通过无损凸化方法求解一类受约束最优控制问题的精确解,用于数字控制领域

《Automatica》:Exact solutions to a class of constrained optimal control problems via lossless convexification for digital control

【字体: 大 中 小 】 时间:2026年07月13日 来源:Automatica 6.2

编辑推荐:

  Vaibhav Upadhyay|Siddhartha Ganguly|Debasish Chatterjee 摘要:本文提出了一种新的数值可行技术,用于解决在航空航天应用中常见的线性系统的受约束、非凸连续时间最优控制问题。该技术采用无损凸化方法将具有环形控制幅度约束的原始非凸

  Vaibhav Upadhyay|Siddhartha Ganguly|Debasish Chatterjee

摘要:本文提出了一种新的数值可行技术,用于解决在航空航天应用中常见的线性系统的受约束、非凸连续时间最优控制问题。该技术采用无损凸化方法将具有环形控制幅度约束的原始非凸最优控制问题转化为凸问题,然后通过用分段常数函数对控制空间进行有限参数化,建立了一种高效的数值方法,能够在满足无穷多约束条件的同时保证精确解,并且这些约束在紧凑的时间区间内均需得到满足。本文通过一个涉及三个自由度的航天器着陆问题验证了该方法的有效性,展现了其在实际航空航天制导与控制任务中的应用潜力。

