[논문 리뷰] Time Distributed Sequential Quadratic Programming for Model Predictive Control: Stability and Robustness

Dominic Liao‐McPherson, Marco M. Nicotra외 1명|arXiv (Cornell University)|2019. 03. 06.

Advanced Control Systems Optimization인용 수 3

한 줄 요약

이 논문은 최적화 반복을 시간에 걸쳐 분산시켜 계산 부담을 줄이는 시간 분산 순차적 정수계획법(SQP) 프레임워크를 모델 예측 제어(MPC)를 위해 제안한다. 최적화기를 식물과 피드백 루프에 놓인 동적 보상기로 간주함으로써, 입력-상태 안정성 분석을 통해 안정성과 반복 가능성을 보장하며, 실시간 반복 기법에 대한 이론적 보장을 크게 확장한다.

ABSTRACT

Time distributed optimization is an implementation strategy that can significantly reduce the computational burden of model predictive control by exploiting its robustness to incomplete optimization. When using this strategy, optimization iterations are distributed over time by maintaining a running solution estimate for the optimal control problem and updating it at each sampling instant. The resulting controller can be viewed as a dynamic compensator which is placed in closed-loop with the plant. This paper presents a general systems theoretic analysis framework for time distributed optimization. The coupled plant-optimizer system is analyzed using input-to-state stability concepts and sufficient conditions for stability and constraint satisfaction are derived. When applied to time distributed sequential quadratic programming, the framework significantly extends the existing theoretical analysis for the real-time iteration scheme. Numerical simulations are presented that demonstrate the effectiveness of the scheme.

연구 동기 및 목표

• 실시간 모델 예측 제어(MPC)의 높은 계산 비용을 시간에 걸쳐 최적화를 분산시킴으로써 해결하기 위해.
• 시간 분산 최적화의 안정성을 분석하기 위한 체계적 이론 프레임워크를 개발하기 위해.
• 부분 최적화 반복 상황에서도 반복 가능성을 보장하고 제약 조건을 만족시키기 위해.
• 입력-상태 안정성 개념을 활용하여 기존 실시간 반복 기법의 이론적 분석을 초월하기 위해.

제안 방법

• 최적화 반복을 시간에 걸쳐 분산시키기 위해, 실행 중인 해 추정치를 유지하고 각 샘플링 순간에 갱신한다.
• 최적화기를 식물과 피드백 루프에 놓인 동적 보상기로 모델링하여, 결합된 식물-최적화기 시스템을 형성한다.
• 입력-상태 안정성(ISS)을 안정성과 강건성 분석의 이론적 프레임워크로 사용한다.
• ISS 기반 분석을 통해 안정성과 반복 가능성을 위한 충분한 조건을 유도한다.
• 이 프레임워크는 MPC에 대해 순차적 정수계획법(SQP)에 특별히 적용된다.
• 부분 최적화 반복을 수용함으로써 안정성 손실 없이 실시간 구현을 가능하게 한다.

실험 결과

연구 질문

• RQ1 시간 분산 최적화가 MPC에서 안정성과 제약 조건 만족을 위해 어떻게 공식적으로 분석될 수 있는가?
• RQ2 결합된 식물-최적화기 시스템에서 입력-상태 안정성이 보장되기 위한 조건은 무엇인가?
• RQ3 시간 분산 SQP는 기존의 표준 실시간 반복 기법과 비교해 이론적 보장 측면에서 어떻게 다를까?
• RQ4 최적화가 시간에 걸쳐 잘린 경우에도 반복 가능성이 유지될 수 있는가?
• RQ5 최적화기가 부분적인 해에 대해 강건성을 확보하기 위해 동적 보상기로서 수행하는 역할은 무엇인가?

주요 결과

• 시간 분산 SQP 프레임워크는 부분 최적화 상황에서도 폐루프 시스템의 입력-상태 안정성을 보장한다.
• 체계적 이론적 접근을 통해 안정성과 반복 가능성을 위한 충분한 조건이 도출된다.
• 이 방법은 MPC에서 기존 실시간 반복 기법의 이론적 분석을 확장한다.
• 최적화 반복이 잘린 경우에도 제약 조건 만족이 유지된다.
• 수치 시뮬레이션은 이 방법이 실용적인 MPC 시나리오에서 효과적이고 강건함을 확인한다.