4 Varijacioni ra

cun
Zadatak 4.1 Odrediti krivu minimalne duzine koja spaja tacku x(t = 0) =
1 i pravu t = tf = 2.
Resenje. Resenje postavljenog problema je ocigledno prava linija x(t) = 1,
t [0, 2]. Medutim, do resenja cemo doci i analiticki, primenom metoda
varijacionog racuna.
Neka je sa ds oznacen prirastaj duzine duz krive koja polazi iz tacke
x(0) i zavrsava se na pravoj tf = 2. Kako je od interesa da ova duzina bude
minimalna, mozemo definisati kriterijumsku funkciju koja zavisi od putanje
x(t)
Z 2
J(x) =
ds,
t=0

i problem postaviti kao minimizaciju ove funkcije. Infinitezimalni prirastaj

duzine ds iznosi
p
ds = (dx)2 + (dt)2 ,
gde je dx prirastaj duz ordinate, a dt prirastaj duz apscise. Kako je
s
2 p
ds
dx
= 1+
= 1 + x 2 ,
dt
dt
kriterijumsku funkciju mozemo izraziti u obliku
Z

2p

1 + x 2 dt.

J(x) =
0

U opstem slucaju, kriterijumska funkcija data je sa

Z
J(x) =

tf

[x(t), x(t),

t] dt,

t0

a problem varijacionog racuna jeste odredivanje one funkcije x : [t0 , tf ] R

koja minimizira J(x). Treba primetiti da je argument kriterijumske funkcije
putanja x(t), odnosno da je argument funkcija, a da je vrednost funkcije J(x)
skalar. Ovakvi izrazi nazivaju se funkcionalima, i ponekad se oznacavaju sa

MS1OUS Optimalno upravljanje sistemima

Jhxi, kako bi se naglasilo da je argument po kom treba vrsiti minimizaciju

funkcija x(t).
Oznacimo optimalnu trajektoriju sa x
(t). Neka je (t) neka perturbacija,
odnosno odsutanje od optimalne putanje, a realni skalar. Bilo koju trejektoriju x(t) mozemo predstaviti kao
x(t) = x
(t) + (t).

(4.1)

Vrednost funkcionala J(x) mora biti minimalna za x(t) = x

(t), tako da je
J(
x + ) najmanje za = 0, bez obzira na oblik perturbacije (t). Ovo
znaci da vrednost prvog izvoda funkcionala J(x) po mora biti jednak nuli
za = 0:

J(x)
= 0.

=0

Izraz sa leve strane ove jednakosti naziva se prvom varijacijom funkcionala

J(x), i oznacava se sa J(x). Primenom lancanog pravila diferenciranja,
imamo da je
(x, x,
t)
(x, x,
t) x (x, x,
t) x
=
+
.

Na osnovu jednacine (4.1) dobijamo

x
= (t),

x
= (t),

pa J/ postaje

Z tf
J(x)

(t) +
(t)

dt = 0.
=
=0
x
x
t0
Primenom parcijalne integracije, lako se pokazuje da vazi:
tf Z t
Z tf
f

d
dt =
(t)
(t)
dt
(t)

x
dt x
t0 x
t0
t0
Za = 0 imamo da je x(t) = x
(t), pa iz (4.2) i (4.3) dobijamo
tf

Z tf

(t)

(t) = 0.
dt +

x
dt x

t0
t0

(4.2)

(4.3)

(4.4)

Izvedena relacija mora da vazi za bilo koju prerturbaciju (t). Ona ce sigurno
biti zadovoljena ukoliko je

=0
x
dt x

(t) = 0 za t {t0 , tf }
x

(Euler-Lagrangeova jednacina) (4.5)

(uslovi transverzalnosti)

(4.6)

un
4 Varijacioni rac

Resavanjem Euler-Lagrangeove jednacine uz zadovoljene uslove transverzalnosti dobija se optimalna putanja x

