⚡ electrical engineering

DeePC vs. Koopman MPC for Pasteurization: A Comparative Study

यह शोध पत्र पाश्चुरीकरण प्रक्रिया पर डेटा-एनेबल्ड प्रेडिक्टिव कंट्रोल (DeePC) और कूप्मन-आधारित मॉडल प्रेडिक्टिव कंट्रोल (KMPC) का एक तुलनात्मक अध्ययन प्रस्तुत करता है, जो यह प्रकट करता है कि जहाँ दोनों समान ट्रैकिंग त्रुटियों के साथ व्यवहार्य बाधित नियंत्रण प्राप्त करते हैं, वहीं KMPC अधिक सटीक ट्रैकिंग प्रदान करता है जबकि DeePC काफी सुचारू इनपुट प्रक्षेपवक्र उत्पन्न करता है।

मूल लेखक: Branislav Daráš, Patrik Valábek, Martin Klaučo

प्रकाशित 2026-04-02

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Branislav Daráš, Patrik Valábek, Martin Klaučo

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक विशाल, जटिल जहाज (पाश्चुरीकरण इकाई - Pasteurization Unit) के कप्तान हैं। आपका काम यह सुनिश्चित करना है कि माल (दूध या जूस) एक आदर्श तापमान पर रहे ताकि वह पीने के लिए सुरक्षित हो सके। आपके पास तीन लीवर हैं जिन्हें आप खींच सकते हैं: प्रवाह (flow) के लिए एक पंप, गर्म पानी के लिए एक वॉल्व, और एक इलेक्ट्रिक हीटर के लिए एक स्विच।

समस्या क्या है? जहाज पुराना है, मौसम बदलता रहता है, और माल हर बार अलग तरह से व्यवहार करता है। आपके पास कोई सटीक ब्लूप्रिंट (भौतिक मॉडल) नहीं है कि जहाज कैसे प्रतिक्रिया देगा। आपके पास केवल अतीत का एक लॉगबुक (रिकॉर्ड) है।

यह पेपर दो अलग-अलग कप्तानों के बीच एक दौड़ है जो केवल उस लॉगबुक का उपयोग करके इस जहाज को चलाने की कोशिश कर रहे हैं। दोनों ही माल को सुरक्षित रखने के लिए तापमान को एकदम सही रखना चाहते हैं और जहाज की सीमाओं का सम्मान भी करना चाहते हैं (इंजन को खराब न करें, माल को बहुत अधिक गर्म न करें)।

यहाँ दोनों रणनीतियों का विवरण दिया गया है:

दो कप्तान

1. कैप्टन DeePC (द "पैटर्न मैचर" - पैटर्न पहचानने वाला)

उपमा: एक ऐसे शेफ की कल्पना करें जिसने कभी विशिष्ट व्यंजन नहीं बनाया है, लेकिन उसने हजारों घंटों के कुकिंग वीडियो देखे हैं। जब उससे खाना बनाने के लिए कहा जाता है, तो शेफ गर्मी के रसायन विज्ञान या उबलने के भौतिकी को समझने की कोशिश नहीं करता है। इसके बजाय, वह लॉगबुक में पिछले वीडियो को देखता है, ऐसी क्रियाओं का एक क्रम ढूंढता है जो वर्तमान स्थिति से बिल्कुल मेल खाता हो, और कहता है, "ठीक है, अगर मैं आगे यह करता हूँ, तो परिणाम वह होगा।"

यह कैसे काम करता है: यह एक विशाल स्प्रेडशीट (जिसे हेंकेल मैट्रिक्स - Hankel Matrix कहा जाता है) का उपयोग करता है ताकि पिछले इनपुट और आउटपुट को एक साथ लाया जा सके। यह इतिहास में एक ऐसा पैटर्न ढूंढता है जो वर्तमान से मेल खाता हो और उस पैटर्न को आगे की ओर प्रोजेक्ट करता है।
इसका स्वभाव: यह बहुत सतर्क और सुचारू (smooth) है। यह लीवरों को झटके से नहीं चलाना चाहता। यह छोटे, कोमल समायोजन करने को प्राथमिकता देता है क्योंकि यह बस उसी पैटर्न का पालन कर रहा है जो इसने पहले देखा था।

2. कैप्टन कूपमैन MPC (द "ट्रांसलेटर" - अनुवादक)

