🔢 mathematics

Lecture Note for Bounded Controls in Continuous-Time and Control of Several Variables

Deze notitie voor geavanceerde doctoraatsstudenten ontwikkelt de eerste-orde theorie voor optimale controleproblemen met box-beperkingen, waarbij de nadruk ligt op de aanpassing van het maximumprincipe van Pontryagin, projectieformules voor kwadratische Hamiltonianen en de implementatie van forward-backward sweep-algoritmen, voornamelijk gebaseerd op het werk van Lenhart en Workman.

Oorspronkelijke auteurs: Louis Shuo Wang

Gepubliceerd 2026-04-08

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Louis Shuo Wang

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

De Kunst van het Besturen: Hoe je een auto (of een virus) onder controle houdt binnen de regels

Stel je voor dat je een complexe machine bestuurt, zoals een auto, een medicijnpomp of een ecosysteem. Je wilt dat dit systeem op de beste manier mogelijk werkt (bijvoorbeeld: de snelste route nemen, de ziekte het snelst genezen of de kosten minimaliseren). Dit noemen we Optimale Besturing.

Maar er is een groot probleem: in de echte wereld heb je geen onbeperkte macht. Je kunt niet oneindig hard gas geven, je kunt niet meer medicijnen geven dan veilig is, en je kunt niet meer energie verbruiken dan je accu toelaat. Je hebt grenzen (in het Engels: constraints).

Deze notities leggen uit hoe je wiskundig de perfecte route vindt, terwijl je die grenzen respecteert. Het is niet zo simpel als "eerst de perfecte route berekenen en daarna kijken of je binnen de lijntjes kleurt". Dat werkt niet. Hier is waarom, verteld in drie simpele verhalen.

1. De "Knipperlicht"-Regel (De Grens)

Stel je voor dat je een auto bestuurt en je hebt een snelheidslimiet van 100 km/u.

De oude (foute) manier: Je berekent eerst de snelheid die je zou willen hebben om zo snel mogelijk op je bestemming te komen. Stel, de wiskunde zegt: "Je moet 150 km/u rijden." Daarna knip je het af: "Oké, 150 is te veel, dus ik rij 100."
Het probleem: Als je op 150 km/u zou hebben gereden, zou je motor anders hebben gereageerd, zou je brandstofverbruik anders zijn geweest en zou je bestemming anders zijn bereikt. Door pas aan het einde te knippen, heb je een verkeerde route berekend.
De juiste manier (de projectie): Je moet de regels tijdens het rekenen meenemen. De wiskunde zegt: "Ik bereken de snelheid, maar als die boven 100 komt, klem ik hem direct vast op 100, en ik pas de rest van de berekening (zoals brandstof en tijd) direct aan op basis van die 100."

In de wiskunde noemen ze dit projectie. Het is alsof je een rubberen bal probeert in een doos te duwen. Als de bal te groot is, wordt hij niet "afgeknipt" als hij eruit komt; hij wordt direct tegen de wand van de doos gedrukt, en die druk verandert hoe de bal zich gedraagt.

2. De "Schakelaar" (Wanneer je de grens raakt)

Soms is de beste oplossing om je grens te raken.

Voorbeeld: Je wilt een kamer zo snel mogelijk opwarmen. Je thermostaat heeft een maximum.
- Als het koud is, zet je de verwarming op MAX (de bovengrens).
- Als het te warm wordt, zet je hem op UIT (de ondergrens).
- Soms zit je precies in het midden, en regel je de temperatuur zachtjes.

In de wiskunde noemen ze dit Bang-Bang besturing. Het is als een schakelaar die alleen maar "Aan" of "Uit" is, of soms in het midden hangt. De notities leggen uit hoe je precies weet wanneer je moet schakelen. Het hangt af van een "gevoelige graad" (een wiskundige variabele die ze de adjoint noemen). Als deze graad hoog is, ga je op de grens; als hij laag is, blijf je in het midden.

3. De "Rugzak" (Meerdere variabelen)

In het echte leven heb je vaak niet één knop, maar veel. Je moet misschien tegelijkertijd:

De snelheid regelen.
De koeling regelen.
De lading verdelen.

Dit is als het besturen van een vliegtuig met tien verschillende hendels. De notities laten zien hoe je al die hendels samen in één groot systeem kunt denken. Ze gebruiken een "Hamiltoniaan" (een soort super-rekenmachine) die alle knoppen en regels in één formule samenvat.

