On mean-square boundedness of stochastic linear systems with quantized observations

Technische Zusammenfassung: Mittelwertquadratische Beschränktheit stochastischer linearer Systeme mit quantisierten Beobachtungen

Problemformulierung
Die Arbeit befasst sich mit der Regelung eines diskreten zeitdiskreten linearen stochastischen Systems, das in $\mathbb{R}^d$ evolviert und durch die Gleichung $x_{t+1} = A x_t + B u_t + w_t$ beschrieben wird. Das System unterliegt einer Folge von erwartungswertfreien, mutuell unabhängigen Rauschvektoren $(w_t)$ mit beschränkten vierten Momenten. Die primäre Herausforderung besteht darin, dass der Regler keinen Zugriff auf perfekte Zustandsmessungen hat, sondern stattdessen quantisierte Zustandsmessungen $q(x_t)$ erhält, die von einem Quantisierer $q: \mathbb{R}^d \to Q$ erzeugt werden, wobei $Q$ eine endliche Menge von Vektoren (ein Alphabet) ist.

Das Ziel ist der Entwurf eines Quantisierers mit einem endlichen Alphabet und einer entsprechenden beschränkten Steuerungsstrategie, sodass die Zustände des geschlossenen Regelkreises mittelwertquadratisch beschränkt bleiben (d. h. $\sup_{t} \mathbb{E}[\|x_t\|^2] < \infty$). Die Steuereingänge müssen zudem gleichmäßig beschränkt sein ($\|u_t\| \leq U_{max}$).

Die Autoren konzentrieren sich speziell auf Systeme, bei denen die Matrix $A$ Lyapunov-stabil ist (Eigenwerte haben Betrag $\leq 1$, wobei die Eigenwerte auf dem Einheitskreis gleiche geometrische und algebraische Vielfachheiten besitzen). Dies unterscheidet diese Arbeit von der umfangreichen Literatur zur Stabilisierung von Systemen mit instabilen Eigenwerten (außerhalb der Einheitsdisk) unter Kommunikationsbeschränkungen. Die Autoren merken an, dass für stochastische Systeme mit unbeschränktem Rauschen und mindestens einem Eigenwert mit Betrag größer als 1 eine lokale Stabilisierung mit beschränkten Eingängen unmöglich ist; daher liegt der Fokus auf der „maximal groben“ Quantisierung für Systeme, die bereits Lyapunov-stabil sind.

Methodik
Die vorgeschlagene Lösung nutzt eine $\kappa$-historienabhängige Strategie, bei der die Steuersequenz durch die Historie der quantisierten Zustände bestimmt wird. Die Methodik stützt sich auf die folgenden strukturellen Annahmen und Konstruktionen:

1. Systemeigenschaften: Das Paar $(A, B)$ wird als in $\kappa$ Schritten erreichbar vorausgesetzt. Ohrengleichwertig erlaubt eine Basisänderung den Autoren, $A$ als eine orthogonale Matrix zu behandeln.
2. Entwurf des Quantisierers: Der Quantisierer wird als „radial“ entworfen. Für Zustände außerhalb eines spezifischen Radius $r$ (der Grenze einer Kugel $B_r$) bildet der Quantisierer den Zustand auf einen Punkt auf der Randfläche $\partial B_r$ ab. Innerhalb der Kugel $B_r$ ist die Quantisierungsregel hinsichtlich der Mittelwertquadratbeschränktheit beliebig. Der Quantisierer stellt sicher, dass der Winkel $\phi$ zwischen einem Zustand $z$ und seiner quantisierten Version $q(z)$ beschränkt ist.
3. Steuerungsstrategie: Die Steuerungsstrategie wendet eine Sequenz von $\kappa$ Steuereingängen an jedem Schritt $t$ an, basierend auf dem quantisierten Zustand $q(x_{\kappa t})$. Die Strategie ist definiert als:
   $$\bar{u}_{\kappa t} = -R_{\kappa}(A, B)^+ A^{\kappa} q(x_{\kappa t})$$
   wobei $R_{\kappa}(A, B)$ die Erreichbarkeitsmatrix ist und $(\cdot)^+$ die Moore-Penrose-Pseudoinverse bezeichnet. Diese Steuerungsregel versucht, den Zustand unter Verwendung der quantisierten Information in Richtung des Ursprungs zu führen.
4. Stabilitätsanalyse: Der Beweis der Beschränktheit beruht auf Proposition 3, einem Resultat, das aus [5] abgeleitet wurde und die mittelwertquadratische Beschränktheit für nicht-negative Zufallsvariablen etabliert, sofern diese bei großen Werten einen negativen Drift und beschränkte vierte Momente der Inkremente aufweisen.
   • Die Autoren definieren eine Lyapunov-ähnliche Variable $\xi_t = \|x_{\kappa t}\|$.
   • Sie zeigen, dass für $\|x_{\kappa t}\| > r$ die erwartete Änderung der Norm negativ ist (Drift-Bedingung), vorausgesetzt, der Radius $r$ und der maximale Quantisierungswinkel $\phi$ erfüllen spezifische Ungleichungen unter Einbeziehung der Singulärwerte des Systems und der Rauschgrenzen.
   • Sie verifizieren, dass das vierte Moment der Zustandsinkremente beschränkt ist, wodurch die Bedingungen von Proposition 3 erfüllt werden.