उपमा: यह कप्तान थोड़ा अधिक अकादमिक है। वे इस अस्त-व्यस्त लॉगबुक को देखते हैं और कहते हैं, "यह बहुत अराजक है। आइए इस बिखरी हुई वास्तविकता को एक सरल, काल्पनिक भाषा में अनुवादित करें जहाँ सब कुछ सीधी रेखाओं में चलता है।" वे एक "आभासी मॉडल" (लिफ्टेड स्टेट-स्पेस - Lifted State-Space) बनाते हैं जो जहाज के व्यवहार की नकल करता है। एक बार जब उनके पास यह सरल मानचित्र तैयार हो जाता है, तो वे एक मानक जीपीएस (MPC) का उपयोग करके सही रास्ता तय करते हैं।

यह कैसे काम करता है: यह एक न्यूरल नेटवर्क (एक प्रकार का AI) का उपयोग करता है ताकि जहाज के व्यवहार का "अनुवाद" सीखा जा सके। यह इस जटिल, गैर-रैखिक वास्तविकता को एक सरल रैखिक समीकरण में बदल देता है। फिर, यह लक्ष्य तक पहुँचने का सबसे तेज़ तरीका खोजने के लिए एक गणितीय पहेली को हल करता है।
इसका स्वभाव: यह आक्रामक और सटीक है। यह लक्ष्य तापमान तक अभी पहुँचना चाहता है। यदि तापमान सही नहीं है, तो यह सुधार के लिए तुरंत लीवर्स को जोर से खींच लेता है।

दौड़: क्या हुआ?

शोधकर्ताओं ने लगभग 5.5 घंटों के लिए एक पाश्चुरीकरण इकाई के सिमुलेशन में दोनों कप्तानों को रखा। उन्होंने उन्हें बिल्कुल समान लक्ष्य और समान नियम दिए।

परिणाम:

गंतव्य (ट्रैकिंग सटीकता):
- दोनों कप्तान सही तापमान पर पहुँचे। दूध को सुरक्षित रखने में वे लगभग समान रूप से अच्छे थे। यदि आप अंतिम तापमान को देखते, तो आप अंतर नहीं कर पाते कि कौन जहाज चला रहा था।
सवारी की गुणवत्ता (सुगमता बनाम आक्रामकता):
- कैप्टन कूपमैन (द ट्रांसलेटर): एक फॉर्मूला 1 रेसर की तरह गाड़ी चलाते थे। जब लक्ष्य तापमान बदलता, तो वे ब्रेक मारते या एक्सीलरेटर दबा देते। वे वहाँ तेज़ी से पहुँचे, लेकिन सवारी ऊबड़-खाबड़ थी। लीवर (पंप और हीटर) हिंसक रूप से ऊपर-नीचे हो रहे थे।
- कैप्टन DeePC (द पैटर्न मैचर): एक लग्जरी लिमोजिन की तरह गाड़ी चलाते थे। जब लक्ष्य बदलता, तो वे धीरे से ढल जाते। लीवर बहुत धीरे और सुचारू रूप से चलते थे।
- विजेता: DeePC ने भारी अंतर से "सुगमता पुरस्कार" जीता। इसने लीवर्स को चलाने के लिए 84% कम प्रयास का उपयोग किया। वास्तविक दुनिया में यह बहुत महत्वपूर्ण है क्योंकि झटकेदार गतिविधियाँ पंपों और हीटरों को जल्दी खराब कर देती हैं।
लागत (ऊर्जा):
- कैप्टन कूपमैन यात्रा के गणित के मामले में थोड़े अधिक ऊर्जा-कुशल थे, लेकिन कैप्टन DeePC ने केवल लगभग 7% अधिक ऊर्जा का उपयोग किया।
- क्यों? भले ही DeePC ने लीवर्स को कोमलता से चलाया, लेकिन काम पूरा करने के लिए उसने हीटर को थोड़ी अधिक देर तक चालू रखा। उसने एक बहुत ही सुचारू सवारी के बदले थोड़ी सी अतिरिक्त बिजली का व्यापार किया।

मुख्य निष्कर्ष

पेपर यह निष्कर्ष निकालता है कि कोई भी एक "सर्वश्रेष्ठ" कप्तान नहीं है। यह इस पर निर्भर करता है कि आप किसे महत्व देते हैं:

कैप्टन कूपमैन (Koopman MPC) को चुनें यदि आपका मुख्य लक्ष्य सटीकता (precision) है। यदि आपको आवश्यकता है कि तापमान तुरंत लक्ष्य तक पहुँचे और आपको इस बात से फर्क नहीं पड़ता कि उपकरण थोड़ा हिलता है, तो यह व्यक्ति आपके लिए है।
कैप्टन DeePC को चुनें यदि आपका मुख्य लक्ष्य उपकरण का स्वास्थ्य और स्थिरता है। यदि आप अपने पंपों को घिसने से बचाना चाहते हैं, झटकेदार गतिविधियों से बचना चाहते हैं, और एक थोड़े अधिक सुचारू और सहज दृष्टिकोण के साथ रहने को तैयार हैं, तो यह आपका विजेता है।

