Rethinking Strict Dissipativity for Economic MPC

Cet article propose le concept novateur de dissipation stricte à deux fonctions de stockage pour établir des conditions nécessaires et suffisantes de stabilité asymptotique en commande prédictive économique, en reliant directement ces conditions aux fonctions de valeur et en offrant des alternatives plus vérifiables à la dissipation stricte classique.

L'essentiel

🚗 Le Guide de la Conduite Économique : Comment stabiliser une voiture sans regarder le tableau de bord ?

Imaginez que vous conduisez une voiture (c'est votre système) et que votre objectif n'est pas seulement d'arriver à destination, mais de le faire en dépensant le moins de carburant possible (c'est l'Economic MPC ou Commande Prédictive Économique).

Dans la conduite classique (le "MPC de poursuite"), on vous dit : "Gardez la voiture au centre de la voie". C'est facile à stabiliser : si vous déviez, vous corrigez pour revenir au centre.

Mais dans la conduite économique, le but est différent. Parfois, pour économiser du carburant, il vaut mieux accélérer un peu, puis freiner, ou prendre une courbe large. Le "point idéal" (le point de stabilité) n'est pas forcément là où vous êtes, et le chemin pour y arriver est complexe. Le grand défi des chercheurs est de prouver que, même en cherchant à économiser, la voiture ne va pas finir par faire des embardées et s'écraser. Elle doit finir par se stabiliser doucement.

🛑 Le Problème : La "Règle de Dissipation"

Pour prouver que la voiture se stabilisera, les mathématiciens utilisent une règle appelée dissipativité stricte.

• L'analogie : Imaginez que la voiture a un "réservoir d'énergie caché" (une fonction de stockage). La règle dit que, peu importe comment vous conduisez, la perte d'énergie (le carburant consommé) doit toujours être supérieure à la variation de ce réservoir caché. Si c'est vrai, la voiture finira par s'arrêter au bon endroit.
• Le problème : Cette règle est très difficile à vérifier. C'est comme essayer de prouver qu'un réservoir d'eau existe et qu'il est toujours plein, sans pouvoir le voir directement. De plus, dans le cas économique, ce "réservoir" ne correspond pas directement à la valeur de votre trajet (le coût total), ce qui rend la vérification encore plus tordue.

💡 La Nouvelle Idée : Le "Double Réservoir"

C'est ici que l'auteur, Mario Zanon, propose une idée géniale : la dissipativité stricte à deux réservoirs.

Au lieu de chercher un seul réservoir magique qui fait tout le travail, il propose d'utiliser deux réservoirs qui travaillent en équipe :

1. Le réservoir "Avant" (V+) : Il représente le coût minimal pour aller de votre position actuelle vers l'arrêt idéal (le futur).
2. Le réservoir "Arrière" (V-) : Il représente le coût minimal pour venir de l'arrêt idéal jusqu'à votre position actuelle (le passé).

L'analogie du pont :
Imaginez que vous êtes sur un pont.

• Le réservoir "Avant" vous dit : "Si vous continuez comme ça, il vous restera X euros de carburant pour arriver au but."
• Le réservoir "Arrière" vous dit : "Si vous veniez du but, il vous aurait fallu Y euros pour arriver ici."

La nouvelle règle dit simplement : La différence entre ces deux réservoirs doit toujours être positive et grandir quand vous vous éloignez du but.
C'est comme si vous aviez deux balances. Si la balance du futur est toujours plus lourde que celle du passé (d'une quantité qui augmente avec la distance), alors vous êtes obligé de vous rapprocher du centre pour équilibrer les choses.

🌟 Pourquoi c'est mieux ?

1. Plus facile à vérifier : Au lieu de chercher un réservoir mystérieux, on utilise simplement les calculs de coût "aller" et "retour" que l'ordinateur fait déjà. C'est comme vérifier deux comptes bancaires réels au lieu d'un compte en or caché.
2. C'est la même chose (en gros) : L'auteur prouve que si votre système est stable avec l'ancienne méthode (un seul réservoir), il l'est aussi avec la nouvelle (deux réservoirs), et vice-versa. C'est juste une façon différente, plus pratique, de regarder la même réalité.
3. Garantie de sécurité : Si cette condition à deux réservoirs est remplie, on est sûr à 100 % que la voiture finira par se stabiliser, même si on ne regarde que sur une courte période (horizon fini).

