[论文解读] acados: a modular open-source framework for fast embedded optimal control

Robin Verschueren, Gianluca Frison+8 more|arXiv (Cornell University)|Oct 30, 2019

Advanced Control Systems OptimizationEngineering被引用 19

一句话总结

acados 是一个模块化、开源的框架，用于实现快速嵌入式最优控制，通过 BLASFEO 高性能线性代数库实现高效的非线性模型预测控制（NMPC）和移动时域估计（MHE）求解器。它在嵌入式 CPU 上实现了亚 10ms 的计算时间，达到实时性能，通过精确 Hessian SQP 方法结合凸化和结构化利用积分器，实现了比现有最先进方法更快、更鲁棒的 NMPC。

ABSTRACT

This paper presents the acados software package, a collection of solvers for fast embedded optimization intended for fast embedded applications. Its interfaces to higher-level languages make it useful for quickly designing an optimization-based control algorithm by putting together different algorithmic components that can be readily connected and interchanged. Since the core of acados is written on top of a high-performance linear algebra library, we do not sacrifice computational performance. Thus, we aim to provide both flexibility and performance through modularity, without the need to rely on automatic code generation, which facilitates maintainability and extensibility. The main features of acados are: efficient optimal control algorithms targeting embedded devices implemented in C, linear algebra based on the high-performance BLASFEO library, user-friendly interfaces to Matlab and Python, and compatibility with the modeling language of CasADi. acados is free and open-source software released under the permissive BSD 2-Clause license.

研究动机与目标

• 通过避免自动代码生成，解决嵌入式最优控制软件中性能与灵活性之间的权衡。
• 在资源受限的嵌入式系统上实现毫秒级计算时间的实时 NMPC 和 MHE。
• 提供高性能、可扩展且可维护的嵌入式优化框架，同时不牺牲计算效率。
• 通过模块化组件和对 Python 与 MATLAB 的接口，支持灵活的算法组合。
• 通过软硬件协同仿真实验，证明精确 Hessian SQP 方法在实时应用中的可行性和高效性。

提出的方法

• 使用 BLASFEO 作为高性能线性代数后端，加速核心计算，无需代码生成。
• 实现结构化利用积分器（GNSF-IRK），以高效实现 NMPC 和 MHE 中的多 shooting 方法。
• 引入 Hessian 凸化技术，使精确 Hessian SQP 方法在计算开销极小的情况下实现。
• 支持部分压缩和每 shooting 区间可变的状态/控制维度，以提升建模灵活性。
• 提供与 CasADi 的接口，用于自动微分和建模；以及与 Python 和 MATLAB 的接口，用于快速原型设计。
• 采用 HPIPM 作为 QP 求解器，针对问题结构和硬件目标进行了高度优化。

实验结果

研究问题

• RQ1 一个模块化、开源的框架是否能在不依赖自动代码生成的情况下，实现在嵌入式最优控制中的实时性能？
• RQ2 与生成代码相比，使用 BLASFEO 作为线性代数后端在嵌入式优化中的速度和内存效率方面表现如何？
• RQ3 通过凸化和高效线性代数，能否使精确 Hessian SQP 方法在实时 NMPC 中变得实用？
• RQ4 在 dSPACE MicroAutoboxII 等工业级嵌入式平台上的 NMPC 可实现的计算时间是多少？
• RQ5 与其它嵌入式优化软件包相比，acados 在速度和鲁棒性方面表现如何？

主要发现

• acados 在 dSPACE MicroAutoboxII（900 MHz PowerPC）上的计算时间低于 10 ms，是系统 50 ms 采样周期的 5 倍快。
• 通过 Hessian 凸化，框架证明了精确 Hessian SQP 方法的实时可行性，每迭代仅增加少量开销，同时实现了全局收敛。
• 软硬件协同仿真实验表明，在发动机控制中实现了稳定、无振荡的升压压力跟踪，支持主动约束和参考值变化。
• 在约束激活或参考值跳变时，计算时间会短暂上升，但仍在实时要求范围内，即使面对动态变化也保持稳定。
• 在 dSPACE 平台上的性能约为桌面 i7 的三分之一，但仍处于实时窗口内，证明了其可嵌入性。
• acados 在速度和鲁棒性方面优于现有最先进嵌入式求解器，尤其在高精度处理非线性动力学和约束方面表现突出。