[论文解读] SLSpy: Python-Based System-Level Controller Synthesis Framework

Shih-Hao Tseng, Jing Shuang Li|arXiv (Cornell University)|Apr 27, 2020

Parallel Computing and Optimization Techniques参考文献 24被引用 6

一句话总结

SLSpy 是一个基于 Python 的开源框架，用于系统级控制器综合，支持模块化、可扩展的实现与比较离散时间控制器综合方法。它支持综合与仿真工作流，原生实现了系统级综合（SLS）和输入-输出参数化（IOP），是首个开源、原生支持 Python 的 SLS 与 IOP 框架，支持自定义目标与约束。

ABSTRACT

Synthesizing controllers for large, complex, and distributed systems is a challenging task. Numerous proposed methods exist in the literature, but it is difficult for practitioners to apply them -- most proposed synthesis methods lack ready-to-use software implementations, and existing proprietary components are too rigid to extend to general systems. To address this gap, we develop SLSpy, a framework for controller synthesis, comparison, and testing. SLSpy implements a highly extensible software framework which provides two essential workflows: synthesis and simulation. The workflows are built from five conceptual components that can be customized to implement a wide variety of synthesis algorithms and disturbance tests. SLSpy comes pre-equipped with a workflow for System Level Synthesis (SLS), which enables users to easily and freely specify desired design objectives and constraints. We demonstrate the effectiveness of SLSpy using two examples that have been described in the literature but do not have ready-to-use implementations. We open-source SLSpy to facilitate future controller synthesis research and practical usage.

研究动机与目标

• 解决控制系统研究中先进控制器综合方法缺乏可访问、可扩展且开源的软件实现的问题。
• 提供一个灵活的软件框架，使实践者能够不受专有工具箱或复杂依赖链的限制，实现、自定义并比较各种控制器综合算法。
• 通过模块化框架抽象翻译过程，实现从频域综合方法到时域控制器实现的抽象与简化。
• 通过提供标准化、可组合的架构与明确定义的组件接口，促进新型综合方法的部署。
• 支持最先进的方法，如系统级综合（SLS）和输入-输出参数化（IOP），包括输出反馈与 LQG 目标等在先前工具箱中不可用的功能。

提出的方法

• 设计一个包含两个核心工作流的框架：控制器综合与系统仿真，通过五个概念组件协调：系统模型、控制器参数化、目标、约束与求解器接口。
• 使用 Python 实现框架，以确保可访问性、可扩展性，并便于与现有科学计算堆栈集成。
• 使用面向对象的继承机制，使用户能够在保持与框架预定义工作流兼容的前提下，自定义组件（如目标、约束）。
• 通过基于 CVX 的语法支持与外部求解器的互操作性，用于指定优化目标与约束，从而与标准凸优化工具集成。
• 将控制器综合过程（依赖于预期噪声）与仿真过程（使用实际噪声）解耦，实现在噪声不匹配条件下的鲁棒测试。
• 提供 SLS 与 IOP 的开箱即用实现，包括对输出反馈与 LQG 目标的支持，代码量极少（例如 IOP 仅 282 行代码）。

实验结果

研究问题

• RQ1 如何设计一个软件框架，以支持多样化控制器综合算法的模块化、可扩展且可组合的实现？
• RQ2 为支持统一、可重用框架中的综合与仿真工作流，必要的架构组件是什么？
• RQ3 基于 Python 的框架是否能够实现与专有工具箱相当的功能性与可扩展性，同时保持开源与高度可定制性？
• RQ4 如何从频域控制器综合到时域实现的转换过程进行抽象与简化，以实现实际应用？
• RQ5 该框架在多大程度上能够支持新型综合方法（如输入-输出参数化 IOP 与输出反馈 LQG）的部署与比较？

主要发现

• SLSpy 提供了首个开源、原生支持 Python 的系统级综合（SLS）实现，使用户能够以高级、模块化语法直接指定设计目标与约束。
• 该框架包含首个开源的输入-输出参数化（IOP）实现，仅用 282 行代码实现，展示了其高效性与易集成性。
• SLSpy 在脉冲干扰下成功稳定了 10 节点链式系统，使用 IOP 与 LQG 控制器均实现稳定，其中 IOP 因其对噪声不敏感的设计表现出更激进的稳定行为。
• LQG 控制器（专为含测量噪声的系统设计）在无测量噪声条件下仿真时仍保持稳定，验证了框架将综合假设与仿真条件解耦的能力。
• 该框架实现了 IOP 与 LQR 控制器之间的公平比较，证实了理论预期：当无测量噪声时，两者等价。
• 模块化设计支持无缝扩展至新求解器与优化技术，已提出在目标/约束与求解器之间集成翻译层的路径。