🏁 La Conclusion en une phrase

Ce papier nous dit : "Ne vous inquiétez pas de trouver le réservoir d'énergie parfait et unique. Utilisez simplement la différence entre le coût du futur et le coût du passé. Si cette différence est toujours positive, votre système économique est stable et sécurisé."

C'est une nouvelle clé pour ouvrir la porte de la stabilité dans les systèmes complexes, rendant la théorie plus accessible et plus facile à appliquer pour les ingénieurs qui conçoivent des robots, des usines ou des voitures autonomes.

Résumé technique

Voici un résumé technique détaillé de l'article "Rethinking Strict Dissipativity for Economic MPC" de Mario Zanon, rédigé en français.

1. Problématique

Le Contrôle Prédictif Économique (EMPC) vise à optimiser la performance économique d'un système en minimisant un coût économique générique (et non pas nécessairement la distance à un point de consigne). Contrairement au MPC de suivi (tracking), où la stabilité est garantie par la convexité du coût autour de l'état stationnaire optimal, l'EMPC nécessite des hypothèses plus fortes pour garantir la stabilité asymptotique en boucle fermée.

La condition standard pour assurer cette stabilité est la dissipativité stricte. Cette hypothèse implique l'existence d'une fonction de stockage $\lambda(x)$ telle que le coût "rotaté" (ou transformé) ait son minimum à l'état stationnaire optimal. Cependant, l'article soulève deux problèmes majeurs :

1. Difficulté de vérification : La fonction de stockage requise pour la dissipativité stricte ne peut pas être directement liée à la fonction de valeur d'un problème de contrôle optimal (OCP) standard formulé avec le coût économique.
2. Lien théorique : Il existe un fossé entre la théorie de la dissipativité et les fonctions de valeur des OCPs, rendant la vérification de la condition difficile dans les cas non linéaires contraints.

L'objectif de l'article est de proposer un nouveau cadre conceptuel pour relier directement la stabilité asymptotique aux fonctions de valeur des OCPs, tout en facilitant la vérification de la condition de stabilité.

2. Méthodologie et Concepts Clés

L'auteur introduit une nouvelle notion appelée dissipativité stricte à deux stockages (two-storage strict dissipativity).

A. Définitions Fondamentales

L'article définit deux problèmes de contrôle optimal infinis :

• OCP vers l'avant ($V^+$) : Minimisation du coût cumulé à l'infini avec contrainte de convergence vers l'origine.
• OCP vers l'arrière ($V^-$) : Maximisation du coût cumulé (négatif) à l'infini en remontant le temps, avec contrainte de départ de l'origine.

Pour gérer les contraintes et les singularités, l'auteur introduit également des versions relâchées de ces problèmes ($V^\oplus$ et $V^\ominus$) en ajoutant un terme de pénalité sur une variable de contrôle fictive $z$ (relâchement de la dynamique).

B. La Dissipativité Stricte à Deux Stockages

Contrairement à la dissipativité stricte classique qui utilise une seule fonction de stockage $\lambda(x)$, la nouvelle condition exige l'existence de deux fonctions de stockage, $\lambda_1(x)$ et $\lambda_2(x)$, telles que :

1. Chacune satisfait l'inégalité de dissipativité (le coût rotaté est positif).
2. Elles sont séparées par une fonction définie positive $\gamma(\|x\|)$ :
   $$\lambda_1(x) \geq \lambda_2(x) + \gamma(\|x\|)$$

L'idée centrale est que ces deux fonctions peuvent être directement identifiées aux fonctions de valeur (ou leurs versions relâchées) : $\lambda_1 = -V^\ominus$ et $\lambda_2 = -V^\oplus$. La différence entre ces deux fonctions de valeur doit être strictement positive partout sauf à l'origine.

