Distributed Output-Feedback LQG Control with Delayed Information Sharing

Resumen Técnico: Control LQG de Retroalimentación de Salida Distribuido con Retraso en el Intercambio de Información

Formulación del Problema
Este artículo aborda el desafío de diseñar controladores óptimos para sistemas lineales cuadráticos gaussianos (LQG) distribuidos sujetos a retrasos de comunicación. Si bien el caso de retroalimentación de estado para estructuras de retraso específicas ha sido resuelto previamente, la extensión a la retroalimentación de salida es no trivial debido a que el principio de separación clásico (que permite el diseño independiente de estimación y control) falla bajo restricciones de información generales.

Los autores se centran en un sistema de tres subsistemas interconectados que operan sobre un grafo fuertemente conexo. La estructura de información se define de tal manera que:

1. La información de los vecinos inmediatos está disponible con un retraso de un paso.
2. La información global (de todos los nodos) está disponible para todos los tomadores de decisiones con un retraso de dos pasos.
   El objetivo es minimizar una función de costo cuadrática de horizonte finito sujeta a estas restricciones de información retrasada. La dinámica del sistema es lineal, y las perturbaciones y los ruidos de medición se modelan como ruidos blancos gaussianos correlacionados.

Metodología
La metodología central consiste en descomponer el complejo problema de control distribuido en dos subproblemas tratables, separando los vectores de estado y control en componentes independientes basados en la disponibilidad de la información.

1. Algoritmo de Estimación: Los autores derivan primero un algoritmo de estimación óptima para el problema de tres jugadores. A diferencia del filtro de Kalman estándar, que asume el acceso a todas las mediciones hasta el tiempo $k-1$, el estimador propuesto utiliza:

   • Una estimación común basada en la información global con un retraso de dos pasos ($y(0:k-2)$).
   • Términos de corrección locales basados en mediciones disponibles con un retraso de un paso ($y_i(k-1)$ y mediciones de los vecinos).
     Esto da como resultado una estimación de estado modificada $\hat{x}^{[1]}(k)$ que incorpora innovaciones locales.

2. Descomposición del Controlador: El control de entrada óptimo $u(k)$ se descompone en dos partes independientes:

   • Componente Centralizado: Un término basado en el conjunto de información global con un retraso de dos pasos, equivalente a un controlador LQG centralizado con un retraso de dos pasos.
   • Componente de Corrección: Una suma de términos de corrección basados en la información local adicional disponible para cada tomador de decisiones (mediciones en $k$ y $k-1$).

3. Optimización mediante Programación Convexa: Los autores demuestran que hallar las matrices de ganancia óptimas para los términos de corrección puede transformarse en un problema de optimización convexa sin restricciones. Al utilizar el operador de vectorización ($\text{vec}$) y una construcción de matriz específica para manejar las restricciones de dispersión (sparsity), el problema se reduce a resolver un conjunto de ecuaciones recursivas. Esto evita la necesidad de recurrir a programación semidefinida compleja donde la estructura del controlador no es explícita.

Contribuciones Clave

• Realización Explícita en Espacio de Estados: El artículo proporciona una realización explícita en el espacio de estados para el controlador de retroalimentación de salida óptimo en un entorno distribuido con retrasos, un problema donde el principio de separación típicamente falla.
• Estructura del Controlador: Se muestra que el controlador óptimo tiene la forma:
  $$u(k) = F(k)(y(k) - C\hat{x}^{[1]}(k)) + F^{[1]}(k)(y(k-1) - C\hat{x}(k-1|k-2)) + L(k)\hat{x}(k)$$
  Aquí, $L(k)$ es la ganancia LQR estándar calculada mediante la recursión de Riccati en tiempo discreto, mientras que $F(k)$ y $F^{[1]}(k)$ son matrices de ganancia dispersas calculadas mediante programación convexa que respetan las restricciones de información.
• Manejo de Perturbaciones Correlacionadas: A diferencia del trabajo previo restringido a perturbaciones independientes, este enfoque se generaliza a perturbaciones correlacionadas entre subsistemas.
• Tractabilidad Computacional: La solución reduce el diseño del controlador óptimo a la resolución de una ecuación de Riccati estándar en tiempo discreto y una ecuación recursiva, lo que hace que el cálculo sea eficiente.

Resultados
Simulaciones numéricas en un sistema de tres jugadores con un horizonte de tiempo de $N=1000$ comparan el controlador propuesto contra tres referentes:

1. Control centralizado sin retraso.
2. Control centralizado con un retraso de dos pasos.
3. Un patrón de intercambio de información con un retraso de un paso.

Los resultados indican que el controlador de tres jugadores propuesto supera significativamente al controlador centralizado con un retraso de dos pasos. Además, logra un costo solo aproximadamente un 1.74% superior al patrón de intercambio de información de un paso de retraso, lo que sugiere que para esta topología específica, el beneficio de la comunicación bidireccional es marginal, pero el método propuesto utiliza eficazmente la información retrasada disponible.

Significación y Reivindicaciones
El artículo afirma proporcionar una comprensión fundamental de las estructuras de retraso generales en el control LQG distribuido. Al descomponer con éxito el controlador en una parte centralizada y términos de corrección locales, los autores cierran la brecha entre las soluciones de retroalimentación de estado y el escenario más complejo de retroalimentación de salida. El trabajo demuestra que, incluso ante el fallo del principio de separación, se pueden derivar soluciones explícitas y computacionalmente eficientes para estructuras de información específicas y no triviales. Los autores señalan que este marco sienta las bases para extender estos resultados a problemas de horizonte infinito y topologías de red más generales.