Sintesi Tecnica: Progettazione di un Controller Distribuito Ottimale con Ritardi di Comunicazione

Definizione del Problema

Questo articolo affronta la progettazione di un controller Lineare Quadratico Gaussiano (LQG) distribuito e ottimale per una catena di sottosistemi lineari interconnessi, con una motivazione specifica legata al coordinamento di convogli di Veicoli Pesanti (HDV - Heavy Duty Vehicles). La sfida principale risiede nella presenza di ritardi di comunicazione e nell'accoppiamento fisico tra i veicoli vicini.

In un tipico convoglio (platoon), i veicoli mirano a mantenere una distanza e una velocità predefinite minimizzando il consumo di carburante. Tuttavia, i vincoli pratici impediscono la condivisione istantanea degli stati; le informazioni riguardanti i veicoli vicini sono soggette a ritardi (nello specifico, questo lavoro modella un ritardo di due step). Inoltre, la dinamica dei veicoli è accoppiata a causa degli effetti aerodinamici (riduzione della resistenza dell'aria nei convogli) e delle perturbazioni di processo (vento, pendenza stradale) che sono correlate attraverso l'intero convoglio.

Il problema è formulato come la ricerca di un input di controllo ottimale $u_i(k)$ per ogni veicolo $i$ che minimizzi una funzione di costo quadratico (penalizzando le deviazioni nella spaziatura, nella velocità e nello sforzo di controllo) soggetto a:

1. Dinamica di sistema sparsa: Lo stato di un veicolo dipende dai suoi vicini.
2. Struttura informativa ritardata: Ogni veicolo ha accesso al proprio stato corrente, allo stato proprio e dei vicini al passo precedente, e alle informazioni comuni di due passi fa.
3. Feedback di uscita: Il classico principio di separazione (che permette di progettare indipendentemente l'estimatore e il controller) fallisce in questo contesto a causa della struttura di condivisione delle informazioni ritardata.

Metodologia

Gli autori propongono un algoritmo di sintesi che decompone il controller ottimale in due componenti indipendenti per superare il fallimento del principio di separazione.

1. Modellazione del Sistema

Gli autori derivano un modello a spazio di stato lineare in tempo discreto per un convoglio di HDV.

• Dinamica: Il modello linearizza la dinamica non lineare dei veicoli (inclusi coppia del motore, frenata e resistenza aerodinamica) attorno a una velocità e una spaziatura di riferimento.
• Accoppiamento: La matrice del sistema $A$ presenta una struttura a blocchi tridiagonale, riflettendo che il veicolo $i$ è influenzato dai veicoli $i-1$ e $i+1$.
• Perturbazioni: Il rumore di processo è modellato come rumore bianco gaussiano con una matrice di covarianza definita positiva completa, per tenere conto dei fattori ambientali correlati (ad esempio, il vento che colpisce l'intero convoglio).

2. Decomposizione del Controller

Per risolvere il problema del controllo ottimale sotto informazione ritardata, il vettore di stato $x(k)$ e l'input di controllo $u(k)$ vengono decomposti in due parti indipendenti:

• Componente di Informazione Comune ($x_2, u_2$): Basata sulle informazioni condivise da tutti i veicoli (storia fino a $k-2$). Questa componente corrisponde a un problema LQR centralizzato ritardato.
• Componente di Informazione Locale ($x_1, u_1$): Basata sull'errore di stima rispetto all'informazione comune. Questa componente utilizza informazioni locali aggiuntive disponibili al tempo $k$ (stato corrente e stati dei vicini immediati al tempo $k-1$).

La legge di controllo ottimale è espressa come:
$$u(k) = F(x(k) - \zeta(k)) + M(x(k-1) - \zeta(k-1)) + L\xi(k)$$
Dove:

• $\xi(k)$ è la stima minima della media dei quadrati dello stato data l'informazione comune (agendo come il termine LQR centralizzato ritardato).
• $\zeta(k)$ è un predittore di stato.
• $F$ e $M$ sono matrici di guadagno che rappresentano termini di correzione basati sull'informazione locale.

