[論文レビュー] SLSpy: Python-Based System-Level Controller Synthesis Framework

Shih-Hao Tseng, Jing Shuang Li|arXiv (Cornell University)|Apr 27, 2020

Parallel Computing and Optimization Techniques参考文献 24被引用数 6

ひとこと要約

SLSpy は、システムレベルのコントローラー合成のためのオープンソースで Python に基づいたフレームワークであり、離散時間コントローラー合成手法のモジュラーかつ拡張可能な実装および比較を可能にする。合成とシミュレーションのワークフローをサポートし、System Level Synthesis (SLS) および Input-Output Parametrization (IOP) のネイティブ実装を備え、カスタマイズ可能な目的関数と制約条件を備えた、最初のオープンソースで Python ネイティブの SLS および IOP フレームワークを提供する。

ABSTRACT

Synthesizing controllers for large, complex, and distributed systems is a challenging task. Numerous proposed methods exist in the literature, but it is difficult for practitioners to apply them -- most proposed synthesis methods lack ready-to-use software implementations, and existing proprietary components are too rigid to extend to general systems. To address this gap, we develop SLSpy, a framework for controller synthesis, comparison, and testing. SLSpy implements a highly extensible software framework which provides two essential workflows: synthesis and simulation. The workflows are built from five conceptual components that can be customized to implement a wide variety of synthesis algorithms and disturbance tests. SLSpy comes pre-equipped with a workflow for System Level Synthesis (SLS), which enables users to easily and freely specify desired design objectives and constraints. We demonstrate the effectiveness of SLSpy using two examples that have been described in the literature but do not have ready-to-use implementations. We open-source SLSpy to facilitate future controller synthesis research and practical usage.

研究の動機と目的

• 制御系研究分野における先進的なコントローラー合成手法のための、アクセス可能で拡張可能かつオープンソースのソフトウェア実装の不足に対処すること。
• 研究者や実務家が、特許権のあるツールボックスや複雑な依存関係のチェーンに縛られることなく、さまざまなコントローラー合成アルゴリズムを実装・カスタマイズ・比較できる柔軟なソフトウェアフレームワークを提供すること。
• 周波数領域の合成手法から時間領域のコントローラー実装への変換プロセスをモジュラーなフレームワークによって抽象化し、実用的な利用を容易にすること。
• 標準化され、合成可能で明確に定義されたコンponentインターフェースを備えたアーキテクチャを提供することで、新規な合成手法のデプロイを容易にすること。
• System Level Synthesis (SLS) や Input-Output Parametrization (IOP) といった最先端の手法をサポートし、従来のツールボックスにない出力フィードバックや LQG 目的関数などの機能を含めること。

提案手法

• コントローラー合成とシステムシミュレーションの2つのコアワークフローを備えたフレームワークを設計し、システムモデル、コントローラーのパrametrization、目的関数、制約条件、ソルバーインターフェースという5つの概念的コンponentを通じて調整する。
• 科学的計算スタックとの統合を容易にするために、Python でフレームワークを実装し、アクセス性、拡張性、統合のしやすさを確保する。
• 継承を用いたオブジェクト指向設計により、ユーザーが目的関数や制約条件などのコンponentをカスタマイズしつつ、フレームワークの事前定義されたワークフローと互換性を保てるようにする。
• CVX をベースにした構文を用いて外部ソルバーとの相互運用性を実現し、標準的な凸最適化ツールとの統合を可能にする。
• 期待されるノイズに依存するコントローラー合成プロセスと、実際のノイズを使用するシミュレーションプロセスを分離することで、不一致ノイズ条件下での耐障害性テストを可能にする。
• SLS および IOP の即時実装を提供し、出力フィードバックや LQG 目的関数のサポートを含む。IOP はわずか 282 行のコードで実装され、その効率性と統合のしやすさを示している。

実験結果

リサーチクエスチョン

• RQ1 多様なコントローラー合成アルゴリズムのモジュラーで拡張可能かつ合成可能な実装を可能にするソフトウェアフレームワークは、どのように設計できるか？
• RQ2 統合的かつ再利用可能なフレームワークとして、合成とシミュレーションの両方のワークフローを支えるために必要なアーキテクチャ的コンponentは何か？
• RQ3 Python ベースのフレームワークは、特許権のあるツールボックスと同等の機能性と拡張性を達成できるか、かつオープンソースであり、容易にカスタマイズ可能か？
• RQ4 周波数領域のコントローラー合成から時間領域の実装への変換プロセスを、実用的な利用を簡素化する形で抽象化し、簡素化できるか？
• RQ5 このフレームワークは、Input-Output Parametrization (IOP) や出力フィードバック LQG といった新規な合成手法のデプロイと比較に、どの程度対応できるか？

主な発見

• SLSpy は、システムレベルのコントローラー合成 (SLS) の最初のオープンソースで Python ネイティブの実装を提供し、ユーザーが高レベルでモジュラーな構文で設計の目的関数と制約条件を直接指定できる。
• フレームワークは、わずか 282 行のコードで実装された、最初のオープンソースの入力出力パラメータ化 (IOP) 実装を備え、その効率性と統合のしやすさを示している。
• SLSpy は、IOP および LQG コントローラーを用いてインパulse干渉に対して 10 ノードのチェーン系を安定化させることに成功した。IOP はノイズに依存しない設計であるため、より積極的な安定化を示した。
• 測定ノイズを想定して設計された LQG コントローラーは、測定ノイズなしでシミュレートされた場合でも安定性を維持しており、フレームワークが合成の仮定とシミュレーション条件を分離できることを検証した。
• フレームワークは、IOP と LQR コントローラーの公平な比較を可能にし、測定ノイズが存在しない場合に理論的期待通りに両者が同等であることを確認した。
• モジュラーな設計により、新しいソルバーや最適化技術へのシームレスな拡張が可能であり、目的関数／制約条件とソルバーの間のトランスレーターレイヤーの統合に向けた道筋が提示された。