(t). Medutim, jednacine (4.5) i (4.6)
daju dovoljne, ali ne nuzno i potrebne uslove pri kojima je putanja x(t)
optimalna.
Uslovi transverzalnosti u nekim slucajevima ne postavljaju nikakvo ogranicenje na izraz / x
. Na primer, ukoliko je pocetna ili krajnja tacka fiksirana, odnosno ukoliko je zadato x(t0 ) ili x(tf ), onda svakapa i optimalna
putanja mora imati ove granicne vrednosti. U ovom slucaju bi perturbacija
(tb ) u ovim tackama morala biti jednaka nuli, jer je x(tb ) = x
(tb ) (tb predstavlja granicni, odnosno pocetni ili krajnji trenutak). Samim tim ce (tb )
x

biti jednako nuli, pa je odgovarajuci uslov transverzalnosti nepotreban.

Ukoliko su t0 , tf , x(t0 ) i x(tf ) zadati, uslovi transverzalnosti su automatski zadovoljeni, jer je (t0 ) = (tf ) = 0. Euler-Lagrangeov uslov
(4.5) sada postaje potreban i dovoljan, a ne samo dovoljan. Naime, ukoliko
imamo da izraz
Z tf
(t)r(t) dt = 0
t0

treba da bude zadovoljen za svako (t), onda ocigledno funkcija r(t) mora
biti identicki jednaka nuli. Ovo se lako vidi ukoliko usvojimo (t) = r(t);
podintegralna funkcija postaje r2 (t), i sa obzirom da je njena vrednost
nenegativna na intervalu integracije, njen integral jednak je nuli samo ako
je r(t) 0. Navedeni rezultat poznat je pod nazivom fundamentalna
lema varijacionog racuna. Njenom primenom na (4.4) dobijamo da EulerLagrangeov uslov postaje potreban i dovoljan.
Vratimo se na postavljeni zadatak. U nasem slucaju je
p

x
= 0,
=
(x, x,
t) = 1 + x 2 ,
x
x
1 + x 2
pa Euler-Lagrangeova jednacina postaje

d
x

= 0.
dt
1 + x 2
Njenom integracijom dobijamo

= c = const.
1 + x 2

x
=

c2
= a.
1 c2

Ponovnom integracijom izvedenog izraza za x

dobijamo
x
(t) = at + b.
Pocetna tacka je x(0) = 1, odakle sledi da je b = 1. Konstantu a odredujemo
iz uslova transverzalnosti za tf = 2. Kako x(tf ) nije definisano, sledi da (tf )
moze uzeti bilo koju vrednost, pa se uslov transverzalnosti svodi na

=p
=0
x

1+x
2

x
(tf ) = 0

a = 0.

MS1OUS Optimalno upravljanje sistemima

Konacno, dobijamo da je optimalna putanja iz tacke x(0) = 1 do prave

t = tf = 2 data pravom linijom x(t) = 1.
Zadatak 4.2 Odrediti jednacinu krive x(t) koja minimizira funkcional
Z

J(x) =
0

1 2
x + xx + x + x dt.
2

Resenje. Iz Euler-Lagrangeove jednacine sledi

d
d
= x + 1,
=
[x + x + 1] = x
+ x
x
dt x
dt

=1x
= 0.
x dt x
Dvostrukom integracijom izraza x
= 1 dobijamo oblik optimalne putanje:
x
(t) =

t2
+ c1 t + c2 .
2

Konstante c1 i c2 odredujemo iz uslova transverzalnosti. S obzirom da

pocetno i krajnje stanje nisu zadati, ovi uslovi se svode na

= x + x + 1,
x
x
(0) + x
(0) + 1 = 0 c1 + c2 = 1,
x
(2) + x
(2) + 1 = 0 3c1 + c2 = 5,
c1 = 2,

c2 = 1.

Prema tome, putanja x

(t) koja minimizira zadatati funkcional cene J(x)
ima oblik
t2
x
(t) =
2t + 1.

