[논문 리뷰] Dual Stochastic MPC for Systems with Parametric and Structural Uncertainty

Elena Arcari, Lukas Hewing외 2명|arXiv (Cornell University)|2019. 12. 20.

Advanced Control Systems Optimization참고 문헌 15인용 수 4

한 줄 요약

이 논문은 매개변수적 불확실성과 구조적 불확실성이 동시에 존재하는 비선형 시스템을 위한 이중 스토하스틱 모델 예측 제어(DMPC) 프레임워크를 제안한다. 시나리오 기반 접근 방식을 사용하여 예측 수명주기를 이중(학습 중심) 및 활용(제어 중심) 단계로 분할한다. 알려지지 않은 모델 구조와 매개변수를 적극적으로 탐색함으로써, 수동 적응 MPC보다 더 빠른 고장 감지와 향상된 제어 성능을 달성한다. 이는 75% 액추에이터 고장이 발생하는 항공기 고도 제어 사례 연구를 통해 입증되었다.

ABSTRACT

Designing controllers for systems affected by model uncertainty can prove to be a challenge, especially when seeking the optimal compromise between the conflicting goals of identification and control. This trade-off is explicitly taken into account in the dual control problem, for which the exact solution is provided by stochastic dynamic programming. Due to its computational intractability, we propose a sampling-based approximation for systems affected by both parametric and structural model uncertainty. The approach proposed in this paper separates the prediction horizon in a dual and an exploitation part. The dual part is formulated as a scenario tree that actively discriminates among a set of potential models while learning unknown parameters. In the exploitation part, achieved information is fixed for each scenario, and open-loop control sequences are computed for the remainder of the horizon. As a result, we solve one optimization problem over a collection of control sequences for the entire horizon, explicitly considering the knowledge gained in each scenario, leading to a dual model predictive control formulation.

연구 동기 및 목표

• 모델 부정확성이 성능을 떨어뜨릴 수 있는 매개변수적 및 구조적 불확실성이 동시에 존재하는 시스템을 제어하는 데 도전하는 것.
• 비선형 시스템에서 제어 성능과 시스템 식별(이중 제어) 간의 상충 관계를 명시적으로 균형 잡는 것.
• 이중 제어 문제의 계산적으로 타당한 샘플링 기반 근사치를 이론적으로 타당하게 유지하면서 개발하는 것.
• 기존의 스토하스틱 MPC 방법을 다중 운영 모드와 불확실한 매개변수, 구조적 변화를 처리할 수 있도록 확장하는 것.
• 액추에이터 열화가 발생하는 항공기 시스템에서의 시뮬레이션을 통해 더 나은 고장 감지 및 제어 성능을 입증하는 것.

제안 방법

• 예측 수명주기를 이중 단계(능동적 학습을 위한)와 활용 단계(제어 최적화를 위한)로 분할하며, 가능한 모델 및 매개변수 실현을 표현하기 위해 시나리오 트리를 사용한다.
• 각 시나리오에서 확보된 지식을 고려한 최적의 제어 시퀀스를 계산하기 위해 롤아웃 기반 근사 동적 프로그래밍 접근 방식을 활용한다.
• 각 시나리오는 운영 모드(예: 정상 또는 고장)와 샘플링된 매개변수 값의 조합에 해당하며, 확률은 베이지안 추론을 통해 업데이트된다.
• 이중 제어 효과는 최적화 구조에 암묵적으로 통합되어 제어 입력이 성능 향상과 정보 획득에 동시에 기여하도록 보장된다.
• 정확한 이중 제어 공식의 계산 비가용성 문제를 피하기 위해 스토하스틱 동적 프로그래밍 해법의 샘플링 기반 근사치를 사용한다.
• 업데이트된 모드 및 매개변수에 대한 신뢰도 상태를 사용해 매 시간 단계에서 재최적화하는 후행 수명주기 최적화 방식으로 제어기를 구현한다.

실험 결과

연구 질문

• RQ1 매개변수적 및 구조적 불확실성이 동시에 존재하는 시스템에 대해 이중 제어 전략을 모델 예측 제어에 효과적으로 통합할 수 있는가?
• RQ2 샘플링 기반의 시나리오 트리 접근 방식이 비선형 시스템에서 이중 제어 문제의 계산적으로 타당하면서도 이론적으로 타당한 근사치를 제공할 수 있는가?
• RQ3 모델 식별을 위한 능동적 탐색이 알려지지 않은 구조적 고장을 가진 시스템에서 제어 성능과 수렴 속도에 어떤 영향을 미치는가?
• RQ4 이중 MPC는 수동 적응 MPC에 비해 고장 감지 및 제어 반응 측면에서 얼마나 더 높은 성능 향상을 달성하는가?
• RQ5 이중 제어 공식은 불확실성 하에서 매개변수 추정 정확도를 얼마나 향상시키는가?

주요 결과

• 이중 MPC 제어기는 참조 변경 후 한 시간 단계 내에 75% 액추에이터 이득 손실를 감지하여 수동 CEMPC 제어기보다 고장 감지를 더 빨리 수행했다.
• DMPC 제어기는 參조 변경 20개 시간 단계 전부터 공격적인 입력 자극을 시작하여 조기에 정확한 모델 식별을 가능하게 했다.
• k=40에서 정상 모드의 확률이 0.05로 떨어져 신속한 믿음 갱신과 효과적인 고장 감지를 나타냈다.
• 고장 모드의 매개변수 추정치는 참값 γ² = 0.25 쪽으로 수렴했으며, 충분한 자극이 가해진 후 평균 추정치가 안정화되었다.
• CEMPC 제어기는 자극이 부족해 입력 포화 현상과 지연된 반응을 보이며 수동 적응의 한계를 드러냈다.
• DMPC 제어기는 비판적인 제어 조치 이전에 시스템의 진정한 모드와 매개변수를 선제적으로 학습함으로써 제어 오차를 감소시키고 추적 성능을 향상시켰다.