A Semi-smooth Newton Method for the Constrained Optimal Control of Continuous-Time Linear Systems

Resumo Técnico: Um Método de Newton Semi-suave para Controle Ótimo Constrained de Sistemas Lineares de Tempo Contínuo

Enunciado do Problema
O artigo aborda o desafio de resolver problemas de controle ótimo constrained (OCPs) para sistemas lineares de tempo contínuo diretamente no espaço de funções de dimensão infinita. A formulação específica do problema busca minimizar um funcional de custo composto por um custo terminal $J(x(T))$ e uma integral de um custo incremental $\ell(x(t), u(t))$, sujeito a dinâmicas lineares $\dot{x} = Ax + Bu$, condições iniciais e restrições de desigualdade pontuais $c(x(t), u(t)) \leq 0$. Os autores focam em problemas de horizonte finito e lineares-quadráticos, onde as trajetórias de estado e entrada pertencem aos espaços de Sobolev e Lebesgue ($W^{1,\infty}$ e $L^\infty$), garantindo a boa colocação sob suposições padrão de convexidade e qualificação de restrições.

Metodologia
A abordagem proposta é um método indireto que reformula o OCP como um problema de busca de raízes no espaço de Banach, em vez de discretizar o sistema primeiro (como nos métodos diretos). A metodologia procede através das seguintes etapas:

1. Reformulação KKT via Funções NCP: As condições necessárias de Karush-Kuhn-Tucker (KKT) para otimalidade são incorporadas em uma função de complementaridade não suave. Especificamente, as condições de complementaridade envolvendo as variáveis duais $\mu$ e as restrições $c$ são substituídas por uma função de Problema de Complementaridade Não-Linear (NCP) $\phi(a, b) = 0$, que é equivalente a $a, b \geq 0, ab=0$. Os autores utilizam a função "min" ou a função de Fischer-Burmeister. Isso transforma as condições de otimalidade em uma equação não suave $F(z) = 0$, onde $z = (x, u, \lambda, \mu)$ representa o estado, a entrada, o co-estado e as variáveis duais.

2. Iteração de Newton Semi-suave: O problema de busca de raízes $F(z)=0$ é resolvido usando um método de Newton semi-suave. Este processo iterativo gera uma atualização $\tilde{z}$ resolvendo uma equação linearizada envolvendo o Jacobiano generalizado de Clarke de $F$. O método é provado para convergir superlinearmente para a solução sob condições de regularidade leves.

3. Solver Baseado em Riccati para Passos de Newton: Uma contribuição técnica central é a derivação de um método computacionalmente eficiente para resolver a equação do passo de Newton. Os autores demonstram que o problema de valor de contorno de dois pontos afim decorrente da linearização pode ser reescrito como um problema de regulador linear-quadrático (LQR) sem restrições e variante no tempo.

   • As restrições de desigualdade são efetivamente incorporadas neste sub-problema como termos de custo "barreira", onde as matrizes de custo ($Q, R, S$) e os termos lineares ($q, r$) são reponderados a cada iteração com base nos multiplicadores de restrição atuais e nas derivadas generalizadas da função NCP.
   • Esta reformulação permite que a atualização de Newton seja computada resolvendo uma equação diferencial de Riccati para trás no tempo, seguida por uma integração para frente da trajetória de estado. Isso aproveita solvers de EDO altamente eficientes e padrão, em vez de exigir esquemas de discretização complexos.

Principais Contribuições

• Método Indireto no Espaço de Funções: O artigo detalha um algoritmo indireto inovador que opera diretamente no espaço de funções de tempo contínuo, evitando a abordagem "discretizar-então-diferenciar" comum em métodos diretos.
• Integração Riccati para Problemas Constrained: A contribuição primária é mostrar que o complexo problema de valor de contorno de dois pontos inerente aos métodos de Newton semi-suave para OCPs constrained pode ser resolvido analiticamente via equações diferenciais de Riccati. Isso preenche a lacuna entre algoritmos de Newton semi-suave teóricos (por exemplo, Gerdts, 2008) e as estratégias de implementação eficientes usadas em métodos sem restrições como o PRONTO.
• Reponderação Adaptativa de Custos: O método interpreta o passo de Newton como uma busca adaptativa onde os pesos lineares e quadráticos da função de custo são atualizados iterativamente com base nos multiplicadores de restrição, lidando efetivamente com restrições sem exigir identificação de conjunto ativo ou barreiras de pontos interiores no sentido tradicional.

Resultados
Os autores validam o método através de simulações numéricas em uma manobra de mudança de emergência de faixa para um modelo de veículo linearizado (representando um BMW 740i de 2017). O sistema está sujeito a restrições nos ângulos de deslizamento dianteiros/traseiros e no ângulo de direção.

• Convergência: O algoritmo demonstra convergência superlinear. A norma $L^2$ do vetor residual diminui em mais de quatro ordens de grandeza dentro das primeiras 10 iterações.
• Estabilidade: O método converge até a tolerância do solver de EDO subjacente (precisão de máquina), confirmando que o critério de parada é bem definido.
• Comparação: Simulações usando tanto as funções NCP "min" quanto Fischer-Burmeister mostraram comportamentos de convergência semelhantes, embora a função Fischer-Burmeister tenha sido utilizada para os gráficos principais de trajetória.

Significância e Alegações
O artigo alega que este trabalho funde a robustez teórica dos algoritmos de Newton semi-suave com a eficiência computacional dos solvers baseados em Riccati. Ao reformular o problema constrained em uma sequência de sub-problemas LQR sem restrições, os autores fornecem um método indireto robusto que utiliza solvers de EDO amplamente disponíveis. A significância reside em oferecer uma alternativa prática e eficiente aos métodos de transcrição direta para problemas onde configurações de horizonte infinito ou otimização explícita de tempo (por exemplo, tempos finais flexíveis) tornam as abordagens diretas desafiadoras. Os autores notam que, embora o trabalho atual se concentre em sistemas lineares, pesquisas futuras visam estender esta estrutura para sistemas não lineares.