Notatki_nowe.md

Zaawansowane Bazy Danych i Hurtownie Danych - Projekt badawczy

Opracowanie programowego modułu sterowania dla komory temperaturowej

Autorzy (skład zespołu):

• Mateusz Jończyk
• Dawid Nowak

kier. Informatyka SSM, sem. 3, gr. BDIS

Proszę poczekać na załadowanie się wzorów matematycznych. W dolnym lewym rogu jest pasek postępu. Może to trwać nawet 20 sekund.

Sekcja 0: Wprowadzenie

W dzisiejszych czasach, duża liczba produkowanych urządzeń czy też innych wyrobów wymaga mniej lub bardziej szczegółowej kontroli jakości. Takie wymaganie może być narzucone np. przepisami prawa, zapisami kontraktów/przetargów albo polityką firmy zakładającą produkcję towarów wysokiej jakości. W przypadku chociażby urządzeń elektronicznych zazwyczaj podaje się w specyfikacji również warunki, w których dane urządzenie będzie działać prawidłowo (np. zakres temperatur). W celu sprawdzenia jakości danego towaru, należy przeprowadzić badania empiryczne, m.in. poprzez sprawdzenie czy urządzenie działa prawidłowo w różnych warunkach pracy. Do takich badań służą komory klimatyczne i temperaturowe.

Komora klimatyczna zapewnia kontrolę zarówno temperatury jak i wilgotności powietrza, temperaturowa - tylko temperatury.

Sterowanie komorą temperaturową jest bardzo podobne do sterowania systemami HVAC (ang. Heating, Ventilation, Air Conditioning). HVAC jest pojęciem bardzo szerokim. Swoim zasięgiem obejmuje ogół zagadnień związanych z ogrzewaniem, wentylacją i klimatyzacją wszelkich pomieszczeń (nie tylko komór klimatycznych). Najogólniej rzecz biorąc HVAC zajmuje się kwestiami dostarczania i odprowadzania ciepła (np. przez pompy ciepła, instalacje solarne, rekuperatory).

Efektywne sterowanie komorą klimatyczną i ogólnie systemami HVAC jest zadaniem bardzo trudnym. Podstawowymi sterownikami stosowanymi powszechnie w kontrolerach HVAC są sterowniki PID. Nie nadają się one jednak zbyt dobrze do sterowania tego typu systemami ("Raad Z. Homod, Khairul Salleh Mohamed Sahari, Haider A.F. Almurib, Farrukh Hafiz Nagi, Gradient auto-tuned Takagi–Sugeno Fuzzy Forward control of a HVAC system using predicted mean vote index, Energy and Buildings, Volume 49, June 2012, Pages 254-267, ISSN 0378-7788, http://dx.doi.org/10.1016/j.enbuild.2012.02.013). Z tego względu trzeba szukać innych metod.

Algorytm opisany w naszej pracy został wymyślony przez nas w bardzo dużej mierze niezależnie. Nie analizowaliśmy jednak literatury przedmiotu, z tego powodu przedstawione przez nas podejście nie jest pewnie zbyt nowatorskie.

Niniejsze opracowanie przedstawia teoretyczne rozważania problemu sterowania grzałką w komorze klimatycznej w celu uzyskania żądanego przebiegu temperatury (dopasowania krzywej temperaturowej) podczas symulacji. Podejście to opiera się na analizie danych historycznych oraz korektach w czasie rzeczywistym.

Sekcja 1: Założenia

Dla skupienia uwagi będziemy projektować pod komory temperaturowe serii AR, produkowane przez ESPEC Corporation. Ich dokumentacja jest dostępna tutaj i tutaj.

Można założyć (w sposób dosyć agresywny):

• okres co jaki wykonuje się pętla kontrolna: $W = 5$ sekund,

  Pętla kontrolna składa się z następujących operacji:

  • pobranie danych,
  • przetwarzanie,
  • ustawienie wyjść.