Een cool trucje dat ze noemen, is het omzetten van "totale regels" naar "momentane regels".

Voorbeeld: "Je mag in totaal maar 10 liter brandstof verbruiken."
De truc: In plaats van dat als een grote som aan het einde te controleren, voeg je een extra "teller" toe aan je auto. Deze telt elke seconde hoeveel brandstof je verbruikt. Aan het einde moet die teller precies 10 tonen. Hierdoor wordt een lastige "totale" regel omgezet in een simpele "momentane" regel die je elke seconde kunt controleren.

4. Waarom "Achteraf Knippen" Gevaarlijk is

De auteur waarschuwt herhaaldelijk: Knip nooit achteraf!
Stel je voor dat je een foto maakt van een lange reis. Als je de foto achteraf bijsnijdt omdat je niet in het kader paste, is de foto nog steeds correct, maar de reis die je hebt gemaakt, was gebaseerd op een verkeerde route.
In de besturingstechniek betekent dit: als je eerst een route berekent alsof er geen grenzen zijn, en die route daarna "bijsnijdt", heb je een suboptimale oplossing. Je hebt de verkeerde weg gereden omdat je de grenzen niet in je berekening had meegenomen. Je moet de grenzen tijdens het rijden (het rekenen) meenemen.

Samenvatting in één zin:

Om het beste resultaat te halen in een systeem met regels (zoals snelheidslimieten of budgetten), moet je die regels tijdens het plannen van de route meenemen, niet pas als je klaar bent; anders rijd je de verkeerde weg op, zelfs als je aan het einde binnen de lijntjes kleurt.

Deze notities zijn een handleiding voor wiskundigen en ingenieurs om die "perfecte route" te vinden, of het nu gaat om het genezen van een ziekte, het besturen van een robot of het optimaliseren van een economie.

Titel: Lecture Note voor Beperkte Besturingen in Continu-Tijd en Besturing van Meerdere Variabelen

Auteur: Louis Shuo Wang (Departement Wiskunde, Northeastern University)
Doelgroep: Gevorderde bachelorstudenten en PhD-studenten met kennis van variatierekening en niet-lineaire analyse.
Bron: Gebaseerd op het boek "Optimal Control Applied to Biological Models" van Lenhart en Workman.

1. Probleemstelling

Het document behandelt optimale besturingsproblemen in continu-tijd waarbij de besturing $u(t)$ niet vrij kan variëren over $\mathbb{R}^m$ , maar onderhevig is aan box-beperkingen (puntsgewijze grenzen). Dit komt veel voor in biologische, economische en technische modellen (bijv. dosering, harvestingsinspanning, actuatorverzadiging).

Het kernprobleem is een Bolza-probleem:
$\max_{u(\cdot)} J(u) = \int_{t_0}^{t_1} f(t, x(t), u(t)) \, dt + \phi(x(t_1))$
onderworpen aan:
$\dot{x}(t) = g(t, x(t), u(t)), \quad x(t_0) = x_0, \quad u(t) \in U = [a_1, b_1] \times \dots \times [a_m, b_m] \text{ (bijna overal).}$

De centrale uitdaging is dat de aanwezigheid van deze beperkingen de standaard stationariteitsvoorwaarde ( $H_u = 0$ ) ongeldig maakt wanneer de optimale besturing op de rand van het toelaatbare gebied ligt.

2. Methodologie en Theoretisch Kader

Het document is opgedeeld in twee delen:

Deel I: Beperkte Besturingen en Projectie

Hamiltoniaanse Formalisme: De auteur introduceert de Hamiltoniaan $H(t, x, u, \lambda) = f + \lambda^\top g$ .
Pontryagin's Maximumprincipe (PMP) met Beperkingen: In plaats van $H_u = 0$ , moet de optimale besturing $u^*(t)$ de Hamiltoniaan puntsgewijs maximaliseren over de toelaatbare set $U$ :
$u^*(t) \in \arg\max_{v \in U} H(t, x^*(t), v, \lambda^*(t))$
Complementaire Voorwaarden: Voor een scalaire besturing $u \in [a, b]$ $u \in [a, b]$ en een differentieerbare $H$ $H$ , leidt dit tot een logische tekenconditie:
- Als $H_u < 0 \implies u^* = a$ (ondergrens).
- Als $H_u = 0 \implies a < u^* < b$ (interieur).
- Als $H_u > 0 \implies u^* = b$ (bovengrens).
Projectieformule voor Quadratische Hamiltonianen: Voor veel modellen is $H$ strikt convex/concaaf in $u$ (bijv. kwadratische kosten). De optimale oplossing is dan de exacte projectie van de onbeperkte oplossing $\tilde{u}$ op het interval $[a, b]$ :
$u^*(t) = \text{clamp}_{[a,b]}(\tilde{u}(t)) = \min\{b, \max\{a, \tilde{u}(t)\}\}$
Bang-Bang Structuur: Als $H$ lineair is in $u$ , schakelt de besturing tussen de grenzen ( $a$ of $b$ ) afhankelijk van het teken van de schakelfunctie $\sigma(t) = H_u$ .
Numerieke Implementatie (Forward-Backward Sweep): Het document benadrukt dat beperkingen tijdens het iteratieve oplossen moeten worden toegepast (via projectie in elke stap), en niet achteraf op een onbeperkte oplossing.