Zadatak 4.3 Minimizirati duzinu J(x) krive x(t), datu izrazom

Z
J(x) =

tf

p
1 + x 2 dt,

pod uslovom da je pocetna tacka x(0) = 1, i da je u finalnoj tacki zadovoljen

uslov x(tf ) = 2 tf .
Resenje. Postavljeni problem slican onom iz zadatka 4.1, sa jednom bitnom razlikom: konacno vreme nije zadato, vec je samo receno da na kraju
trajektorije mora biti zadovoljen uslov x(tf ) = 2 tf , odnosno da konacno
stanje mora lezati na pravoj C(t) = 2 t. Resenje je ponovo ociglednoono

un
4 Varijacioni rac

je dato pravom linijom koja polazi iz tacke x(0) = 1 i koja je normalna na

pravu c(t).
U praksi su cesti problemi u kojima konacno vreme nije specificirano.
Na primer, ponekad nije smisleno zahtevati od regulatora da izlaz procesa
dovede u zeljeno stanje uvek za isto fiksirano vreme, vec se moze zahtevati
da to vreme bude minimalno. Drugim recima, i finalno vreme moze biti
predmet optimizacije. U ovakvim slucajevima se umesto konacnog trenutka
specificira zeljena konacna tacka x(tf ), ili zeljeni region C(tf ) (na primer,
neki region u blizini zadate referentne vrednosti).
Neka je, kao i do sada, optimalna putanja oznacena sa x(t). Bilo koja
putanja x(t) moze se predstaviti kao
x(t) = x
(t) + x (t),
gde je x (t) perturbacija trajektorije. Kako konacno vreme nije specificirano,
treba ga posmatrati kao promenljivu velicinu, koju takode treba odrediti u
postupku minimizacije zadatog funkcionala. Sa tf cemo oznaciti optimalno
konacno vreme, a bilo koju vrednost konacnog vremena mozemo izraziti kao
tf = tf + t (tf ),
gde je t (tf ) proizvoljna varijacija konacnog vremena. Funkcional cene sada
dobija oblik
Z
J(x) =

tf +t (tf )

t0

[
x(t) + x (t), x
(t) + x (t), t] dt.

Ideja je ista kao ranije: odredicemo parcijalni izvod kriterijuma po , i

izjednaciti ga sa nulom u tacki = 0. Odavde cemo dobiti potrebne uslove
za optimalnu putanju i optimalno konacno vreme.
Promenljiva se u izrazu za funkcional cene pojavljuje u gornjoj granici
integrala, kao i u samoj podintegralnoj funkciji. Za funkciju
Z

b(x)

F (x) =

f (x, t) dt
a(x)

vazi sledece pravilo diferenciranja po x:

Z b(x)
F db
F da
f (x, t)
dF (x)
=

+
dt.
dx
b dx
a dx
x
a(x)
| {z }
| {z }
f (x,b(x))

f (x,a(x))

Primenom ovog pravila na kriterijumski funkcional J(x) dobijamo:

J
= t (tf )[x(tf ), x(t
f ), tf ] +

tf +t (tf )

t0

+ x (t)
dt.
x (t)
x
x

MS1OUS Optimalno upravljanje sistemima

Izjednacavajuci dobijeni izraz sa nulom u = 0, dobijamo:

Z tf

t (tf )[
x(tf ), x
(tf ), tf ] +
x (t)
+ x (t)
dt = 0.
x

t0
Primenom parcijalne integracije na podintegralni clan x (t)
mozemo pox

jednostaviti dobijeni izraz:

tf

Z tf

+
x (t)
dt = 0. (4.7)
t (tf )[
x(tf ), x
(tf ), tf ] + x

x
dt x
x
t=t0

t0
Prvi od dovoljnih uslova optimalnosti koje cemo izvesti iz dobijenog izraza
dobija se izjednacavanjem dela podintegralne funkcije sa nulom (setiti se da
navedena relacija mora vaziti za svaku perturbaciju x (t) i t (tf )):