  Odstęp czasu między kolejnymi iteracjami pętli nazywamy przedziałem czasu albo jednostką czasu. Zakładamy, że w jednym przedziale czasu ustawienia urządzeń wpływających na temperaturę w komorze (moc grzałki, wentylatora, itd) są stałe, a temperatura zmienia się jedynie w ograniczonym zakresie. Przedziały czasu będziemy indeksować kolejnymi liczbami całkowitymi, poczynając od 0.

• po wyłączeniu grzania temperatura w komorze stabilizuje się w czasie mniejszym niż 10 minut (czyli po K = 120 jednostkach czasu). Po tym czasie przestajemy śledzić konsekwencje grzania w przeszłości.

Wartości podane powyżej są dosyć wyśrubowane, można je złagodzić tak aby zmniejszyć wartość K.

Ponadto:

• dokumentacja dla komór temperaturowych serii AR (pierwszy link, strona 5) podaje, że "Odchyłka temperatury w przestrzeni" jest równa 3,0 K. Jest to wartość dosyć duża. Z tego względu wydaje się zasadne dopasowywanie bezpośrednio temperatury mierzonej przez termometr do temperatury zadanej przez charakterystykę czasową i pomijanie opóźnień na termometrze (wynikających raczej nie z natury samego termometru, ale z czasu potrzebnego na dotarcie ciepła z grzałki do termometru).

• porównanie charakterystyk różnych mierników temperatury można znaleźć tutaj. Zakładamy termistor, który wg nas jest najlepszy do zastosowania w omawianym urządzeniu. Posiada on przede wszystkim bardzo dużą szybkość działania oraz dużą dokładność.

• pomijamy chłodzenie, żeby uprościć problem. W sumie to jednak dosyć dobrze pasuje do różnych systemów HVAC, które mogą działać bez klimatyzatora (np. w zimie).

• zakładamy, że czas potrzebny na wykonanie jednej iteracji pętli kontrolnej jest pomijalny, zatem na początku każdego przedziału czasu będziemy w stanie pobrać temperaturę, wykonać obliczenia jak i ustawić moc grzałki. Algorytm da się jednak w dosyć prosty sposób dostosować do sytuacji kiedy tak nie jest.

W pracy będziemy się starali ograniczyć drgania typu: grzanie -> chłodzenie (bo zbyt mocno ogrzaliśmy) -> grzanie (bo zbyt mocno ochłodziliśmy)

Sekcja 2: Analiza wpływu grzania na przebieg temperatury w komorze

Na zmiany temperatury w komorze mogą wpływać procesy (np. grzania) zachodzące stosunkowo dawno temu (wcześniej niż $K \cdot W$). W tej sekcji postaramy się uchwycić to zachowanie komory w sposób matematyczny.

Rozważamy jednostkę czasu o numerze $k$.

Przyrost temperatury podczas tej jednostki można przybliżyć jako:

$${\Delta}T[k] = T[k+1] - T[k] \approx \sum_{j=0}^{k} ({\Delta}T[k] :|: P[j]) \label{s2dec1}$$

(Na razie pomijamy upływ ciepła przez ściany komory. Pomijamy również ew. ciepło wytwarzane w urządzeniu znajdującym się w komorze.)

Gdzie:

• $T[k]$ - temperatura na początku k-tej jednostki czasu,
• $({\Delta}T[k] :|: P[j])$ - przyrost temperatury w k-tej jednostce czasu dzięki grzaniu w j-tej jednostce czasu. Oczywiście $k {\geq} j$ (grzanie nie może wpłynąć na zmianę temperatury przed jego rozpoczęciem).

Jesteśmy w stanie bezpośrednio zmierzyć jedynie $T[k]$, chcielibyśmy jednak znać $({\Delta}T[k] :|: P[j])$.

