Informativity and Identifiability for Identification of Networks of Dynamical Systems

Aquí presento un resumen técnico detallado del artículo "Informativity and Identifiability for Identification of Networks of Dynamical Systems" (Informatividad e Identificabilidad para la Identificación de Redes de Sistemas Dinámicos) de Anders Hansson, João Victor Galvão da Mata y Martin S. Andersen.

---

1. Problema Abordado

El artículo se centra en la identificación de sistemas aplicada a redes de sistemas dinámicos lineales. El objetivo es determinar bajo qué condiciones es posible recuperar los parámetros (funciones de transferencia) de la red a partir de señales medidas. El trabajo aborda dos preguntas fundamentales:

1. Informatividad: ¿Son las señales de excitación externas (ruido y entradas conocidas) suficientes para que el predictor del sistema esté determinado de manera única?
2. Identificabilidad de la Red: ¿Permite la topología de la red y las señales medidas determinar de forma única las funciones de transferencia de lazo abierto (la estructura interna de la red) a partir del predictor?

El artículo generaliza problemas anteriores al considerar casos más complejos que no se abordaban completamente en la literatura previa:

• Medición parcial: No todas las señales de los nodos de la red están disponibles en las salidas medidas.
• Ecuaciones de medición dinámicas: La relación entre las señales internas y las medidas puede incluir funciones de transferencia a identificar.
• Conocimiento parcial: Algunas funciones de transferencia pueden ser conocidas a priori.
• Restricciones racionales: Pueden existir relaciones algebraicas entre las funciones de transferencia.
• Sub-redes: Identificación de partes específicas de una red más grande.

2. Metodología

Los autores utilizan un enfoque basado en geometría algebraica y teoría de grafos, empleando herramientas computacionales como las Bases de Gröbner.

A. Modelo del Sistema

Se define un modelo de red dinámica lineal mediante matrices de funciones de transferencia $(P, Q, R, S)$ en el operador de avance $q$:
$$P(q)w_k = Q(q)u_k$$
$$z_k = R(q)w_k + S(q)u_k$$
Donde $w_k$ son las señales de los nodos, $u_k$ las entradas y $z_k$ las salidas. Se asume la existencia de una forma de innovación (predictor) estable.

B. Informatividad

Para garantizar que el predictor sea único, se analiza el espectro de las señales externas.

• Condición Suficiente: Se establece que si el espectro de las señales de entrada es positivo definido y la rango genérico de la función de transferencia de lazo cerrado ($\Pi$) es completo, entonces las señales son informativas.
• Caracterización del Rango Genérico:
  1. Enfoque Gráfico: Se define un grafo dirigido asociado a la red. El rango genérico de $\Pi$ es igual al número máximo de caminos disjuntos (sin nodos en común) desde las entradas externas hasta las salidas medidas. Esto se puede resolver como un problema de flujo máximo.
  2. Enfoque Algebraico (Bases de Gröbner): Se formula el problema como el cálculo del rango de una matriz de polinomios. Se construye un ideal generado por los menores de la matriz y se utiliza una base de Gröbner para determinar si el rango es completo. Este método permite manejar restricciones y entradas conocidas de manera natural.

C. Identificabilidad de la Red

Una vez obtenido el predictor (asumiendo informatividad), el problema es recuperar las funciones de transferencia internas.

• Se define una función racional $F(X)$ que mapea los parámetros desconocidos $X$ a la función de transferencia de lazo cerrado $G_c$.
• Identificabilidad Local Genérica: Se define como la capacidad de recuperar los parámetros de forma única en un entorno local (salvo una ambigüedad discreta).
• Teorema Principal: La red es genéricamente localmente identificable si y solo si la dimensión de la variedad afín de los parámetros ($V_o$) es igual a la dimensión de la variedad afín de las funciones de transferencia de lazo cerrado ($V_c$).
• Cálculo: Se utiliza la teoría de la dimensión de fibras en geometría algebraica. El algoritmo implica calcular la dimensión de la variedad definida por las ecuaciones del sistema usando Bases de Gröbner.

3. Contribuciones Clave

1. Generalización del Marco de Trabajo: El método maneja configuraciones de red más generales que la literatura previa, incluyendo mediciones parciales, términos de paso directo ($S \neq 0$) y funciones de transferencia conocidas.
2. Unificación de Enfoques: Proporciona tanto una caracterización gráfica (intuitiva, basada en caminos disjuntos) como una algebraica (precisa, basada en Bases de Gröbner) para la informatividad.
3. Tratamiento de Restricciones: El enfoque algebraico permite incorporar restricciones racionales entre parámetros y el conocimiento previo de ciertas funciones de transferencia sin complicar excesivamente el análisis.
4. Análisis de Sub-redes: Se presenta un marco sistemático para analizar la identificabilidad de sub-redes, tratando las partes no medidas de la red como entradas exógenas o señales intermedias.
5. Refutación de Conjeturas: Mediante ejemplos, se demuestra que la identificabilidad local no siempre implica la identificabilidad global en redes donde las mismas funciones de transferencia aparecen múltiples veces, desafiando ciertas conjeturas anteriores.

4. Resultados

• Teoremas Formales: Se establecen condiciones suficientes para la informatividad (Teorema 1) y condiciones necesarias y suficientes para la identificabilidad local genérica basada en la igualdad de dimensiones de variedades (Teorema 4).
• Ejemplos Numéricos:
  • Se demostró la aplicabilidad en redes pequeñas analíticamente.
  • Se implementó un algoritmo en MATLAB utilizando bases de Gröbner para analizar redes más grandes (ej. una red de 5 nodos con 11 parámetros desconocidos). El cálculo de la dimensión de la variedad de salida se realizó en 11 minutos en una laptop, confirmando la identificabilidad local genérica y la informatividad.
• Interacción Informatividad-Identificabilidad: Se mostró cómo la elección de qué señales excitar depende de qué subconjunto de parámetros se desea identificar, permitiendo optimizar el diseño experimental.

5. Significado e Impacto

Este trabajo es significativo porque cierra la brecha entre la teoría de identificación de sistemas y la geometría algebraica aplicada a redes complejas.

• Herramienta Computacional: Proporciona un método algorítmico (vía Bases de Gröbner) para verificar la identificabilidad en configuraciones donde los métodos gráficos tradicionales fallan o son demasiado conservadores debido a restricciones algebraicas.
• Flexibilidad: Permite a los investigadores diseñar experimentos de identificación más eficientes, sabiendo exactamente qué señales deben medirse y excitarse para recuperar los parámetros de interés, incluso en redes con mediciones parciales.
• Fundamento Teórico: Establece una base sólida para futuros trabajos sobre la interacción entre la estructura de la red, la excitación de señales y la capacidad de identificación, extendiendo el estado del arte más allá de los casos ideales de medición completa y sin restricciones.

En resumen, el artículo ofrece un marco robusto y general para determinar si una red de sistemas dinámicos puede ser identificada, combinando intuición gráfica con poder computacional algebraico.