= 0.
x
dt x

Ovo je zapravo Euler-Lagrangeova jednacina, u istom obliku u kom smo

je izveli i ranije. Kako je u nasem problemu t0 fiksirano, odgovarajuci uslov
transverzalnosti dat je sa

x
= 0.
x
t=t
0

Konacno, preostali deo izraza (4.7) takode mora biti jednak nuli, odakle se
dobija dodatni uslov transverzalnosti:

x
+ t (tf )[
x(tf ), x
(tf ), tf ] = 0.
(4.8)
x
t=tf
Medutim, konacno stanje x(tf ) mora pripadati regionu C(tf ), pa je
x
[tf + t (tf )] + x [tf + t (tf )] = C[tf + t (tf )].
Diferenciranjem ovog izraza po i uzimajuci = 0, dobija se
h
i
tf )t (tf ) x (tf ) = t (tf ) C(
tf ) x
x
(tf )t (tf ) + x (tf ) = C(
(tf ) .
Konacno dobijamo dodatni uslov transverzalnosti, koji je specifican za probleme u kojima konacno vreme nije fiksirano:

(C x)

+ =0
x

za t = tf

(4.9)

U nasem slucaju se iz Euler-Lagrangeove jednacine, kao i u zadatku

4.1, dobija da optimalna trajektorija ima oblik
x
(t) = at + b.

un
4 Varijacioni rac

Kako je pocetno stanje fiksirano, imamo da je x(t0 ) = x

(t0 ) = 1. To znaci
da je x (t0 ) = 0, pa je prvi uslov transverzalnosti (4.8) automatski zadovoljen. Medutim, na osnovu datog pocetnog uslova, i iz oblika optimalne
trajektorije, mozemo odrediti b:
x
(0) = b = 1.
Konacni trenutak nije fiksiran, pa t (tf ) moze imati proizvoljnu vrednost.
Usled toga, drugi uslov transverzalnosti (4.9) daje:

x
(t) = a,

(C x
)
x

(C x)

+ = 0 za t = tf ,
x

C(t) = 2 t, C(t)
= 1,
q
p

a
(
x) = 1 + x
= 1 + a2 ,
=p
=

1 + a2
x

1+x
2
a(1 + a) p
+ 1 + a2 = 0 za t = tf a = 1.
+ =
1 + a2

Dakle, optimalna trajektorija data je sa x(t) = t + 1, a optimalno konacno

vreme dobijamo izjednacavajuci konacno stanje x(tf ) sa ciljnim skupom
C(tf ) = 2 tf , odakle sledi da je tf = 1/2.
Kao sto smo znali od samog pocetka, optimalna putanja stoji pod pravim
uglom, odnosno transverzalna je u odnosu na ciljni skup, tj. pravu C(t) =
2 t. Uslovi transverzalnosti dobili su ime upravo po ovoj osobini.
Zadatak 4.4 Odrediti uslove transverzalnosti za problem minimizacije kriterijumske funkcije
Z
J=

tf

t) dt,
(x, x,

t0

pri cemu je

T
x(t) = x1 (t) x2 (t) x3 (t) ,

T
x(tf ) = C(tf ) = c1 (tf ) 0 0 .

Pocetno stanje x(t0 ) = x0 je dato, kao i pocetno vreme t0 , dok tf nije

specificirano.
Resenje. U visedimenzionalnim problemima, Euler-Lagrangeova jednacina, kao i uslovi transverzalnosti imaju isti oblik kao u skalarnom slucaju:

=0
x dt x

Tx
= 0 za t = t0
x

Tx
+ t = 0 za t = tf
x

(Euler-Lagrangeova jednacina)
(usl. trans. za t0 )
(usl. trans. za tf )

MS1OUS Optimalno upravljanje sistemima

Pri tome postoji slicna veza izmedu perturbacije trajektorije x i perturbacije konacnog vremena t kao u skalarnom slucaju:
+ x = 0.
t (x C)
U nasem slucaju, Euler-Lagrangeova jednacina svodi se na tri skalarne
jednacine:
d

= 0,
xi dt x i

i = 1, 2, 3.

