[论文解读] Discrete Mechanics and Optimal Control: an Analysis

S. Ober-Bloebaum, Oliver Junge+1 more|ArXiv.org|Oct 8, 2008

Numerical methods for differential equations被引用 5

一句话总结

本文提出离散力学与最优控制（DMOC），一种保持结构的数值方法，通过直接对机械系统的变分原理进行离散化来求解最优控制问题。通过基于离散变分原理构建离散最优控制问题，DMOC继承了连续系统中的辛结构、动量守恒和能量特性，与配点法相比展现出更优的收敛性与更低的计算成本。

ABSTRACT

The optimal control of a mechanical system is of crucial importance in many realms. Typical examples are the determination of a time-minimal path in vehicle dynamics, a minimal energy trajectory in space mission design, or optimal motion sequences in robotics and biomechanics. In most cases, some sort of discretization of the original, infinite-dimensional optimization problem has to be performed in order to make the problem amenable to computations. The approach proposed in this paper is to directly discretize the variational description of the system's motion. The resulting optimization algorithm lets the discrete solution directly inherit characteristic structural properties from the continuous one like symmetries and integrals of the motion. We show that the DMOC approach is equivalent to a finite difference discretization of Hamilton's equations by a symplectic partitioned Runge-Kutta scheme and employ this fact in order to give a proof of convergence. The numerical performance of DMOC and its relationship to other existing optimal control methods are investigated.

研究动机与目标

• 开发一种数值最优控制框架，在离散化过程中保持机械系统的内在几何与结构特性。
• 通过直接离散化系统动力学的变分结构，解决标准配点法与间接法的局限性。
• 通过采用配置变量层面的参数化方式，而非配置-速度或配置-动量形式，降低优化中的计算成本。
• 为收敛性与与辛分区Runge-Kutta格式的等价性建立理论基础。
• 在轨道转移与机器人操作等应用中，实现高效求解最优控制问题，同时保持物理一致性。

提出的方法

• 利用离散变分公式对Lagrange-d’Alembert原理进行离散化，推导出保持结构的时间推进格式。
• 通过离散作用量之和与离散Euler-Lagrange方程，将最优控制问题表述为有限维非线性规划问题。
• 通过离散变分结构确保离散解继承连续系统的辛结构、动量映射与能量行为。
• 建立DMOC与辛分区Runge-Kutta格式之间的等价性，从而支持理论收敛性分析。
• 采用序列二次规划（SQP）求解器，以配置变量作为优化变量，减少优化变量数量。
• 将该方法应用于低推力轨道转移与双连杆机械臂等基准问题，以验证性能与结构保持能力。

实验结果

研究问题

• RQ1 如何在离散最优控制公式中保持机械系统的变分结构？
• RQ2 DMOC与经典辛积分器（如分区Runge-Kutta格式）之间存在何种关系？
• RQ3 与基于配点法的方法相比，DMOC在减少优化迭代次数方面能达到何种程度？
• RQ4 在实际最优控制问题中，DMOC能否保持动量映射与辛结构等结构不变量？
• RQ5 DMOC中配置变量层面的公式化对计算效率与收敛速度有何影响？

主要发现

• DMOC在数学上等价于Hamilton方程的辛分区Runge-Kutta离散化，确保长期稳定性和几何保真性。
• 与配点法相比，DMOC的公式将优化变量数量减少了约67%，使SQP迭代次数减少1.5倍。
• 数值实验表明，DMOC在配置轨迹与控制轨迹上的收敛速度均优于配点方法。
• 在低推力轨道转移与双连杆机械臂等实例中，该方法成功保持了动量映射与辛结构。
• DMOC能够以更低的计算开销高效求解最优控制问题，尤其在对对称性与结构保持性要求较高的场景中表现突出。
• 未来通过DMOC原语与自适应时间步长的扩展，有望在复杂系统中实现全局优化与动态自适应。