Exploiting Over-Approximation Errors as Preview Information for Nonlinear Control

Technische Zusammenfassung: Ausnutzung von Überapproximationsfehlern als Vorschauinformation für die nichtlineare Regelung

Problemstellung
Die Regelung nichtlinearer Systeme unter Zustands- und Eingangsbeschränkungen stellt eine fundamentale Herausforderung dar, insbesondere in sicherheitskritischen Bereichen wie der Luft- und Raumfahrt sowie der Robotik. Traditionelle Abstraktionsmethoden ersetzen oft komplexe nichtlineare Dynamiken durch einfachere Modelle (z. B. lineare oder stückweise affine Systeme), um eine handhabbare Reglersynthese zu ermöglichen. Diese Methoden behandeln den Approximationsfehler jedoch typischerweise als unbekannte, adversarische Störung. Diese konservative Behandlung zwingt Regler dazu, den Worst-Case der Fehlerrealisierung zu berücksichtigen, was häufig zu übermäßiger Konservativität und verminderter Leistung führt. Das zentrale Problem, das in dieser Arbeit adressiert wird, besteht darin, wie die Struktur des Überapproximationsfehlers genutzt werden kann, um die Regelungsleistung zu verbessern, ohne Sicherheitsgarantien zu opfern.

Methodik
Die Autoren schlagen einen Rahmen vor, in dem der Überapproximationsfehler nicht als unbekannte Störung, sondern als eingangsabhängige Vorschauinformation behandelt wird.

1. Informierte Strategien: Anstelle einer Standard-Zustandsrückführungsstrategie $\pi(x)$ definieren die Autoren eine „informierte Strategie" $\pi(x, e)$, die sowohl vom aktuellen Zustand $x$ als auch vom Überapproximationsfehler $e$ abhängt. Da die Fehlerfunktion $e(x, u) = f(x, u) - \hat{f}(x, u)$ bekannt und deterministisch ist, ist der Fehler zur Laufzeit eine Funktion des gewählten Eingangs $u$.
2. Das Konkretisierungsproblem: Die Implementierung einer informierten Strategie erfordert die Berechnung eines Eingangs $u$, sodass $u = \pi(x, e(x, u))$ gilt. Dies erzeugt eine zirkuläre Abhängigkeit zwischen dem Eingang und dem Fehler. Die Autoren formulieren dies als Fixpunktgleichung: Finden von $u$, sodass $u = F_x(u)$ gilt, wobei $F_x(u) = \pi(x, f(x, u) - \hat{f}(x, u))$.
3. Existenz und Berechnung:
   • Existenz: Mithilfe des Brouwerschen Fixpunktsatzes beweisen die Autoren, dass eine Lösung existiert, wenn die Eingangsmenge $U$ nichtleer, kompakt und konvex ist und die beteiligten Funktionen stetig sind.
   • Effiziente Berechnung:
     • Gemeinsame Eingangsabhängigkeit: Wenn die wahre und die approximative Dynamik dieselbe Eingangsabhängigkeit teilen (z. B. $f(x,u) = f_x(x) + B u$ und $\hat{f}(x,u) = \hat{f}_x(x) + B u$), wird der Fehler unabhängig von $u$, was eine geschlossene Lösungsform ermöglicht.
     • Eingangs-affine Systeme: Für Systeme, bei denen die Dynamik affin in $u$ ist ($f(x,u) = f_x(x) + f_u(x)u$) und die Strategien fehleraffin sind, reduziert sich das Konkretisierungsproblem auf ein konvexes Programm (oder ein lineares Programm, falls $U$ ein Polytop ist).
     • Allgemeine nichtlineare Systeme: Für beliebige nichtlineare Systeme leiten die Autoren Bedingungen ab, unter denen die Fixpunktabbildung eine Kontraktion ist. Wenn diese erfüllt sind, garantiert der Banachsche Fixpunktsatz eine eindeutige Lösung, die durch iterative Verfahren gefunden werden kann.
4. Strategiesynthese: Um diese Strategien zu synthetisieren, nutzen die Autoren die System-Level-Synthese (SLS). Sie erweitern den Systemzustand um den Fehlerterm und transformieren das Problem in die Synthese einer Zustandsrückführungsstrategie für ein erweitertes lineares (oder stückweise lineares) System. Dies ermöglicht den Einsatz konvexer Optimierung, um Strategien zu entwerfen, die Beschränkungen für alle möglichen Fehlerrealisierungen innerhalb der Überapproximationsmenge erfüllen.