Kako je u nasem slucaju pocetno stanje fiksirano, imamo da je x (t0 ) =

0, pa je prvi uslov transverzalnosti automatski zadovoljen. Druga i treca
komponenta konacnog stanja takode su fiksirane, jer se zahteva x2 (tf ) =
x3 (tf ) = 0. Prva komponenta konacnog stanja x1 (tf ) mora zadovoljavati
sledeci uslov transverzalnosti:
[c1 x 1 ]

+ = 0,
x 1

za t = tf .

Zadatak 4.5 Odrediti uslove transverzalnosti za problem minimizacije kriterijuma

Z tf
t) dt,
J=
(x, x,
t0

pod uslovom kx(tf )k2 = 1, gde je x dvodimenzioni vektor stanja. Pocetno i

krajnje vreme t0 i tf su dati, kao i pocetno stanje x(t0 ).
Resenje. U ovom slucaju konacno stanje je odredeno odnosnom izmedu
komponenti vektora stanja x21 (tf ) + x22 (tf ) = 1. Drugim recima, za zadato
vreme tf t0 , iz datog pocetnog stanja x(t0 ) treba dostici jedinicnu kruznicu
u prostoru stanja, vodeci pri tome racuna da dati funkcional cene J(x) bude
sto manji.
Kada konacno stanje nije zadato u obliku x(tf ) = C(tf ), ne mozemo
direktno primeniti uslov transverzalnosti (4.9), vec odgovarajucu relaciju
moramo izvesti za svaki specifican slucaj. Iz (4.4) sledi
T

= 1
+ 2
=0
x
x 1
x 2

za t = tf ,

(4.10)

, odnosno
gde je petrurbacija u odnosu na optimalnu trajtektoriju x

x
1 + 1
+ =
x=x
.
x
2 + 2

un
4 Varijacioni rac

Zamenom ovih izraza u uslov x21 (tf ) + x22 (tf ) = 1, i zatim diferenciranjem
po dobijamo
(
x1 + 1 )2 + (
x2 + 2 )2 = 1,
x
1 1 + x
2 2 = 0,

t = tf ,

t = tf .

Vidimo da izmedu 1 i 2 u konacnom trentutku postoji linearna veza. Zamenom u (4.10) dobijamo

x2

= 0,
x 1 x1 x 2

t = tf .

Ova relacija, uz zadati uslov kx(tf )k2 = 1 i dato pocetno stanje x(t0 ),
(t).
omogucava iznalazenje optimalne trajektorije x
Zadatak 4.6 Satelit u orbiti opremljen je pogonom koji se moze smatrati
aktuatorom momenta u(t). Putem ovog pogona menja se ugaona pozicija

satelita (t). Pocetna pozicija data je sa (0) = (0)

= 1, a zeljena konacna

pozicija je (2) = (2)

= 0. Drugim recima, satelit treba za zadato vreme od
2 s dovesti u horizontalan polozaj, u kom on treba nakon iskljucenja pogona
i da ostane. Pri tome, treba minimizirati utrosenu energiju:
Z
1 2 2
(t) dt
J=
2 0
(smatra se da je trenutna snaga proporcionalna kvadratu pogonskog obrtnog
momenta u(t)).
Resenje. Postavljeni problem se razlikuje od dosadasnjih u dva aspekta:
kriterijumska funkcija zavisi od drugog izvoda promenljive, i
= u(t), jer je ugaono ubrzanje srazmerno obrt postoji ogranicenje (t)
nom momentu.
Prvi problem moze se zaobici tako sto ce se sistem predstaviti modelom
u prostoru stanja, odnosno tako sto ce se uvesti pomocne promenljive z1 =
za koje vazi
i z2 = ,


z1
0 1 z1
0
z =
=
+
u = Az + bu.
z2
0 0 z2
1
Kako su postavljena ogranicenja tipa jednakosti, drugi problem moze se
resiti uvodenjem Lagrangeovih multiplikatora. Naime, moze se pokazati da
je minimizacija kriterijumske funkcije
Z tf
t) dt
(x, x,
J=
t0

