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

Resumo Técnico: MPC Adaptativo para Rastreamento de Trajetória com Restrições em Sistemas LTI Incertos com Limites na Taxa de Entrada

Enunciado do Problema
Este artigo aborda o problema de rastreamento de trajetória para sistemas lineares invariantes no tempo (LTI) de tempo discreto sujeitos a incerteza paramétrica limitada. O projeto de controle deve satisfazer simultaneamente restrições rígidas nos estados do sistema, nas entradas de controle e, crucialmente, nas taxas de entrada (incrementos). Embora o Controle Preditivo Baseado em Modelo (MPC) seja um framework padrão para o tratamento de restrições, o MPC clássico depende de modelos precisos da planta, que frequentemente não estão disponíveis devido a erros de modelagem e variações paramétricas. Abordagens existentes de MPC adaptativo frequentemente focam em problemas de regulação, omitem restrições na taxa de entrada ou falham em abordar o acoplamento temporal introduzido por limites na taxa de entrada sob incerteza paramétrica completa. O desafio específico reside em determinar a entrada de controle necessária para erro de rastreamento nulo quando os parâmetros do sistema são desconhecidos, assegurando que o conjunto de controle admissível variante no tempo, induzido por restrições na taxa de entrada, não comprometa a viabilidade recursiva ou a estabilidade do laço fechado.

Metodologia
A solução proposta é um framework de MPC Adaptativo que transforma o problema de rastreamento de trajetória em um problema de regulação utilizando coordenadas de erro relativas a uma trajetória de referência variante no tempo. A metodologia procede através de várias etapas-chave:

1. Reformulação do Sistema: As dinâmicas do sistema são expressas em termos de estados de erro ($x^e_k = x_k - x^r_k$) e entradas de erro ($u^e_k = u_k - u^r_k$). Esta transformação permite tratar o problema de rastreamento como um problema de regulação, onde o objetivo é conduzir os estados de erro à origem.
2. Lei Adaptativa Indireta: Uma lei adaptativa baseada em descida de gradiente com projeção é empregada para estimar os parâmetros incertos agrupados ($\Theta = [A, B]$) online. As estimativas são restritas a permanecer dentro de uma casca convexa conhecida ($\Psi$) de possíveis valores de parâmetros para garantir limitação.
3. Caracterização do Conjunto de Erros: O artigo define rigorosamente conjuntos que limitam os erros induzidos pela adaptação paramétrica ($\tilde{x}^e_k$) e a variação nas estimativas de parâmetros ($\Delta \hat{\Theta}$). Estes conjuntos são utilizados para apertar as restrições no problema de otimização do MPC.
4. Reformulação das Restrições: As restrições de estado, entrada e taxa de entrada são reformuladas no domínio das dinâmicas de erro. Uma contribuição significativa é o tratamento das restrições na taxa de entrada, que introduzem acoplamento temporal entre entradas de controle sucessivas. O conjunto de controle admissível é mostrado como variante no tempo devido à sua dependência da entrada de controle anterior, contudo, permanece um poliedro convexo.
5. Formulação de MPC Robusto: A entrada de controle é decomposta em um termo de realimentação de estado estabilizante ($Kx^e_k$) e uma variável de otimização livre ($v^e_k$). O problema de otimização do MPC é formulado utilizando um modelo preditivo nominal baseado nas estimativas atuais de parâmetros. Para assegurar robustez contra erros de estimação, as restrições sobre os estados preditos nominais são apertadas subtraindo-se os conjuntos de erro calculados ($Z^\Theta_i$ e $Z^{\tilde{x}^e}$).
6. Análise de Estabilidade e Viabilidade:
   • Viabilidade Recursiva: O artigo estabelece que, apesar da natureza variante no tempo do conjunto de controle admissível, o problema de otimização permanece recursivamente viável. Isso é provado construindo uma solução candidata viável no próximo passo de tempo com base na solução ótima do passo atual, contabilizando a mudança na restrição de taxa de entrada.
   • Estabilidade do Laço Fechado: Utilizando uma análise baseada em Lyapunov, o artigo prova que o sistema em laço fechado é limitado e que o erro de rastreamento converge assintoticamente para zero. A análise contabiliza a limitação dos erros de estimação de parâmetros e os termos de perturbação decorrentes do desacoplamento do modelo.

Contribuições Principais

• MPC Adaptativo Sistemático para Rastreamento: Diferentemente de trabalhos anteriores focados em regulação ou restrições parciais, este trabalho fornece uma solução sistemática para rastreamento de trajetória com restrições sob incerteza paramétrica completa.
• Tratamento de Restrições na Taxa de Entrada: O artigo aborda explicitamente a complexidade introduzida por restrições na taxa de entrada, que acoplam entradas de controle sucessivas e criam um conjunto admissível variante no tempo. Demonstra como manter a viabilidade recursiva neste contexto específico.
• Provas Rigorosas de Viabilidade e Estabilidade: Os autores fornecem provas matemáticas rigorosas tanto para a viabilidade recursiva quanto para a estabilidade do laço fechado (convergência do erro de rastreamento e limitação dos estados físicos) apesar da presença de incerteza e restrições variantes no tempo.
• Estratégia de Apertamento de Restrições: O método utiliza parâmetros estimados adaptativamente e limites de erro derivados para apertar restrições na rotina de otimização, assegurando que os estados reais do sistema satisfaçam as restrições físicas originais.

Resultados de Simulação
A eficácia do framework proposto é validada através de simulações em uma planta de tempo discreto de segunda ordem com parâmetros incertos. O sistema é encarregado de rastrear uma trajetória de referência variante no tempo, enquanto adere a restrições sobre estados ($\|x\|_\infty \leq 2.25$), entradas ($\|u\|_\infty \leq 3$) e taxas de entrada ($\|\Delta u\|_\infty \leq 2.5$).

• As simulações demonstram que os estados do sistema rastreiam com sucesso a trajetória de referência enquanto permanecem dentro dos limites prescritos.
• As entradas de controle e suas taxas satisfazem as restrições impostas ao longo de toda a simulação.
• Os erros de estimação de parâmetros mostram-se limitados. Uma observação notável é que uma mudança súbita na trajetória de referência em $t=30$s induz um transitório no erro de estimação de parâmetros, que subsequentemente decai à medida que a lei de adaptação reengaja para rastrear a nova referência.
• Os estados de erro convergem para a origem, confirmando as alegações de estabilidade.

Significado e Alegações
O artigo alega oferecer um framework de controle computacionalmente tratável e teoricamente sólido para aplicações críticas de segurança (tais como aeroespacial, veículos autônomos e robótica), onde o rastreamento preciso de trajetória é requerido apesar de incertezas de modelo e limitações físicas estritas nos atuadores. O significado primário reside em superar a dificuldade de garantir satisfação de restrições e desempenho na presença simultânea de incerteza paramétrica e restrições na taxa de entrada, uma combinação que torna inaplicáveis os argumentos padrão de viabilidade recursiva. O trabalho afirma que, ao utilizar sistematicamente parâmetros estimados e reformular o problema do MPC com o apertamento adequado de restrições, é possível alcançar rastreamento de trajetória com restrições robusto, com estabilidade garantida e viabilidade recursiva.