Deel II: Meerdere Variabelen en Geavanceerde Thema's

Multi-State/Multi-Control Systemen: Uitbreiding van PMP naar vectoriële toestanden $x \in \mathbb{R}^n$ en besturingen $u \in \mathbb{R}^m$ . De adjoint-vergelijkingen en transversaliteitsvoorwaarden worden componentgewijs behandeld.
LQR (Linear Quadratic Regulator): Voor lineaire dynamica en kwadratische kosten wordt de oplossing afgeleid via de Riccati-differentiaalvergelijking. Dit levert een lineaire feedbackwet op: $u^*(t) = -R^{-1}B^\top S(t)x(t)$ .
Reductie van Hogere Orde: Hogere-orde differentiaalvergelijkingen worden omgezet in eerste-orde systemen door extra toestandsvariabelen in te voeren.
Isoperimetrische Beperkingen: Integralenbeperkingen (bijv. totale hoeveelheid medicatie) worden omgezet in randvoorwaarden door een hulp-toestand $z(t)$ in te voeren met $\dot{z} = h(t, x, u)$ .

3. Belangrijkste Bijdragen en Resultaten

Correctie van een Veelvoorkomende Fout: Het document weerlegt expliciet de praktijk om eerst een onbeperkte oplossing te vinden en deze vervolgens af te kappen ("post hoc truncation"). De auteur toont aan dat dit fysisch en wiskundig incorrect is omdat de staat $x$ en de adjoint $\lambda$ gekoppeld zijn; het veranderen van de besturing beïnvloedt de hele trajectorie. De projectie moet intrinsic plaatsvinden binnen het optimaliteitssysteem.
Exacte Projectieformule: Voor kwadratische kostenfuncties wordt bewezen dat de projectieformule (clamping) de unieke globale maximisator is, geen numerieke heuristiek.
Geometrische Interpretatie: De voorwaarde voor optimale besturing wordt geïnterpreteerd als een variatie-inequivalentie waarbij de gradiënt van de Hamiltoniaan in de normale kegel van de beperkingsset ligt.
Structuur van de Oplossing: Het document illustreert hoe de optimale trajectorie vaak een "bound-interior-bound" structuur heeft (verzadiging, interieur, afname), in plaats van een gladde curve die plotseling wordt afgekapt.

4. Significatie en Toepassing

Wiskundige Strenge: De notities bieden een rigoureuze afleiding van de eerste-orde voorwaarden voor beperkte besturingen, essentieel voor PhD-niveau onderzoek.
Praktische Relevantie: De methoden zijn direct toepasbaar in biologische modellen (epidemiologie, populatiedynamica), economische modellen en technische regeltechniek, waar besturingen fysiek begrensd zijn.
Numerieke Stabiliteit: De nadruk op het integreren van de projectie in de Forward-Backward Sweep methode verbetert de stabiliteit en nauwkeurigheid van numerieke oplossingen voor niet-lineaire problemen.
Brug naar HJB: Er wordt een verband gelegd tussen het Pontryagin-principe en de Hamilton-Jacobi-Bellman (HJB) vergelijking, waarbij de adjoint fungeert als de gradiënt van de waarde-functie.

Conclusie

Dit lecture note-document is een fundamentele gids voor het begrijpen en oplossen van optimale besturingsproblemen met box-beperkingen. Het corrigeert misvattingen over het "afkappen" van oplossingen en biedt een robuust theoretisch en numeriek kader voor zowel scalaire als meervoudige besturingssystemen, met een sterke focus op de correcte implementatie van de Pontryagin-principes in de praktijk.