Hauptbeiträge

• Neuinterpretation des Approximationsfehlers: Die Arbeit zeigt, dass Überapproximationsfehler natürlicherweise eingangsabhängige Vorschauinformationen liefern, was die Standardansicht dieser Fehler als rein adversarische Störungen in Frage stellt.
• Formalismus informierter Strategien: Die Autoren führen „informierte Strategien" ein, die den Fehlerterm explizit nutzen und klassische, nicht informierte Strategien verallgemeinern.
• Konkretisierungsrahmen: Das Problem der Rückgewinnung eines gültigen Eingangs für das wahre System aus einer auf Vorschau basierenden Strategie wird als Fixpunktgleichung formalisiert.
• Theoretische Garantien:
  • Die Existenz von Lösungen wird unter milden topologischen Bedingungen durch den Brouwerschen Satz garantiert.
  • Eine effiziente Berechnung wird durch geschlossene Lösungsformen, konvexe/lineare Programmierung oder iterative Kontraktionsverfahren bereitgestellt, abhängig von der Systemstruktur.
• Synthesemethode: Eine Methode zur Synthese informierter Strategien mittels SLS an einem erweiterten System, einschließlich Bedingungen, um die für die nichtlineare Konkretisierung erforderliche Kontraktion sicherzustellen.

Ergebnisse
Die Autoren validieren ihren Ansatz durch numerische Experimente an zwei nichtlinearen Systemen:

1. Eingangs-affine Dynamik: Ein System mit der Dynamik $\dot{x}_1 = x_2 + 0.5x_1^2$ und $\dot{x}_2 = 0.75x_1^2 + 2x_2^3 + \cos(x_2)u$. Die informierte Strategie erreichte einen garantierten Endzustand von $x_{1,T} \geq 0.81$, verglichen mit $0.62$ für eine nicht informierte Strategie.
2. Nichtlineare Dynamik: Ein System mit der Dynamik $\dot{x}_1 = x_2$ und $\dot{x}_2 = -\sin(x_1) + 0.5x_2^2 + 2\sin(u)$. Unter Verwendung der iterativen Banach-basierten Konkretisierung garantierte die informierte Strategie $x_{1,T} \geq 3.1$ und übertraf damit die Garantie der nicht informierten Strategie von $2.7$.

In beiden Fällen reduzierten die informierten Strategien die Konservativität erheblich, sodass das System weiter in den Zustandsraum vordringen konnte, während die Beschränkungen strikt eingehalten wurden.

Bedeutung und Behauptungen
Die Arbeit behauptet, dass durch die Interpretation von Überapproximationsfehlern als Vorschauinformation anstelle unbekannter Störungen Regelungsdesigner handhabbare und zuverlässige Regelgesetze für eingeschränkte nichtlineare Dynamiken mit reduzierter Konservativität erreichen können. Die Arbeit liefert eine rigorose mathematische Grundlage (durch Fixpunkttheorie) für diesen Ansatz und stellt sicher, dass die von der Strategie getroffenen „informierten" Entscheidungen für das wahre System physikalisch realisierbar (konkretisierbar) sind. Die Autoren positionieren dies als einen Schritt hin zu einem effizienteren Einsatz von Regelsystemen in sicherheitskritischen Bereichen, in denen Standard-Robustheitsmethoden oft zu konservativ sind.

Die Arbeit schließt mit dem Hinweis, dass zukünftige Arbeiten Erweiterungen auf Systeme mit externen Störungen, Ausgangsrückführung und mehrstufiger Vorschauinformation adressieren werden, behauptet jedoch nicht, dass diese Erweiterungen derzeit gelöst sind.