[论文解读] Model Predictive Control for Signal Temporal Logic Specification

Vasumathi Raman, Alexandre Donzé+4 more|arXiv (Cornell University)|Mar 28, 2017

Advanced Control Systems Optimization参考文献 26被引用 8

一句话总结

该论文提出了一种模型预测控制（MPC）框架，通过混合整数线性规划（MILP）将信号时序逻辑（STL）规范转化为控制信号，用于满足网络物理系统（CPS）的控制需求。该方法引入了两种自动化的MILP编码方式，用于强制实现安全、响应和有界活锁性质，同时最大化鲁棒性，在暖通空调（HVAC）和微电网控制系统中进行了验证，确保了约束的满足。

ABSTRACT

We present a mathematical programming-based method for model predictive control of cyber-physical systems subject to signal temporal logic (STL) specifications. We describe the use of STL to specify a wide range of properties of these systems, including safety, response and bounded liveness. For synthesis, we encode STL specifications as mixed integer-linear constraints on the system variables in the optimization problem at each step of a receding horizon control framework. We prove correctness of our algorithms, and present experimental results for controller synthesis for building energy and climate control.

研究动机与目标

• 解决在复杂时序逻辑需求下为网络物理系统合成正确性保证控制器的挑战。
• 通过将STL规范集成到移动时域MPC框架中，实现对具有STL规范系统的实用化、实时控制。
• 自动化将STL规范转换为混合整数线性约束，以实现高效优化。
• 通过定量语义最大化系统满足的鲁棒性，以应对时间与参数变化。
• 在实际网络物理系统（如HVAC和智能电网系统）中展示方法的适用性，并验证约束的强制执行。

提出的方法

• 论文采用类似有界模型检测的编码方式，将STL规范表示为混合整数线性约束，从而实现与MPC优化的集成。
• 提出SNN-STL，即STL的一个子集，其合成问题可简化为线性规划（LP），在合理系统动态假设下可实现高效计算。
• 该方法采用移动时域框架：在每个时间步，基于当前状态和STL约束求解一个有限时域优化问题。
• 通过引入二值变量来表示时序逻辑算子（如'始终'（□）和'最终'（◇）），时间边界通过区间约束进行建模。
• 将鲁棒性度量作为目标函数，以最大化STL公式的满足程度。
• 该方法支持有限和无限时域的STL属性，通过在线监控集成扩展至无界属性。

实验结果

研究问题

• RQ1 STL规范能否被自动编码为MPC框架中使用的混合整数线性约束？
• RQ2 在网络物理系统的控制合成中，如何最大化STL满足的鲁棒性？
• RQ3 在移动时域控制设置中，能否通过类似有界模型检测的编码方式实现STL的高效合成？
• RQ4 所提出的方法能否在连续系统中处理复杂的时间属性，如安全、响应和有界活锁？
• RQ5 该方法在实际网络物理系统（如HVAC和微电网控制系统）中的可扩展性和性能如何？

主要发现

• 所提出的MILP编码在HVAC和微电网系统中成功实现了MPC对STL规范的强制执行，仿真结果证实了约束的正确满足。
• 对于SNN-STL子集，合成问题可简化为线性规划，在标准假设下可实现多项式时间计算。
• 控制器在ACE信号上实现了τ秒的稳定延迟，如图8所示τ = 5和τ = 10时，观察到正确的时序行为。
• 基于鲁棒性的优化使控制信号对时间与参数变化更具鲁棒性，优于非鲁棒方法。
• 该方法能够合成满足有限和无限时域STL属性的控制输入，且在实际CPS模型中展示了良好的可扩展性。
• 初步结果[36]表明，该框架可扩展至不确定环境中的反应式合成，显示出强大的实时自适应潜力。