Synthesis of Limit Cycles and Reference Tracking via Switching Affine Systems

Resumen Técnico: Síntesis de Ciclos Límite y Seguimiento de Referencia mediante Sistemas Afines Conmutados

Enunciado del Problema
El comportamiento periódico es ubicuo en campos que van desde la biología hasta la ingeniería, sin embargo, el análisis matemático de los osciladores no lineales (por ejemplo, Kuramoto, Van der Pol) sigue estando restringido. La caracterización de los ciclos límite, particularmente en lo que respecta a la unicidad y la estabilidad, a menudo es factible solo en casos especiales. Las técnicas existentes basadas en datos, como el aprendizaje automático, pueden aproximar dinámicas periódicas pero carecen típicamente de las propiedades estructurales requeridas para la verificación formal. Además, los enfoques anteriores para aproximar ciclos límite utilizando sistemas conmutados o por partes afines (PAS) se han confinado en gran medida a configuraciones planas ($\mathbb{R}^2$) con particiones simples de dos regiones, o bien no proporcionan garantías de estabilidad global en dimensiones superiores.

El objetivo principal de este trabajo es doble:

1. Desarrollar un método de síntesis que aproxime los ciclos límite de ecuaciones diferenciales ordinarias (EDO) no lineales utilizando sistemas afines conmutados en dimensiones arbitrarias ($\mathbb{R}^{n_x}$), asegurando que el ciclo límite resultante sea globalmente estable.
2. Diseñar un controlador de seguimiento de referencia para tales sistemas que logre una convergencia asintótica a una trayectoria periódica, incluso cuando el sistema de referencia en sí carece de garantías de estabilidad global.

Metodología

Partición del Espacio de Estados y Síntesis de Dinámicas
El método propuesto comienza con un conjunto de puntos de estado muestreados $\mathcal{F}$ recolectados a lo largo de un ciclo límite estable de un sistema no lineal. El espacio de estados se particiona en un número finito de politopos $P_i$. A diferencia de los métodos planos anteriores, este enfoque maneja dimensiones arbitrarias ($n_x = 2, 3, >3$) definiendo un punto central común $x_s$ y un conjunto de planos de frontera (o rayos en 2D) que se intersectan en $x_s$.

• Para $n_x=2$, se trazan líneas desde $x_s$ a través de puntos de muestra seleccionados para definir regiones.
• Para $n_x \geq 3$, primero se determina un hiperplano para minimizar la distancia a los puntos de muestra, definiendo una línea de intersección $\Gamma$ que pasa por $x_s$. Luego se forman regiones mediante planos que contienen $\Gamma$ y puntos de muestra específicos.

Las dinámicas dentro de cada región $P_i$ se modelan como $\dot{x} = A_i x + b_i + Bu(t)$. La síntesis se formula como un problema de optimización numérica con restricciones. El objetivo es minimizar el error entre la trayectoria del modelo y los puntos de datos muestreados. Crucialmente, la optimización impone contractividad para garantizar la estabilidad global:

1. Continuidad: Los campos vectoriales deben ser continuos a través de las fronteras de conmutación.
2. Función de Lyapunov Común: Debe existir una matriz definida positiva $Q$ tal que $A_i^T Q + Q A_i \prec 0$ para todas las regiones. Esto asegura que el sistema sea contractivo, garantizando que cualquier trayectoria converja a un ciclo límite único con el mismo período que la señal de entrada $u(t)$.

Para manejar la no linealidad de la exponencial de matriz en la función de costo, el método emplea aproximaciones de series de Taylor y contramedidas (como asegurar tiempos de transición pequeños entre regiones y acotar los valores singulares de $A_i$) para mantener la precisión sin una complejidad computacional excesiva.

Seguimiento de Referencia
Para el problema de seguimiento, el artículo aborda escenarios donde la trayectoria de referencia periódica identificada puede no ser globalmente estable (por ejemplo, si se omitieron restricciones de estabilidad durante la identificación para mejorar la precisión de la aproximación). La ley de control se diseña como $u_c(t) = u_r(t) + K_i x_c(t) + w_i - (K_j x_r(t) + w_j)$.
Para lograr un seguimiento asintótico ($\lim_{t\to\infty} ||x_c(t) - x_r(t)|| = 0$), los autores proponen un esquema de síntesis que utiliza múltiples funciones de Lyapunov en lugar de una única función común.

