[논문 리뷰] Discrete Mechanics and Optimal Control: an Analysis

S. Ober-Bloebaum, Oliver Junge외 1명|ArXiv.org|2008. 10. 08.

Numerical methods for differential equations인용 수 5

한 줄 요약

이 논문은 기계 시스템의 변분 원리를 직접 이산화하여 최적 제어 문제를 해결하는 구조를 유지하는 방법인 이산 역학 및 최적 제어(DMOC)를 소개한다. 이산 변분 원리를 통해 이산 최적 제어 문제를 설정함으로써 DMOC는 연속 시스템으로부터 심플렉틱성, 운동량 보존 및 에너지 행동을 물려받으며, 콜로케이션 방법에 비해 훨씬 우수한 수렴성과 더 낮은 계산 비용을 제공한다.

ABSTRACT

The optimal control of a mechanical system is of crucial importance in many realms. Typical examples are the determination of a time-minimal path in vehicle dynamics, a minimal energy trajectory in space mission design, or optimal motion sequences in robotics and biomechanics. In most cases, some sort of discretization of the original, infinite-dimensional optimization problem has to be performed in order to make the problem amenable to computations. The approach proposed in this paper is to directly discretize the variational description of the system's motion. The resulting optimization algorithm lets the discrete solution directly inherit characteristic structural properties from the continuous one like symmetries and integrals of the motion. We show that the DMOC approach is equivalent to a finite difference discretization of Hamilton's equations by a symplectic partitioned Runge-Kutta scheme and employ this fact in order to give a proof of convergence. The numerical performance of DMOC and its relationship to other existing optimal control methods are investigated.

연구 동기 및 목표

• 기계 시스템의 본질적 기하학적 및 구조적 성질이 이산화 과정에서 유지되도록 수치 최적 제어 프레임워크를 개발한다.
• 표준 콜로케이션 및 간접 방법의 한계를 해결하기 위해 시스템 역학의 변분 구조를 직접 이산화한다.
• 구성도 수준의 매개변수화를 활용하여 구성도-속도 또는 구성도-운동량 수식에 비해 최적화의 계산 비용을 줄인다.
• 수렴성과 심플렉틱 분할 룬게쿠타 스킴과의 등가성에 대한 이론적 기반을 확립한다.
• 궤도 이송 및 로봇 조작과 같은 응용 분야에서 물리적 일관성을 유지하면서도 효율적인 최적 제어 문제 해결을 가능하게 한다.

제안 방법

• 이산 변분 수식을 사용하여 라그랑주-드알렘베르 원리를 이산화하여 구조를 유지하는 시간 스텝 방정식을 유도한다.
• 이산 작용 합과 이산 오일러-라그랑주 방정식을 사용하여 최적 제어 문제를 유한차원 비선형 프로그래밍 문제로 수식화한다.
• 이산 변분 구조를 통해 이산 해가 연속 시스템으로부터 심플렉틱성, 운동량 맵, 에너지 행동을 물려받도록 보장한다.
• DMOC와 심플렉틱 분할 룬게쿠타 스킴 간의 등가성을 확립하여 이론적 수렴 분석을 가능하게 한다.
• 최적화 변수 수를 줄이기 위해 구성도 수준의 변수를 사용하여 순차적 순환 제곱형 프로그래밍(SQP) 솔버를 구현한다.
• 성능 및 구조 유지 능력을 검증하기 위해 저추력 궤도 이송 및 이중 링크 조작자와 같은 벤치마크 문제에 이 방법을 적용한다.

실험 결과

연구 질문

• RQ1 기계 시스템의 변분 구조는 어떻게 이산 최적 제어 수식에서 유지될 수 있는가?
• RQ2 DMOC는 분할 룬게쿠타 스킴과 같은 전통적인 심플렉틱 적분기법과 어떤 관계가 있는가?
• RQ3 콜로케이션 기반 방법에 비해 DMOC는 최적화 반복 수를 얼마나 줄일 수 있는가?
• RQ4 실제 최적 제어 문제에서 운동량 맵과 심플렉틱성 같은 구조적 관리량을 DMOC가 유지할 수 있는가?
• RQ5 DMOC의 구성도 수준 수식은 계산 효율성과 수렴 속도에 어떤 영향을 미치는가?

주요 결과

• DMOC는 해밀턴 방정식의 심플렉틱 분할 룬게쿠타 이산화와 수학적으로 등가적이며, 장기적 안정성과 기하학적 정확성을 보장한다.
• DMOC 수식은 콜로케이션 방법에 비해 최적화 변수 수를 약 67% 감소시켜 SQP 반복 수를 1.5배 줄인다.
• 수치 실험 결과, DMOC는 구성도 및 제어 궤적 모두에서 콜로케이션 접근법보다 더 빠른 수렴 속도를 달성한다.
• 저추력 궤도 이송 및 이중 링크 조작자와 같은 예제에서 운동량 맵과 심플렉틱 구조를 성공적으로 유지한다.
• 특히 대칭성과 구조 유지가 중요한 경우에, DMOC는 더 낮은 계산 노력으로 최적 제어 문제를 효율적으로 해결할 수 있다.
• DMOC 프리미티브와 적응형 시간 스텝을 사용한 향후 확장은 복잡한 시스템에서 글로벌 최적화 및 동적 적응에 유망한 전망을 보인다.