процессов // Мехатроника, автоматизация, управление. 2016. Т. 17, № 5. С. 301—307

6. Дубовик С. А., Кабанов А. А. Функционально устойчивые системы управления: асимптотические методы синтеза. М.: ИНФРА-М, 2019.

7. Дубовик С. А. Синтез "второй сигнальной системы" регулятора на основе принципа больших уклонений. С.-Пб.: Электроприбор, 2020.

8. Kabanov A. A., Dubovik S. A. Methods of modeling and probabilistic analysis of large deviations of dynamic systems // Journal of Physics: Conference Series. 2020. Vol. 1661. Paper no. 012044.

9. Кабанов А. А., Дубовик С. А. Численные методы контроля редких событий в нелинейных стохастических системах // Мехатроника, автоматизация, управление. 2021. Т. 22, № 6. С. 291—297.

10. Çimen T. Survey of state-dependent Riccati equation in nonlinear optimal feedback control synthesis // Journal of Guidance, Control, and Dynamics. 2012. Vol. 35. P. 1025—1047.

11. Nekoo S. R. Tutorial and review on the state-dependent Riccati equation // Journal of Applied Nonlinear Dynamics. 2019. Vol. 8, N. 2. P. 109—166.

12. Topputo F., Miani M., Bernelli-Zazzera F. Optimal selection of the coefficient matrix in state-dependent control methods // Journal of Guidance, Control, and Dynamics. 2015. Vol. 38. P. 861—873.

13. Dawson D. Critical dynamics and fluctuations for a meanfield model of cooperative behavior // Journal of Statistical Physics. 1983. Vol. 31, N. 1. P. 29—85.

14. Garnier J., Papanicolaou G., Yang T.-W. Large deviations for a mean field model of systemic risk // SIAM Journal on Financial Mathematics. 2013. Vol. 4(1). P.151—184.

15. Dawson D. A., Gartner J. Large deviations from the McKeanVlasov limit for weakly interacting diffusions // Stochastics. 1987. Vol. 20. P. 247—308.

16. Зайцев В. Ф., Полянин А. Д. Справочник по нелинейным дифференциальным уравнениям: приложения к механике, точные решения. М.: ФИЗМАТЛИТ, 1993. 464 с.

17. Heydari A., Balakrishnan S. N. Closed-form solution to finite-horizon suboptimal control of nonlinear systems // International Journal of Robust and Nonlinear Control. 2014. Vol. 25. P. 2687—2704.

18. Çimen T., Banks S. P. Global optimal feedback control for general nonlinear systems with nonquadratic performance criteria // Systems & Control Letters. 2004. Vol. 53. P. 327—346


Рецензия

Для цитирования:


Дубовик С.А., Кабанов А.А. Асимптотический метод прогнозирования рисков в задачах стохастического контроля и управления. Мехатроника, автоматизация, управление. 2022;23(8):395-405. https://doi.org/10.17587/mau.23.395-405

For citation:


Dubovik S.A., Kabanov A.A. An Asymptotic Method for Predicting Risks in Problems of Stochastic Monitoring and Control. Mekhatronika, Avtomatizatsiya, Upravlenie. 2022;23(8):395-405. (In Russ.) https://doi.org/10.17587/mau.23.395-405

Просмотров: 442


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1684-6427 (Print)
ISSN 2619-1253 (Online)