Volume 70, Issue 4 - Schwerpunktheft: Ausgewählte Beiträge aus dem GMA-Fachausschuss 1.50 „Grundlagen vernetzter Systeme“ / Knut Graichen, Daniel Görges

Model Predictive Control (MPC) for {networked, cyber-physical, multi-agent} systems requires numerical methods to solve optimal control problems while meeting communication and real-time requirements. This paper presents an introduction on six distributed optimization algorithms and compares their properties in the context of distributed MPC for linear systems with convex quadratic objectives and polytopic constraints. In particular, dual decomposition, the alternating direction method of multipliers, a distributed active set method, an essentially decentralized interior point method, and Jacobi iterations are discussed. Numerical examples illustrate the challenges, the prospect, and the limits of distributed MPC with inexact solutions.

Event-triggered control (ETC) and time-triggered control (TTC), the classical concepts to determine the transmission instants for networked control systems, each come with drawbacks: It is difficult to tune ETC such that a certain bandwidth is respected, whereas TTC cannot adapt the sampling interval to the current state of the control system. In this article, we provide an overview over rollout ETC, a method aimed at reconciling the advantages of ETC and TTC. We unite two variants of rollout ETC under a common framework and present conditions for convergence and compliance with a predefined bandwidth limit. Furthermore, we demonstrate that rollout ETC satisfies a performance bound and that it allows for a very flexible transmission scheduling similar to classical ETC. The mentioned beneficial properties are illustrated through extensive numerical simulations.

This paper addresses finite-time horizon optimal control of control structures with shared communication network. To cope with the uncertainties, induced by network imperfections and exogenous disturbances at the same time, an optimization-based control scheme is proposed. It uses a disturbance feedback and the Age of Information (AoI) , a receiver-based measure of communication delays, as central aspects. The disturbance feedback is an extension of the control law used for balanced stochastic optimal control. Balanced optimality is understood as a compromise between minimizing expected deviations from the reference and the minimization of the uncertainty of future states. Time-varying state constraints as well as time-invariant input constraints are considered, and the controllers are synthesized by semi-definite programming.

Zusammenfassung In diesem Beitrag wird die Anwendung von Gradient-Tracking-Verfahren in Multi-Cluster-Spielen untersucht. Neben einer Aufarbeitung relevanter Literatur umfasst die Arbeit einen theoretischen und simulativen Vergleich zwischen zwei bestehenden Gradient-Tracking-basierten Algorithmen. Hierbei wird insbesondere auf die Unterschiede der Kommunikationsarchitekturen eingegangen. In den durchgeführten Simulationen werden die Konvergenzzeiten der Algorithmen in Anwendung auf ein Nash-Cournot-Spiel miteinander verglichen. Es wird deutlich, dass sich eine weniger eingeschränkte Kommunikationsarchitektur zwischen den Clustern positiv auf die Konvergenzzeit auswirkt.

Robust model predictive control (MPC) is an essential tool for control systems under uncertainty as it allows for constraint satisfaction even if disturbances occur. When a system suffers malicious attacks, in contrast to parametric uncertainties or known systems faults, it is difficult to specify tight uncertainty ranges within which possible disturbances lie. In this case, very conservative solutions or even infeasible problems are obtained. To address this issue, we propose an adaptively robust MPC scheme that adjusts the uncertainty ranges to available knowledge about the attackers. To this end, we combine a recently proposed method identifying unknown attacks on nonlinear systems with a multi-stage approach to robust MPC. We illustrate the potential of the method in a numerical case study with a distributed nonlinear system.

With cooperative transportation, the paper looks at a demanding problem from distributed robotics. At its heart, the proposed transportation scheme uses distributed model predictive control. Yet, distributed control alone does not suffice to solve the task. Thus, also distributed organization, a custom software architecture, simulation, and custom robotic hardware are dealt with, bridging the gap between distributed control theory and practical robotics. The robots are enabled to transport arbitrarily-shaped objects, automatically adapting to changing circumstances and numbers of robots.

Zusammenfassung Kommunikationsbasierte Regler für Platooning sind oft für eine homogene Fahrzeugzusammensetzung in einer nominalen Fahrsituation ausgelegt. In realen Anwendungen werden Platoons jedoch aus unterschiedlichen Fahrzeugen bestehen und somit heterogen sein, was die Anforderungen an einen sicheren Betrieb erhöht. Darüber hinaus sind Regler, die für den nominalen Fahrzustand ausgelegt sind, nicht unbedingt in der Lage, externe Störungen zu bewältigen. In dieser Arbeit wird ein Konzept zum Wechsel der Kommunikationstopologie in Abhängigkeit von der aktuellen Fahrsituation in einem heterogenen Platoon vorgestellt. Angewandt wird das Konzept auf den kooperativen Nothalt. Für diese Situation wird gezeigt, wie eine geeignete Kommunikationstopologie gefunden werden kann und dass durch den Wechsel der Topologie Kollisionen innerhalb des Platoons vermieden werden können.

Zusammenfassung Diese Arbeit befasst sich mit der Automatisierung der physikorientierten Modellbildung und des darauf basierenden Beobachterentwurfs. Hierzu werden Port-Hamiltonsche Methoden entwickelt, die erstmals eine durchgängige Automatisierung der Modellbildung und des Beobachterentwurfs für eine große Klasse physikalisch vernetzter Systeme ermöglichen.