सरल शब्दों में:

Koopman MPC "काम जल्दी खत्म करने वाला" दृष्टिकोण है।
DeePC "काम को कोमलता से करने वाला" दृष्टिकोण है।

दोनों काम करते हैं, लेकिन एक आपकी मशीन को तनाव से बचाता है, जबकि दूसरा आपको कुछ सेकंड के इंतज़ार से बचाता है।

यहाँ शोध पत्र "DeePC vs. Koopman MPC for Pasteurization: A Comparative Study" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र मल्टीवेरिएबल थर्मल प्रक्रियाओं (multivariable thermal processes), विशेष रूप से एक पाश्चुरीकरण इकाई (pasteurization unit) को नियंत्रित करने की चुनौती को संबोधित करता है, जहाँ अनमॉडल हीट लॉस (unmodeled heat losses), बदलते परिचालन स्थितियाँ और हीटिंग, कूलिंग एवं फ्लो एक्ट्यूएटर्स के बीच जटिल कपलिंग के कारण उच्च-सटीकता वाले फर्स्ट-प्रिंसिपल्स मॉडल बनाना कठिन होता है।

नियंत्रण उद्देश्य (Control Objective): क्रिटिकल तापमान (विशेष रूप से होल्डिंग-ट्यूब आउटलेट तापमान, $T_1$ ) को ट्रैक करना, जबकि एक्ट्यूएटर्स (फ्लो रेट, पावर) और आउटपुट्स पर हार्ड कंस्ट्रेंट्स (hard constraints) का पालन करना।
अंतराल (The Gap): जबकि मॉडल प्रेडिक्टिव कंट्रोल (MPC) बाधित अनुकूलन (constrained optimization) के लिए आदर्श है, यह पारंपरिक रूप से सटीक भौतिकी-आधारित मॉडलों पर निर्भर करता है। डेटा-संचालित विकल्प मौजूद हैं लेकिन औद्योगिक बेंचमार्क पर उनका सीधा, आमने-सामने तुलनात्मक अध्ययन उपलब्ध नहीं है।
तुलना (The Comparison): यह अध्ययन दो अलग-अलग डेटा-संचालित आर्किटेक्चर की तुलना करता है:
1. डेटा-एनेबल्ड प्रेडिक्टिव कंट्रोल (DeePC): एक नॉन-पैरामीट्रिक दृष्टिकोण जो व्यवहारिक सिस्टम थ्योरी (Willems' Lemma) का उपयोग करके सीधे इनपुट-आउटपुट ट्राजेक्टरीज से भविष्यवाणी करता है, जिससे स्पष्ट मॉडल पहचान (explicit model identification) की आवश्यकता नहीं रहती।
2. कूपमैन-आधारित MPC (KMPC): एक पैरामीट्रिक दृष्टिकोण जो डेटा से एक "लिफ्टेड" लीनियर स्टेट-स्पेस रिप्रेजेंटेशन (Koopman operator) सीखने के लिए न्यूरल नेटवर्क का उपयोग करता है, जिसके बाद एक कलमन फ़िल्टर के साथ मानक MPC डिज़ाइन किया जाता है।

2. कार्यप्रणाली (Methodology)

A. सिस्टम सेटअप

प्लांट (Plant): एक प्रयोगशाला-स्तर की निरंतर पाश्चुरीकरण इकाई जिसमें 3 मैनिपुलेटेड इनपुट्स (फीड फ्लो, हॉट-वॉटर सर्कुलेशन, इलेक्ट्रिक हीटर पावर) और 3 मेजर्ड आउटपुट्स (विभिन्न चरणों पर तापमान) हैं।
सिमुलेशन एनवायरनमेंट: एक न्यूरल-नेटवर्क-आधारित डिजिटल ट्विन प्लांट सिम्युलेटर के रूप में कार्य करता है।
- DeePC डेटा: डिजिटल ट्विन (शोर-मुक्त/noise-free) से उत्पन्न किया गया।
- KMPC डेटा: डिजिटल ट्विन को प्रशिक्षित करने के लिए उपयोग किए गए वास्तविक प्रयोगात्मक डेटा (शोर युक्त/noisier) से पहचाना गया।
प्रायोगिक डिजाइन: दोनों नियंत्रकों को समान पैरामीटर्स के साथ ट्यून किया गया था ताकि प्रेडिक्टिव रिप्रेजेंटेशन के प्रभाव को अलग किया जा सके:
- प्रेडिक्शन होराइजन ( $N$ ) = 60 स्टेप्स (10 मिनट)।
- पास्ट होराइजन ( $T_{ini}$ ) = 10 स्टेप्स।
- समान कॉस्ट वेट्स ( $Q, R$ ) और कंस्ट्रेंट सेट्स।

