Optimal $\mathbb{H}_2$ Control with Passivity-Constrained Feedback: Convex Approach

Stellen Sie sich vor, Sie versuchen, einen wackeligen, tanzenden Roboter aufrecht zu halten, während ein Sturm aus Wind ihn hin und her schubst. Sie möchten, dass der Roboter so ruhig wie möglich bleibt und dabei so wenig Energie verbraucht wie möglich. Dies ist die Welt der Regelungstechnik: die Wissenschaft davon, Maschinen genau so zu steuern, wie wir es wollen, selbst wenn es chaotisch wird. Normalerweise bauen Ingenieure „intelligente“ Regler, die wie winzige, superschnelle Computer agieren. Sie messen das Wackeln des Roboters, berechnen eine perfekte Gegenbewegung und senden einen Befehl an die Motoren. Aber diese intelligenten Systeme benötigen Batterien, Chips und Elektrizität. Wenn der Strom ausfällt, fällt der Roboter um.

Stellen Sie sich nun eine andere Art von Regler vor: einen, der vollständig aus Federn, Gummibändern und Zahnrädern besteht. Dies ist ein „passiver“ Regler. Er hat kein Gehirn und keine Batterie. Er funktioniert rein aufgrund der Gesetze der Physik. Wenn man ihn drückt, drückt er zurück. Wenn man an ihm zieht, zieht er zurück. Die Schönheit passiver Systeme liegt in ihrer unglaublichen Zuverlässigkeit; sie können nicht abstürzen, weil sie nicht eingeschaltet werden müssen. Es gibt jedoch einen Haken. Da sie auf einfache Physik beschränkt sind, können sie nicht immer so gut darin sein, das Wackeln zu stoppen, wie die schicken computergesteuerten Systeme. Die große Frage für Ingenieure war bisher: „Wie nah kann ein einfaches, batterieloses Federsystem an die Leistung eines Supercomputers herankommen?“ Diese Arbeit taucht genau in diese Frage ein und versucht, die absolut beste Leistung eines passiven Reglers zu finden, ohne zu schummeln.

Die Autoren, unter der Leitung von J.T. Scruggs, gehen ein spezifisches Rätsel an: die Suche nach dem „perfekten“ passiven Regler für ein System, das bereits einigermaßen stabil ist. Sie raten nicht einfach nur; sie versuchen, ein massives mathematisches Problem zu lösen, um das theoretische Limit dessen zu finden, was ein passives System leisten kann. Denken Sie daran wie beim Versuch, die schnellstmögliche Zeit zu finden, die ein Mensch bei einem Marathon laufen kann, ohne Schuhe oder Technologie zu benutzen, sondern nur durch reine Biologie. Man kann nicht einfach raten; man muss die Muskeln, den Wind und die Strecke modellieren, um das absolute Limit zu finden.

In dieser Arbeit behandeln die Autoren den Regler als eine „Black Box“, die strengen Regeln der Passivität folgen muss (er darf keine Energie erzeugen, er kann sie nur absorbieren oder speichern). Sie wollen das „Wackeln“ (mathematisch als H2-Zielgröße bezeichnet) minimieren, das durch zufällige Störungen verursacht wird. Das Problem ist, dass die Suche nach diesem perfekten Regler wie der Versuch ist, ein Labyrinth zu lösen, das eine unendliche Anzahl von Pfaden hat. Es ist zu groß, als dass ein Computer es auf einmal lösen könnte.

Hier wird die Arbeit clever. Die Autoren erkannten, dass sie, anstatt den Regler direkt zu entwerfen, eine „Schattenversion“ davon entwerfen können, den sogenannten Youla-Parameter. Dies ist so, als würde man versuchen, ein Puzzle zu lösen, indem man seinen Schatten an der Wand betrachtet, anstatt die Puzzleteile selbst zu betrachten. Durch den Wechsel zu dieser Schattenansicht verwandelt sich das unmögliche, unendliche Labyrinth plötzlich in ein glattes, schüsselförmiges Tal. In der Mathematik nennt man dies ein „konvexes“ Problem. Das bedeutet: Wenn man einen Ball einen Hügel hinunterrollen lässt, wird er immer zum tiefsten Punkt rollen, der perfekten Lösung, ohne in einem falschen Tal stecken zu bleiben.

