Probe-Conditioned Memory for Actuator-Deadband-Aware Koopman MPC in Industrial Sealing

Résumé Technique : Mémoire Conditionnée par Sondage pour un MPC de type Koopman Sensible à la Zone Morte de l'Actionneur dans le Scellage Industriel

Énoncé du Problème
Les processus de scellage et de distribution industriels réutilisent souvent le matériel (chaînes de pression, buses, interfaces de vision) à travers différentes recettes de produits. Bien que le calibrage statique pression-largeur soit généralement précis pour les recettes nominales, les recettes à largeur étroite exposent une non-linéarité critique : la zone morte de l'actionneur. Dans les vannes pneumatiques proportionnelles, une « zone morte » existe où les commandes de position ne produisent que peu ou pas de débit. Par conséquent, un point de consigne de pression statique calibré peut rester théoriquement correct, mais de petits mouvements correctifs sont absorbés par la zone morte, empêissant la pression réellement délivrée de changer tant qu'un seuil dépendant de l'historique n'est pas franchi.

Le défi central est le commissionnement : la phase de configuration et de réajustement immédiatement après un changement de recette. Durant cette phase, les données cibles sont rares, et la carte de perles statique est insuffisante car elle ignore l'état de livraison de l'actionneur (hystérésis, zone morte et perte de pression). Les méthodes existantes — telles que le contrôle inverse statique, le PI adaptatif ou l'identification RLS (moindres carrés récursifs) en ligne — ignorent soit la perte de pression délivrée, soit nécessitent des données cibles étendues pour redécouvrir le comportement de l'actionneur qui est pourtant déjà présent dans les enregistrements historiques. Le document identifie une capacité manquante : un mécanisme permettant de combiner le calibrage statique avec un court sondage de l'actionneur pour récupérer le contexte historique pertinent avant le début du contrôle par rétroaction.

Méthodologie
La solution proposée est le Contrôleur Prédictif de Modèle de type Koopman Sensible à la Zone Morte de l'Actionneur (AK-MPC), initialisé par une Mémoire Conditionnée par Sondage (PCM).

1. Mémoire Conditionnée par Sondage (PCM) :

   • La PCM agit comme un référentiel de cas opérationnels historiques. Chaque enregistrement ($C_i$) stocke un tuple incluant la recette du produit, la référence de qualité, la racine de pression statique, les descripteurs de matériau et, crucialement, un descripteur d'actionneur ($z_a$).
   • Le descripteur d'actionneur est inféré à partir d'une séquence de sondage fixe de 16 actions exécutée au début d'une nouvelle phase de commissionnement. Ce sondage estime la zone morte ($d$), le gain de pression délivrée ($g$), le retard ($\ell$) et l'hystérésis ($h$).
   • Lors d'un nouveau changement de recette, le système effectue une requête de récupération utilisant une métrique de distance pondérée entre les descripteurs statiques et dynamiques de la nouvelle cible et la bibliothèque stockée. Le contexte historique le plus proche fournit un « démarrage à chaud » pour le prédicteur et le contrôleur.

2. AK-MPC (Koopman MPC sensible à la zone morte de l'actionneur) :

   • Prédiction : Le contrôleur utilise un cadre de levage de Koopman avec un dictionnaire fini pour créer un prédicteur non linéaire compact. Le prédicteur est initialisé avec le contexte récupéré ($\Theta_K, S, \pi$).
   • Correction Locale : Pendant la courte phase de commissionnement, le contrôleur applique une correction de rang faible en ligne basée sur le tampon de transition, s'adaptant aux dérives spécifiques de la cible sans réécrire l'intégralité du modèle.
   • Filtrage de Faisabilité : Une couche de contraintes strictes garantit que les limites de pression et d'entrée sont respectées. Un filtre de « tube » gère les erreurs de prédiction de largeur ; si l'erreur prédite dépasse un seuil, le système revient à une stratégie de racine de pression bornée ou à un PI adaptatif inverse statique.
   • Flux de Travail : Le processus implique l'exécution du sondage, la récupération du meilleur contexte historique, l'initialisation de l'MPC, et l'exécution d'une boucle de contrôle à horizon fuyant qui met à jour les corrections locales tout en préservant les termes de l'actionneur récupérés.