10

MS1OUS Optimalno upravljanje sistemima

t) = 0, ekvivalentna minimizacija kriterijuma

uz ogranicenja tipa (x, x,
Z tf

t) + T (t)(x, x,
t) dt,
J=
(x, x,
t0

gde je (t) vektor Lagrangeovih multiplikatora odgovarajucih dimenzija.

Ovim se problem svodi na vec videnu formu, a odgovarajuci uslovi optimalnosti izvode se na slican nacin, s tim sto je podintegralna funkcija sada data
sa
t) = (x, x,
t) + T (t)(x, x,
t).
(x, x,
U zadatom problemu su i pocetno i konacno stanje fiksirani, tako da su
uslovi transverzalnosti zadovoljeni. Funkcija data je sa
1
t) = u2 + 1 (z2 z1 ) + 2 (u z2 ) ,
(x, x,
2
gde je vektor x dat sa

T
x = z1 z2 u .
Primetiti da su ogranicenja uslovljena fizickim zakonima, odnosno jednacinama modela u prostoru stanja.
Euler-Lagrangeova jedna
cina ima oblik

= 031 .
x dt x
Parcijalni izvodi funkcije po pojedinim komponentama vektora x i po
njihovim izvodima dati su sa

= 0,
z1

= 1 ,
z1
d
= 1 ,
dt z1

= 1 ,
z2

= 2 ,
z2
d
= 2 ,
dt z2

= u + 2 ,
u

= 0,
u
d
= 0.
dt u

Zamenom u Euler-Lagrangeovu jednacinu dobijamo sledeci sistem:

1 = 0,

1 + 2 = 0,

u + 2 = 0.

Njegovom integracijom dobijamo

1 = c1 ,

2 = c1 t + c2 ,

u = c1 t c2 .

Na osnovu poznatog oblika pogonskog momenta u(t), mozemo izvesti izraze

na intervalu t0 = 0 t tf = 2:
za (t) i (t)
Z t
c1
=
(t)
u( ) d + c3 = t2 c2 t + c3 ,
2
0
Z t
) d + c4 = c1 t3 c2 t2 + c3 t + c4 .
(t) =
(
6
2
0

un
4 Varijacioni rac

11

Iz datih granicnih uslova dobijamo vrednosti nepoznatih konstanti:

(0) = 1

(0)
=1

c4 = 1,

c3 = 1,

(2)
=0

c2 c1 = 1/2,

(2) = 0

c1 = 3, c2 = 7/2.

Konacno dobijamo da je optimalno upravljanje dato sa

7
u
(t) = 3t + .
2

Zadatak 4.7 Projektovati linearni servomehanizam koji ce sistem opisan

modelom u prostoru stanja

x(t)
= A(t)x(t) + B(t)u(t)
na optimalan nacin voditi sto bilze zeljenoj putanji r(t), tako da se minimizira kriterijum
J=

1
2

tf

t0

h
i
ku(t)k2R(t) + kx(t) r(t)k2Q(t) dt.

Pocetno i konacno vreme su dati, kao i pocetno stanje x(t0 ).

Resenje. Jednacine sistema u prostoru stanja mozemo tumaciti kao ogranicenja tipa jednakosti, tako da se problem moze postaviti kao minimizacija
kriterijuma
Z tf
t) dt,
J=
(z, z,
t0

gde je z = x u , a funkcija je data sa

1
1
.
= kuk2R + kx rk2Q + T [Ax + Bu x]
2
2
Kvadratne norme su date sa
kuk2R = uT Ru,
kx rk2Q = (x r)T Q(x r).
Bez gubitka opstosti moze se pretpostaviti da su tezinske matrice simetricne,
a u prakticnim primenama se obicno uzima i da je Q 0 i R > 0.