Musimy więc założyć:

$$({\Delta}T[k] :|: P[j]) = P[j] f(k-j)\label{s2fdef}$$

Przy czym:

• $ P[j] $ - moc grzałki w jednostce czasu o indeksie $j$,

• $ f(x) $ - pewna funkcja dążąca do zera dla $x$ dążącego do nieskończoności:

  $$lim_{k \to +\infty} ({\Delta}T[k] :|: P[j]) = 0$$

  Posiada ona następujące własności:

  • jest zdefiniowana wyłącznie dla wartości nieujemnych (grzanie nie może wpłynąć na zmianę temperatury przed jego rozpoczęciem),

  • jeśli na początku rozważanego przedziału czasu układ znajdował się w równowadze, to wartość $f(0)$ jest równa stosunkowi przyrostu temperatury w rozważanym przedziale czasu do mocy grzałki w tym przedziale,

  • po K = 120 przedziałach czasu od rozpoczęcia grzania, ciepło wydzielone przez grzałkę zostaje rozproszone w komorze i nie wpływa już na zmiany temperatury na termometrze. Z tego względu można uznać że ** $f(x) \equiv 0$ dla $x > K$ **:

    • czyli $f(x)$ może być niezerowe tylko dla $0 \leq x \leq K$,

    • istnieje co najwyżej K+1 niezerowych wartości funkcji $f(x)$: 0 oraz od 1 do K,

    • mamy zatem jeden okres czasu przeznaczony na grzanie, który nie wlicza się do czasu stabilizacji, oraz K okresów, przez które temperatura się stabilizuje.

Po podstawieniu $\ref{s2fdef}$ do $\ref{s2dec1}$ otrzymujemy:

$${\Delta}T[k] = T[k+1] - T[k] ≈ \sum_{j=0}^{k} P[j] f(k-j)$$

Po przyjęciu że $f(x) \equiv 0$ dla $x {\geq} K + 1$ mamy:

$${\Delta}T[k] = T[k+1] - T[k] ≈ \sum_{j=k-K}^{k} P[j] f(k-j)$$

(wewnętrzna suma przechodzi przez K + 1 wartości)

Rozważymy teraz dla przykładu postać sumy dla niskich wartości $k$:

Dla $k=0$:

${\Delta}T[0] = T[1] - T[0] ≈ \sum_{j=0}^{0} ({\Delta}T[0] :|: P[j]) = ({\Delta}T[0] :|: P[0])$

${\Delta}T[0] = T[1] - T[0] ≈ P[0] f(0)$

Dla $k=1$:

${\Delta}T[1] = T[2] - T[1] ≈ \sum_{j=0}^{1} ({\Delta}T[1] :|: P[j])$

${\Delta}T[1] = T[2] - T[1] ≈ ({\Delta}T[1] :|: P[0]) + ({\Delta}T[1] :|: P[1])$

${\Delta}T[1] = T[2] - T[1] ≈ ( P[0] f(1) + P[1] f(0) )$

I podsumowując, poprzez analogię:

$ {\Delta}T[0] = T[1] - T[0] ≈ (P[0] f(0))$

$ {\Delta}T[1] = T[2] - T[1] ≈ (P[0] f(1) + P[1] f(0))$

$ {\Delta}T[2] = T[3] - T[2] ≈ (P[0] f(2) + P[1] f(1) + P[2] f(0))$

$ {\Delta}T[3] = T[4] - T[3] ≈ (P[0] f(3) + P[1] f(2) + P[2] f(1) + P[3] f(0))$

Taką strukturę nazywamy splotem (convolution).

Mamy więc:

$$ {\Delta}T[3] = T[4] - T[3] ≈ (P \ast f)[3]$$

i ogólnie:

$$ {\Delta}T[k] = T[k+1] - T[k] ≈ (P \ast f)[k]$$

W tym wypadku przy definicji splotu pomijamy składniki dla których $f(x) \equiv 0$.

Ostatecznie mamy układ równań o postaci:

$${\Delta}T[k] = T[k+1] - T[k] ≈ \sum_{j=k-K}^{k} P[j] f(k-j) = \sum_{j=0}^{K} P[k-j] f(j) = (P \ast f)[k] \label{s2eqs}$$

Ten układ równań posiada $K+1$ niewiadomych - tyle ile niezerowych wartości funkcji $f()$.

Dla każdej danej historycznej (pary wartości $P[j]$, $T[j]$) mamy zazwyczaj jedno równanie. Jeżeli jednak system przy rozpoczęciu zbierania danych nie znajdował sie w stanie równowagi termodynamicznej, musimy odrzucić pierwsze K pomiarów. Odrzucamy też ostatnie K pomiarów.

