⚡ electrical engineering

EDMD-Based Robust Observer Synthesis for Nonlinear Systems

تقترح هذه الورقة طريقة قائمة على البيانات لتخليق مراقب متين للأنظمة غير الخطية في الزمن المستمر، تستخدم تحليل النمط الديناميكي الموسع (EDMD) لبناء نموذج خطي مرفوع تقريبي، حيث يتم حصر أخطاء النمذجة الناتجة عبر نظرية فضاء هيلبرت المتردد لمتجهات الضرب الداخلي (RKHS) والتخفيف من حدتها من خلال تحسين متباينات المصفوفات الخطية (LMI) لضمان أداء الملاحظة المطلوب.

المؤلفون الأصليون: Xiuzhen Ye, Wentao Tang

نُشر 2026-03-20

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Xiuzhen Ye, Wentao Tang

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول قيادة سفينة عبر محيط عاصف وغير متوقع. الأمواج (سلوك النظام) فوضوية وغير خطية، مما يعني أنها لا تتبع خطوطاً بسيطة ومستقيمة. لديك خريطة، لكنها ضبابية بعض الشيء، وبوصلتك (المستشعرات) لا تخبرك إلا بالقليل عن سطح الماء، وليس عن العمق أو التيارات الموجودة تحته.

هدفك هو بناء "سفينة شبحية" (مراقب - Observer) داخل غرفة التحكم الخاصة بك، تحاكي حركة السفينة الحقيقية بدقة، حتى تتمكن من توجيهها بأمان حتى عندما لا تستطيع رؤية كل شيء في الخارج.

تقدم هذه الورقة البحثية طريقة جديدة وذكية لبناء تلك السفينة الشبحية باستخدام طريقة تسمى نظرية مؤثر كوپمانان (Koopman Operator Theory) و EDMD (تفكيك النمط الديناميكي الممتد). إليك التفاصيل بكلمات بسيطة:

١. المشكلة: محاولة وضع وتد مربع في ثقب مستدير

الأنظمة غير الخطية (مثل الطقس، أو المفاعلات الكيميائية، أو السفينة في العاصفة) فوضوية. فهي تلتوي وتنعطف بطرق يصعب التنبؤ بها باستخدام الرياضيات البسيطة.

الطريقة القديمة: يحاول العلماء تقريب هذه الأنظمة الفوضوية عن طريق "رفعها" إلى أبعاد أعلى. تخيل أنك تأخذ كرة من الخيوط متشابكة وتقوم بشدها حتى تبدو كخط مستقيم.
العقبة: عندما تشد ذلك الخيط، فإنه لا يصبح مستقيماً تماماً أبداً. سيظل هناك دائماً قدر من "التذبذب" أو الخطأ المتبقي. في الماضي، كان المهندسون غالباً ما يتجاهلون هذا التذبذب أو يفترضون أنه مجرد ضجيج عشوائي. لكن هذه الورقة تقول: "لا، هذا التذبذب يمكن التنبؤ به!"

٢. الحل: شبكة الأمان "القطاعية" (Sector Safety Net)

أدرك المؤلفون أن هذا "التذبذب" (الفرق بين النظام الفوضوي الحقيقي والنموذج الخطي المبسط الخاص بهم) ليس فوضى عشوائية. بل يتصرف مثل شريط مطاطي.

التشبيه: تخيل أن الخطأ يشبه شريطاً مطاطياً متصلاً بمركز خريطتك. كلما ابتعدت عن المركز، زاد شد الشريط، لكنه دائماً يظل ضمن شكل مخروطي محدد (قطاع - Sector).
لماذا هذا مهم: بما أن الخطأ يمكن التنبؤ به (فهو يبقى داخل ذلك المخروط)، يمكنك تصميم شبكة أمان. لست بحاجة لمعرفة الخطأ بالضبط؛ بل تحتاج فقط لمعرفة أقصى قدر يمكن أن يصل إليه.

٣. نوعا "التذبذب"

حددت الورقة سببين لعدم مثالية الخريطة:

خطأ "القاموس" (الهيكلي): حاولت وصف لوحة معقدة باستخدام مجموعة محدودة فقط من قطع الليغو. مهما كان عدد القطع التي تستخدمها، لن تستطيع إعادة إنشاء لوحة الموناليزا بدقة. هذا هو الخطأ الناتج عن استخدام قائمة محدودة من الدوال.
خطأ "البيانات" (العشوائي): نظرت فقط إلى ١٠٠ لقطة للمحيط بدلاً من مليون لقطة. قد تكون عينتك قد أغفلت موجة عملاقة. هذا هو الخطأ الناتج عن وجود بيانات محدودة.

