Polynomial Chaos-based Input Shaper Design under Time-Varying Uncertainty

Resumen Técnico: Diseño de Modelado de Forma de Entrada basado en el Caos Polinomial bajo Incertidumbre Variable en el Tiempo

Planteamiento del Problema
La cuantificación de la incertidumbre (UQ) es crítica para diseñar sistemas de ingeniería robustos, particularmente cuando los parámetros evolucionan dinámicamente con el tiempo. Los enfoques probabilísticos clásicos suelen basarse en distribuciones fijas y supuestos invariantes en el tiempo, lo que limita su efectividad en escenarios complejos como el control de carga útil de Vehículos Aéreos No Tripulados (UAV) y el seguimiento de la actitud de naves espaciales. Si bien la Expansión de Caos Polinomial (PCE) ofrece un marco espectral eficiente para la propagación de la incertidumbre, los métodos de PCE estándar pueden degradarse durante integraciones de largo tiempo conforme las funciones de densidad de probabilidad del sistema evolucionan, causando que la base de polinomios ortogonales fija se vuelva subóptima. Además, las técnicas existentes de modelado de forma de entrada (input shaping) robustas a menudo tienen dificultades para abordar las incertidumbres variables en el tiempo de manera eficiente sin recurrir a simulaciones de Monte Carlo (MC) computacionalmente costosas. Este trabajo aborda el desafío de diseñar controladores de movimiento de precisión (específicamente modeladores de forma de entrada) para sistemas dinámicos sujetos a incertidumbres variables en el tiempo.

Metodología
El estudio propone un marco de Expansión de Caos Polinomial (PCE) intrusivo integrado con Filtros de Retardo Temporal (TDF) para diseñar modeladores de forma de entrada robustos. La metodología se valida utilizando un sistema masa-resorte no amortiguado donde la rigidez del resorte (y, por consiguiente, la frecuencia natural, $\omega_n$) está sujeta a una incertidumbre de intervalo que cambia con el tiempo.

1. Modelado del Sistema: El sistema se modela en dos intervalos de tiempo: $[0, t_1]$ y $[t_1, t_2]$. En el primer intervalo, la frecuencia natural $\omega_n$ sigue una distribución uniforme. En $t_1$, el sistema transiciona a un segundo intervalo donde la frecuencia natural $\omega_m$ sigue una distribución uniforme diferente. Crucialmente, el estado del sistema en $t_1$ (posición y velocidad) sirve como la condición inicial para el segundo intervalo, lo que significa que la solución en el segundo intervalo depende tanto de la incertidumbre inicial ($\zeta_1$) como de la nueva incertidumbre ($\zeta_2$).
2. Formulación de PCE Intrusiva: Los autores emplean un enfoque intrusivo utilizando proyecciones de Galerkin. Las ecuaciones del sistema se expanden en una serie de polinomios ortogonales (polinomios de Legendre para distribuciones uniformes). Los coeficientes de estos polinomios se determinan resolviendo el sistema de ecuaciones diferenciales resultante.
   • Para manejar la naturaleza variable en el tiempo, los coeficientes de PCE en el tiempo de transición $t_1$ se mapean desde la expansión de una sola variable (intervalo 1) hacia una expansión multivariable (intervalo 2) utilizando condiciones de ortogonalidad. Esto asegura la continuidad del estado y su derivada a través de la transición.
3. Diseño del Modelador de Forma de Entrada (Input Shaper): El marco diseña Filtros de Retardo Temporal (TDF) para minimizar la energía residual. Se comparan tres diseños:
   • TDF No Robusto: Coloca un par de ceros en la ubicación del polo nominal.
   • TDF Robusto: Coloca dos conjuntos de ceros en la ubicación nominal.
   • TDF de Análisis de Sensibilidad Global (GSA): Optimiza las magnitudes de los impulsos ($A_i$) y los retardos temporales ($T_i$) para minimizar una función objetivo específica $\Xi$. La función objetivo se define ya sea como el valor esperado de la energía residual ($E[V_{res}]$) o la varianza de la energía residual ($Var(V_{res})$).