Die Arbeit zeigt, dass wir zwar das unendliche Problem nicht sofort lösen können, aber eine Reihe kleinerer, einfacherer Probleme aufbauen können, die dem perfekten Ergebnis immer näher kommen. Stellen Sie sich vor, Sie versuchen, einen perfekten Kreis zu zeichnen. Sie können ihn nicht in einem einzigen Strich zeichnen, aber Sie können ein Quadrat zeichnen, dann ein Achteck, dann ein 16-seitiges Gebilde. Jedes Mal, wenn Sie mehr Seiten hinzufügen, sieht die Form eher wie ein Kreis aus. Die Autoren haben genau das getan: Sie haben eine Methode entwickelt, um mehr „Seiten“ zu ihrem Reglerentwurf hinzuzufügen. Während sie mehr „Seiten“ hinzufügten (mathematisch durch die Erhöhung der Anzahl der Parameter), wurde ihre Lösung immer besser und rückte dem wahren, unendlichen perfekten Regler immer näher.

Um sicherzustellen, dass sie tatsächlich der Wahrheit nahe kamen und sich nicht selbst täuschten, bauten sie eine zweite, entgegengesetzte Art von Test auf. Dieser Test lieferte eine „Untergrenze“ oder einen unteren Schrankenwert. Es war wie die Aussage: „Egal was passiert, das Beste, was du erreichen kannst, ist mindestens dieser Wert.“ Indem sie sowohl den „immer besser werdenden“ Test als auch den „Bodenschwellenwert“-Test durchführten, konnten sie beobachten, wie die beiden Zahlen zusammenrückten. Wenn die obere Zahl (das Beste, was sie gefunden haben) und die untere Zahl (das garantierte Minimum) sehr nah beieinander liegen, wissen sie, dass sie die Antwort gefunden haben.

Die Arbeit demonstriert dies mit zwei Beispielen. Das erste ist ein einfaches Vibrationsproblem, wie etwa ein einzelnes Gewicht an einer Feder. Das zweite ist ein komplexeres Modell eines Fahrzeugaufhängungssystems, das versucht, die Fahrgastzelle ruhig zu halten, während die Räder über Unebenheiten fahren. In beiden Fällen zeigten sie, dass ihre Methode funktioniert. Sie fanden heraus, dass sie mit nur einer moderaten Menge an Komplexität (etwa 3 der 30 bis 100 „Seiten“ auf ihrer Form) ein fast so gutes Ergebnis erzielen konnten wie der theoretisch perfekte Regler. Sie zeigten auch, dass die von ihnen verwendete Mathematik effizient ist; sie benötigt nicht ewig zur Berechnung, selbst für diese komplexen Formen.

Die Autoren sind sorgfältig bei der Anmerkung dessen, was sie nicht getan haben. Sie haben keine neue Art von Feder oder eine neue Art von Batterie erfunden. Sie behaupteten auch nicht, dass passive Regler immer besser als aktive Regler sind. Tatsächlich zeigten sie, dass es für einige sehr spezifische, einfache Fälle bekannte Abkürzungen gibt, aber für den allgemeinen Fall die alten Wege des Ratens oder der Verwendung von Näherungen das Ziel verfehlten. Sie bewiesen, dass man durch ihre neue „Schattenmethode“ den wahren besten passiven Regler finden kann und nicht nur eine Vermutung.

Einer der spannendsten Teile ihrer Entdeckung ist, wie sie die Mathematik vereinfacht haben. Normalerweise wird die Mathematik exponentiell schwieriger, wenn man versucht, eine Lösung genauer zu machen – wie der Versuch, einen Rubik's Cube zu lösen, der immer größer wird. Die Autoren fanden einen Weg, die Methode der „Dualität“ zu nutzen, um die Schwierigkeit so zu halten, dass sie nur linear ansteigt. Es ist, als würde man erkennen, dass man, anstatt jedes einzelne Sandkorn an einem Strand zu zählen, einfach die Länge der Küstenlinie messen und mit einer Konstanten multiplizieren kann. Dies macht es möglich, diese Probleme auf einem normalen Laptop zu lösen, anstatt einen Supercomputer zu benötigen.

Letztendlich gibt diese Arbeit Ingenieuren ein mächtiges neues Werkzeug. Wenn Sie ein System entwerfen, bei dem Zuverlässigkeit entscheidend ist – wie eine Brücke, die Erdbeben standhalten muss, oder ein Roboter, der in einer Umgebung arbeiten muss, in der Batterien schwer zu wechseln sind – können Sie nun genau berechnen, wie gut ein passives System abschneiden kann. Sie müssen nicht mehr raten, ob eine Feder „gut genug“ ist. Sie können das absolute Limit berechnen, einen Regler entwerfen, der dieses Limit erreicht, und wissen, dass es die bestmögliche passive Lösung ist, die die Natur zulässt. Die Arbeit sagt nicht nur, dass es „möglich“ ist; sie liefert die Landkarte dorthin und zeigt, dass selbst die komplexesten Regelungsprobleme mit der richtigen mathematischen Perspektive beherrschbar sind.