معادله ریکاتی جبری (Algebraic Riccati Equation - ARE)، در ریاضیات (Mathematics)
انواع معادلات (Equation) را در آموزش زیر شرح دادیم :
معادله ریکاتی جبری (Algebraic Riccati Equation - ARE) :
🔍 تعریف: معادله ریکاتی جبری (ARE) حالت پایای (steady-state) معادله ریکاتی ماتریسی وابسته به زمان است. این معادله در کنترل بهینه خطی درجه دوم (LQR) و فیلتر کالمن به کار می رود.
\[ A^T P + P A + Q - P B R^{-1} B^T P = 0 \]📌 ویژگی های اصلی:
معادله جبری: مشتقات زمانی صفر شده اند.
جواب مثبت معین: تحت شرایط کنترل پذیری و رویت پذیری، ARE یک جواب مثبت معین یکتا دارد.
کاربرد در LQR: با حل ARE، ماتریس بهره کنترل بهینه
\[ K = R^{-1} B^T P \]به دست می آید.
کاربرد در فیلتر کالمن: معادله مشابهی برای کوواریانس خطای تخمین وجود دارد.
💡 مثال های متنوع:
🔹 مثال ۱ (LQR): برای سیستم
\[ \dot{x} = Ax + Bu \]با تابع هزینه
\[ J = \int (x^T Q x + u^T R u) dt \].
🔹 مثال ۲ (فیلتر کالمن): ARE برای تخمین حالت با نویز فرآیند و اندازه گیری.
🔹 مثال ۳: کنترل
\[ H_\infty \]نیز به AREهای خاصی منجر می شود.
🌍 کاربردها: طراحی کنترل کننده های بهینه (LQR)، فیلتر کالمن (ناوبری، ردیابی)، کنترل مقاوم (H₂ و H∞)، و اقتصادسنجی.
📝 نکته جالب: ARE سنگ بنای طراحی کنترل کننده های مدرن در صنایع هوافضا، رباتیک، و خودروسازی است. برای مثال، سیستم کنترل پرواز هواپیماهای مدرن (مانند F-16) از این روش استفاده می کنند.
🧮 روش های حل عددی: روش های متعددی برای حل ARE وجود دارد: روش شور (Schur method) که مبتنی بر تجزیه شور یک ماتریس همیلتونی است، روش های تکراری مانند روش نیوتن، و روش های مبتنی بر حل معادله ریکاتی ماتریسی وابسته به زمان تا رسیدن به حالت پایا.
⚠️ نکته: ماتریس همیلتونی
\[ H = \begin{pmatrix} A & -B R^{-1} B^T \\ -Q & -A^T \end{pmatrix} \]نقش کلیدی در حل ARE دارد. زیرفضای پایدار (stable subspace) این ماتریس جواب ARE را به دست می دهد.
📈 LQR: کنترل کننده LQR حاصل از ARE، سیستم حلقه بسته
\[ \dot{x} = (A - BK)x \]را پایدار می کند و تابع هزینه را کمینه می نماید.
🔬 مثال عددی: برای سیستم
\[ \dot{x} = x + u \]با Q=1, R=1، ARE:
\[ 2P + 1 - P^2 = 0 \]⇒
\[ P = 1 \pm \sqrt{2} \]که جواب مثبت
\[ P = 1+\sqrt{2} \]انتخاب می شود. بهره کنترل
\[ K = R^{-1} B^T P = 1+\sqrt{2} \].