Sekcja 3: Uwzględnienie upływu ciepła

Model komory grzewczej przestawiony w poprzedniej sekcji nie uwzględnia upływu ciepła przez jej ścianki.

Można założyć w dużym uproszczeniu, że szybkość upływu ciepła zależy wyłącznie od temperatury panującej w komorze. Uwzględnienie innych czynników (np. historii zmian temperatury) spowodowałoby znaczny wzrost liczby niewiadomych w układzie równań, co byłoby niekorzystne z dwóch względów:

• do wyliczenia układu równań potrzebnych byłoby bardzo wiele danych historycznych,
• spadłaby znacznie dokładność oszacowania wartości niewiadomych.

Niech $({\Delta}T[k] :|: T[k])$ - szybkość upływu ciepła z komory (zmiana temperatury zależna od obecnej temperatury w komorze). Przyjmujemy, że $({\Delta}T[k] :|: T[k]) < 0$.

Równanie $\ref{s2dec1}$ uzupełnione o wpływ temperatury przyjmuje postać:

$${\Delta}T[k] = T[k+1] - T[k] ≈ ({\Delta}T[k] :|: T[k]) + \sum_{j=0}^{k} ({\Delta}T[k] :|: P[j]) \label{s3eqs}$$

Żeby ograniczyć liczbę niewiadomych w układzie równań, można określić $({\Delta}T[k] :|: T[k])$ co - powiedzmy - $L = 5\mathrm{°C}$ i wykonywać interpolację albo aproksymację dla pozostałych wartości (trzeba tu zauważyć, że temperaturę będziemy znali z dokładnością co najmniej 0,1°C, zatem interpolacja lub aproksymacja i tak jest konieczna).

Szybkość ucieczki ciepła można aproksymować w podany poniżej prosty sposób:

• definiujemy pewną funkcję $j(x)$ - określoną dla wartości x podzielnych przez 5,
• dla $k$ nie należącego do dziedziny funkcji $j(x)$ mamy (zaokrąglamy $k$ w dół do liczby podzielnej przez 5):

$$m = T[k] - (k \bmod 5)$$

$$({\Delta}T[k] :|: T[k]) = \frac{j(m-5) + j(m) + j(m+5) + j(m+10)}{4}$$

• dla $k$ należącego do dziedziny funkcji $j(x)$ mamy:

$$ ({\Delta}T[k] :|: T[k]) = \frac{j(T[k]-5) + j(T[k]) + j(T[k]+5)}{3}$$

Oznaczmy jako $w(t)$ szybkość upływu ciepła wyliczoną za pomocą powyższych równań.

Powyższe wzory można w prosty sposób uwzględnić w układzie równań $\ref{s2eqs}$:

$${\Delta}T[k] = T[k+1] - T[k] ≈ w(T[k]) + \sum_{j=k-K}^{k} P[j] f(k-j) = w(T[k]) + \sum_{j=0}^{K} P[k-j] f(j) = w(T[k]) + (P \ast f)[k] \label{s3eqs2}$$

Po rozwiązaniu go, otrzymujemy wartości funkcji $f(x)$ oraz $j(x)$, które będą potrzebne do świadomego sterowania komorą.

Sekcja 4: Sterowanie

Znając wartości funkcji $f(x)$ oraz $j(x)$ wyliczone na podstawie danych historycznych, można przewidzieć przebieg temperatury towarzyszący procesom grzania i z tego względu w sposób świadomy sterować grzałką poprzez wybór optymalnego przebiegu.

Przy wyliczaniu wartości funkcji $f(x)$ oraz $j(x)$ jest zalecane ograniczenie się do wartości $T[k]$ oraz $P[k]$ dla $k$ występującego stosunkowo dawno, tak żeby nie występowały trudne do uchwycenia interakcje między tym co się teraz dzieje a tym co było w niedawnej historii i co wpływa bezpośrednio na obecne decyzje.