Contribuciones Clave

• Manejo de la Incertidumbre Variable en el Tiempo: El artículo introduce una metodología específica para aplicar PCE intrusivo a sistemas donde los parámetros de incertidumbre camben con el tiempo. Detalla el procedimiento matemático para transferir los coeficientes de PCE entre intervalos de tiempo con diferentes distribuciones de incertidumbre, asegurando la continuidad de la solución.
• Diseño de Control Robusto Eficiente: El estudio demuestra que la PCE intrusiva puede utilizarse para diseñar modeladores de forma de entrada que consideren las incertidumbres variables en el tiempo de manera más eficiente que las simulaciones de Monte Carlo.
• Integración de Análisis de Sensibilidad Global: El trabajo integra el Análisis de Sensibilidad Global en el proceso de diseño del TDF, permitiendo la optimización de los parámetros del modelador para apuntar específicamente al rendimiento promedio o a la robustez (varianza) de la energía residual del sistema.

Resultados
Se realizaron simulaciones numéricas en un sistema masa-resorte con una masa de 1 kg y rigidez variable en el tiempo.

• Convergencia y Precisión: Los resultados de PCE para los valores esperados y las varianzas de la posición y la velocidad convergieron con los resultados obtenidos mediante la simulación de Monte Carlo con 10,000 muestras. Se encontró que un orden polinomial de $P=30$ era suficiente para igualar la precisión de MC, sin observarse diferencias significativas entre los órdenes 10 y 30 para el valor esperado.
• Eficiencia Computacional: El marco de PCE fue aproximadamente 12 veces más rápido que la simulación de Monte Carlo con 10,000 muestras, resaltando su ventaja para la propagación de la incertidumbre computacionalmente intensiva.
• Desempeño del Modelador de Forma de Entrada:
  • Todos los diseños de TDF redujeron significativamente la energía residual esperada y su varianza en comparación con un diseño no robusto.
  • Los diseños de TDF de GSA superaron al TDF robusto estándar. Específicamente, el TDF de GSA optimizado para la varianza ($\Xi_2$) redujo la energía residual esperada por un factor de 2 y la varianza por un factor de 5 en comparación con el TDF robusto estándar.
  • El TDF de GSA optimizado para la varianza resultó en una energía residual casi constante a través de diferentes pares de incertidumbre, indicando una alta insensibilidad a las variaciones del sistema.
  • Aunque el TDF de GSA generalmente proporcionó un desempeño superior, los autores señalaron que para combinaciones específicas donde la frecuencia del segundo intervalo está cerca de su media, el TDF robusto estándar podría ocasionalmente ofrecer una energía residual ligeramente menor, aunque la diferencia fue marginal en comparación con las mejoras significativas en los casos límite.

Significancia y Reivindicaciones
El artículo afirma que el marco de PCE intrusivo propuesto proporciona una alternativa computacionalmente económica y precisa a los métodos de Monte Carlo para diseñar modeladores de forma de entrada en presencia de incertidumbres variables en el tiempo. Al embeber la expansión de la incertidumbre directamente en las ecuaciones del sistema, el método ofrece una mayor visión analítica de la respuesta del sistema y la función objetivo.

Los autores sostienen que este enfoque es particularmente ventajoso para la supresión de vibraciones y la reducción de la energía residual en sistemas no lineales donde las simulaciones de Monte Carlo son computacionalmente prohibitivas. Concluyen que, si bien el estudio actual se centra en sistemas masa-resorte lineales, la metodología sienta las bases para futuras extensiones a modelos no lineales y de mayor fidelidad. El documento también señala que el trabajo futuro explorará métodos de PCE no intrusivos para una mayor versatilidad y buscará validar estas técnicas experimentalmente, específicamente para aplicaciones de transporte de carga útil aérea.