[논문 리뷰] Multiplexed Model Predictive Control

Kaijing Ling, J.M. Maciejowski외 2명|arXiv (Cornell University)|2011. 01. 14.

Advanced Control Systems Optimization인용 수 6

한 줄 요약

이 논문은 제어 입력을 동시에가 아니라 순차적으로 갱신함으로써 계산 부담을 줄이고 갑작스러운 교란에 더 빠르게 반응할 수 있도록 하는 새로운 MPC 기법인 멀티플렉스드 모델 예측 제어(MMPC)를 제안한다. 한 번에 하나의 입력에 대해 최적화 문제를 풀고 주기 동안 갱신을 분산함으로써 MMPC는 기존 MPC 대비 최대 4.6배 빠른 계산 속도를 달성하면서도 제약 조건 만족성과 강인성은 유지하며, 최적해가 아니더라도 동적 시스템에서 교란 퇴치 성능을 향상시킨다.

ABSTRACT

This paper proposes a form of MPC in which the control variables are moved asynchronously. This contrasts with most MIMO control schemes, which assume that all variables are updated simultaneously. MPC outperforms other control strategies through its ability to deal with constraints. This requires on-line optimization, hence computational complexity can become an issue when applying MPC to complex systems with fast response times. The multiplexed MPC scheme described in this paper solves the MPC problem for each subsystem sequentially, and updates subsystem controls as soon as the solution is available, thus distributing the control moves over a complete update cycle. The resulting computational speed-up allows faster response to disturbances, which may result in improved performance, despite finding sub-optimal solutions to the original problem.

연구 동기 및 목표

• 실시간, 임베디드 또는 고대역폭 응용 분야에서 제어 갱신 간격이 짧아야 하는 상황에서 모델 예측 제어(MPC)의 계산 복잡도를 해결한다.
• 기존 MPC의 한계를 극복한다. 기존 MPC는 모든 제어 입력을 동시에 갱신하므로 대규모 또는 빠른 반응이 필요한 시스템에 대해 계산 비용이 지나치게 높아진다.
• 비동기적이고 순차적인 최적화를 통해 각 갱신 주기당 해답 시간을 단축시키면서도 제약 조건의 타당성과 강인성을 유지하는 제어 체계를 개발한다.
• 완전 최적화가 아닌 빈번한 부분 갱신을 통해 더 빠른 교란 반응이 달성될 수 있으며, 이로 인해 닫힌 루프 성능 측면에서 기존 MPC를 능가할 수 있음을 입증한다.
• 미리 알 수 없지만 유계인 교란에 대해 강인성을 확보하기 위해 제약 조건을 강화하는 방법을 적용하여 MMPC 프레임워크를 확장한다. 이는 계산 복잡도를 증가시키지 않으면서도 타당성과 성능을 유지한다.

제안 방법

• 모든 제어 입력을 동시에가 아니라 한 번에 하나씩 최적화 문제를 풀어 제어 입력을 갱신하는 멀티플렉스드 MPC(MMPC) 아키텍처를 제안한다. 이 갱신은 전체 주기 길이 T 동안 분산된다.
• T/m 간격으로 최신 상태 측정치가 가용하다고 가정한다. 여기서 m은 제어 입력의 수이다. 이를 통해 더 높은 효과적 갱신 주기를 확보할 수 있다.
• 계산 복잡도를 증가시키지 않으면서도 유계 교란 하에서 강인한 제약 조건 만족성과 재귀적 타당성을 확보하기 위해 제약 조건 강화 기법을 사용한다.
• 노멀 케이스와 강인 케이스 모두에 적용하며, 강인한 형식은 향후 피드백 조치를 고려해 제약 조건에 여유를 포함한다.
• 각 입력 갱신에 대해 2차 프ogramming(QP)을 사용하며, 각 QP의 결정 변수 수를 기존의 O(m×Nu)에서 각 입력당 O(Nu)로 줄인다.
• 두 사례 연구를 통해 방법을 검증한다: 스프링-질량 시스템과 항공기 종방향 제어 문제. MMPC와 기존의 동기화 MPC(SMPC)를 비교한다.

실험 결과

연구 질문

• RQ1 MPC에서 제어 입력을 동시에 갱신하는 것과 비교해, 순차적이고 비동기적인 갱신 방식이 계산 부담을 줄이고 교란에 더 빠르게 반응할 수 있는가?
• RQ2 MMPC가 최적해를 구하지 못함에도 불구하고, 더 빠른 반응 속도 덕분에 기존 MPC의 성능을 뛰어넘는가?
• RQ3 제약 조건 강화를 통해 계산 복잡도를 증가시키지 않으면서도 MMPC에서 유계 교란에 대한 강인성을 유지할 수 있는가?
• RQ4 MMPC의 계산 복잡도는 기존 MPC와 비교해 시스템 크기와 예측 수평선 길이에 따라 어떻게 변화하는가?
• RQ5 빠른 반응이 최적해가 아니더라도 성능 향상에 기여하는 경우는 어떤 상황에서 발생하는가? 특히 급격한 교란이나 빠른 동역학을 보이는 시스템에서의 교란 퇴치 성능 향상 여부를 묻는다.

주요 결과

• 항공기 사례에서 MMPC는 기존 MPC 대비 계산 시간을 최대 4.6배 단축시켰다. 각각 41개 변수를 가진 400개의 QP 해법과 80개 변수를 가진 200개의 QP 해법을 비교한 결과이다.
• 항공기 사례에서 MMPC는 피크 정상 속도가 6.49로 SMPC의 8.53보다 낮아, 최적해가 아니더라도 교란 퇴치 성능이 뛰어나다는 것을 보여준다.
• MMPC의 계산 복잡도는 시스템 크기에 따라 유리하게 변화한다. 각 QP의 결정 변수 수가 기존의 O(m×Nu)에서 각 입력당 O(Nu)로 감소하여 더 빠른 갱신이 가능해진다.
• 로버스트 MMPC는 제약 조건 강화를 통해 유계 교란 하에서도 제약 조건 타당성과 타당성을 유지하며, 노멀 MPC와 동일한 계산 복잡도를 유지한다.
• 빠른 동역학 또는 급격한 교란이 발생하는 시스템에서는 빠른 반응이 최적성의 이점보다 더 큰 성능 향상을 가져온다.
• 이 방법은 노멀적으로 안정적이며, 병렬로 일부 입력을 갱신하거나 비균일한 갱신 간격을 사용하는 더 일반적인 멀티플렉스 제어 체계로 확장 가능하다.