Resumen Técnico: Diseño de Controlador Distribuido Óptimo con Retrasos de Comunicación

Planteamiento del Problema

Este artículo aborda el diseño de un controlador Lineal Cuadrático Gaussiano (LQG) distribuido y óptimo para una cadena de subsistemas lineales interconectados, motivado específicamente por el pelotón de Vehículos de Carga Pesada (HDV, por sus siglas en inglés). El desafío central radica en la presencia de retrasos de comunicación y acoplamiento físico entre los vehículos vecinos.

En un pelotón típico, los vehículos buscan mantener una distancia de seguimiento y una velocidad predefinidas mientras minimizan el consumo de combustible. Sin embargo, las restricciones prácticas impiden el intercambio instantáneo de estados; la información relativa a los vehículos vecinos está sujeta a retrasos (específicamente modelados como un retraso de dos pasos en este trabajo). Además, la dinámica de los vehículos está acoplada debido a efectos aerodinámicos (reducción de la resistencia del aire en pelotones) y perturbaciones de proceso (viento, gradiente de la carretera) que están correlacionadas a través del pelotón.

El problema se formula como la búsqueda de un control de entrada óptimo $u_i(k)$ para cada vehículo $i$ que minimice una función de costo cuadrática (penalizando las desviaciones en el espaciamiento, la velocidad y el esfuerzo de control) sujeto a:

1. Dinámica de sistema dispersa: El estado de un vehículo depende de sus vecinos.
2. Estructura de información con retraso: Cada vehículo tiene acceso a su propio estado actual, al estado propio y de sus vecinos del paso de tiempo anterior, e información común de hace dos pasos.
3. Retroalimentación de salida: El principio de separación clásico (que permite diseñar el estimador y el controlador de forma independiente) falla en este entorno debido a la estructura de intercambio de información con retraso.

Metodología

Los autores proponen un algoritmo de síntesis que descompone el controlador óptimo en dos componentes independientes para superar el fallo del principio de separación.

1. Modelado del Sistema

Los autores derivan un modelo de espacio de estados lineal en tiempo discreto para un pelotón de HDV.

• Dinámica: El modelo linealiza la dinámica no lineal del vehículo (incluyendo el par del motor, frenado y resistencia aerodinámica) alrededor de una velocidad y espaciamiento de referencia.
• Acoplamiento: La matriz del sistema $A$ exhibe una estructura de tridiagonal por bloques, lo que refleja que el vehículo $i$ es influenciado por los vehículos $i-1$ e $i+1$.
• Perturbaciones: El ruido de proceso se modela como ruido blanco gaussiano con una matriz de covarianza definida positiva completa para dar cuenta de factores ambientales correlacionados (por ejemplo, el viento que afecta a todo el pelotón).

2. Descomposición del Controlador

Para resolver el problema de control óptimo bajo información con retraso, el vector de estado $x(k)$ y la entrada de control $u(k)$ se descomponen en dos partes independientes:

• Componente de Información Común ($x_2, u_2$): Basado en la información compartida por todos los vehículos (historia hasta $k-2$). Este componente corresponde a un problema LQR centralizado con retraso.
• Componente de Información Local ($x_1, u_1$): Basado en el error de estimación relativo a la información común. Este componente utiliza información local adicional disponible en el tiempo $k$ (estado actual y estados de los vecinos inmediatos en $k-1$).

La ley de control óptimo se expresa como:
$$u(k) = F(x(k) - \zeta(k)) + M(x(k-1) - \zeta(k-1)) + L\xi(k)$$
Donde:

• $\xi(k)$ es la estimación de la media cuadrática mínima del estado dado la información común (actuando como el término LQR centralizado con retraso).
• $\zeta(k)$ es un predictor de estado.
• $F$ y $M$ son matrices de ganancia que representan términos de corrección basados en información local.

3. Algoritmo de Síntesis

Los autores derivan ecuaciones explícitas en tiempo discreto para calcular las ganancias óptimas $F$ y $M$.

• El problema se transforma en un conjunto de problemas de minimización cuadrática no restringidos utilizando la vectorización ($\text{vec}$) y productos de Kronecker.
• Las restricciones de dispersión (debido a la naturaleza distribuida) se manejan seleccionando solo los elementos no nulos de las matrices de ganancia.
• La solución implica resolver una Ecuación de Riccati Algebraica (ARE) para la parte centralizada y un sistema lineal que involucra una matriz de bloques $Y$ para determinar las ganancias de corrección.

Contribuciones Clave

1. Síntesis de Retroalimentación de Salida Óptima: El artículo proporciona una solución al problema LQG distribuido con intercambio de información con retraso, un caso donde el principio de separación clásico no se cumple.
2. Estructura del Controlador: Establece que el controlador óptimo consiste en un término LQR centralizado con retraso más términos de corrección derivados de la información local.
   ের
3. Cálculo Explícito de Ganancias: Los autores derivan ecuaciones analíticas en tiempo discreto para las ganancias del controlador óptimo, evitando la necesidad de programación semidefinida que a menudo no proporciona estructuras de controlador explícitas.
4. Modelo de HDV Realista: El trabajo presenta un modelo de sistema discreto derivado de las características de Scania HDV, incorporando acoplamiento físico (aerodinámica) y perturbaciones de proceso correlacionadas.

Resultados Numéricos y Desempeño

El controlador propuesto fue evaluado mediante una simulación de un pelotón heterogéneo de tres HDV (masas de 30,000 kg, 40,000 kg y 30,000 kg) viajando a 70 km/h. El escenario incluyó:

• Cambios repentinos en la velocidad del vehículo líder (debido a un vehículo más lento que se incorpora).
• Cambios en los límites de velocidad de la carretera.
• Perturbaciones de estado.

Hallazgos:

• Desempeño de Seguimiento: El controlador mantuvo un control estricto sobre la velocidad y el espaciamiento intermedio sin sobreimpulso, manejando eficazmente las perturbaciones.
• Eficiencia de Combustible: La energía de la entrada de control (proporcional al consumo de combustible) se redujo aproximadamente un 15% para el segundo vehículo y un 14% para el tercer vehículo en comparación con el vehículo líder, demostando un comportamiento de eficiencia de combustible.
• Comparación de Costos:
  • La función de costo del controlador distribuido propuesto fue solo un 0.01% mayor que la de un controlador totalmente centralizado con información de estado instantánea.
  • Logró un costo 67% menor que un controlador centralizado que también sufría los mismos retrasos de comunicación de dos pasos (sin la estructura distribuida propuesta).

Significancia y Reivindicaciones

El artículo afirma que el método propuesto ofrece una solución práctica y óptima para el control distribuido en sistemas con estructura de cadena como los pelotones de vehículos. Al considerar explícitamente los retrasos de comunicación y la información local, el controlador logra un desempeño casi idéntico al de un sistema totalmente centralizado (que suele ser impracticable debido a las limitaciones de ancho de banda y latencia), superando significativamente a los enfoques centralizados con retraso.

Los autores enfatizan que el controlador derivado es fácil de implementar, ya que se basa en cálculos de ganancias explícitos en lugar de optimización en línea compleja. Señalan que, aunque el trabajo actual se centra en una cadena de tres vehículos, la metodología está destinada a extenderse a pelotones más grandes ($M$ vehículos) y retrasos de tiempo arbitrarios en el futuro. Los resultados sugieren que aprovechar la información local es crucial para mitigar la degradación del desempeño causada por la latencia de comunicación en aplicaciones críticas para la seguridad.