Un enfoque primal-dual para LQR con doble restricción de riesgo para control práctico bajo ruido no gaussiano

Área de la Ciencia:

• Ingeniería de Sistemas de Control
• Procesos Estocásticos No Gaussianos
• Teoría de la Optimización

Sus antecedentes:

• Los métodos de control convencionales luchan con perturbaciones no gaussianas y sesgadas.
• El control sensible al riesgo existente a menudo utiliza formulaciones de riesgo único o neutral al riesgo.
• Los sistemas parcialmente observables requieren estrategias de control robustas para la estabilidad y el rendimiento.

Objetivo del estudio:

• Presentar un regulador lineal cuadrático con doble restricción de riesgo (DRC-LQR) para el control práctico de sistemas parcialmente observables.
• Desarrollar un método que restrinja conjuntamente la variabilidad del estado y la salida en condiciones no gaussianas.
• Avanzar en el diseño de control sensible al riesgo para sistemas críticos para la seguridad que enfrentan perturbaciones extremas.

Principales métodos:

• Se emplea un marco de optimización primal-dual computacionalmente tratable.
• El enfoque compensa explícitamente la asimetría y las colas pesadas del ruido.
• Una formulación de horizonte infinito garantiza la estabilidad conjunta y la satisfacción de las restricciones.

Principales resultados:

• Las simulaciones muestran una mejora de más del 60% en la precisión de la regulación en comparación con el LQR estándar.
• Se logró una convergencia un 93,7% más rápida y una satisfacción de restricciones del 99,8%.
• Se demostró una robustez y practicidad superiores en el control de vuelo de aeronaves y la regulación de voltaje.

Conclusiones:

• DRC-LQR es una extensión sistemática e implementable de LQR.
• El método proporciona rigor teórico y viabilidad en el mundo real para perturbaciones no gaussianas.
• Avanza el control sensible al riesgo para sistemas críticos para la seguridad sujetos a condiciones extremas.