Aproximativní přístup k prediktivnímu řízení systémů s dynamikou dvojitého integrátoru

Abstract

Prediktivní řízení je v současnosti jednou z nejpopulárnějších strategií řízení. Mezi hlavní výhody prediktivního řízení lze bezesporu zařadit schopnost vyhovět případným omezením s menší náročností, než je tomu v případě konkurenčních strategií, i když větší výpočetní složitost rostoucí přirozeně s délkou prediktivního horizontu zůstává stále jednou z jeho největších slabin. Z tohoto důvodu byly metody prediktivního řízení zpočátku vyvíjeny pro potřeby chemického průmyslu, kde sloužily k regulaci pomalých chemických procesů. S dramatickým nárůstem výpočetní síly v posledních letech však prediktivní řízení proniká do stále nových oblastí. Aktuálně jsou techniky prediktivního řízení testovány a nasazovány i pro regulaci elektromechanických systémů, kde je nutné generovat akční zásah s velmi malou periodou. V případě návrhu prediktivního řízení pro takové systémy je však třeba, i přes veškeré výpočetní schopnosti dnešní výpočetní techniky, podstatně krátit prediktivní horizont. Důležitou otázkou tak je, jak se projeví dramatické zkrácení prediktivního horizontu na samotné kvalitě prediktivního řízení.

Tato disertační práce se věnuje návrhu prediktivního řízení pro speciální třídu systémů, jež se označuje jako systémy s dynamikou dvojitého integrátoru. Ve zmíněné třídě se pak práce soustředí na takové systémy, kde velká rychlost generování akčního zásahu představuje požadovanou vlastnost pro ně navrženého algoritmu prediktivního řízení. Práce zkoumá, jak se projevuje zkrácení prediktivního horizontu na celkové kvalitě prediktivního řízení těchto systémů a zda-li je možné případné kvalitativní nedostatky prediktivního řízení s krátkým prediktivním horizontem nějak eliminovat. K eliminaci nedostatků pak využívá právě paralelu řešené třídy systémů s dynamikou dvojitého integrátoru. Výsledkem jsou výpočetně efektivní algoritmy prediktivního řízení, které mohou obstát i ve srovnání s konkurenčními přístupy prediktivního řízení.