Optimal and adaptive control in large scale sensor networks

Abstract

The inability of existing theoretical and practical tools to scalable and efficiently deal with the control of complex, uncertain and time-changing large-scale systems, not only leads to a effort-, time- and cost-consuming deployment of Large-Scale Control Systems (LSCSs), but also prohibits the wide application of LSCS in areas and applications where LSCSs could potentially have a tremendous effect in improving system efficiency and Quality of Services (QoS), reducing energy consumption and emissions, and improving the day-to-day quality of life. Based on recent advances on adaptive, self-tuning, robust and efficient control design in LSCS, the current work aims at developing and evaluating an integrated LSCS-design methodology, applicable to large-scale systems of arbitrary scale, heterogeneity and complexity, capable of: (i) Providing pro-active, arbitrarily-close-to-optimal LSCS performance; (ii) Being intrinsically self-tunable, able to rapidly and efficiently optimize LSCS performance when short- medium- and long-time variations affect the large-scale system; (iii) Providing efficient, rapid and safe fault-recovery and LSCS re-configuration; and, (iv) Achieving all the above, while being scalable and modular. The integrated LSCS design system developed within the current work, has been extensively tested and evaluated into three real-life large-scale Test Cases (a 20-junction urban traffic network and two large-scale energy-controlled buildings) possessing a rich variety of design and performance characteristics, extremely complex nonlinear dynamics, highly stochastic effects, uncertainties and modeling errors, as well as reconfiguration and modular design requirements. The current work can be discretized into main subject sections, as follows: (i) Introduction (Section 1): in this section the problems and drawbacks of modern adaptive and optimal control design approaches and LSCS-applications are described (see also the Annex 2 section) while a brief discussion of the proposed solutions and tools developed within the current work context is presented as well as a complete list of the resulted publications, are presented. (ii) Optimal & Adaptive Control Design Tools in LSCSs (Section 2): in this section the main theoretical tools developed within the current thesis framework are presented and discussed in detail. (iii) Simulation Applications (Section 3): in this section simulation results from either small-, medium- or large-scale applications, are presented and analyzed towards evaluating the performance of the proposed control design tools. (iv) Real-life Applications (Section 4): in this section results from the aforementioned three real-life test cases/applications took place during the integration of the current work, are analyzed and evaluated (a more detailed graphical representation of real-life results is included in the Annex 1 section). (v) Conclusions (Section 5): in this section a summary of all the results and outcomes of the applications are discussed and quantified towards a global evaluation of the developed control design tools.

Η αδυναμία σχεδιασμού αποδοτικών στρατηγικών ελέγχου με τα υπάρχοντα θεωρητικά και πρακτικά εργαλεία, σε εφαρμογές συστημάτων μεγάλης κλίμακας (ΣΜΚ), τις περισσότερες φορές οδηγεί σε χρονικά και οικονομικά μη αποδοτικές λύσεις. Τα ΣΜΚ συνήθως εμπλέκουν χρονικά μεταβαλλόμενες και περίπλοκες δυναμικές, που πολλές φορές εισάγουν έντονη αβεβαιότητα στο πρόβλημα σχεδιασμού ελέγχου. Το γεγονός αυτό, καθιστά τα εργαλεία σχεδιασμού Αποδοτικού Ελέγχου Συστημάτων Μεγάλης Κλίμακας (ΑΕΣΜΚ) μη εφαρμόσιμα σε ένα μεγάλο κομμάτι εφαρμογών. Δυνητικά, ωστόσο, θα μπορούσαν να έχουν τεράστια επίδραση στην βελτίωση της απόδοσης και της ποιότητας των παρεχόμενων υπηρεσιών του εκάστοτε συστήματος μέσω της μείωσης: της καταναλισκόμενης ενέργειας, των επιπέδων εκπομπών ρυπογόνων στοιχείων και βελτιώνοντας την ποιότητα της καθημερινής δραστηριότητας των χρηστών. Η παρούσα εργασία, βασισμένη σε σύγχρονες/πρόσφατες ερευνητικές εξελίξεις, στοχεύει στην υλοποίηση/ανάπτυξη και στην αξιολόγηση μιας ολοκληρωμένης μεθοδολογίας σχεδίασης ελέγχου που είναι συμβατή με ετερογενή και περίπλοκα συστήματα μεγάλης κλίμακας. Η μεθοδολογία αυτή είναι ικανή να: (α) παρέχει στρατηγικές ελέγχου, τόσο κοντά στην βέλτιστη απόδοση ελέγχου ΣΜΚ όση επιλέγει ο χρήστης. (β) είναι εγγενώς αυτο-προσαρμοζόμενη και να βελτιώσει με επιτυχία, με ραγδαίο ρυθμό, την απόδοση του ΣΜΚ όταν βραχυπρόθεσμες ή μακροπρόθεσμες μεταβολές επηρεάζουν το σύστημα. (γ) παρέχει αποδοτικό και ασφαλή τρόπο ανάκαμψης από ενδεχόμενα σφάλματα ή/και λειτουργικές αναπροσαρμογές του ίδιου του συστήματος. (δ) επιτύχει όλα τα παραπάνω ενώ ταυτόχρονα δεν εξαρτάται από την διάσταση του προβλήματος ενώ ταυτόχρονα είναι εύχρηστη. Τα ολοκληρωμένα εργαλεία σχεδίασης ΑΕΣΜΚ που υλοποιήθηκε στα πλαίσια της παρούσας διατριβής, έχουν δοκιμασθεί και αξιολογηθεί εκτενώς πάνω σε δύο πραγματικά συστήματα μεγάλης κλίμακας (δύο κτίρια γραφείων).Η παρούσα εργασία μπορεί να διαχωριστεί στις παρακάτω θεματικές ενότητες: (α) Εισαγωγή (Κεφάλαιο 1): στην ενότητα αυτή περιγράφονται εκτενέστερα τα προβλήματα που εμφανίζονται σε σύγχρονες εφαρμογές βέλτιστου και προσαρμοστικού ελέγχου (βλέπε Παράρτημα 2) σε ΣΜΚ αλλά και οι δημοσιεύσεις που προέκυψαν στα πλαίσια της εκπόνησης της παρούσας διατριβής (β) Εργαλεία Σχεδίασης Βέλτιστου κ Προσαρμοστικού Ελέγχου σε ΣΜΚ (Κεφάλαιο 2): στην ενότητα αυτή αναλύονται λεπτομερώς τα θεωρητικά εργαλεία σχεδίασης ελέγχου που αναπτύχθηκαν. (γ) Εφαρμογές Προσομοίωσης (Κεφάλαιο 3): στην ενότητα αυτή παρουσιάζονται τα αποτελέσματα από εφαρμογές προσομοιώσεων που διεξήχθησαν στα πλαίσια της αξιολόγησης των παραπάνω εργαλείων. (δ) Εφαρμογές Πραγματικών Συνθηκών (Κεφάλαιο 4): στην ενότητα αυτή παρουσιάζονται τα αποτελέσματα (πιο αναλυτική απεικόνιση των πειραμάτων σε πραγματικές συνθήκες περιλαμβάνεται στο Παράρτημα 1) που προέκυψαν από τις εφαρμογές των εργαλείων αυτών σε πραγματικά ΣΜΚ και η αντίστοιχη αξιολόγησή τους. (ε) Γενικά Συμπεράσματα (Κεφάλαιο 5): στην ενότητα αυτή αναλύονται συγκεντρωτικά όλα τα παραπάνω αποτελέσματα και αξιολογείται η απόδοση των εργαλείων ελέγχου.