3. Algoritmo di Sintesi

Gli autori derivano equazioni esplicite in tempo discreto per calcolare i guadagni ottimali $F$ e $M$.

• Il problema viene trasformato in un insieme di problemi di minimizzazione quadratica non vincolati utilizzando la vettorizzazione ($\text{vec}$) e i prodotti di Kronecker.
• I vincoli di sparsità (dovuti alla natura distribuita) sono gestiti selezionando solo gli elementi non nulli delle matrici di guadagno.
• La soluzione prevede la risoluzione di un'Equazione Riccati Algebrica (ARE) per la parte centralizzata e un sistema lineare che coinvolge una matrice a blocchi $Y$ per determinare i guadagni di correzione.

Contributi Chiave

1. Sintesi di Feedback di Uscita Ottimale: Il documento fornisce una soluzione al problema LQG distribuito con condivisione di informazioni ritardate, un caso in cui il classico principio di separazione non è applicabile.
2. Struttura del Controller: Stabilisce che il controller ottimale consiste in un termine LQR centralizzato ritardato più termini di correzione derivati dall'informazione locale.
3. Calcolo Esplicito dei Guadagni: Gli autori derivano equazioni analitiche in tempo discreto per i guadagni del controller ottimale, evitando la necessità di programmazione semi-definita che spesso non fornisce strutture di controller esplicite.
4. Modello HDV Realistico: Il lavoro presenta un modello di sistema discreto derivato dalle caratteristiche Scania HDV, incorporando l'accoppiamento fisico (aerodinamica) e le perturbazioni di processo correlate.

Risultati Numerici e Prestazioni

Il controller proposto è stato valutato utilizzando una simulazione di un convoglio eterogeneo di tre HDV (masse di 30.000 kg, 40.000 kg e 30.000 kg) che viaggiano a 70 km/h. Lo scenario includeva:

• Cambiamenti improvvisi nella velocità del veicolo di testa (dovuti a un veicolo più lento che entrava nel flusso).
• Cambiamenti nei limiti di velocità stradali.
• Perturbazioni di stato.

Risultati:

• Prestazioni di Tracciamento: Il controller ha mantenuto un controllo rigoroso sulla velocità e sulla spaziatura intermedia senza sovraelongazioni, gestendo efficacemente le perturbazioni.
• Efficienza del Carburante: L'energia dell'input di controllo (proporzionale al consumo di carburante) è stata ridotta di circa il 15% per il secondo veicolo e del 14% per il terzo veicolo rispetto al veicolo di testa, dimostrando un comportamento efficiente dal punto di vista del consumo.
• Confronto dei Costi:
  • La funzione di costo del controller distribuito proposto è stata solo dello 0,01% superiore rispetto a un controller completamente centralizzato con informazioni di stato istantanee.
  • Ha ottenuto un costo inferiore del 67% rispetto a un controller centralizzato che subiva lo stesso ritardo di comunicazione di due step (senza la struttura distribuita proposta).

Significato e Rivendicazioni

Il documento sostiene che il metodo proposto offre una soluzione pratica e ottimale per il controllo distribuito in sistemi a struttura a catena come i convoi di veicoli. Tenendo conto esplicitamente dei ritardi di comunicazione e delle informazioni locali, il controller raggiunge prestazioni quasi identiche a un sistema completamente centralizzato (che è spesso impraticabile a causa di larghezza di banda e latenza), superando significativamente gli approcci centralizzati ritardati.

Gli autori sottolineano che il controller derivato è facile da implementare, poiché si basa su calcoli espliciti dei guadagni piuttosto che su complesse ottimizzazioni online. Notano che, sebbene l'attuale lavoro si concentri su una catena di tre veicoli, la metodologia è destinata ad estendersi a convoi più grandi ($M$ veicoli) e a ritardi temporali arbitrari in lavori futuri. I risultati suggerano che sfruttare l'informazione locale è cruciale per mitigare il degrado delle prestazioni causato dalla latenza di comunicazione nelle applicazioni critiche per la sicurezza.