لقد أثبت المؤلفون أن كلا هذين الخطأين يتصرفان مثل ذلك الشريط المطاطي المتوقع (حد القطاع - Sector Bound).

٤. بناء السفينة الشبحية (المراقب)

الآن بعد أن عرفنا أن الخطأ عبارة عن "شريط مطاطي"، يمكننا استخدام أداة موثوقة ومعيارية من الجبر الخطي (تسمى LMIs أو متباينات المصفوفات الخطية) لبناء المراقب.

فكر في الأمر كأنك تضع حواجز حماية. تم تصميم الحاجز ليكون واسعاً بما يكفي للإمساك بالشريط المطاطي إذا انقطع، ولكنه ضيق بما يكفي لإبقاء السفينة الشبحية على المسار الصحيح.
مقبض الضبط: يمكن للمهندسين اختيار مدى عدوانية السفينة الشبحية.
- بطيئة وثابتة: تتبع السفينة الشبحية السفينة الحقيقية بلطف. هي آمنة ولكنها قد تكون بطيئة الاستجابة.
- سريعة وجنونية: تحاول السفينة الشبحية اللحاق بالسفينة فوراً. هي تستجيب بسرعة ولكنها قد تعاني من "الارتجاف" أو تجاوز المسار قليلاً قبل الاستقرار.

٥. النتائج: اختبار السفينة

اختبر المؤلفون هذه الطريقة في ثلاث سيناريوهات مختلفة:

نظام مستقر تماماً: مثل سفينة في مياه هادئة. عملت الطريقة بشكل مثالي، حتى مع وجود كمية قليلة جداً من البيانات.
مصنع كيميائي فوضوي: مثل سفينة في أمواج متلاطمة حيث لم تتطابق "قطع الليغو" (القاموس) تماماً مع الشكل. نجحت شبكة الأمان (الشريط المطاطي) في التقاط الأخطاء، وظلت السفينة الشبحية تتبع السفينة الحقيقية بدقة.
دورة حدية (متذبذب فان دير بول): هذا هو النوع الأصعب، وهو مثل سفينة ترغب طبيعياً في الدوران في دائرة (دورة حدية). هذه الحالة صعبة لأن النظام غير مستقر. قامت الطريقة بتعديل "حواجز الحماية" لتقليل أسوأ حالة خطأ ممكنة، ونجحت في تتبع السفينة الدوارة.

الخلاصة الكبرى

هذه الورقة تشبه إعطاء المهندسين محولاً عالمياً (Universal Adapter).
سابقاً، إذا كنت تريد استخدام أدوات خطية بسيطة للتحكم في نظام معقد وغير خطي، كان عليك أن تأمل أن يكون التقريب جيداً بما يكفي. تقول هذه الورقة: "لا تأمل. احسب أسوأ حالة للخطأ، وعاملها كشريط مطاطي، وابنِ متحكماً قوياً يعمل حتى لو كانت الخريطة خاطئة قليلاً."

إنها تحول مشكلة غير خطية معقدة ومخيفة إلى مشكلة خطية واضحة وقابلة للحل مع هامش أمان مدمج.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "EDMD-Based Robust Observer Synthesis for Nonlinear Systems" (تخليق المراقب المتين القائم على EDMD للأنظمة غير الخطية) من إعداد Xizhen Ye وWentao Tang.

1. بيان المشكلة

تتناول الورقة تحدي تصميم مراقبين للحالة (State Observers) للأنظمة المستمرة في الزمن غير الخطية في سياق مدفوع بالبيانات (Data-driven).

