Reachability Analysis for Design Optimization

Resumen Técnico: Análisis de Alcanzabilidad para la Optimización de Diseño

1. Planteamiento del Problema

En el diseño de aeronaves de próxima generación, las consideraciones de control son críticas para garantizar que las nuevas plataformas puedan ejecutar maniobras específicas. Sin embargo, en la práctica actual de Optimización de Diseño Multidisciplinario (MDO), los conceptos avanzados de control rara vez se integran durante la fase de optimización; suelen reservarse para etapas posteriores de análisis. Esto genera un compromiso (trade-off) que simplifica el procedimiento de diseño pero resulta en aeronaves que no son óptimas para sus misiones.

El problema central abordado es la falta de métricas de diseño que sean agnósticas al controlador (no dependan de un controlador específico) pero que capturen las limitaciones físicas y la capacidad de maniobra de la aeronave. Se busca incorporar el análisis de alcanzabilidad (reachability analysis) en el proceso de optimización para imponer restricciones basadas en los estados que el sistema puede alcanzar bajo entradas de control acotadas, específicamente bajo normas $L_\infty$ (magnitud acotada).

2. Metodología

Los autores proponen un enfoque en dos niveles para aproximar y caracterizar los conjuntos alcanzables de sistemas lineales con entradas acotadas:

A. Caracterización Exacta para Sistemas Planos (Un solo input)
Para sistemas lineales invariantes en el tiempo (LTI) de un solo input, con eigenvalores reales y distintos, se investiga la frontera del conjunto alcanzable bajo restricciones $L_\infty$:

• Se demuestra que los puntos expuestos (bordes) del conjunto alcanzable se logran mediante señales de control saturadas en todo momento.
• Se establece que, bajo las suposiciones del sistema, el controlador óptimo cambia de valor (conmuta) como máximo una vez durante el intervalo de tiempo $[0, T]$.
• Se deriva una función paramétrica que describe la frontera del conjunto alcanzable utilizando integrales de la matriz de transición de estado con controles saturados que conmutan una vez. Esto permite una caracterización exacta del conjunto y su envolvente convexa.

B. Aproximación mediante Normas $L_p$ para Sistemas Generales
Dado que la caracterización exacta anterior no escala a sistemas de alta dimensión o múltiples inputs, se propone una aproximación utilizando la convergencia de las normas $L_p$ hacia la norma $L_\infty$ cuando $p \to \infty$:

• Se formula un problema de control óptimo para minimizar el costo de la norma $L_p$ del control.
• Utilizando el Principio del Mínimo de Pontryagin, se deriva una expresión analítica para el control óptimo $u^*(t)$ en función de la condición inicial del coestado $\lambda(0)$.
• Se propone un método numérico: en lugar de buscar en todo el espacio de funciones de control, se muestrea un espacio de condiciones iniciales del coestado ($\lambda_0$) para generar trayectorias y aproximar el conjunto alcanzable $R(T; U_{L_p})$.
• Se presenta una condición suficiente (Proposición 2) para identificar un subconjunto del interior del conjunto alcanzable imponiendo una cota en la norma del coestado inicial, reduciendo así la carga computacional.

C. Integración en Optimización de Diseño
Los métodos anteriores se integran en un problema de optimización para un avión de alta maniobrabilidad. Se utilizan dos métricas de restricción basadas en la alcanzabilidad:

1. Traza de la Gramiana de Alcanzabilidad ($L_2$): Relacionada con la longitud promedio de los ejes principales del conjunto alcanzable elíptico.
2. Volumen del Conjunto Aproximado ($L_6$): Utilizado como proxy para el volumen del conjunto $L_\infty$, calculado mediante la envolvente convexa de puntos generados numéricamente.

3. Contribuciones Clave

• Caracterización de Fronteras: Se proporciona una caracterización exacta y paramétrica de la frontera de los conjuntos alcanzables $L_\infty$ para sistemas planos de un solo input con eigenvalores reales distintos.
• Control Óptimo $L_p$: Se deriva y demuestra la forma del control óptimo para sistemas lineales bajo restricciones de norma $L_p$, ofreciendo una base teórica para aproximaciones numéricas.
• Método Numérico Escalable: Se introduce un enfoque basado en el muestreo del coestado inicial para aproximar conjuntos alcanzables $L_p$ (y por ende $L_\infty$) en sistemas generales, evitando la complejidad de las ecuaciones diferenciales parciales de Hamilton-Jacobi.
• Aplicación en MDO: Se demuestra la viabilidad de usar estas métricas de alcanzabilidad como restricciones en problemas de optimización de diseño de aeronaves, permitiendo evaluar la maniobrabilidad sin diseñar un controlador específico.

4. Resultados

El estudio de caso se realiza sobre un modelo lineal longitudinal de una aeronave:

• Ejemplo 1 (Gramiana $L_2$): Al optimizar la envergadura ($b$) y la cuerda del ala ($c$) para aumentar la traza de la Gramiana en un 10%, se encontró que el perímetro del ala debía aumentar un 33%. Esto indica una relación ineficiente entre el cambio geométrico y la mejora en la alcanzabilidad bajo la métrica $L_2$.
• Ejemplo 2 (Volumen $L_6$): Al optimizar las mismas variables para aumentar el volumen del conjunto alcanzable $L_6$ en un 10%, se logró un aumento del volumen de 0.3202 a 0.3522 con un incremento del perímetro del ala de solo 0.8%.
• Comparación: Los resultados muestran que la métrica basada en el volumen del conjunto alcanzable ($L_6$) permite lograr mejoras significativas en la maniobrabilidad con cambios estructurales mucho menores en comparación con la métrica basada en la Gramiana ($L_2$). Además, la aproximación $L_6$ captura mejor la geometría del conjunto $L_\infty$ (limitado por magnitud) que la elipse $L_2$.

5. Significado e Impacto

Este trabajo es significativo porque cierra la brecha entre el análisis de control y la optimización de diseño estructural.

• Diseño Agnóstico al Control: Permite a los ingenieros evaluar la capacidad de maniobra de una aeronave en etapas tempranas sin estar atados a una arquitectura de control específica.
• Eficiencia Computacional: Al evitar la complejidad de la alcanzabilidad no lineal y ofrecer métodos para sistemas lineales, hace factible la inclusión de estas restricciones en bucles de optimización iterativos.
• Optimización Realista: Al utilizar restricciones basadas en la magnitud de las entradas ($L_\infty$ o aproximaciones $L_p$), se modelan más fielmente las limitaciones físicas de los actuadores (saturación) que las métricas de energía ($L_2$) tradicionales.

Conclusión:
Los autores concluyen que la integración de métricas de alcanzabilidad en el diseño optimizado permite incorporar limitaciones físicas reales en el proceso de diseño. Futuras direcciones incluyen extender el análisis a regímenes no lineales y considerar restricciones de velocidad de los actuadores (rate-limited inputs).