12

MS1OUS Optimalno upravljanje sistemima

Za vektor x i simetricnu matricu A odgovarajucih dimenzija vaze sledeca

pravila vektorskog diferenciranja:
aT x
xT a
=
= a,
x
x

xT Ax
= 2Ax.
x

Njihovom primenom na funkciju dobijamo:

= Q[x r] + AT ,
= ,
x
x

= Ru + BT ,
= 0.
u
u
Euler-Lagrangeova jedna
cina se se moze razdvojiti na dva dela:

= 0,
x dt x

= 0,
u dt u

pa zamenom gore izvedenih jednakosti dobijamo resenje postavljenog problema u sledecoj formi:

(t)
= Q(t)[x(t) r(t)] AT (t)(t),

u(t) = R1 (t)BT (t)(t).

Pod nekim dodatnim pretpostavkama moze se dobiti i resenje u zatvorenoj

formi. Medutim, ovo nije neophodno za implementaciju zakona upravljanja. Naime, moguce je napraviti blok dijagram koji opisuje dobijeni sistem
jednacina, i na osnovu ovog dijagrama konstruisati upravljacki algoritam.
Zadatak 4.8 Posmatra se sistem opisan jednacinama
x 1 (t) = x2 (t),

x 2 (t) = u(t).

Pocetno stanje dato je sa x1 (t0 ) = x0 i x2 (t0 ) = v0 . Odrediti upravljanje

u(t) tako da se maksimizira x1 (tf ), pri cemu su tf i x2 (tf ) = vf dati, a
upravljanje podleze ogranicenju 1 u(t) 1.
Resenje. Kako bismo postavljeno ogranicenje predstavili u obliku jednakosti,
uvedimo labavu (engl. slack ) promenljivu (t) tako da bude zadovoljeno
(umax u)(u umin ) = 2 .
Bez obzira na vrednost (t), imamo da ce uvek biti zadovoljene nejednakosti
umax u 0 i u umin 0,
jer je 2 (t) uvek nenegativno (pretpostavlja se da je umin < umax ). Ovim
dobijamo problem sa ogranicenjem tipa jednakosti, koji resavamo uvodenjem

un
4 Varijacioni rac

13

Lagrangeovih multiplikatora. U nasem slu

caju je umax = 1 i umin = 1,

pa se dobija
1 u2 2 = 0.
Cilj upravljanja je maksimizacija vrednosti x1 (tf ), odnosno minimizacija
velicine x1 (tf ), koju mozemo predstaviti kao
Z
x1 (tf ) =

tf

t0

x 1 (t) dt x1 (t0 ).

Kriterijumska funkcija sada ima oblik

Z
J = x1 (t0 ) +

tf

dt,

t0

= x 1 + 1 (x2 x 1 ) + 2 (u x 2 ) + 3 (1 u2 2 ).
Pocetno stanje x1 (t0 ) je dato, i ono nije objekat optimizacije, tako da se
moze izostaviti iz kriterijumske funkcije. Euler-Lagrangeova jednacina
ima oblik

T
d

= 0, x = x1 x2 u .
x dt x
Parcijalni izvodi funkcije dati su sa

= 0,
x1

= 1 1 ,
x 1
d
= 1 ,
dt x 1

= 1 ,
x2

= 2 ,
x 2
d
= 2 ,
dt x 2

= 2 23 u,
u

= 0,
u
d
= 0,
dt u

odakle dobijamo sledeci sistem diferencijalnih jednacina:

1 = 0,

2 = 1 ,

2 = 23 u.

Kako x1 (tf ) nije fiksirano, imamo dodatni uslov transverzalnosti

= 1 1 (tf ) = 0.
x 1
Uzimajuci u obzir i date pocetne uslove, moze se pokazati da optimalno
upravljanje ima oblik u
(t) = sgn[2 (t)].