السياق: غالباً ما تفترض التحكمات غير الخطية التقليدية توافر الحالة الكاملة، ولكن في الممارسة العملية، لا تتوفر سوى مجموعة فرعية من المخرجات القابلة للقياس. لذا، يلزم وجود مراقبين للحالة لاستنتاج الحالات غير المقاسة.
التحدي: بينما يسمح إطار عمل مؤثر كوپمان (Koopman operator) بـ "خطيّة" الديناميكيات غير الخطية عبر "الرفع" (Lifting) (أي رسم خرائط للحالات إلى فضاء ذي أبعاد أعلى من الدوال الملاحظة)، فإن التنفيذ العملي يعتمد على تفكيك النمط الديناميكي الممتد (EDMD) باستخدام قاموس محدود من الدوال الأساسية.
المشكلة الجوهرية: يؤدي استخدام قاموس محدود إلى حدوث خطأ تقريب حتمي (عدم تطابق هيكلي) بين ديناميكيات كوپمان ذات الأبعاد اللانهائية والنموذج الخطي محدد الأبعاد. غالباً ما تتعامل الأدبيات الموجودة مع هذا الخطأ بشكل محافظ أو تتجاهل الطبيعة العشوائية لعينات البيانات المحدودة. يهدف المؤلفون إلى توصيف هذا الخطأ بدقة وتخليق مراقب متين (Robust Observer) يأخذ في الاعتبار كلاً من الأخطاء الحتمية (الهيكلية) والعشوائية (أخطاء أخذ العينات).

2. المنهجية

تدمج المنهجية المقترحة نظرية فضاء هيلبرت لإعادة الإنتاج (RKHS) مع المتراجحات المصفوفة الخطية (LMIs) لتحقيق تخليق مراقب متين.

أ. الأساس النظري: حد الخطأ القطاعي (Sectorial Error Bound)

وضع المؤلفون حداً صارماً لخطأ التنبؤ لنموذج كوپمان الذي تم تحديده عبر gEDMD (generator EDMD).

إطار عمل RKHS: استخدموا نواة شعاعية خطية (linear-radial kernel) محددة ضمن صياغة RKHS تحافظ على نقطة التوازن عند الأصل. يسمح هذا برفع فضاء الحالة إلى فضاء سمات تكون فيه الديناميكيات خطية تقريباً.
توصيف الخطأ: يتم تفكيك إجمالي الخطأ في النموذج الخطي المرفوع ( $\dot{z} = Az + r$ $\overset{z}{˙} = A z + r$ ) إلى:
1. خطأ حتمي: ناتج عن إسقاط المؤثر ذي الأبعاد اللانهائية على قاموس محدود.
2. خطأ عشوائي: ناتج عن العدد المحدود من عينات البيانات المستخدمة لتحديد النموذج.
النتيجة النظرية الرئيسية: أثبت المؤلفون أن حد الباقي الإجمالي $r(x)$ هو مقيد قطاعياً (sectorially bounded) بواسطة الحالة المرفوعة $z$ . وتحديداً، $\|r(x)\| \leq c_r \|z\|$ ، حيث $c_r$ هو ثابت يعتمد على حجم القاموس، وحجم العينة، ومستوى الثقة. هذه الخاصية "القطاعية" حاسمة لتصميم التحكم المتين.

ب. تخليق المراقب المتين

بناءً على حد الخطأ القطاعي، تمت صياغة تصميم المراقب كمسألة تحسين محدبة.

هيكل المراقب: تم تصميم مراقب من نوع "لونبرجر" (Luenberger-type) في الفضاء المرفوع:
$\dot{\hat{z}} = A\hat{z} + L(y - C\hat{z})$
حيث $A$ هي مصفوفة gEDMD المحددة، و $L$ هو الكسب (Gain) المراد تحديده.
تحليل الاستقرار: يتم تحليل ديناميكيات الخطأ باستخدام دالات ليابونوف (Lyapunov functions). يضمن التصميم اضمحلال خطأ الملاحظة أسياً أو تقليل كسب $L_2$ من خطأ النمذجة إلى خطأ الملاحظة إلى أدنى حد.
صياغة LMI:
- الحالة 1 (الأنظمة المستقرة تقاربياً): تتم صياغة التخليق كـ LMI لضمان معدل اضمحلال أسي ( $\alpha$ ) محدد لخطأ الملاحظة.
- الحالة 2 (الأنظمة غير المستقرة/أنظمة الدورة الحدية): يقلل التخليق من كسب $L_2$ ( $\gamma$ ) من خطأ النمذجة إلى خطأ الملاحظة، مما يضمن بقاء الخطأ محدوداً حتى لو لم يتقارب النظام إلى الأصل.

