Polynomial Chaos-based Input Shaper Design under Time-Varying Uncertainty

Resumo Técnico: Projeto de Modelador de Entrada baseado em Expansão de Caos Polinomial sob Incerteza Variável no Tempo

Definição do Problema
A quantificação de incerteza (UQ) é crítica para o projeto de sistemas de engenharia robustos, particularmente quando os parâmetros evoluem dinamicamente ao longo do tempo. Abordagens probabilísticas clássicas frequentemente dependem de distribuições fixas e suposições invariantes no tempo, o que limita sua eficácia em cenários complexos, como o controle de carga útil de Veículos Aéreos Não Tripulados (VANTs) e o rastreamento de atitude de espaçadores. Embora a Expansão de Caos Polinomial (PCE) ofereça um arcabouço espectral eficiente para a propagação de incertezas, os métodos padrão de PCE podem degradar-se durante integrações de longo prazo à medida que as funções de densidade de probabilidade do sistema evoluem, fazendo com que a base de polinômios ortogonais fixa se torne subótima. Além disso, as técnicas existentes de modelagem de entrada robusta muitas vezes têm dificuldade em lidar com incertezas variáveis no tempo de forma eficiente sem recorrer a simulações de Monte Carlo (MC) computacionalmente dispendiosas. Este trabalho aborda o desafio de projetar controladores de movimento de precisão (especificamente modeladores de entrada ou input shapers) para sistemas dinâmicos sujeitos a incertezas variáveis no tempo.

Metodologia
O estudo propõe um arcabouço de Expansão de Caos Polinomial (PCE) intrusiva integrado com Filtros de Atraso Temporal (TDF) para projetar modeladores de entrada robustos. A metodologia é validada usando um sistema massa-mola não amortecido onde a rigidez da mola (e, consequentemente, a frequência natural, $\omega_n$) está sujeita a uma incerteza de intervalo que muda ao longo do tempo.

1. Modelagem do Sistema: O sistema é modelado em dois intervalos de tempo: $[0, t_1]$ e $[t_1, t_2]$. No primeiro intervalo, a frequência natural $\omega_n$ segue uma distribuição uniforme. Em $t_1$, o sistema transita para um segundo intervalo onde a frequência natural $\omega_m$ segue uma distribuição uniforme diferente. Crucialmente, o estado do sistema em $t_1$ (posição e velocidade) serve como a condição inicial para o segundo intervalo, o que significa que a solução no segundo intervalo depende tanto da incerteza inicial ($\zeta_1$) quanto da nova incerteza ($\zeta_2$).
2. Formulação de PCE Intrusiva: Os autores empregam uma abordagem intrusiva usando projeções de Galerkin. As equações do sistema são expandidas em uma série de polinômios ortogonais (polinômios de Legendre para distribuições uniformes). Os coeficientes desses polinômios são determinados resolvendo o sistema de equações diferenciais resultante.
   • Para lidar com a natureza variável no tempo, os coefções de PCE no tempo de transição $t_1$ são mapeados da expansão de variável única (intervalo 1) para uma expansão de múltiplas variáveis (intervalo 2) usando condições de ortogonalidade. Isso garante a continuidade do estado e de sua derivada através da transição.
3. Projeto do Modelador de Entrada (Input Shaper): O arcabouço projeta Filtros de Atraso Temporal (TDFs) para minimizar a energia residual. Três projetos são comparados:
   • TDF Não Robusto: Posiciona um par de zeros no local do polo nominal.
   • TDF Robusto: Posiciona dois conjuntos de zeros no local nominal.
   • TDF de Análise de Sensibilidade Global (GSA): Otimiza as magnitudes de impulso ($A_i$) e os atrasos temporais ($T_i$) para minimizar uma função objetivo específica $\Xi$. A função objetivo é definida como o valor esperado da energia residual ($E[V_{res}]$) ou a variância da energia residual ($Var(V_{res})$).

Principais Contribuições

• Tratamento de Incerteza Variável no Tempo: O artigo introduz uma metodologia específica para aplicar PCE intrusiva a sistemas onde os parâmetros de incerteza mudam ao longo do tempo. Detalha o procedimento matemático para transferir coeficientes de PCE entre intervalos de tempo com diferentes distribuições de incerteza, garantendo a continuidade da solução.
• Projeto de Controle Robusto Eficiente: O estudo demonstra que a PCE intrusiva pode ser usada para projetar modeladores de entrada que consideram incertezas variáveis no tempo de forma mais eficiente do que simulações de Monte Carlo.
• Integração de Análise de Sensibilidade Global: O trabalho integra a Análise de Sensibilidade Global no processo de projeto do TDF, permitindo a otimização dos parâmetros do modelador para visar especificamente o desempenho médio ou a robustez (variância) da energia residual do sistema.

Resultados
Simulações numéricas foram conduzidas em um sistema massa-mola com uma massa de 1 kg e rigidez variável no tempo.

• Convergência e Precisão: Os resultados de PCE para valores esperados e variâncias de posição e velocidade convergiram para os resultados obtidos via simulação de Monte Carlo com 10.000 amostras. Uma ordem polinomial de $P=30$ foi considerada suficiente para igualar a precisão de MC, não sendo observada diferença significativa entre as ordens 10 e 30 para o valor esperado.
• Eficiência Computacional: O arcabouço de PCE foi aproximadamente 12 vezes mais rápido do que a simulação de Monte Carlo com 10.000 amostras, destacando sua vantagem para a propagação de incerteza computacionalmente intensiva.
• Desempenho do Modelador:
  • Todos os projetos de TDF reduziram significativamente a energia residual esperada e sua variância em comparação com um projeto não robusto.
  • Os projetos de TDF de GSA superaram o TDF robusto padrão. Especificamente, o TDF de GSA otimizado para a variância ($\Xi_2$) reduziu a energia residual esperada por um fator de 2 e a variância por um fator de 5 em comparação ao TDF robusto padrão.
  • O TDF de GSA otimizado para variância resultou em uma energia residual quase constante através de diferentes pares de incerteza, indicando alta insensibilidade às variações do sistema.
  • Embora o TDF de GSA tenha geralmente fornecido um desempenho superior, os autores observaram que, para combinações específicas onde a frequência do segundo intervalo está próxima de sua média, o TDF robusto padrão poderia ocasionalmente fornecer uma energia residual ligeiramente menor, embora a diferença fosse marginal em comparação aos melhoramentos significativos nos casos limítrofes.

Significância e Alegações
O artigo afirma que o arcabouço de PCE intrusiva proposto fornece uma alternativa computacionalmente barata e precisa aos métodos de Monte Carlo para o projeto de modeladores de entrada na presença de incertezas variáveis no tempo. Ao incorporar a expansão de incerteza diretamente nas equações do sistema, o método oferece maior visão analítica sobre a resposta do sistema e a função objetivo.

Os autores afirmam que esta abordagem é particularmente vantajosa para a supressão de vibração e redução de energia residual em sistemas não lineares onde as simulações de Monte Carlo são computacionalmente proibitivas. Eles concluem que, embora o estudo atual foque em sistemas massa-mola lineares, a metodologia estabelece as bases para extensões futuras para modelos não lineares e de maior fidelidade. O artigo também observa que trabalhos futuros explorarão métodos de PCE não intrusivos para maior versatilidade e visam validar essas técnicas experimentalmente, especificamente para aplicações de transporte de carga aérea.