Coalitional model predictive control of an irrigation canal

📄 arXiv: 2501.17561v1 📥 PDF

作者: Filiberto Fele, José M. Maestre, Mehdi Hashemy Shahdany, David Muñoz de la Peña, Eduardo F. Camacho

分类: eess.SY, cs.MA, math.OC

发布日期: 2025-01-29

备注: Single column version, 24 pages

期刊: Journal of Process Control 24 (2014) 314 - 325

DOI: 10.1016/j.jprocont.2014.02.005

💡 一句话要点

提出一种用于灌溉渠的分层联盟模型预测控制方案，优化通信成本和控制性能。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 模型预测控制 分层控制 联盟控制 灌溉渠 大规模系统

📋 核心要点

  1. 大规模系统组件间信息交换面临通信成本和控制性能的权衡问题。
  2. 通过分层控制，上层动态调整网络拓扑，形成控制联盟，下层采用分散式MPC。
  3. 在Dez灌溉渠模型上验证，并与集中式MPC对比，验证了方案的有效性。

📝 摘要（中文）

本文提出了一种用于大规模系统的分层控制方案，该方案中的组件可以通过数据网络交换信息。监督层的主要目标是通过主动修改网络拓扑，在控制性能和通信成本之间找到最佳折衷方案。监督层采取的行动会改变控制代理对整个系统的了解，以及它们可以与之通信的代理集合。每个链接子系统组（或联盟）都基于分散式模型预测控制（MPC）方案独立控制，该方案在底层进行管理。对输入施加硬约束，同时考虑对状态施加软约束，以避免可行性问题。所提出的控制方案的性能在Dez灌溉渠的模型上进行了验证，该模型在水系统SOBEK的精确模拟器上实现。最后，将结果与使用集中式MPC控制器获得的结果进行比较。

🔬 方法详解

问题定义：论文旨在解决大规模系统中，如何在控制性能和通信成本之间取得平衡的问题。传统集中式MPC方法计算复杂度高，难以扩展到大型系统。分散式MPC虽然降低了计算复杂度，但可能由于信息不完整而导致性能下降。现有方法难以在性能和通信开销之间找到有效的平衡点。

核心思路：论文的核心思路是采用分层控制架构，上层监督层动态调整网络拓扑，形成不同的控制联盟，每个联盟内部采用分散式MPC进行控制。通过动态调整联盟结构，可以在控制性能和通信成本之间找到最佳的折衷方案。

技术框架：该控制方案包含两个主要层级：1) 监督层：负责动态调整网络拓扑，形成不同的控制联盟。该层根据系统状态和通信成本，决定哪些子系统应该组成一个联盟。2) 分散式MPC层：每个联盟内部的子系统采用分散式MPC进行控制。每个子系统只与联盟内的其他子系统交换信息，从而降低了通信成本。

关键创新：该方法最重要的创新点在于引入了联盟的概念，并利用监督层动态调整联盟结构。这种方法可以在控制性能和通信成本之间实现灵活的权衡。与传统的集中式MPC相比，该方法具有更好的可扩展性。与传统的分散式MPC相比，该方法可以通过动态调整联盟结构来提高控制性能。

关键设计：在分散式MPC层，对输入施加硬约束，以保证系统的安全性。对状态施加软约束，以避免可行性问题。软约束可以通过在目标函数中添加惩罚项来实现。监督层需要设计合适的算法来动态调整联盟结构，例如可以使用基于模型预测的优化算法。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

该方案在Dez灌溉渠模型上进行了验证，并与集中式MPC控制器进行了比较。实验结果表明，所提出的分层联盟MPC方案可以在保证控制性能的同时，显著降低通信成本。具体的性能提升数据和通信成本降低幅度在论文中进行了详细的量化分析。

🎯 应用场景

该研究成果可应用于大规模互联系统的控制，例如智能电网、交通网络、水资源管理系统等。通过动态调整通信拓扑，可以在保证系统性能的同时，降低通信成本，提高系统的可扩展性和鲁棒性。该方法对于资源受限的分布式系统具有重要的应用价值。

📄 摘要（原文）

We present a hierarchical control scheme for large-scale systems whose components can exchange information through a data network. The main goal of the supervisory layer is to find the best compromise between control performance and communicational costs by actively modifying the network topology. The actions taken at the supervisory layer alter the control agents' knowledge of the complete system, and the set of agents with which they can communicate. Each group of linked subsystems, or coalition, is independently controlled based on a decentralized model predictive control (MPC) scheme, managed at the bottom layer. Hard constraints on the inputs are imposed, while soft constraints on the states are considered to avoid feasibility issues. The performance of the proposed control scheme is validated on a model of the Dez irrigation canal, implemented on the accurate simulator for water systems SOBEK. Finally, the results are compared with those obtained using a centralized MPC controller.