Jesteśmy w chwili czasu $i$, mamy historię oraz przyszłość do decyzji. (zmienne są dobrane tak żeby intuicyjnie $i \leq j \leq k$)

Oznaczenia:

• $i$ - obecna chwila czasu, którą analizujemy,
• $j$ - indeksuje czas w którym przewidujemy że będziemy grzać,
• $k$ - indeksuje temperaturę w przyszłości,

Przyjmujemy uproszczony model ogrzewania przedstawiony w sekcji 3 - wzór $\ref{s3eqs2}$

$${\Delta}T[k] = T[k+1] - T[k] ≈ w(T[k]) + \sum_{j=0}^{K} P[k-j] f(j) = w(T[k]) + (P \ast f)[k] \label{s4eqs}$$

Będziemy postępowali podobnie jak doświadczony szachista, przewidujący kilka ruchów naprzód a jednocześnie w każdym ruchu dostosowujący się do działań rywala i aktualizujący odpowiednio swoją strategię. Z drugiej strony będziemy postępowali podobnie jak przy sterowaniu rakietą. Rakiety nie naprowadza się bowiem na konkretną trasę, po prostu w każdej jednostce czasu wylicza się na podstawie obecnego położenia oraz innych czynników nową trasę, która trochę się różni od starej i po niej rakietę prowadzi.

Niech $U[k]$ = żądana temperatura na początku przedziału czasowego $j$. Na podstawie wartości $U[k]$ potrafimy policzyć $${\Delta}U[k] = U[k+1] - U[k]$$

Moglibyśmy tutaj ułożyć układ równań: $${\Delta}U[k] = w(T[k]) + \sum_{j=0}^{K} P[k-j] f(j) $$ a następnie rozwiązać go, uzyskując potrzebne wartości $P[k-j]$. Posługiwanie się szybkością zmiany temperatury jest jednak kiepskim pomysłem, a to ze względu na jeden prosty problem: zastana temperatura w komorze klimatycznej może odbiegać znacząco od $U[k]$ i w tym wypadku dążenie do ${\Delta}T[k] = {\Delta}U[k]$ traci sens. Nie pomoże też korekta pierwszej wartości $\Delta U[k]$, ponieważ zagubi się ona w układzie równań i nie wpłynie znacząco na wynik.

Niestety, dopasowywanie $T[k] = U[k]$ znacząco komplikuje równania.

Mamy zatem: $$T[k] = T[i] + \sum_{l=i}^{k-1} T[l+1] - T[l] = T[i] + \sum_{l=i}^{k-1} \Delta T[l] \nonumber$$

Podstawiamy do powyższego równania równanie $\ref{s3eqs2}$, zamieniając $k \to l$:

$$T[k] = T[i] + \sum_{l=i}^{k-1} \left[ w(T[l]) + \sum_{j=l-K}^{l} P[j] f(l-j) \right]$$ $$T[k] = T[i] + \sum_{l=i}^{k-1} w(T[l]) + \sum_{l=i}^{k-1} \sum_{j=l-K}^{l} P[j] f(l-j)$$

Potrzebujemy teraz odwrócić kolejność sum w ostatnim składniku powyższego równania, tak aby łatwo przejść do postaci macierzowej. Widzimy, że przy rozwinięciu sumy mamy wyrazy na $P$ od $P[i-K]$ do $P[k-1]$. $P[j]$ występuje w składnikach sumy wyższego poziomu (indeksowanej przez $l$) dla $$l-K \leq j \leq l \label{s4sumsinvertion}$$ Każde $P[j]$ "widzi" więc takie wartości $l$. Trzeba jednak pamiętać że wartości $l$ są dodatkowo ograniczone przez granice sumy zewnętrznej:

$$ i \leq l \leq k-1 \label{s4sumsinvertion2}$$

$P[j]$ jest więc mnożone przez $\sum f(l-j)$ przy sumowaniu przez wszystkie wartości $l$ spełniające równania $\ref{s4sumsinvertion}$ oraz $\ref{s4sumsinvertion2}$. Po przekształceniach mamy więc następujące ograniczenia na $f(l-j)$:

$$ \begin {cases} j \leq l \leq j+K \\\ i \leq l \leq k-1 \end {cases} $$

Oraz: $$ \begin {cases} 0 \leq l-j \leq K \\ i-j \leq l-j \leq k-j-1 \end {cases} $$ Pierwsze z tych równań jest ograniczeniem do niezerowej dziedziny funkcji $f(x)$. W drugim równaniu pierwsza nierówność usuwa wyrazy $f(x)$ odnoszące się do zmian temperatury przed jednostką czasu $i$, druga nierówność - do zmian temperatury w jednostce czasu $k$ (przypominam że $T[k]$ = czas na początku jednostki $k$) oraz po tej jednostce.