B. कंट्रोलर फॉर्मुलेशन

1. रेगुलराइज्ड DeePC (Regularized DeePC):

मुख्य तंत्र: ऐतिहासिक इनपुट-आउटपुट डेटा से हैंकल मैट्रिसेस (Hankel matrices) का निर्माण करता है। यह वर्तमान स्थिति से मेल खाने और भविष्य की लागत को कम करने के लिए पिछले ट्राजेक्टरीज के लीनियर कॉम्बिनेशन को खोजने के लिए एक कंस्ट्रेंड ऑप्टिमाइजेशन समस्या को हल करता है।
रेगुलराइजेशन (Regularization): शोर और संख्यात्मक अस्थिरता (numerical ill-conditioning) को संभालने के लिए, लेखकों ने लागू किया:
- स्लैक वेरिएबल्स ( $\sigma_y$ ): पिछले आउटपुट्स के सॉफ्ट मैचिंग की अनुमति देते हैं।
- रिज रेगुलराइजेशन ( $\lambda_g$ ): स्थिरता में सुधार के लिए ट्राजेक्टरी कॉम्बिनेशन के बड़े गुणांकों को दंडित करता है।
एल्गोरिदम: रिकेडिंग होराइजन ऑप्टिमाइजेशन जिसे क्वाड्रेटिक प्रोग्राम (QP) के रूप में हल किया गया।

2. कूपमैन-आधारित MPC (KMPC):

मुख्य तंत्र: एक डीप कूपमैन मॉडल का उपयोग करता है जो नॉनलीनियर सिस्टम को एक परिमित-आयामी लीनियर स्टेट-स्पेस ( $z_{k+1} = A_K z_k + B_K u_k$ ) में मैप करता है।
ऑफसेट-फ्री ट्रैकिंग (Offset-Free Tracking): स्टेट को एक कांस्टेंट आउटपुट डिस्टर्बेंस मॉडल ( $d_k$ ) के साथ संवर्धित करता है और मॉडल मिसमैच की उपस्थिति में ज़ीरो स्टेडी-स्टेट एरर सुनिश्चित करने के लिए एक कलमन फ़िल्टर का उपयोग करता है।
एल्गोरिदम: पहचाने गए लीनियर मॉडल का उपयोग करने वाला मानक MPC ऑप्टिमाइजेशन।

3. मुख्य योगदान (Key Contributions)

आर्किटेक्चरल तुलना: एक कपल्ड, मल्टीवेरिएबल थर्मल प्रोसेस पर "मॉडल-फ्री" (DeePC) बनाम "ऑटोमेटेड-मॉडल" (KMPC) दृष्टिकोणों की एक कठोर, आमने-सामने की तुलना प्रदान करता है।
व्यावहारिक DeePC फॉर्मुलेशन: एक स्व-निहित, रेगुलराइज्ड DeePC फॉर्मुलेशन प्रस्तुत करता है जो मल्टीवेरिएबल सिस्टम के लिए उपयुक्त है, जिसमें हैंकल कंस्ट्रक्शन, रेगुलराइजेशन रणनीतियों और कंस्ट्रेंट हैंडलिंग का विवरण दिया गया है।
मात्रात्मक ट्रेड-ऑफ विश्लेषण (Quantitative Trade-off Analysis): ट्रैकिंग सटीकता और एक्ट्यूएटर स्मूथनेस के बीच एक स्पष्ट प्रदर्शन ट्रेड-ऑफ स्थापित करता है, जो इंजीनियरों को इन विधियों के बीच चयन करने के लिए व्यावहारिक मार्गदर्शन प्रदान करता है।

4. परिणाम और प्रदर्शन मेट्रिक्स (Results and Performance Metrics)

नियंत्रकों का मूल्यांकन 2,000 टाइम स्टेप्स (~5.5 घंटे) में निम्नलिखित मेट्रिक्स का उपयोग करके किया गया:

ट्रैकिंग एरर ( $e_{RMS}$ ): प्राथमिक आउटपुट ( $T_1$ ) पर रूट-मीन-स्क्वायर एरर।
ट्रैकिंग कॉस्ट ( $J_y$ ): संचयी भारित (weighted) ट्रैकिंग एरर।
कंट्रोल एफर्ट कॉस्ट ( $J_{\Delta u}$ ): इनपुट रेट परिवर्तन पर संचयी दंड (cumulative penalty)।
ऊर्जा खपत ( $E$ ): संचयी इलेक्ट्रिक हीटर उपयोग।

प्रमुख निष्कर्ष:

मेट्रिक	KMPC प्रदर्शन	DeePC प्रदर्शन	व्याख्या
ट्रैकिंग एरर ( $e_{RMS}$ )	100% (बेसलाइन)	100.7%	तुलनीय सटीकता। दोनों प्रभावी ढंग से सेटपॉइंट को ट्रैक करते हैं।
ट्रैकिंग कॉस्ट ( $J_y$ )	100%	223.1%	KMPC विशिष्ट कॉस्ट फंक्शन के तहत अधिक बारीकी से ट्रैक करता है।
कंट्रोल एफर्ट ( $J_{\Delta u}$ )	100%	16.4%	DeePC काफी स्मूथ है। यह एक्ट्यूएटर मूवमेंट को ~84% कम कर देता है।
ऊर्जा खपत ( $E$ )	100%	106.9%	स्मूथ एक्चुएशन प्राप्त करने के लिए DeePC थोड़ी अधिक ऊर्जा खर्च करता है (~7% वृद्धि)।

दृश्य अवलोकन (Visual Observations):

KMPC: संदर्भ परिवर्तनों (reference changes) के प्रति आक्रामक प्रतिक्रिया देता है, जो भारित ट्रैकिंग लागत को कम करने के लिए तीखे एक्ट्यूएटर मूव्स का उपयोग करता है।
DeePC: बहुत स्मूथ इनपुट ट्राजेक्टरीज ( $u_1, u_2, u_3$ ) उत्पन्न करता है, तीव्र उतार-चढ़ाव से बचता है। यह थोड़ा उच्च भारित ट्रैकिंग दंड की कीमत पर होता है, हालांकि वास्तविक RMS एरर लगभग समान रहता है।

5. महत्व और निष्कर्ष (Significance and Conclusions)

व्यावहारिक मार्गदर्शन: अध्ययन यह निष्कर्ष निकालता है कि DeePC और KMPC के बीच चुनाव परिचालन प्राथमिकता पर निर्भर करता है:
- KMPC चुनें यदि सटीक सेटपॉइंट ट्रैकिंग और भारित एरर को कम करना प्राथमिक लक्ष्य है।
- DeePC चुनें यदि एक्ट्यूएटर की दीर्घायु, प्रक्रिया स्थिरता और सुचारू संचालन को प्राथमिकता दी जाती है, भले ही इसके लिए थोड़ी अधिक ऊर्जा खपत या लूज़ फिट (loose fit) का सामना करना पड़े।
सीमाएँ:
- DeePC: वर्तमान में इसमें एक अंतर्निहित ऑफसेट-फ्री तंत्र की कमी है। परिणामों में स्टेडी-स्टेट एरर की अनुपस्थिति शोर-मुक्त सिमुलेशन वातावरण के कारण थी; वास्तविक दुनिया के कार्यान्वयन के लिए विस्तार (जैसे डिस्टर्बेंस मॉडलिंग) की आवश्यकता होगी।
- सिमुलेशन: परिणाम एक डिजिटल ट्विन पर आधारित हैं, भौतिक हार्डवेयर पर नहीं।
भावी कार्य: लेखक इन नियंत्रकों को एक भौतिक पाश्चुरीकरण इकाई पर तैनात करने और वास्तविक दुनिया के शोर और मॉडल-प्लांट मिसमैच को संभालने के लिए DeePC फ्रेमवर्क में ऑफसेट-फ्री क्षमताओं को एकीकृत करने की योजना बना रहे हैं।

संक्षेप में, यह शोध पत्र प्रदर्शित करता है कि हालांकि दोनों डेटा-संचालित विधियाँ जटिल थर्मल प्रक्रियाओं के लिए व्यवहार्य हैं, वे विशिष्ट व्यवहार संबंधी विशेषताएं प्रदान करती हैं। DeePC एक "स्मूदर" (smoother) नियंत्रक के रूप में कार्य करता है, जबकि कूपमैन-MPC एक "प्रिसिजन" (precision) नियंत्रक के रूप में कार्य करता है, जिससे चिकित्सकों को उनके विशिष्ट औद्योगिक बाधाओं के अनुकूल आर्किटेक्चर चुनने की अनुमति मिलती है।