Core Concepts
분산 네트워크 시스템에서 안전성을 보장하면서 불확실성을 줄이기 위한 분산 적응형 MPC 알고리즘을 제안한다.
Abstract
이 논문에서는 다중 에이전트로 구성된 네트워크 시스템을 위한 분산 적응형 모델 예측 제어(DAMPC) 알고리즘을 제안한다. 기존의 중앙집중식 적응형 MPC 알고리즘은 네트워크 시스템에 적용하기 어려운 문제가 있었다. 이를 해결하기 위해 제안된 DAMPC 알고리즘은 다음과 같은 특징을 가진다:
제어 이득, 상태 튜브 행렬, 파라미터 제약 행렬 등의 구조를 분산 최적화에 적합하도록 설계하여, 에이전트 수에 선형적으로 증가하는 최적화 문제 크기를 가진다.
분산 및 분산화된 파라미터 식별 기법을 제안하여, 중앙 단위 없이 온라인 파라미터 식별이 가능하다.
강건한 제약 만족, 재귀적 실행 가능성, 폐루프 안정성을 보장한다.
시뮬레이션 결과, 제안된 DAMPC 알고리즘이 기존 분산 강건 MPC 대비 폐루프 성능을 향상시킬 수 있음을 보였다. 특히 파라미터 불확실성이 큰 경우 분산 식별 기법을 사용할 때 더 큰 성능 향상을 얻을 수 있다.
Stats
상태 공간 행렬 A(θ)와 B(θ)는 파라미터 θ의 선형 조합으로 표현된다.
상태 x와 입력 u는 알려진 폐쇄 다면체 Z 내에 있어야 한다.
외란 w는 알려진 폐쇄 다면체 W 내에 있다.
Quotes
"분산 제어는 중앙집중식 제어에 비해 프라이버시 손실, 고장에 대한 취약성, 높은 계산 비용 등의 문제를 해결할 수 있다."
"이 논문에서는 네트워크 시스템의 구조적 특성을 활용하여 분산 최적화에 적합한 MPC 문제 구조를 제안한다."