Ostatecznie mamy więc: $$T[k] = T[i] + \sum_{l=i}^{k-1} w(T[l]) + \sum_{j=i-K}^{k-1} \left[ P[j] \sum_{l=\max(0,; i-j)}^{\min(K,; k-j-1)} f(l) \right] \label{s4equinverted}$$

---

W celu zapewnienia optymalnego sterowania, będziemy starali się dążyć do $T[k] = U[k]$. Da się to uzyskać rozwiązując układ równań, uzyskany po podstawieniu tego wyrażenia do równania $\ref{s4equinverted}$:

$$U[k] = T[i] + \sum_{l=i}^{k-1} w(T[l]) + \sum_{j=i-K}^{k-1} \left[ P[j] \sum_{l=\max(0,; i-j)}^{\min(K,; k-j-1)} f(l) \right] \label{s4equToSolve}$$

W tym układzie równań niewiadomymi są wartości $P[j]$ dla $j \geq i$. Będziemy w nim uwzględniać $R$ równań o postaci takiej jak powyżej, pisanych dla kolejnych wartości U[k], poczynając od U[i+1]. Ograniczymy również liczbę niewiadomych do $Q$, przyjmując że dla wyższych wartości $P[j] \equiv 0$. Będziemy celowo rozwiązywać układ z mniejszą liczbą niewiadomych niż równań, ponieważ m.in. jest to konieczne w celu stosowania wag - zobacz niżej.

Dla $K=120$ sensowne wartości powyżej zdefiniowanych parametrów to: $Q=80$ oraz $R=120$.

---

Po wprowadzeniu tych ograniczeń wiersz układu równań przyjmuje postać: $$U[k] = T[i] + \sum_{l=i}^{k-1} w(T[l]) + \sum_{j=i-K}^{\min(k-1,;Q)} \left[ P[j] \sum_{l=\max(0,; i-j)}^{\min(K,; k-j-1)} f(l) \right] \label{s4equToSolve2}$$

Musimy teraz przekształcić ten układ równań do postaci macierzowej (używam oznaczeń jak na Wikipedii): $$\mathbf{y} = \mathbf{X} \mathbf{\beta} \label{s4equmartix}$$

Oznaczenia:

• $\mathbf{y}$ - wektor wyrazów wolnych,
• $\mathbf{\beta}$ - wektor niewiadomych,
• $\mathbf{X}$ - macierz współczynników.

W tym celu zaczniemy od rozdzielenia wyrazów z $P[j]$ dla $j < i$ (których wartości znamy) oraz pozostałych (niewiadomych): $$U[k] = T[i] + \sum_{l=i}^{k-1} w(T[l]) + \sum_{j=i-K}^{i-1} \left[ P[j] \sum_{l=\max(0,; i-j)}^{\min(K,; k-j-1)} f(l) \right] + \sum_{j=i}^{\min(k-1,;Q)} \left[ P[j] \sum_{l=\max(0,; i-j)}^{\min(K,; k-j-1)} f(l) \right]$$

Można optymistycznie założyć, że $T[l] \approx U[l]$ i przybliżyć $w(T[l])$ przez $w(U[l])$. (to założenie jest tym bardziej uzasadnione, że funkcja $w(x)$ rośnie stosunkowo wolno) Jednocześnie przenosimy wszystkie składniki o znanej wartości na lewą stronę:

$$U[k] - T[i] - \sum_{l=i}^{k-1} w(U[l]) - \sum_{j=i-K}^{i-1} \left[ P[j] \sum_{l=\max(0,; i-j)}^{\min(K,; k-j-1)} f(l) \right] = \sum_{j=i}^{\min(k-1,;Q)} \left[ P[j] \sum_{l=\max(0,; i-j)}^{\min(K,; k-j-1)} f(l) \right]$$

