Network-Realised Model Predictive Control Part II: Distributed Constraint Management

1. 問題定義 (Problem)

• 背景: モデル予測制御（MPC）は、中央集権的な設定で集合制約を扱う能力により工業界で広く採用されています。しかし、システムが相互接続され分散化するにつれ、大規模なネットワーク全体に対して制約を満たすような分散制御則の設計が課題となっています。
• 既存手法の限界:
  • 既存の分散 MPC 手法（ロバスト MPC など）は、静止状態フィードバックや特定のスパース性構造（ブロック対角など）を必要とし、設計が複雑になる場合が多い。
  • 多くの手法は、擾乱（外乱）の伝播を抑制しつつ制約を満たすために、計算コストの高い手順や厳密な仮定（双分グラフ構造など）を要求する。
  • 動的な制御器（NRF ベース）と MPC を組み合わせる際、MPC が動的制御器の出力をどのように制約付きで管理するかという問題が、システム理論の文献で十分に扱われていなかった。
• 課題: 擾乱やノイズが存在する環境下で、ネットワークの各ノード（エリア）が局所的な情報のみを用いて、**再帰的実現可能性（recursive feasibility）**を維持しつつ、状態と入力に関するグローバルな制約を確実に満たす分散制御手法の構築。

2. 手法 (Methodology)

提案された手法は、2 層制御アーキテクチャを採用しています。

第 1 層：NRF ベースの分散制御（参照ゲバナー的役割）

• 役割: 擾乱の拒絶（disturbance rejection）と参照追従（reference tracking）を担当。
• 基盤: 前編論文 [23] で提案された「ネットワーク実現関数（Network Realisation Function: NRF）」に基づく動的制御器を使用。
• 特徴: 状態フィードバックとフィードフォワードを組み合わせた動的制御器であり、安定性とストリング安定性（string stability）を内蔵的に保証する。MPC 層からの指令を受け取り、アクチュエータへの最終信号を生成する。

第 2 層：分散 MPC（制約管理の役割）

• 役割: 第 1 層の制御器の出力やネットワークの状態が、物理的な制約（状態 $x \in X$、入力 $u \in U$）を逸脱しないように監視・補正する「安全装置（safeguard）」として機能。
• 構造:
  • 2 種類の指令信号:
    1. $u_{s1}$: 第 1 層の制御器への指令（参照信号の調整）。
    2. $u_{s2}$: 第 1 層の出力と加算され、最終的な制御入力となる局所的な補正信号。
  • 最適化問題: 各エリアごとに、局所的な予測モデルに基づき、コスト関数を最小化する $u_{s1}, u_{s2}$ を計算する。
• 制約管理の核心:
  • 集合ベースの手法: 外乱、測定ノイズ、通信誤差、初期状態の不確実性を集合（セット）としてモデル化。
  • 局所化: グローバルな制約を、各エリアの局所状態と制御入力に関する局所制約に分解（Minkowski 和やポントリャギン差を用いた集合の操作）。
  • 再帰的実現可能性: 初期時点で最適化問題が実行可能であれば、すべての将来時刻においても実行可能であることを保証する条件（定理 6.1）を導出。
  • オフライン設計: 複雑な集合計算（不変集合の近似など）はオフラインで行い、オンライン計算は標準的な二次計画（QP）問題に帰着させることで計算負荷を低減。

3. 主要な貢献 (Key Contributions)

1. 動的制御器付きの MPC 制約保証:
   従来の MPC が単なる状態フィードバックを前提としていたのに対し、本論文は動的な制御器（NRF ベース）と閉ループで動作するプラントに対して、MPC ベースの指令制約保証を提供する。
2. 制御権限の分散と協調:
   第 1 層（NRF）と第 2 層（MPC）の制御権限を明確に分離し、MPC が制約違反が迫った場合のみ介入する「最小介入」戦略を可能にする。これにより、第 1 層の優れた閉ループ性能（ストリング安定性など）を維持しつつ、制約を満たすことができる。
3. 完全分散実装とスケーラビリティ:
   各エリアが自身の局所情報と近隣ノードの情報のみを用いて最適化問題を解く。結合集合不変性（joint set invariance）のような複雑な概念を避け、設計プロセスを各エリアで並列化可能にしている。
4. 理論的保証:
   外乱、ノイズ、通信誤差、初期状態の不確実性をすべて考慮した上で、再帰的実現可能性と制約充足を保証する厳密な定理（Proposition 6.1, Theorem 6.1）を提示。

4. 結果 (Results)

• 数値シミュレーション（車両プラトーン）:
  • 10 台の車両からなるプラトーンを対象に、提案手法を適用。
  • シナリオ: 先頭車両（仮想車両）の速度変化に対して、車間距離（制約：$[-360, 0]$）と速度（制約：$[0, 36]$）、入力（制約：$[-10, 10]$）を維持する。
  • 結果:
    • 第 1 層の NRF 制御器が主に制御を行い、第 2 層（MPC）は通常時はほぼゼロの出力（$10^{-6}$ オーダー）で最小限の介入にとどめる。
    • 制約違反が迫る瞬間（急加速・急減速時）にのみ第 2 層が活性化し、制約を厳密に守る（衝突回避や車間距離の維持）。
    • 計算コスト: 各車両の MPC 制御則の計算時間は数ミリ秒（最大でも 5ms 程度）であり、サンプリング時間（0.1 秒）に対して十分に高速。
• 既存手法との比較:
  • 既存の分散 MPC 手法（[31, 28, 6, 10, 27] など）と比較し、擾乱の考慮、分散通信の負担、ストリング安定性の保証、初期状態の柔軟性において優れていることを示した。特に、[27] の中央集権的手法は制約と安定性の両立が困難である点に対し、本手法は両立を可能にしている。

5. 意義 (Significance)

• 理論と実用の架け橋: 分散制御における構造的制約（スパース性）と、MPC における時間的制約（予測ホライズン、制約条件）を効果的に分離・統合した。
• 実用性の向上: 複雑な集合計算をオフラインで行い、オンラインでは軽量な QP 問題のみを解くことで、大規模なネットワークシステムへの実装を現実的なものにした。
• 新しい制御パラダイム: 「NRF ベースの制御器を主制御器とし、MPC をその制約管理のための副制御器（参照ゲバナー的役割）」というアーキテクチャは、既存の文献にはない新しいアプローチであり、特に安全が重要なシステム（自動運転、スマートグリッド等）において高い応用可能性を持つ。
• 柔軟性: 第 1 層の設計（NRF）と第 2 層の設計（MPC）をほぼ独立して行えるため、システム要件の変化に対して柔軟に対応可能。

総じて、この論文は、大規模分散システムにおいて、擾乱下でも理論的に保証された制約管理を実現するための、計算効率が高くスケーラブルな新しい制御フレームワークを提示した点に大きな意義があります。