Использование параллельных вычислений для ускорения настройки
В этом примере показано, как использовать Toolbox™ Parallel Computing для ускорения стратегий многопуска для настройки систем управления с фиксированной структурой.
Фон
Оба systune и looptune используйте локальные методы оптимизации для настройки архитектуры управления под рукой. Чтобы уменьшить риск выхода с локально оптимальным, но глобально плохим проектом, рекомендуется запустить несколько оптимизаций, начиная с различных случайным образом сгенерированных начальных точек. Если у вас есть многоядерная машина или вы имеете доступ к распределенным вычислительным ресурсам, можно значительно ускорить этот процесс с помощью Parallel Computing Toolbox.
В этом примере показано, как параллелизировать настройку автопилота планера с looptune. Смотрите пример «Настройка автопилота с двумя циклами» для получения дополнительной информации об этом приложении looptune.
Настройка автопилота
Динамика планера и автопилота моделируются в Simulink.
open_system('rct_airframe1')
Автопилот состоит из двух каскадных циклов, настраиваемые элементы которых включают два усиления ПИ-контроллера (блок «az Control») и один коэффициент усиления в цикле скорости тангажа (блок «q Gain»). Вертикальное ускорение az должен отслеживать команду azref со временем отклика 1 секунду. Использование slTuner для настройки этой задачи настройки (см. пример «Настройка автопилота с двумя циклами» для получения дополнительной информации):
ST0 = slTuner('rct_airframe1',{'az Control','q Gain'}); addPoint(ST0,{'az ref','delta fin','az','q'}) % Design requirements wc = [3,12]; % bandwidth TrackReq = TuningGoal.Tracking('az ref','az',1); % tracking
Параллельная настройка с LOOPTUNE
Мы готовы настроить коэффициент усиления автопилота с помощью looptune. Чтобы минимизировать риск получения некачественного локального минимума, запустите 30 оптимизаций, начиная с 30 случайным образом сгенерированных значений трех коэффициентов усиления. Сконфигурируйте looptune опции для параллельной обработки этих 30 запусков:
rng('default') Options = looptuneOptions('RandomStart',30,'UseParallel',true);
Следующий вызов looptune чтобы запустить алгоритм настройки. 30 запусков автоматически распределяются между доступными вычислительными ресурсами:
Controls = 'delta fin'; Measurements = {'az','q'}; [ST,gam,Info] = looptune(ST0,Controls,Measurements,wc,TrackReq,Options);
Starting parallel pool (parpool) using the 'local' profile ... connected to 6 workers.
Final: Failed to enforce closed-loop stability (max Re(s) = 0.042)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.039)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.041)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.041)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.041)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.082)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.041)
Final: Peak gain = 1.23, Iterations = 53
Final: Peak gain = 62, Iterations = 92
Some closed-loop poles are marginally stable (decay rate near 1e-07)
Final: Peak gain = 62, Iterations = 128
Some closed-loop poles are marginally stable (decay rate near 1e-07)
Final: Peak gain = 1.23, Iterations = 128
Final: Failed to enforce closed-loop stability (max Re(s) = 0.041)
Final: Peak gain = 1.23, Iterations = 130
Final: Failed to enforce closed-loop stability (max Re(s) = 0.041)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.041)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.04)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.041)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.082)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.041)
Final: Peak gain = 1.23, Iterations = 98
Final: Peak gain = 61.9, Iterations = 79
Final: Failed to enforce closed-loop stability (max Re(s) = 0.039)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.041)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.041)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.041)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.041)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.082)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.051)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.041)
Final: Failed to enforce closed-loop stability (max Re(s) = 0.041)
Final: Peak gain = 1.23, Iterations = 42
Большинство запусков возвращают 1.23 как оптимальное значение усиления, предполагая, что этот локальный минимум имеет широкую область притяжения и, вероятно, будет глобальным оптимумом. Использование showBlockValue чтобы увидеть соответствующие значения усиления:
showBlockValue(ST)
AnalysisPoints_ =
D =
u1 u2 u3 u4
y1 1 0 0 0
y2 0 1 0 0
y3 0 0 1 0
y4 0 0 0 1
Name: AnalysisPoints_
Static gain.
-----------------------------------
az_Control =
1
Kp + Ki * ---
s
with Kp = 0.00165, Ki = 0.00166
Name: az_Control
Continuous-time PI controller in parallel form.
-----------------------------------
q_Gain =
D =
u1
y1 1.985
Name: q_Gain
Static gain.
Постройте график обратной связи для этого набора усилений:
T = getIOTransfer(ST,'az ref','az'); step(T,5)
