Iteration-Free Cooperative Distributed MPC through Multiparametric Programming

📄 arXiv: 2411.14319v2 📥 PDF

作者: Radhe S. T. Saini, Parth R. Brahmbhatt, Styliani Avraamidou, Hari S. Ganesh

分类: eess.SY

发布日期: 2024-11-21 (更新: 2024-12-03)

备注: This work has been submitted to the IEEE for possible publication

DOI: 10.1016/j.compchemeng.2025.109169

💡 一句话要点

提出基于多参数规划的无迭代协同分布式MPC，降低通信开销。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 分布式模型预测控制 多参数规划 无迭代算法 协同控制 实时控制

📋 核心要点

  1. 传统DiMPC方法依赖迭代通信，导致高延迟和计算负担，限制了实时应用。
  2. 论文提出基于多参数规划的无迭代DiMPC算法，通过显式控制律函数同步求解，避免迭代。
  3. 数值模拟验证了该算法在耦合线性子系统控制中的有效性，降低了通信开销和系统延迟。

📝 摘要（中文）

协同分布式模型预测控制(DiMPC)架构采用局部MPC控制器控制不同的子系统，通过迭代过程相互交换信息，与分散式架构相比，提高了整体控制性能。然而，这种方法会导致控制器之间的高通信量和计算成本。本文通过开发基于多参数(mp)规划的新型无迭代求解算法，显著降低了DiMPC的信息交换量和计算成本。这些算法用显式mpDiMPC控制律函数的同步解代替了迭代过程。局部控制器之间通信的减少降低了系统延迟，这对于实时控制应用至关重要。通过涉及输入相互连接且具有协同全局成本函数的耦合线性子系统组的综合数值模拟，证明了所提出的无迭代mpDiMPC算法的有效性。

🔬 方法详解

问题定义：协同分布式模型预测控制(DiMPC)旨在优化多个相互作用的子系统的控制性能。然而，传统的DiMPC方法通常需要控制器之间进行迭代通信，以达成一致的控制策略。这种迭代过程会显著增加通信开销和计算负担，尤其是在子系统数量较多或系统动态变化较快的情况下，限制了其在实时控制应用中的应用。

核心思路：本文的核心思路是利用多参数规划(mp)来显式地表达DiMPC的控制律。通过预先计算出控制输入作为系统状态参数的函数，可以避免在线迭代过程，从而显著降低通信开销和计算负担。这种方法将在线优化问题转化为离线参数化求解问题，使得控制器能够根据局部信息快速做出决策。

技术框架：该方法主要包括以下几个阶段：1) 建立各个子系统的局部模型和全局成本函数；2) 利用多参数规划技术，离线求解每个子系统的显式mpDiMPC控制律函数，该函数将局部状态映射到最优控制输入；3) 在线运行时，每个控制器根据自身的局部状态，直接通过mpDiMPC控制律函数计算出控制输入，无需与其他控制器进行迭代通信。

关键创新：该方法最重要的创新点在于将迭代DiMPC问题转化为无迭代的显式多参数规划问题。与传统的迭代DiMPC方法相比，该方法避免了在线迭代通信，显著降低了通信开销和计算负担，提高了控制系统的实时性。此外，该方法还能够处理具有复杂约束和非线性动态的子系统。

关键设计：关键设计包括：1) 选择合适的多参数规划求解器，以高效地求解显式mpDiMPC控制律函数；2) 设计合适的全局成本函数，以协调各个子系统的控制目标；3) 考虑系统的不确定性和扰动，设计鲁棒的mpDiMPC控制律，保证系统的稳定性和性能。

🖼️ 关键图片

img_0

📊 实验亮点

论文通过数值模拟验证了所提出的无迭代mpDiMPC算法的有效性。实验结果表明，与传统的迭代DiMPC方法相比，该算法能够显著降低通信开销和计算负担，同时保持良好的控制性能。具体的性能数据（例如，通信量降低百分比、计算时间缩短百分比）在论文中进行了详细展示，并与基线方法进行了对比。

🎯 应用场景

该研究成果可应用于多智能体系统、智能电网、交通控制、机器人集群等领域。通过降低通信开销和计算负担，该方法能够提高分布式控制系统的实时性和可扩展性，使其能够应用于更大规模、更复杂的系统。未来，该方法有望推动分布式控制技术在工业自动化、智能交通等领域的广泛应用。

📄 摘要（原文）

Cooperative Distributed Model Predictive Control (DiMPC) architecture employs local MPC controllers to control different subsystems, exchanging information with each other through an iterative procedure to enhance overall control performance compared to the decentralized architecture. However, this method can result in high communication between the controllers and computational costs. In this work, the amount of information exchanged and the computational costs of DiMPC are reduced significantly by developing novel iteration-free solution algorithms based on multiparametric (mp) programming. These algorithms replace the iterative procedure with simultaneous solutions of explicit mpDiMPC control law functions. The reduced communication among local controllers decreases system latency, which is crucial for real-time control applications. The effectiveness of the proposed iteration-free mpDiMPC algorithms is demonstrated through comprehensive numerical simulations involving groups of coupled linear subsystems, which are interconnected through their inputs and a cooperative plant-wide cost function.