[论文解读] Design and Implementation of Data-driven Predictive Cloud Control System

Runze Gao, Yuanqing Xia+2 more|arXiv (Cornell University)|Dec 29, 2021

Cloud Computing and Resource Management被引用 4

一句话总结

本文提出了一种数据驱动的预测性云控制系统（DPCCS），通过利用云计算资源、实时数据和预测算法，实现无需模型的控制，以补偿云-边缘通信中的时间延迟。该系统在实际的云-边缘平台上实现，采用自定义通信方案，在球杆系统上的仿真和真实实验中均表现出稳定有效的控制性能，即使在存在扰动以及从PID控制切换到数据驱动控制的情况下亦然。

ABSTRACT

Nowadays, the rapid increases of the scale and complexity of the controlled plants bring new challenges such as computing power and storage for conventional control systems. Cloud computing is concerned as a powerful solution to handle the complex large-scale control missions using sufficient computing resources. However, the developed computing ability enables more complex devices and mass data being involved and thus the applications of model-based algorithms are constrained. Motivated by the above, we propose an original data-driven predictive cloud control system. To achieve the proposed system, a practical data-driven predictive cloud control platform rather than only a numerical simulator is established and together a cloud-edge communication scheme is developed. Finally, the verification of simulations and experiments as well as discussions demonstrate the effectiveness of the proposed system.

研究动机与目标

• 解决在本地计算能力有限的大规模、复杂网络物理系统中，基于模型控制的局限性。
• 克服云-边缘通信中时间延迟和数据包丢失对实时控制带来的挑战。
• 开发一个实用的、非仿真的云控制平台，支持数据驱动的预测性控制。
• 设计一种云-边缘通信方案，实现可靠绑定和低延迟数据交换。
• 通过仿真和真实物理球杆系统实验，验证所提系统的有效性。

提出的方法

• 采用数据驱动的预测控制算法，跳过系统建模，直接利用输入-输出数据在预测时域内计算控制动作。
• 利用预测控制序列补偿云-边缘通信中固有的时间延迟，提升系统稳定性和性能。
• 设计实用的云-边缘通信架构，实现边缘设备（如北京的球杆系统）与云控制器（如腾讯云）之间的数据交换。
• 在收集到足够历史数据后，系统支持从PID控制器动态切换到数据驱动方法，确保稳定初始化。
• 在边缘端实现云通信补偿器，以减轻延迟和数据包丢失的影响，提升控制平滑性。
• 通过仿真模型和真实物理球杆系统对系统进行验证，两种环境下性能一致。

实验结果

研究问题

• RQ1 数据驱动的预测性云控制系统是否能在真实云-边缘环境中有效管理时间延迟并维持控制稳定性？
• RQ2 从初始PID控制切换到数据驱动运行后，数据驱动控制系统的性能与传统PID控制器相比如何？
• RQ3 云-边缘通信补偿器对控制平滑性和系统稳定性有何影响？
• RQ4 能否成功构建并使用一个实用的、非仿真的云控制平台来验证数据驱动控制算法？
• RQ5 在从PID控制切换到数据驱动控制期间，系统在扰动和参考信号变化下的表现如何？

主要发现

• 数据驱动的预测性云控制系统在从PID控制切换后，仍能将球杆系统稳定在0.2 m的参考位置，仅出现轻微的瞬态振荡。
• 系统在仿真和真实实验中均表现出稳定性能，实验结果中因传感器限制出现轻微噪声引起的突刺。
• 引入云-边缘通信补偿器后，输出曲线明显更平滑，相较于无补偿器的情况，显著提升了控制质量。
• 得益于预测控制和隐式模型自适应机制，系统在存在时间延迟和数据包丢失的情况下仍保持稳定并实现预期性能。
• 数据驱动方法通过在短时间窗口内将控制问题视为线性问题，隐式适应非线性系统行为（如球杆系统），无需显式物理模型即可实现有效控制。
• 平台在收集到足够输入-输出数据（2N + j 个样本）后，成功支持从PID控制到数据驱动控制的切换，实现可靠初始化。