Resumo Técnico: Projeto de Controlador Distribuído Ótimo com Atrasos de Comunicação

Definição do Problema

Este artigo aborda o projeto de um controlador Linear Quadrático Gaussiano (LQG) distribuído ótimo para uma cadeia de subsistemas lineares interconectados, especificamente motivado pelo pelotão de Veículos Pesados (HDV - Heavy Duty Vehicles). O desafio central reside na presença de atrasos de comunicação e no acoplamento físico entre veículos vizinhos.

Em um pelotão típico, os veículos visam manter um espaçamento e uma velocidade predefinidos, minimizando o consumo de combustível. No entanto, restrições práticas impedem o compartilhamento instantâneo de estados; as informações relativas aos veículos vizinhos estão sujeitas a atrasos (especificamente modelados como um atraso de dois passos neste trabalho). Além disso, a dinâmica dos veículos é acoplada devido a efeitos aerodinâmicos (redução do arrasto aerodinâmico em pelotões) e distúrbios de processo que são correlacionados em todo o pelotão.

O problema é formulado como a busca por um controle de entrada ótimo $u_i(k)$ para cada veículo $i$ que minimize uma função de custo quadrática (penalizando desvios no espaçamento, velocidade e esforço de controle) sujeito a:

1. Dinâmica de sistema esparsa: O estado de um veículo depende de seus vizinhos.
2. Estrutura de informação atrasada: Cada veículo tem acesso ao seu próprio estado atual, ao estado próprio e de seus vizinhos do passo de tempo anterior, e a informações comuns de dois passos atrás.
3. Feedback de saída: O princípio da separação clássico (que permite projetar o estimador e o controlador independentemente) falha nesta configuração devido à estrutura de compartilhamento de informação atrasada.

Metodologia

Os autores propõem um algoritmo de síntese que decompõe o controlador ótimo em dois componentes independentes para superar a falha do princípio da separação.

1. Modelagem do Sistema

Os autores derivam um modelo de espaço de estados linear em tempo discreto para um pelotão de HDV.

• Dinâmica: O modelo lineariza a dinâmica não linear do veículo (incluindo torque do motor, frenagem e arrasto aerodinâmico) em torno de uma velocidade e espaçamento de referência.
• Acoplamento: A matriz do sistema $A$ exibe uma estrutura bloco-tridiagonal, refletindo que o veículo $i$ é influenciado pelos veículos $i-1$ e $i+1$.
• Distúrbios: O ruído de processo é modelado como ruído branco Gaussiano com uma matriz de covariância positiva definida completa para considerar fatores ambientais correlacionados (ex: vento afetando todo o pelotão).

2. Decomposição do Controlador

Para resolver o problema de controle ótimo sob informação atrasada, o vetor de estado $x(k)$ e a entrada de controle $u(k)$ são decompostos em duas partes independentes:

• Componente de Informação Comum ($x_2, u_2$): Baseado na informação compartilhada por todos os veículos (histórico até $k-2$). Este componente corresponde a um problema LQR centralizado atrasado.
• Componente de Informação Local ($x_1, u_1$): Baseado no erro de estimação relativo à informação comum. Este componente utiliza informações locais adicionais disponíveis no tempo $k$ (estado atual e estados dos vizinhos imediatos em $k-1$).

A lei de controle ótima é expressa como:
$$u(k) = F(x(k) - \zeta(k)) + M(x(k-1) - \zeta(k-1)) + L\xi(k)$$
Onde:

• $\xi(k)$ é a estimativa de média quadrática mínima do estado dado a informação comum (atuando como o termo LQR centralizado atrasado).
• $\zeta(k)$ é um preditor de estado.
• $F$ e $M$ são matrizes de ganho que representam termos de correção baseados em informação local.

3. Algoritmo de Síntese

Os autores derivam equações explícitas em tempo discreto para calcular os ganhos ótimos $F$ e $M$.

• O problema é transformado em um conjunto de problemas de minimização quadrática não restritos usando vetorização ($\text{vec}$) e produtos de Kronecker.
• Restrições de esparsidade (devido à natureza distribuída) são tratadas selecionando apenas os elementos não nulos das matrizes de ganho.
• A solução envolve resolver uma Equação de Riccati Algébrica (ARE) para a parte centralizada e um sistema linear envolvendo uma matriz de bloco $Y$ para determinar os ganhos de correção.

Principais Contribuições

1. Síntese de Feedback de Saída Ótima: O artigo fornece uma solução para o problema LQG distribuído com compartilhamento de informação atrasada, um caso onde o princípio da separação clássico não se sustenta.
2. Estrutura do Controlador: Estabelece que o controlador ótimo consiste em um termo LQR centralizado atrasado mais termos de correção derivados de informação local.
3. Cálculo Explícito de Ganhos: Os autores derivam equações analíticas em tempo discreto para os ganhos do controlador ótimo, evitando a necessidade de programação semidefinida que frequentemente falha em fornecer estruturas de controlador explícitas.
4. Modelo de HDV Realista: O trabalho apresenta um modelo de sistema discreto derivado de características de HDV da Scania, incorporando acoplamento físico (aerodinâmica) e distúrbios de processo correlacionados.

Resultados Numéricos e Desempenho

O controlador proposto foi avaliado usando uma simulação de um pelotão heterogêneo de três HDVs (massas de 30.000 kg, 40.000 kg e 30.000 kg) viajando a 70 km/h. O cenário incluiu:

• Mudanças súbitas na velocidade do veículo líder (devido a um veículo mais lento realizando uma conversão/entrada).
• Mudanças nos limites de velocidade da via.
• Distúrbios de estado.

Descobertas:

• Desempenho de Rastreamento: O controlador manteve um controle rigoroso sobre a velocidade e o espaçamento intermediário sem ultrapassagem (overshoot), lidando eficazmente com os distúrbios.
• Eficiência de Combustível: A energia de entrada de controle (proporcional ao consumo de combustível) foi reduzida em aproximadamente 15% para o segundo veículo e 14% para o terceiro veículo em comparação com o veículo líder, demonstrando comportamento de eficiência de combustível.
• Comparação de Custos:
  • A função de custo do controlador distribuído proposto foi apenas 0,01% superior a um controlador totalmente centralizado com informação de estado instantânea.
  • Ele alcançou um custo 67% menor do que um controlador centralizado que também sofria dos mesmos dois passos de atraso de comunicação (sem a estrutura distribuída proposta).

Significância e Alegações

O artigo alega que o método proposto oferece uma solução prática e ótima para o controle distribuído em sistemas de estrutura em cadeia, como pelotões de veículos. Ao considerar explicitamente os atrasos de comunicação e a informação local, o controlador atinge um desempenho quase idêntico ao de um sistema totalmente centralizado (que é muitas vezes impraticável devido às restrições de largura de banda e latência), enquanto supera significativamente as abordagens centralizadas atrasadas.

Os autores enfatizam que o controlador derivado é fácil de implementar, pois depende de cálculos de ganho explícitos em vez de otimização online complexa. Eles observam que, embora o trabalho atual foque em uma cadeia de três veículos, a metodologia destina-se à extensão para pelotões maiores ($M$ veículos) e atrasos de tempo arbitrários em trabalhos futuros. Os resultados sugerem que o aproveitamento da informação local é crucial para mitigar a degradação de desempenho causada pela latência de comunicação em aplicações críticas de segurança.