Contributions Clés

• Définition de la PCM : Le document formalise la Mémoire Conditionnée par Sondage comme un enregistrement reliant les points de consigne de pression aux comportements d'actionneur inférés par sondage, permettant la réutilisation des états d'actionneur historiques (zone morte, gain, hystérésis) plutôt que de simples points de contrôle de modèle.
• Analyse Théorique : Les auteurs fournissent des propositions et des théorèmes démontrant que :
  • Une racine de pression statique est insuffisante dans les régimes de zone morte (Proposition 1).
  • Les erreurs d'estimation par sondage sont bornées sous des conditions d'excitation spécifiques (Lemme 1).
  • La PCM récupérée limite l'écart initial du prédicteur (Théorème 1).
  • La dégradation du coût de suivi à horizon fini est bornée par l'erreur du tube de prédiction (Théorème 2).
• Architecture de Contrôle : L'intégration d'un prédicteur de Koopman contraint avec une correction de rang faible en ligne et un filtre de faisabilité spécifiquement adapté à la zone morte de l'actionneur.

Résultats
La méthode a été évaluée sur un jumeau numérique calibré d'une cellule de collage physique, se concentrant sur un benchmark de largeur étroite de 1,00 mm où la perte de pression délivrée est significative. L'étude compare l'AK-MPC à plusieurs bases de référence : MPC de pression inverse statique, PI adaptatif inverse statique, RLS-ARX-MPC en ligne, et un ARX-MPC ajusté par sondage (qui utilise le sondage mais sans mémoire).

• Précision de Suivi : L'AK-MPC a atteint une erreur absolue moyenne (MAE) de 0,0487 mm sur 60 cas appariés.
  • Il a nettement surpassé la meilleure base dynamique (RLS-ARX-MPC en ligne à 0,2492 mm) et les bases statiques (environ 0,25–0,27 mm).
  • L'ARX-MPC ajusté par sondage, qui manque de récupération de mémoire, a obtenu les moins bons résultats (0,3956 mm).
• Études d'Ablation :
  • Le retrait de la PCM (AK-MPC sans PCM) a augmenté l'erreur à 0,0655 mm, isolant la contribution spécifique de la récupération de la mémoire.
  • Le gel des mises à jour en ligne (Frozen-PCM) a entraîné une erreur de 0,1158 mm, soulignant la nécessité de l'adaptation en ligne.
• Sécurité et Efficacité : L'AK-MPC a maintenu zéro violation de pression ou d'entrée et a démontré une variation totale plus faible des actions de l'actionneur par rapport aux bases de référence. Le temps d'exécution au 95e percentile était de 13,7 ms sur une station de travail standard.

Signification et Revendications
Le document affirme que la valeur principale de cette approche réside dans le commissionnement rapide pour les recettes de faible largeur où la zone morte de l'actionneur est active. La signification n'est pas une revendication générale de transfert d'apprentissage, mais un mécanisme spécifique : les cycles historiques sont les plus utiles lorsqu'ils transportent des informations de livraison de pression (zone morte, gain, hystérésis) qu'un court sondage de la cible peut vérifier et affiner.

Les auteurs soulignent que l'écart de performance important entre l'AK-MPC et les bases classiques est le résultat du flux de travail complet (prédiction contrainte + correction en ligne + filtrage de faisabilité), tandis que le gain isolé de la PCM (environ 0,0168 mm d'amélioration par rapport à la variante sans mémoire) démontre que la récupération des états spécifiques de l'actionneur fournit des informations critiques avant que suffisamment de données de cible ne soient disponibles. Les résultats sont validés sur un jumeau numérique calibré, une seule trace de cellule physique étant fournie comme vérification de déploiement plutôt que comme benchmark statistique.