引言:本文探讨了在线性系统的有限视界最优控制问题中,一类环形(非凸)控制约束所带来的挑战。这类约束广泛应用于各种领域,包括航空航天器的能量和燃料最优轨迹规划(Shen等人,2023年)、汽车系统(Waschl等人,2014年),以及多输入多输出和过驱动系统的最优控制(Harris,2021年)。在处理具有上下界控制的最优控制问题的数值可行性时,主要面临两大挑战:其一,由于问题的非凸性,将原始的无限维最优控制问题离散化为有限维非线性规划问题的传统直接数值方法仍保持非凸性,因此常常出现可行性和收敛性问题(Sedlacek等人,2023年;W?chter和Biegler,2006年;Yakubovich,1997年);其二,如何以可行的方式处理那些虽紧凑但数量无穷的不等式约束集。所谓无损凸化方法提供了一种不同的思路:它寻找一个凸问题(通常是某种松弛形式),其最优解与原问题的最优解相同。越来越多的研究开始采用这种方法。例如,Harris和A??kme?e(2014a)研究了非凸环形控制约束问题;Yang等人(2024年)则探讨了非凸等式约束与线性约束的组合;Harris(2021年)提出了基于极点凸松弛的无损凸化方法;而对于线性系统,Yang和Liu(2023年)证明了基于凸包的松弛方法也是一种能够保留原有解的凸化策略。Elango等人(2025年)和Luo等人(2026年)还研究了基于逐次凸化的非凸最优控制方法以及无损凸化的离散时间形式。这些现有研究都属于将非凸问题简化为等价的凸问题后再进行数值求解的范畴。而前文提到的第二个问题至今仍未得到解决。在此背景下,我们的工作旨在为具有非凸环形约束的线性系统的最优控制问题开发一种数值可行的求解流程及其数字实现方法。这类最优控制问题在航空航天应用中尤为重要。具体而言:(C-a)我们采用无损凸化方法(Harris和A??kme?e,2014a)将给定的非凸最优控制问题转化为等价的凸最优控制问题。这样得到的凸优化问题变成了一个无限维的带约束凸规划问题,通常难以通过数值方法精确求解。为了解决这一问题,我们采用了分段常数函数对可行控制量进行参数化处理,这种参数化方式经过精心设计,以便与数字控制实现相适配。离散化的时间步长由用户自行选择,可根据现有硬件资源确定尽可能小的值。(C-b)尽管如此,最终的优化问题虽然被有限参数化了,但仍需满足无穷多约束条件。为了解决这个问题,我们提出了一种新方法,利用凸半无限规划问题的数值解来精确求解此类问题,从而确保所有约束条件都得到满足。我们的方法策略性地选择若干时间点,在这些点上强制满足约束条件,而事实证明,这种选择性强制已经足够确保在整个时间范围内所有约束条件都得到满足。此外,我们还证明了通过求解一个规模较小且经过简化的凸优化问题,就可以精确得到凸半无限规划问题的最优值及对应的最优解。我们的核心问题是:现有的数值方法是否足以解决这类问题?并非总是如此。实际上,诸如直接多重射击法和直接配置法之类的标准最优控制数值技术——Betts,2010年;Ganguly等人,2026年;Ganguly等人,2022年——都遵循“先离散化再优化”的传统思路。这些方法只在时间轴上的有限多个点上强制满足约束条件(通常是离散化点),而这可能无法确保所有时间点的约束都得到满足,在那些对安全性要求极高的应用中,这种情况可能会带来严重后果。实际上,在第4.4节中,我们展示了一个通过现有文献中的方法无法检测出的不可行问题,而我们的方法却能轻松识别出其不可行性。通过能够强制满足一系列紧凑且数量无穷的凸约束条件,我们的框架能够保证精确解的存在,据我们所知,这是数值最优控制领域中的首个此类成果,同时也展现了通常传统直接方法所无法达到的数值精度。那么,分段常数参数化有什么特别之处呢?首先,采用分段常数参数化控制轨迹可以将本质上属于无限维的优化问题转化为有限维的数学规划问题,这在处理一般约束问题时是不可避免的(Alimov和Tsar’kov,2021年,第16章,第1节)。其次,这种参数化方式特别适合于数字实现,因为它具有固有的离散化和量化结构,能够自然地映射到固定精度的硬件上,从而实现高效、可靠且精确的执行。关于我们算法的目的、局限性和适用性:如(C-a)–(C-b)节所述,我们架构的主要贡献和总体目标是为一类连续时间最优控制问题开发一种数值可行、以优化为导向的解决方案,从而保证(i)精确解的存在,以及(ii)安全约束在连续时间内的满足情况(即约束验证)。不过,这样的保证是以一定的计算时间为代价的。尤其是,该架构包含一个全局优化模块,这是造成复杂性的主要因素,详见第3.2节及脚注7。因此,从应用角度来看,当前框架并不适合用于模型预测控制等实时应用。它主要用于离线轨迹生成,因为在这些场景中,解决方案的准确性、可行性以及连续时间约束验证至关重要,而且可以投入充足的计算资源。典型的应用场景包括动力着陆和再入引导设计,以及四旋翼飞行器着陆的安全轨迹生成,在这些场景中,短时间内违反安全或执行器约束是不可接受的,通常需要通过离线计算来获得经过验证的可行轨迹。对于我们来说,?N??{1,2,…}表示正整数集合,而?N?N?∪{0}。如果m1,m2∈N?且m10和n∈N*,定义在[0,T]上具有n个均匀时间段的R值分段常数函数空间为PWCn([0,T];R)={u:[0,T]→R∣u(t)=uk,fort∈[tk,tk+1],k=0,…,n?1},其中均匀时间点?tk?kTn,k=0,…,n。问题表述:设dx,du,dr,m∈N*,并确定一个时间范围T>0。考虑一个线性时不变受控动态系统x?(t)=Ax(t)+Bu(t)+v,其中t属于[0,T],[0,T]?t?x(t)∈Rdx表示绝对连续的状态轨迹,[0,T]?t?u(t)∈Rdu表示局部可积的控制轨迹(Zabczyk,2020年,第6页);v∈Rdx则表示外部恒定向量场。2 凸半无限规划表述及数值求解:经过有限参数化的最优控制问题(13)实际上是一个凸半无限规划问题,本节的目的就是证明这一点。此外,利用凸半无限规划的结构,可以利用最近开发的用于求解凸半无限规划问题的精确数值算法,以精确的方式求解(13)(具体内容见后面的主要结果,定理8和定理11)。需要注意的是,经过参数化后,(11)中的约束条件变为β,Ψ(t)∈[ρ1,ρ2],CαΨ(t)?d,以及κ(αΨ(t))?β,Ψ(t)。数值实验:我们研究了复杂的三个自由度行星着陆问题,其中着陆器需要在优化燃料效率的同时精确抵达指定的着陆点(Harris和A??kme?e,2014a年,第7节,示例1)。该航天器属于欠驱动系统,唯一的控制输入为推力矢量。系统的运动受到重力场的影响,同时还需满足着陆区域的限制条件。着陆器的运动由以下方程描述:r?(t)v?(t)=v。Vaibhav Upadyay是印度孟买印度理工学院的一名跨学科双学位学生,他正在攻读航空航天工程学士学位以及系统与控制领域的硕士学位。他的研究兴趣包括偏微分方程的控制、受约束最优控制的数值方法以及几何控制理论。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号