3. المساهمات الرئيسية

تكميم دقيق للخطأ: توفر الورقة برهاناً نظرياً جديداً على أن خطأ التقريب لـ gEDMD، عند استخدام نواة شعاعية خطية، يكون مقيداً قطاعياً بالحالة المرفوعة. وهذا يوحد الأخطاء الهيكلية الحتمية وأخطاء أخذ العينات العشوائية في إطار عمل متين واحد.
تخليق مراقب متين: تقترح طريقة منهجية لتصميم المراقبين باستخدام المتراجحات المصفوفة الخطية (LMIs) التي تأخذ في الاعتبار صراحةً حدود الخطأ المحددة. وهذا يتجاوز مجرد استخدام EDMD كأداة "وصل وتشغيل" (plug-and-play) إلى نهج تحكم متين مبني على النظرية.
التعامل مع الأنظمة غير المستقرة: يمتد إطار العمل ليشمل الأنظمة غير المستقرة تقاربياً (مثل الدورات الحدية) من خلال التركيز على تقليل كسب $L_2$ بدلاً من مجرد الاستقرار التقاربي.
نهج الأنظمة الخطية الأولية: يوضح العمل كيفية تطبيق نظرية الأنظمة الخطية الأولية (عبر رفع كوپمان) للرصد غير الخطي دون الحاجة إلى حسابات مؤثرات معقدة، بشرما أن يتم احترام حدود الخطأ.

4. النتالئج العددية

تحقق المؤلفون من صحة الطريقة في ثلاث أمثلة عددية متميزة:

المثال 1: نظام مستقر مع رفع ثابت (Invariant Lifting)
- نظام ينتج فيه القاموس المختار تمثيلاً خطياً دقيقاً.
- النتيجة: نجح المراقب في تحقيق معدلات التقارب الأسي المطلوبة ( $\alpha = 0.1$ و $0.99 $). أدى ارتفاع$ \alpha$ إلى تقارب أسرع ولكن مع أخطاء "ذروة" (peaking) أولية أكبر، مما أكد وجود مقايضة (trade-off).
المثال 2: نظام مستقر بدون رفع ثابت
- عملية كيميائية (مفاعلان كيميائيان مستمران على التوالي) حيث القاموس غير ثابت (يوجد خطأ تقريب).
- النتيجة: رغم القاموس غير الثابت وحد الخطأ القطاعي الكبير ( $c_r \approx 0.67$ )، ضمن المراقب المُخلق أن أخطاء التقدير تضمحل إلى مستويات ضئيلة جداً ( $<10^{-4}$ ).
المثال 3: نظام دورة حدية (متذبذب فان در بول - Van der Pol Oscillator)
- نظام غير مستقر يظهر دورة حدية.
- النتيجة: باستخدام صياغة كسب $L_2$ ، نجح المراقب في تتبع الدورة الحدية. أظهرت الدراسة أن زيادة درجة كثير الحدود للقاموس (من 4 إلى 8) قللت بشكل كبير من حد الخطأ ( $c_r$ ) وحسنت دقة التتبع (انخفض RMSE من 0.123 إلى 0.022).

5. الأهمية والخاتمة

تجسر هذه الورقة الفجوة بين النمذجة المدفوعة بالبيانات (Koopman/EDMD) ونظرية التحكم المتين.

الأثر النظري: تعالج مسألة "عدم التطابق" في تقريبات كوپمان ذات الأبعاد المحدودة من خلال توصيفها كارتياب (uncertainty) مقيد قطاعياً، مما يجعلها قابلة للتطبيق باستخدام أدوات التحكم المتين القياسية (LMIs).
الأثر العملي: توفر مساراً خوارزمياً موثوقاً (الخوارزمية 1) لتصميم مراقبين للحالات للأنظمة غير الخطية المعقدة باستخدام بيانات المدخلات والمخرجات فقط، دون الحاجة إلى معرفة كاملة بديناميكيات النظام.
الاتجاهات المستقبلية: يشير المؤلفون إلى أنه بينما تعتمد الطريقة الحالية على قاموس محدد مسبقاً، يمكن للأعمال المستقبلية استكشاف الطرق القائمة على النواة (kernel-based methods) لتحسين القاموس نفسه، مما قد يلغي عدم التطابق الهيكلي تماماً. بالإضافة إلى ذلك، يظل التعامل مع السيناريوهات التي لا تتوفر فيها بيانات الحالة تماماً لتحديد النموذج تحدياً مفتوحاً.