3. Contributions Principales

1. Nouveau Concept Théorique : Introduction de la "dissipativité stricte à deux stockages". Cette condition est formulée de manière à être directement vérifiable via les fonctions de valeur $V^+$ et $V^-$ (ou leurs versions relâchées).
2. Équivalence et Nécessité/Suffisance :
   • Suffisance : La dissipativité stricte à deux stockages est suffisante pour garantir la stabilité asymptotique du système en boucle fermée (vers l'avant pour la loi de contrôle $u^+$ et vers l'arrière pour $u^-$).
   • Nécessité : Si le système est asymptotiquement stable avec un coût borné, alors la dissipativité stricte à deux stockages doit nécessairement être satisfaite.
   • Relation avec la Dissipativité Stricte Classique : L'article prouve que la dissipativité stricte classique implique la dissipativité à deux stockages. Inversement, la dissipativité à deux stockages implique la dissipativité stricte le long des trajectoires optimales.
3. Conception de Termes Terminaux pour l'Horizon Fini :
   • L'auteur propose des conditions sur le coût terminal ($V_f$) pour garantir la stabilité dans le cas d'horizon fini.
   • Il montre qu'un coût terminal satisfaisant $V_f(x) \geq V^\ominus(x) + \eta(\|x\|)$ (où $\eta$ est définie positive) est nécessaire et suffisant pour la stabilité asymptotique lorsque l'horizon de prédiction est suffisamment long.
   • Il démontre que si $V_f(x) = V^-(x)$, la stabilité asymptotique est impossible (le système peut suivre des trajectoires instables vers l'arrière).

4. Résultats et Preuves

• Lien avec les Fonctions de Valeur : L'article établit que les fonctions de valeur $V^+$ et $V^-$ agissent comme des bornes pour toute fonction de stockage satisfaisant la dissipativité. Plus précisément, $-V^-(x) \geq \lambda(x) \geq -V^+(x)$.
• Stabilité Asymptotique : En utilisant les fonctions de valeur comme fonctions de Lyapunov (après rotation), l'auteur prouve que la condition de décroissance stricte est satisfaite le long des trajectoires optimales.
• Cas Linéaire-Quadratique (LQ) : Le papier confirme que dans le cas LQ, la dissipativité stricte à deux stockages est équivalente à la dissipativité stricte classique, étendant ainsi les résultats connus à des systèmes non linéaires contraints généraux.
• Exemples Numériques :
  • Un exemple LQ contraint montre comment les contraintes modifient les domaines de validité des fonctions de valeur rotatées.
  • Un exemple non linéaire illustre la différence entre $V^+$ et $V^-$ et la nécessité d'utiliser la condition à deux stockages pour prouver la stabilité lorsque les trajectoires optimales vers l'avant et l'arrière coïncident partiellement.

5. Signification et Impact

Ce travail est significatif pour la communauté du contrôle optimal et de l'EMPC pour plusieurs raisons :

• Facilitation de la Vérification : La condition de dissipativité stricte classique est souvent difficile à vérifier car la fonction de stockage $\lambda$ est inconnue. La nouvelle condition permet de vérifier la stabilité en calculant directement les fonctions de valeur $V^+$ et $V^-$ (via programmation dynamique ou méthodes numériques), ce qui est plus accessible.
• Unification Théorique : Il comble le fossé entre la théorie de la dissipativité (Willems) et la théorie du contrôle optimal (équations de Bellman/Hamilton-Jacobi-Bellman) en montrant que les fonctions de valeur elles-mêmes peuvent servir de fonctions de stockage.
• Guidage pour la Conception de Contrôleur : Les résultats sur les termes terminaux fournissent des règles claires pour les ingénieurs : pour garantir la stabilité en horizon fini, le coût terminal doit être "suffisamment grand" par rapport à la fonction de valeur vers l'arrière ($V^-$), mais ne doit pas nécessairement être la fonction de valeur vers l'avant ($V^+$), bien que cela fonctionne aussi.
• Généralité : Le cadre s'applique aux systèmes non linéaires contraints, dépassant les limitations des approches linéaires ou non contraintes.

En résumé, Mario Zanon propose un cadre robuste qui reformule la condition de stabilité de l'EMPC en termes de fonctions de valeur, rendant la théorie plus applicable et offrant des conditions nécessaires et suffisantes claires pour la stabilité asymptotique.