Light-Weight MPC

Abstract

Modell-prediktiv regulering har vorte eit viktig verktøy i moderne industri. Mykje på grunn av dugleiken til å optimalt styre avanserte system. Ved å ta prediksjonar og systembegrensingar i betraktning kan styringslova heve grad av sikkerheit og pålitelegheit for industrielle operasjonar. Den modellbasserte styringsmetoden kan også hjelpe industriar med å etterkomme miljøkrav ved å optimalisere energibruk og redusere klimautslepp. Dette gjer den overlegen i forhold til klassiske regulatorar, sidan den kan forebetre produktiviteten på fleire plan. Med ein aukande etterspurnad etter berekraftige og effektive løysingar, kan styringsmetoden nyttast innan ei rekke ulike industriar, til dømes innanfor produksjon, prosess, robotikk og energi. Modell-prediktiv regulering har vorte ein kritisk komponent i industrielle styringssystem og er antatt å vere ein sentral styringsmetode i dagens samfunn.

Light-Weight MPC er eit simuleringsverktøy nytta til å vurdere ytinga til den modellbasserte regulatoren. Som ei lettvektsklasse programvare brukar den minimalt med ressursar slik som minne. Grensesnittet er enkelt oppbygd og brukarvennleg. I tillegg, skal programmet køyre effektivt. Forskjellege senario kan undersøkast ved å definere ein system-modell og styrings-tuner. Simuleringsdataen er ryddig strukturert i JavaScript object notation (JSON), og er lett tilgjengeleg for analyse i fleire andre rammeverk. Simulatoren er programmert i C++ og importerar Operator Splitting Quadratic Solver (OSQP) programvara til å optimalisere styringa. Algoritma nytta er basert på formuleringa skildra i doktor-avhandlinga High-performance Industrial Embedded Model Predictive Control (Kufoalor, Imsland og Johansen, 2015). Denne utleda stryingsformuleringa antek slakk variablar og feilkorrigering som kjernefunksjonaliteten i ein Modell-prediktiv regulator. Styringsmetoden basserar seg på endelege sprangresponsemodellar, som er ein mykje brukt modell i prosess-industrien. Desse modellane vert både brukt til styring i tillegg til å skildre modellen. Dermed tek ikkje simulatoren modellfeil i betrakning.

For å gjere verktøyet tilgjengeleg og brukarvenleg for mange ulike apparat, vart ein Create-React-App-bassert nettsideløysing utvikla. Simulatorlogikken blir overført til applikasjonen ved bruk av Empscripten kompilatoren og Webassembly (Wasm). Wasm er eit høg-effektivt binært instruksjonsformat designa for nettsider. Dette oppsettet er uavhengig frå bruken av serverkall sidan heile applikasjonen vert køyrt i nettlesaren. Simuleringsprogrammvara er eit akademisk verktøy for å lære, teste og utforske lineære Modell-prediktive regulatorar. Rammeverket er ope kjelde publisert og lisensiert under BSD 3-Clause: https://github.com/orgs/Light-weight-MPC/repositories.

Model Predictive Control (MPC) has become increasingly important due to its ability to optimally control complex systems. By taking predictions and system constraints into account, the control law can improve the reliability and safety of industrial operations. MPC can also help industries comply with environmental regulations by optimizing energy consumption and reducing climate emissions. This makes it superior to classical approaches, as it can improve overall productivity. With the increasing demand for sustainable and efficient solutions, the controller is applicable to a wide range of industries, including manufacturing, process, robotics and energy. MPC has become a critical component of industrial control systems and is considered the main modern control approach.

Light-Weight MPC is an open-source simulation framework exploiting the performance of linear Model Predictive Controllers. As a lightweight software, it has minimal resource requirements, a small memory footprint, and efficient execution prioritising a simple interface. Different scenarios can be addressed by defining a system description and a controller tuning. Simulation data is neatly structured using JavaScript object notation (JSON), which can be interfaced with several other frameworks. The simulator is C++ implemented using the Operator Splitting Quadratic Solver (OSQP) software as the controller optimizer. The algorithm addressed is based on the formulation derived from High-performance Industrial Embedded Model Predictive Control (Kufoalor, Imsland and Johansen, 2015). The derived controller considers slack constraints and bias correction as the fundamental components of MPC functionality required for lightweight software. The corresponding system description addressed is the Finite Step-Response Model (FSRM). A widely used model in the process industry. This model serves as both the control and plant model, hence the simulator does not take model errors into account.

In order to make the software accessible to many and easy to use for a wide range of devices, an interfacing Create-React-App-based application was developed. The simulator is ported to the app using Emscripten Compiler Frontend and \Ac{Wasm}, a high-performance binary instruction format designed for the web. This setup allows the application as a whole to be executed in the browser without the need for server-side callbacks. The simulation software serves as an academic tool to learn, test and explore linear \ac{mpc}s. The framework is open-source distributed and licensed under BSD 3-Clause: https://github.com/orgs/Light-weight-MPC/repositories.