Element wektora wyrazów wolnych opisujący $U[k]$ ma więc postać (przyjmujemy że macierze są indeksowane od 1):

$$\mathbf{y}[a] = U[k] - T[i] - \sum_{l=i}^{k-1} w(U[l]) - \sum_{j=i-K}^{i-1} \left[ P[j] \sum_{l=\max(0,; i-j)}^{\min(K,; k-j-1)} f(l) \right] \qquad \textrm{przy czym } \quad k = i + a - 1 $$

Można tu zauważyć, że wektor $y$ odpowiada residualnej krzywej temperaturowej - poszczególne jego elementy zawierają informację o ile jeszcze musimy podnieść temperaturę w danym przedziale czasowym.

Element wektora niewiadomych można zdefiniować jako: $$\mathbf{\beta}[b] = P[j]
\qquad \textrm{przy czym } \quad j = i + b - 1 $$

I wreszcie: $$ \mathbf{X}[a,b] = \sum_{l=\max(0,; i-j)}^{\min(K,; k-j-1)} f(l) \qquad \textrm{przy czym } \quad j = i + b - 1 \quad \textrm{oraz } \quad k = i + a - 1 $$

We współrzędnych elementu wektora podajemy najpierw wiersz a później kolumnę. Element $\mathbf{X}[a,b]$ jest mnożony z $\mathbf{\beta}[b]$ a iloczyn ma być równy $\mathbf{y}[a]$.

Gdybyśmy macierze indeksowali od zera, wówczas $k = i+a$ oraz $j = i+b$.

Po skonstruowaniu w powyższy sposób macierzy $\mathbf{X}$ oraz wektora $\mathbf{y}$ oraz znalezieniu przybliżonego rozwiązania układu równań $\ref{s4equmartix}$ (np. metodą najmniejszych kwadratów) otrzymujemy wektor $\mathbf{\beta}$ i ostatecznie wartość $P[i]$. Wyliczona wartość P[i] jest mocą grzałki którą należy ustawić w obecnej chwili czasu tak aby zapewnić optymalne sterowanie. Jeśli P[i] < 0, grzanie w obecnej jednostce czasu wyłączamy.

Lepsze wyniki uzyskamy jednak, jeśli uwzględnimy wagi poszczególnych równań, starając się dopasować

Sekcja 5: Sterowanie - uwzględnianie wag

Uwzględnienie wag przy rozwiązywaniu układu równań pozwala na łagodne odcięcie wartości $U[k]$, dla których piszemy równania (zob. $\ref{s4equToSolve}$).

Najlepiej prawdopodobnie stopniowo zmniejszać wagę kolejnych pomiarów, tak żeby waga dopasowania $T[k] = U[k]$ malała wraz z rosnącymi wartościami $k$. W bardziej odległej przyszłości przewidywanie wartości temperatury będzie trudniejsze, a układ będzie miał więcej czasu i możliwości reakcji.

Żeby przy rozwiązywaniu układu równań można było zastosować wagi, musi posiadać on więcej równań niż niewiadomych, nadmiar powinien być odpowiednio duży.

Pojawia się jednak problem, jak daleko w przód przewidujemy nasze ruchy.

Rozwiązywanie układu równań z uwzględnieniem wag błędów jest opisane na StackExchange oraz Wikipedii. Na obu tych stronach są stosowane różne oznaczenia. Na StackExchange minimalizujemy $W(Ax−b)$, na Wikipedii: $W^{1/2}(X\beta - y)$ Tutaj konsekwentnie używamy oznaczeń z Wikipedii.

Błąd definiujemy jako różnicę $U[k] - T_{\textrm{wyliczone}}[k]$.

Będziemy potrzebowali macierz wag $\mathbf{W}$. Jest to macierz diagonalna (z wartościami niezerowymi tylko na przekątnej). Wektor błędu jest zdefiniowany jako: $$\mathbf{e} = \mathbf{W}^{1/2}(\mathbf{X} \mathbf{\beta} - \mathbf{y})$$

Będziemy się starali minimalizować $e^{T} e$ - sumę kwadratów elementów wektora błędu = sumę kwadratów błędów.