• Se define una función de Lyapunov cuadrática por partes $V_i$ para cada región que contiene la trayectoria de referencia.
• Se derivan condiciones de estabilidad para asegurar que la función de Lyapunov disminuya estrictamente dentro de las regiones y permanezca acotada a través de las fronteras de conmutación, siempre que el tiempo de permanencia en cada región exceda un umbral mínimo $T_{min}$.
• Este enfoque relaja el requisito de una matriz común $Q$, permitiendo resultados de convergencia menos conservadores en comparación con los métodos que dependen de una única función de Lyapunov.

Contribuciones Clave

1. Síntesis en Alta Dimensión: El artículo extiende la aproximación de ciclos límite mediante sistemas afines conmutados desde particiones planas de dos regiones a espacios de estados de mayor dimensión ($\mathbb{R}^{n_x}$) con particiones generales.
2. Garantía de Estabilidad Global: Al aprovechar el principio de contracción e imponer una función de Lyapunov común durante la optimización de síntesis, el método garantiza que el ciclo límite generado sea globalmente estable y único.
3. Seguimiento de Referencia con Múltiples Funciones de Lyapunov: El trabajo introduce un controlador de seguimiento para sistemas afines conmutados periódicos que utiliza múltiples funciones de Lyapunov. Esto se presenta como la primera aplicación de dicha técnica al seguimiento de referencias periódicas en este contexto, ofreciendo una alternativa menos conservadora a los enfoques de Lyapunov común.
4. Reglas de Partición Constructivas: El artículo proporciona reglas geométricas específicas para la partición de espacios de estados en 2D, 3D y dimensiones superiores basadas en datos muestreados, asegurando que los politopos resultantes sean compatibles con las restricciones de síntesis.

Resultados
La efectividad de los métodos propuestos se demuestra mediante ejemplos numéricos:

• Aproximación en 2D y 3D: El método de síntesis reconstruyó con éxito ciclos límite a partir de datos muestreados en espacios tanto 2D como 3D. Las simulaciones mostraron que las trayectorias que comenzaban desde diversas condiciones iniciales (tanto dentro como fuera del ciclo límite) convergieron al ciclo límite único y globalmente estable. Aumentar el orden de la aproximación de Taylor para la exponencial de matriz redujo significativamente el error de aproximación.
• Seguimiento de Referencia: Un ejemplo numérico en 2D demostró la capacidad del controlador de seguimiento para seguir asintóticamente una trayectoria de referencia periódica. El sistema de referencia se construyó explícitamente para carecer de garantías de estabilidad global (violando la condición de Lyapunov común), sin embargo, el sistema controlado siguió con éxito la referencia desde un estado inicial distante, con el error de seguimiento convergiendo a cero.

Significado y Afirmaciones
Los autores afirman que este trabajo aborda una brecha crítica en la investigación sistemática de fenómenos oscilatorios, particularmente en aplicaciones como los ritmos circadianos biológicos donde comprender la estabilidad y la sincronización es indispensable. Al proporcionar una clase de modelos tratable (sistemas afines conmutados) que preserva propiedades dinámicas esenciales (estabilidad, unicidad) mientras permite una verificación rigurosa, el método facilita el análisis de osciladores no lineales complejos.

El artículo nota modestamente que, aunque el problema de optimización es no convexo y las soluciones globales no están garantizadas a priori, cualquier solución factible produce una trayectoria convergente. Además, los autores reconocen que el requisito de una función de Lyapunov común puede ser restrictivo para la precisión de la aproximación; por lo tanto, proponen una estrategia de dos pasos: identificar el modelo sin restricciones estrictas de estabilidad para maximizar el ajuste a los datos, y luego sintetizar un controlador de seguimiento utilizando el enfoque de múltiples funciones de Lyapunov para asegurar la convergencia. Se identifica como trabajo futuro la exploración de esquemas de partición sin un punto central común y el acoplamiento de múltiples osciladores.