[논문 리뷰] Preconditioned Continuation Model Predictive Control

Andrew Knyazev, Yuta Fujii외 1명|arXiv (Cornell University)|2015. 06. 08.

Matrix Theory and Algorithms참고 문헌 11인용 수 4

한 줄 요약

이 논문은 비선형 최적 제어를 위한 전처리된 계속성 모델 예측 제어(CNMPC) 프레임워크를 제안하며, 효율적인 전처리를 통해 반복 해법의 수렴성을 향상시키고, GMRES 대신 MINRES를 사용한다. 이로 인해 최소 시간 문제에서 온라인 계산 속도가 크게 향상되고 제어 품질도 향상되며, 병렬 전처리 설정을 통해 현대 하드웨어에서 실시간 적용이 가능하다.

ABSTRACT

Model predictive control (MPC) anticipates future events to take appropriate control actions. Nonlinear MPC (NMPC) describes systems with nonlinear models and/or constraints. A Continuation/GMRES Method for NMPC, suggested by T. Ohtsuka in 2004, uses the GMRES iterative algorithm to solve a forward difference approximation $Ax=b$ of the Continuation NMPC (CNMPC) equations on every time step. The coefficient matrix $A$ of the linear system is often ill-conditioned, resulting in poor GMRES convergence, slowing down the on-line computation of the control by CNMPC, and reducing control quality. We adopt CNMPC for challenging minimum-time problems, and improve performance by introducing efficient preconditioning, utilizing parallel computing, and substituting MINRES for GMRES.

연구 동기 및 목표

• 최소 시간 최적 제어 문제에 대한 종료 조건과 설계 파라미터를 처리할 수 있도록 계속성 NMPC를 확장한다.
• CNMPC에서 발생하는 악조건의 선형 시스템에서 GMRES의 느린 수렴 문제를 해결하기 위해 효과적인 전처리를 도입한다.
• 반복적 해법 과정에서 GMRES를 MINRES로 대체하여 계산 효율성을 향상시키고 메모리 사용량을 줄인다.
• 다중 코어, GPU 또는 FPGA 아키텍처에 적합한 병렬 전처리 계산을 통해 실시간 구현을 가능하게 한다.
• 어려운 비선형 최적 제어 시나리오에서 최소한의 계산 오버헤드로 제어 품질을 향상시키는 전처리의 효과를 입증한다.

제안 방법

• 종료 조건과 최적화 파라미터를 포함하도록 CNMPC 수식을 확장하여 시간 최적 제어 문제에의 적용을 가능하게 한다.
• 각 시간 단계에서 선형 시스템 $Ax = b$ 를 전진 차분 근사로 구성하고, 반복적 카일로프 부분공간 방법으로 해를 구한다.
• 시스템 행렬의 조건수를 감소시켜 수렴 속도를 향상시키기 위해 GMRES용 전처리기를 도입한다.
• GMRES를 MINRES로 대체하여 대칭 시스템에서 메모리 요구량을 줄이고 수렴 속도를 향상시킨다.
• 온라인 계산 비용을 최소화하기 위해 전처리기 설정을 병렬화할 수 있는 동시 알고리즘을 제안한다.
• 정확도와 계산 부담을 균형 잡기 위해 간격 $t_p$ 마다 시간에 따라 변화하는 전처리기를 재계산한다.

실험 결과

연구 질문

• RQ1 전처리는 계속성 NMPC의 반복 해법 수렴 속도를 비선형 최적 제어에서 크게 향상시킬 수 있는가?
• RQ2 CNMPC 응용에서 GMRES를 MINRES로 대체할 경우 수렴 속도와 메모리 사용량에 어떤 영향을 미치는가?
• RQ3 병렬 전처리기 구축이 온라인 계산 시간과 실시간 제어 가능성에 어떤 영향을 미치는가?
• RQ4 제안된 방법은 종료 조건과 부등식 제약 조건이 있는 최소 시간 최적 제어 문제를 효과적으로 해결할 수 있는가?
• RQ5 전처리기 재계산 주기의 빈도는 해의 품질과 계산 효율성에 어떤 영향을 미치는가?

주요 결과

• 전처리를 통해 GMRES 반복 수를 최대 허용 수(10)에서 최소 1~2로 줄여 수렴 속도를 크게 향상시킨다.
• $k_{\text{max}} = 1$ 이고 전처리기를 0.2초마다 갱신할 경우, 근사 최적 성능를 달성하며 강력한 강인성을 입증한다.
• $k_{\text{max}}$ 를 2에서 10으로 증가시켜도 잔차와 $\|F\|$ 에서의 향상이 미미하여 중간 반복 횟수 이상에서는 수익 감소 현상이 나타난다.
• 전처리된 GMRES는 $t_p = 0.4$ 초, $k_{\text{max}} = 2$ 일 때 비전처리된 GMRES 대비 반복 횟수를 5배 감소시키며, 유사하거나 향상된 해 품질을 제공한다.
• GMRES 대신 MINRES를 사용하면 메모리 요구량이 감소하고 수렴 속도가 향상되어 특히 대규모 또는 실시간 시스템에 유리하다.
• 병렬 전처리기 설정은 다중 코어, GPU 또는 FPGA 플랫폼에서 효율적인 구현을 가능하게 하여 고속 제어 응용에 적합한 방법이 된다.