[论文解读] Enhancements to the DIDO Optimal Control Toolbox

I. Michael Ross|arXiv (Cornell University)|Apr 27, 2020

Spacecraft Dynamics and Control参考文献 43被引用 22

一句话总结

本文对 DIDO 最优控制工具箱进行了重大算法增强，将基础伪谱离散化方法升级为无需初始猜测的谱哈密顿编程方法，确保了鲁棒性、速度与可验证的精度。该方法在具有挑战性的轨迹优化问题中成功避开了局部极小值——通过机器人基准测试得以验证——同时保持了基于庞特里亚金原理的极简用户界面。

ABSTRACT

In 2020, DIDO$^©$ turned 20! The software package emerged in 2001 as a basic, user-friendly MATLAB$^\circledR$ teaching-tool to illustrate the various nuances of Pontryagin's Principle but quickly rose to prominence in 2007 after NASA announced it had executed a globally optimal maneuver using DIDO. Since then, the toolbox has grown in applications well beyond its aerospace roots: from solving problems in quantum control to ushering rapid, nonlinear sensitivity-analysis in designing high-performance automobiles. Most recently, it has been used to solve continuous-time traveling-salesman problems. Over the last two decades, DIDO's algorithms have evolved from their simple use of generic nonlinear programming solvers to a multifaceted engagement of fast spectral Hamiltonian programming techniques. A description of the internal enhancements to DIDO that define its mathematics and algorithms are described in this paper. A challenge example problem from robotics is included to showcase how the latest version of DIDO is capable of escaping the trappings of a ``local minimum'' that ensnare many other trajectory optimization methods.

研究动机与目标

• 解决传统直接法与间接法在求解困难最优控制问题时收敛性差或对初始猜测敏感的局限性。
• 开发一种无需用户提供的初始猜测或解析梯度的鲁棒、快速且精确的算法。
• 通过基于庞特里亚金原理的可行性与最优性检验，实现解的可验证精度。
• 将 DIDO 的适用范围从航空航天扩展至机器人学、量子控制及非线性敏感性分析等复杂问题。
• 设计一种可嵌入低端微处理器的算法，以支持实时最优控制应用。

提出的方法

• 采用以离散余切隧道法和谱哈密顿编程为核心的多方面算法套件，以加速收敛。
• 使用伪谱离散化，重点在于保持哈密顿系统结构，以确保数值稳定性和精度。
• 通过利用哈密顿公式内在特性实现无初始猜测方法，避免依赖初始轨迹估计。
• 利用动力学与代价函数中的可分性，降低内存与计算负载，内存成本在 250 个网格点时约为每状态变量 1 MB。
• 通过显式计算并输出庞特里亚金原理中的必要条件来验证解的质量，实现独立验证。
• 通过最小化内存与计算需求，使算法可嵌入低端微处理器，兼容奈奎斯特率信号采样。

实验结果

研究问题

• RQ1 如何在无需用户提供的初始猜测的情况下，鲁棒地求解最优控制问题？
• RQ2 哪些算法增强使 DIDO 能够摆脱其他轨迹优化方法常陷入的局部极小值？
• RQ3 基于伪谱的最优控制求解器在缺乏解析梯度信息的情况下，能在多大程度上实现可验证的精度与可行性？
• RQ4 核心算法是否可嵌入资源受限的硬件中，以支持实时最优控制应用？
• RQ5 DIDO 中以哈密顿为中心的方法在性能与可靠性方面，与传统直接法或间接法有何根本性差异？

主要发现

• DIDO 算法在具有挑战性的机器人轨迹优化问题中成功避开了局部极小值，展现出其他方法失败时仍具鲁棒性。
• 在 250 个网格点时，内存成本约为每状态变量 1 MB；在 1,000 个网格点时，约为每状态变量 10 MB，支持低内存部署。
• 该算法在无需用户提供的梯度、初始猜测或高性能计算资源的情况下，实现了高计算速度与高精度。
• 通过输出庞特里亚金原理的全部必要条件，确保了解的可验证性，支持对最优性的独立验证。
• 该方法可嵌入低端微处理器，已通过将信号采样率与最优控制频率内容对齐，在实时控制应用中实现概念验证。
• 该算法以哈密顿编程为基础，能够求解其他求解器难以处理的复杂微分-代数问题，即使在非航空航天领域（如量子控制与汽车设计）亦表现优异。