Computation of lower bounds for the induced L2 norm of LPV systems

Resumen Técnico: Computación de Cotas Inferiores para la Norma $L_2$ Inducida de Sistemas LPV

Planteamiento del Problema
Determinar la norma $L_2$ inducida de sistemas variantes linealmente con parámetros (LPV) es un componente crítico del análisis y el diseño de control robusto. Aunque la norma exacta es generalmente intratable, la mayoría de la literatura existente se centra en computar cotas superiores utilizando teoremas de ganancia pequeña escalados con multiplicadores dinámicos o desigualdades de disipación con funciones de Lyapunov dependientes de los parámetros. Persiste una brecha significativa en la computación de cotas inferiores. El único método ampliamente disponible para cotas inferiores es el análisis de "punto congelado" (frozen point), que evalúa el sistema en valores de parámetros constantes. Sin embargo, este enfoque suele ser altamente conservador porque ignora la variación dinámica de los parámetros de programación, fallando al capturar el desempeño de peor caso del sistema variante en el tiempo.

Metodología
El artículo propone un algoritmo complementario para computar cotas inferiores restringiendo las trayectorias de los parámetros de programación a señales periódicas. Esta restricción transforma el sistema LPV en un sistema Periódico Variante en el Tiempo (PLTV). La metodología aprovecha resultados recientes que permiten el cálculo exacto de la norma $L_2$ inducida de sistemas PLTV.

El enfoque técnico central involucra tres componentes principales:

1. Computación de la Norma Exacta para Sistemas PLTV: Los autores utilizan un algoritmo de bisección basado en la representación de operador "elevado" (lifted) del sistema PLTV. Al convertir el sistema continuo en el tiempo periódico en un sistema lineal variante en el tiempo discreto ($G_\gamma$), el problema de determinar si la norma es menor que un escalar $\gamma$ se reduce a verificar la estabilidad de $G_\gamma$ (específicamente, si $\|G_\gamma\|_\infty < 1$). Esta verificación implica resolver ecuaciones diferenciales hamiltonianas o, de manera más robusta, integrar ecuaciones diferenciales de Riccati matriciales para computar las matrices de espacio de estados del sistema elevado.

2. Construcción de la Entrada de Peor Caso: Una contribución novedosa es la derivación de una señal de entrada de peor caso para sistemas PLTV utilizando únicamente operadores en el dominio del tiempo. Al analizar la dinámica hamiltoniana asociada con el sistema, los autores identifican los autovalores de módulo unitario de la matriz de monodromía. Los autovectores correspondientes se utilizan para construir una señal de entrada periódica que alcanza la ganancia del sistema. Para satisfacer la definición de $L_2$ (que asume condiciones iniciales cero y energía finita), la entrada se trunca después de un gran número de periodos, y se toma la parte real si la señal es compleja. Esta construcción proporciona una trayectoria de entrada "mala" que alcanza aproximadamente la ganancia computada.

3. Algoritmo de Optimización de la Cota Inferior: El artículo formula el problema de la cota inferior como una optimización no convexa de dimensión finita sobre el espacio de trayectorias periódicas.

   • Parametrización de la Trayectoria: Las trayectorias periódicas se caracterizan mediante funciones lineales por tramos definidas por un vector de parámetros (desplazamiento y longitudes de intervalo) sujetos a restricciones de rango y de tasa. Esto asegura que el espacio de búsqueda sea un polítopo.
   • Estrategia de Optimización: El algoritmo (Algoritmo 3) primero computa una cota superior global ($\gamma_{ub}$) para el sistema LPV. Luego, optimiza una función de costo $\nu(c, \gamma_{ub})$ (relacionada con la norma del sistema PLTV) sobre el vector de parámetros $c$. Si la optimización arroja un valor $\ge 1$, esto implica que la $\gamma_{ub}$ actual es demasiado baja, y la cota inferior se actualiza. Este enfoque evita los bucles de bisección repetitivos y computacionalmente costosos requeridos para la maximización directa de la norma.

Resultados Clave
El artículo valida su método propuesto a través de cuatro ejemplos numéricos:

• Controlador PI con Programación de Ganancia: Una interconexión de retroalimentación de un sistema LPV de primer orden y un controlador. El método propuesto arrojó una cota inferior de 2.84, comparada con una cota inferior de punto congelado de 1.11 y una cota superior de 2.96. La brecha entre la cota superior y la inferior se redujo a 0.13, indicando una estimación ajustada.
• Sistema LTI Escalado: Un sistema donde la diferencia entre entradas y salidas escaladas es cero para parámetros constantes (cota inferior de punto congelado = 0). El algoritmo identificó con éxito cotas inferiores no nulas para varios límites de tasa ($\mu$), coincidiendo estrechamente con las cotas superiores computadas.
• Sistema Rotado LTI: Un sistema que involucra una rotación dependiente de los parámetros. El método mejoró la cota inferior de 2.696 (congelado) a 3.15, frente a una cota superior de 3.3.
• Sistema de Dos Parámetros: Un sistema complejo que combina los ejemplos anteriores. El algoritmo logró una cota inferior de 5.047 frente a una cota superior de 5.38, superando significativamente la cota de punto congelado de 0.

En todos los casos, las cotas inferiores computadas fueron significativamente más ajustadas que las estimaciones de punto congelado y se aproximaron estrechamente a las cotas superiores conocidas.

Significancia y Reivindicaciones
El artículo afirma que el algoritmo propuesto proporciona un método práctico y confiable para computar cotas inferiores de la norma $L_2$ inducida de sistemas LPV. Su significancia es doble:

1. Complementariedad: Complementa las técnicas estándar de cotas superiores. Una brecha pequeña entre la cota inferior y la superior computadas indica que la norma del sistema está caracterizada de forma ajustada, lo que potencialmente hace innecesario un análisis más complejo (por ejemplo, usando funciones de Lyapunov de orden superior).
2. Generación de Información: A diferencia de los métodos de cota superior que a menudo solo proporcionan un valor escalar, este algoritmo devuelve la trayectoria de parámetros "mala" específica y la correspondiente señal de entrada de peor caso. Estas pueden analizarse para proporcionar una visión física de las limitaciones de desempeño del sistema.

Los autores enfatizan que el método está desarrollado para sistemas LPV "en rejilla" (dependencia de parámetros arbitraria) pero es trivialmente aplicable a modelos de Transformación Lineal Fraccionaria (LFT). El enfoque se basa en herramientas numéricas estándar y no asume restricciones estructurales específicas para el sistema LPV más allá de la dependencia estándar de los parámetros de programación en términos de acotación y diferenciabilidad.