Zentrale Ergebnisse
Die Arbeit präsentiert Theorem 2, welches hinreichende Bedingungen für die mittelwertquadratische Beschränktheit des geschlossenen Regelkreises liefert:

• Wenn der Quantisierer spezifische geometrische Bedingungen erfüllt (endliches Alphabet, radiale Projektion auf den Rand einer Kugel des Radius $r$ und ein beschränkter Winkel $\phi$ zwischen dem Zustand und seinem quantisierten Wert), und
• Wenn die Steuerungsbeschränkung $U_{max}$ ausreichend groß im Verhältnis zu den Systemparametern ist ($U_{max} \geq r / \sigma_{\min}(R_{\kappa}(A, B))$),
• Dann gewährleistet die sukzessive Anwendung der vorgeschlagenen $\kappa$-Schritt-Steuerungsstrategie, dass $\sup_{t} \mathbb{E}[\|x_t\|^2] < \infty$.

Das Theorem impliziert, dass ein Quantisierer mit einer endlichen Anzahl von Bins die zweite Moment des Zustands stabilisieren kann, selbst in Gegenwart von unbeschränktem Rauschen, sofern das System Lyapunov-stabil ist.

Bedeutung und Ansprüche
Die Autoren behaupten, dass diese Arbeit eine Lücke in der Literatur bezüglich der Stabilisierung mit endlichen Alphabeten für Lyapunov-stabile Systeme schließt. Während frühere Arbeiten (zitiert als [2, 4, 1, 3, 7, 8]) auf Kommunikationsbeschränkungen und Systeme mit instabilen Eigenwerten fokussiert waren, zielt dieses Papier auf eine „maximal grobe“ Quantisierung für bereits stabile Systeme ab.

Wichtige Ansprüche bezüglich des Beitrags beinhalten:

• Neuheit: Die Autoren geben an, dass ihnen keine bisherige Arbeit bekannt ist, die sich mit der Stabilisierung mit endlichen Alphabeten im Kontext von Lyapunov-stabilen Systemen befasst.
• Machbarkeit: Das Verfahren zeigt auf, dass endliche Alphabet-Quantisierer ausreichen, um die mittelwertquadratische Beschränktheit zu gewährleisten, ohne dass die typischerweise mit instabilen Systemen assoziierten Kommunikationsbeschränkungen erforderlich sind.
• Wiederherstellung früherer Ergebnisse: Wenn die Dichte der Bins auf der $r$-Sphäre zunimmt (d. h. wenn der Winkel $\phi \to 0$ geht), stellt die vorgeschlagene Strategie die Ergebnisse und unteren Schranken für $U_{max}$ wieder her, die in ihrer vorangegangenen Arbeit [6] etabliert wurden.

Simulation
Die Arbeit enthält eine Simulation eines 2D-Systems mit einer Rotationsmatrix $A$ und additivem Gaußschen Rauschen. Die Ergebnisse vergleichen die durchschnittliche quadratische Norm des Zustands über 1000 Durchläufe unter Verwendung der vorgeschlagenen Strategie mit unterschiedlichen Bin-Anzahlen (2, 4 und 8) gegenüber der Strategie aus [6]. Die Simulation illustriert die Leistungsfähigkeit der quantisierten Steuerungsstrategie bei der Aufrechterhaltung einer beschränkten Zustandsvarianz.