Znając macierz wag oraz macierze $\mathbf{X}$ i $\mathbf{y}$ wyliczamy układ równań (normal equations): $$\mathbf{X}^{T} \mathbf{W} \mathbf{X} \mathbf{\beta} = \mathbf{X}^{T} \mathbf{W} \mathbf{y}$$

Posiada on tyle samo równań co niewiadomych. Po jego wyliczeniu (w sposób dokładny) uzyskujemy wektor $\mathbf{\beta}$ minimalizujący $e^{T} e$.

Wikipedia zaleca żeby wagi były odwrotnością wariancji pomiarów.

Niech $z(k-i)$ - waga dla dopasowania wartości $U[k]$ ($i$ - indeks przedziału czasu w którym wykonywany jest algorytm). Wymagania dla funkcji generującej wagi:

• ma dążyć stosunkowo szybko do zera, powiedzmy dla argumentów > 80 (przy $K = 120$) jej wartości mają już być pomijalne,
• nie może zbyt mocno maleć dla niewielkich argumentów (powiedzmy, < 40),

Po wykonywaniu eksperymentów w LibreOffice, stwierdziłem że dla $K = 120$, funkcja o postaci $$z(x) = w[u] = (u+10)^{-1.2}$$ daje wystarczająco dobre rezultaty.

Sekcja 6 - suplement

Niedokończone i niedopracowane pomysły

Rozpisanie funkji $f(x)$

Można by rozpisać funkcję $f(x)$ na następujące składniki:

$$f(x) = g(x) e^{-\frac{t}{T}} c_1$$

Przy czym:

• $ g(x) < 1 $,
• $ g(0) = 1 $ (tak żeby $c_{1}$ ustalić na sztywno) //jednak to by nie było dopuszczalne, ponieważ f(0) może być //stosunkowo małe, mniejsze niż g(1)
• $T$ - jakaś liczba.

Mogłoby to ew. pomóc przy rozwiązywaniu układu równań - można w ten sposób ograniczyć wartości funkcji $ f(x) $.

Może być jednak problem z uwzględnieniem $g(x) &lt; 1$ przy rozwiązywaniu tego układu równań (wymagałoby to użycia innych metod rozwiązywania układu równań niż powszechnie stosowane).

Inne podejście do wykorzystywania historii

Mamy dane N zbiorów danych historycznych o postaci:

{kontekst, akcja, reakcja}

• akcja - jaką czynność podjęliśmy w danej chwili,
• kontekst - co działo się z układem przed podjęciem akcji,
• reakcja - jakie były skutki podjętej akcji.

Zakładając że znamy wartości funkcji f (wyliczone z powyższego układu równań), możemy skonstruować rekordy danych historycznych:

Podobnie jak poprzednio, rozważamy k-ty rekord danych historycznych, dotyczący grzania w k-tym przedziale czasu,

• kontekst:

  • $\sum_{j=k-119}^{k} \frac{\Delta T[j]}{t}$
  • $\sum_{j=k-119}^{k} \frac{\Delta T[j]}{t^{2}}$
  • $\sum_{j=k-120}^{k} \frac{P[j]}{t}$
  • $\sum_{j=k-120}^{k} \frac{P[j]}{t^{2}}$
  • ewentualnie $T[k]$

• akcja:

  • $P[k]$

• reakcja:

  • Zdefiniujmy $(ΔT[k-1] || P[j])$ - przyrost temperatury który da się przypisać grzaniu w k-tej jednostce czasu,

  • rekord zawierałby całki takie same jak dla kontekstu, z tym że dla $(ΔT[k-1] || P[j])$ i oczywiście indeksy wartości byłyby większe od k, znaczy się sumowane wszystko byłoby w przód,

  • albo może po prostu surowe przebiegi $(ΔT[k-1] || P[j]) $

Mając N pełnych rekordów historycznych (znaczy się takich które zostały sporządzone więcej niż 120 okresów temu, tak że reakcje są w pełni wyliczone).

Inne

• Plik TODO.txt

• Kod źródłowy tego pliku - do edycji: Github