[論文レビュー] Regularization for Design

Nikolai Matni, Venkat Chandrasekaran|arXiv (Cornell University)|Apr 8, 2014

Sparse and Compressive Sensing Techniques参考文献 24被引用数 4

ひとこと要約

本稿では、構造的制約を凸正則化によって埋め込むことで、構造的最適コントローラーとその駆動、センシング、通信アーキテクチャを同時に最適化する凸最適化フレームワーク、Regularization for Design (RFD) を提案する。主な貢献は、信号対ノイズ比型の条件下で、証明可能な性能保証のもとでスパースで低複雑度のコントローラーを回復できる統一的かつ実行可能な手法の確立である。

ABSTRACT

When designing controllers for large-scale systems, the architectural aspects of the controller such as the placement of actuators, sensors, and the communication links between them can no longer be taken as given. The task of designing this architecture is now as important as the design of the control laws themselves. By interpreting controller synthesis (in a model matching setup) as the solution of a particular linear inverse problem, we view the challenge of obtaining a controller with a desired architecture as one of finding a structured solution to an inverse problem. Building on this conceptual connection, we formulate and analyze a framework called extit{Regularization for Design (RFD)}, in which we augment the variational formulations of controller synthesis problems with convex penalty functions that induce a desired controller architecture. The resulting regularized formulations are convex optimization problems that can be solved efficiently, these convex programs provide a unified computationally tractable approach for the simultaneous co-design of a structured optimal controller and the actuation, sensing and communication architecture required to implement it. Further, these problems are natural control-theoretic analogs of prominent approaches such as the Lasso, the Group Lasso, the Elastic Net, and others that are employed in statistical modeling. In analogy to that literature, we show that our approach identifies optimally structured controllers under a suitable condition on a "signal-to-noise" type ratio.

研究の動機と目的

• スマートグリッドや自動高速道路など大規模システムにおける、制御則とそのアーキテクチャ（アクチュエータ、センサ、通信リンク）を同時に設計するという、増大する課題に対処すること。
• コントローラーのアーキテクチャ設計を、モデル一致形式からスパースまたは低複雑度のコントローラーを回復するという構造的線形逆問題として定式化すること。
• アーキテクチャの複雑さを凸正則化によってペナルティ化することで、コントローラーとそのアーキテクチャを同時に設計する凸最適化フレームワークを開発すること。
• RFDフレームワークが正しいコントローラーのアーキテクチャを同定できる理論的回復条件を確立すること。これは統計におけるスパース回復に類似している。
• 分散的かつ均等に分布した駆動と、低閉ループ状態応答を示すコントローラーが、RFDによってより容易に回復可能であることを示すこと。

提案手法

• コントローラー $ U $ が $ Y - \mathfrak{L}(U) \approx 0 $ を満たす線形逆問題としてコントローラー設計を定式化し、$ \mathfrak{L} $ はコントローラーを閉ループ応答に写像する。
• スパースな構造や低ランク構造を誘導するため、凸ペナルティ関数（例：$ \ell_1 $、核ノルム、アトミックノルム）をコントローラー設計問題に追加することで、正則化された変分定式化を導入する。
• 性能指標を最小化する最適化問題としてRFDを定式化し、構造的正則化項を組み込むことで、標準的な数値手法で解ける凸計画問題を得る。
• コントローラーのインパulse応答における「信号対ノイズ比」(SNR) の概念を用いて、駆動アーキテクチャの正確な回復のための十分条件を導出する。
• コントローラー応答とアーキテクチャ構造との非整合性を定量化するためのパラメータ $ \gamma^{\leq t,v} $ と $ \beta^{\leq t,v} $ を導入し、回復に関する理論的バインディングを可能にする。
• マルコフ過程を示すネットワーキングシステムモデルにこのフレームワークを適用し、コントローラーの状態応答 $ W^{\leq t} $ を逆問題における測定ノイズの代理として用いる。

実験結果

リサーチクエスチョン

• RQ1 スパースで計算的に実行可能なフレームワークとして、最適コントローラーとその下位の駆動、センシング、通信アーキテクチャを統合的に共同設計することは可能か？
• RQ2 RFDフレームワークは、モデル一致形式から正しいスパースコントローラーアーキテクチャをどの条件下で回復するのか？
• RQ3 アクチュエータの配置と閉ループ性能は、RFDによるコントローラーアーキテクチャの回復可能性にどのように影響するか？
• RQ4 RFDの理論的回復保証は、非ゼロの制御コストまたは変動するコントローラー次数を持つシステムへと拡張可能か？
• RQ5 閉ループシステムの混合時間は、RFDを用いたアーキテクチャ回復の成功にどのような役割を果たすか？

主な発見

• RFDフレームワークは、コントローラーの信号対ノイズ比（SNR）が閾値 $ (\gamma^{\leq t,v} - \beta^{\leq t,v}})^{-1} $ を上回る場合、2アクチュエータ（ノード1と5）を持つコントローラーの正しい駆動アーキテクチャを回復する。$ t=4, v=1 $ の場合、$ (\gamma^{\leq 4,1} - \beta^{\leq 4,1})^{-1} = 0.7273 $ であり、SNRが0.7324および0.7353のとき、この条件を満たす。
• 3アクチュエータコントローラーでは、SNRが著しく高い（4.04, 4.04, 2.67）状態であり、回復閾値は $ (\gamma^{\leq 5,1} - \beta^{\leq 5,1})^{-1} = 0.82 $ である。これは、性能が向上するほど回復性が高まることを示している。
• 理論的条件（例：$ t=5 $）が満たされていない場合でも、RFDフレームワークは依然として正しいアーキテクチャを回復することができ、理論的境界を超えたロバストネスを示している。
• 元のモデル一致問題に非ゼロの制御コストがある場合でも、RFD問題におけるパラメータ $ \rho $ をゼロに設定可能であり、性能を損なわずに最適化を単純化できる。
• インパulse応答のエネルギーが初期に集中し、状態応答 $ W^{\leq t} $ が小さいコントローラーは、RFDにおけるSNRの類似物を最大化するため、回復されやすい。
• 混合時間が大きい $ \tau_{\mathscr{M}_*} $ を示す分散的・広がりのある駆動方式は、RFDによってより容易に同定可能であり、システムのダイナミクスがアーキテクチャ回復性に影響を与えることを示している。