Adaptive MPC for Constrained Trajectory Tracking of Uncertain LTI System with Input-Rate Limits

Sintesi Tecnica: MPC Adattivo per il Tracciamento di Traiettorie Vincolate di Sistemi LTI Incerti con Limiti sulla Velocità di Ingresso

Enunciato del Problema
Questo articolo affronta il problema del tracciamento di traiettorie per sistemi lineari tempo-invarianti (LTI) a tempo discreto soggetti a incertezza parametrica limitata. La progettazione del controllo deve soddisfare simultaneamente vincoli rigidi sugli stati del sistema, sugli input di controllo e, in modo cruciale, sulle velocità di ingresso (incrementi). Sebbene il Controllo Predittivo basato su Modello (MPC) costituisca un framework standard per la gestione dei vincoli, l'MPC classico si basa su modelli accurati dell'impianto, che spesso non sono disponibili a causa di errori di modellazione e variazioni parametriche. Gli approcci esistenti di MPC adattivo si concentrano spesso su problemi di regolazione, omettono i vincoli sulla velocità di ingresso o non riescono ad affrontare l'accoppiamento temporale introdotto dai limiti sulla velocità di ingresso in presenza di incertezza parametrica completa. La sfida specifica risiede nel determinare l'input di controllo necessario per un errore di tracciamento nullo quando i parametri del sistema sono sconosciuti, garantendo al contempo che l'insieme di controllo ammissibile variante nel tempo, indotto dai vincoli sulla velocità di ingresso, non comprometta la fattibilità ricorsiva o la stabilità del ciclo chiuso.

Metodologia
La soluzione proposta è un framework di MPC adattivo che trasforma il problema del tracciamento di traiettorie in un problema di regolazione utilizzando coordinate di errore rispetto a una traiettoria di riferimento variante nel tempo. La metodologia procede attraverso diversi passaggi chiave:

1. Riformulazione del Sistema: Le dinamiche del sistema sono espresse in termini di stati di errore ($x^e_k = x_k - x^r_k$) e input di errore ($u^e_k = u_k - u^r_k$). Questa trasformazione permette di trattare il problema di tracciamento come un problema di regolazione in cui l'obiettivo è guidare gli stati di errore all'origine.
2. Legge Adattiva Indiretta: Viene impiegata una legge adattiva basata sulla discesa del gradiente con proiezione per stimare online i parametri incerti raggruppati ($\Theta = [A, B]$). Le stime sono vincolate a giacere all'interno di un inviluppo convesso noto ($\Psi$) dei possibili valori parametrici per garantire la limitatezza.
3. Caratterizzazione dell'Insieme di Errore: L'articolo definisce rigorosamente gli insiemi che delimitano gli errori indotti dall'adattamento parametrico ($\tilde{x}^e_k$) e la variazione nelle stime parametriche ($\Delta \hat{\Theta}$). Questi insiemi sono utilizzati per stringere i vincoli nel problema di ottimizzazione MPC.
4. Riformulazione dei Vincoli: I vincoli su stati, input e velocità di ingresso sono riformulati nel dominio delle dinamiche di errore. Un contributo significativo è la gestione dei vincoli sulla velocità di ingresso, che introducono un accoppiamento temporale tra input di controllo successivi. L'insieme di controllo ammissibile risulta essere variante nel tempo a causa della sua dipendenza dall'input di controllo precedente, tuttavia rimane un politopo convesso.
5. Formulazione MPC Robusta: L'input di controllo è scomposto in un termine di retroazione di stato stabilizzante ($Kx^e_k$) e una variabile di ottimizzazione libera ($v^e_k$). Il problema di ottimizzazione MPC è formulato utilizzando un modello predittivo nominale basato sulle attuali stime parametriche. Per garantire la robustezza contro gli errori di stima, i vincoli sugli stati predetti nominali sono stretti sottraendo gli insiemi di errore calcolati ($Z^\Theta_i$ e $Z^{\tilde{x}^e}$).
6. Analisi di Stabilità e Fattibilità:
   • Fattibilità Ricorsiva: L'articolo stabilisce che, nonostante la natura variante nel tempo dell'insieme di controllo ammissibile, il problema di ottimizzazione rimane fattibile ricorsivamente. Ciò è dimostrato costruendo una soluzione candidata ammissibile al passo temporale successivo basata sulla soluzione ottima del passo corrente, tenendo conto dello spostamento del vincolo sulla velocità di ingresso.
   • Stabilità del Ciclo Chiuso: Utilizzando un'analisi basata su Lyapunov, l'articolo dimostra che il sistema in ciclo chiuso è limitato e che l'errore di tracciamento converge asintoticamente a zero. L'analisi tiene conto della limitatezza degli errori di stima parametrica e dei termini di disturbo derivanti dal disallineamento del modello.

