2012 | OriginalPaper | Buchkapitel
Lineare quadratische Gaußsche (LQG-)Optimierung
verfasst von : Markos Papageorgiou, Marion Leibold, Martin Buss
Erschienen in: Optimierung
Verlag: Springer Berlin Heidelberg
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Wir werden in diesem Kapitel ein besonderes Problem der stochastischen optimalen Regelung mit unvollständiger Information (vgl. Abschn. 16.6) behandeln, das für praktische Anwendungen aufgrund seiner relativ einfachen, selbst bei hochdimensionalen Aufgabenstellungen in Echtzeit ausführbaren Lösung eine große Bedeutung erlangt hat. Es handelt sich um die Minimierung des Erwartungswertes eines quadratischen Gütefunktionals unter Berücksichtigung linearer, durch gaußverteiltes weißes Rauschen gestörter Zustandsgleichungen auf der Grundlage von gestörten Ausgangsgrößenmessungen. Diese Problemstellung kündigte sich bereits in den Abschnitten 12.6 und 16.5 an, als wir feststellten, dass zwar die mittels (deterministischer oder stochastischer) LQ-Optimierung entstehenden Regelgesetze eine vollständige Zustandsrückführung verlangen, dass aber die Messung
aller
Zustandsvariablen für die meisten praktischen Anwendungen aus technischen bzw. wirtschaftlichen Gründen ausgeschlossen ist. Die Lösungsverfahren dieses Kapitels sind allgemein als
LQG-Optimierung
oder auch
LQG-Regelung
bekannt und sind im Wesentlichen auf die Arbeiten von
R.E. Kalman
zurückzuführen. Wir werden die LQG-Problemstellung für den zeitkontinuierlichen und für den zeitdiskreten Fall in zwei getrennten Abschnitten 18.1 und 18.2 behandeln.