Contributi Chiave

• MPC Adattivo Sistematico per il Tracciamento: A differenza di lavori precedenti focalizzati sulla regolazione o su vincoli parziali, questo lavoro fornisce una soluzione sistematica per il tracciamento di traiettorie vincolato in presenza di incertezza parametrica completa.
• Gestione dei Vincoli sulla Velocità di Ingresso: L'articolo affronta esplicitamente la complessità introdotta dai vincoli sulla velocità di ingresso, che accoppiano gli input di controllo successivi e creano un insieme ammissibile variante nel tempo. Dimostra come mantenere la fattibilità ricorsiva in questo specifico contesto.
• Dimostrazioni Rigorose di Fattibilità e Stabilità: Gli autori forniscono dimostrazioni matematiche rigorose sia per la fattibilità ricorsiva che per la stabilità del ciclo chiuso (convergenza dell'errore di tracciamento e limitatezza degli stati fisici) nonostante la presenza di incertezza e vincoli varianti nel tempo.
• Strategia di Stringimento dei Vincoli: Il metodo utilizza parametri stimati adattivamente e limiti di errore derivati per stringere i vincoli nella routine di ottimizzazione, garantendo che gli stati effettivi del sistema soddisfino i vincoli fisici originali.

Risultati delle Simulazioni
L'efficacia del framework proposto è validata attraverso simulazioni su un impianto a tempo discreto del secondo ordine con parametri incerti. Il sistema ha il compito di tracciare una traiettoria di riferimento variante nel tempo rispettando i vincoli sugli stati ($\|x\|_\infty \leq 2.25$), sugli input ($\|u\|_\infty \leq 3$) e sulle velocità di ingresso ($\|\Delta u\|_\infty \leq 2.5$).

• Le simulazioni dimostrano che gli stati del sistema tracciano con successo la traiettoria di riferimento rimanendo entro i limiti prescritti.
• Gli input di controllo e le loro velocità soddisfano i vincoli imposti per tutta la durata della simulazione.
• Gli errori di stima parametrica risultano limitati. Un'osservazione notevole è che un cambiamento improvviso nella traiettoria di riferimento a $t=30$s induce un transitorio nell'errore di stima parametrica, che successivamente decade man mano che la legge adattiva si riattiva per tracciare il nuovo riferimento.
• Gli stati di errore convergono all'origine, confermando le affermazioni sulla stabilità.

Significato e Affermazioni
L'articolo afferma di offrire un framework di controllo computazionalmente trattabile e teoricamente solido per applicazioni critiche per la sicurezza (come aerospaziale, veicoli autonomi e robotica) dove è richiesto un tracciamento accurato della traiettoria nonostante le incertezze del modello e le limitazioni fisiche severe sugli attuatori. Il significato principale risiede nel superare la difficoltà di garantire la soddisfazione dei vincoli e le prestazioni in presenza sia di incertezza parametrica che di vincoli sulla velocità di ingresso, una combinazione che rende inapplicabili gli argomenti standard di fattibilità ricorsiva. Il lavoro afferma che, utilizzando sistematicamente i parametri stimati e riformulando il problema MPC con un appropriato stringimento dei vincoli, è possibile ottenere un tracciamento di traiettorie vincolato robusto con stabilità garantita e fattibilità ricorsiva.