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

Résumé Technique : Bornage de la Moyenne Quadratique des Systèmes Linéaires Stochastiques avec Observations Quantifiées

Formulation du Problème
L'article traite du contrôle d'un système linéaire stochastique en temps discret évoluant dans $\mathbb{R}^d$, décrit par l'équation $x_{t+1} = A x_t + B u_t + w_t$. Le système est soumis à une séquence de vecteurs de bruit de moyenne nulle et mutuellement indépendants $(w_t)$ possédant des moments d'ordre quatre bornés. Le défi principal réside dans le fait que le contrôleur n'a pas accès à des mesures d'état parfaites ; il reçoit à la place des mesures d'état quantifiées $q(x_t)$ générées par un quantificateur $q: \mathbb{R}^d \to Q$, où $Q$ est un ensemble fini de vecteurs (un alphabet).

L'objectif est de concevoir un quantificateur à alphabet fini et une politique de commande bornée correspondante, de telle sorte que les états du système en boucle fermée restent bornés en moyenne quadratique (c'est-à-dire $\sup_{t} \mathbb{E}[\|x_t\|^2] < \infty$). Les entrées de commande doivent également être uniformément bornées ($\|u_t\| \leq U_{max}$).

Les auteurs se concentrent spécifiquement sur les systèmes où la matrice $A$ est Lyapunov stable (les valeurs propres ont une magnitude $\leq 1$, et celles situées sur le cercle unité ont des multiplicités géométrique et algébrique égales). Cela distingue ce travail de la littérature abondante sur la stabilisation de systèmes présentant des valeurs propres instables (hors du disque unité) sous contraintes de communication. Les auteurs notent que pour les systèmes stochastiques avec un bruit non borné et au moins une valeur propre de magnitude supérieure à 1, la stabilisation locale avec des entrées bornées est impossible ; ainsi, l'accent est mis sur une quantification « maximalement grossière » pour les systèmes qui sont déjà Lyapunov stables.

Méthodologie
La solution proposée utilise une politique dépendant de l'historique $\kappa$, où la séquence de commande est déterminée par l'historique des états quantifiés. La méthodologie repose sur les hypothèses structurelles et constructions suivantes :

1. Propriétés du Système : Le couple $(A, B)$ est supposé être atteignable en $\kappa$ étapes. Sans perte de grandeur, un changement de base permet aux auteurs de traiter $A$ comme une matrice orthogonale.
2. Conception du Quantificateur : Le quantificateur est conçu pour être « radial ». Pour les états situés à l'extérieur d'un rayon $r$ spécifique (la frontière d'une boule $B_r$), le quantificateur projette l'état sur la frontière $\partial B_r$. À l'intérieur de la boule $B_r$, la règle de quantification est arbitraire concernant le bornage de la moyenne quadratique. Le quantificateur garantit que l'angle $\phi$ entre un état $z$ et sa version quantifiée $q(z)$ est borné.
3. Politique de Commande : La politique de commande applique une séquence de $\kappa$ entrées de commande à chaque étape $t$ basée sur l'état quantifié $q(x_{\kappa t})$. La politique est définie par :
   $$\bar{u}_{\kappa t} = -R_{\kappa}(A, B)^+ A^{\kappa} q(x_{\kappa t})$$
   où $R_{\kappa}(A, B)$ est la matrice de raggiungabilité et $(\cdot)^+$ désigne la pseudo-inverse de Moore-Penrose. Cette loi de commande tente de ramener l'état vers l'origine en utilisant l'information quantifiée.
4. Analyse de Stabilité : La preuve du bornage repose sur la Proposition 3, un résultat dérivé de [5], qui établit le bornage de la moyenne quadratique pour des variables aléatoires non négatives si elles présentent une dérive négative lorsqu'elles sont grandes et possèdent des incréments de quatrième ordre bornés.
   • Les auteurs définissent une variable de type Lyapunov $\xi_t = \|x_{\kappa t}\|$.
   • Ils démontrent que pour $\|x_{\kappa t}\| > r$, le changement attendu de la norme est négatif (condition de dérive), à condition que le rayon $r$ et l'angle de quantification maximal $\phi$ satisfassent des inégalités spécifiques impliquant les valeurs singulières du système et les bornes du bruit.
   • Ils vérifient que le quatrième moment des incréments de l'état est borné, satisfaisant ainsi les conditions de la Proposition 3.

Résultats Clés
L'article présente le Théorème 2, qui fournit les conditions suffisantes pour le bornage de la moyenne quadratique du système en boucle fermée :

• Si le quantificateur satisfait des contraintes géométriques spécifiques (alphabet fini, projection radiale sur la frontière d'une boule de rayon $r$, et un angle $\phi$ borné entre l'état et sa valeur quantifiée), et
• Si la borne de commande $U_{max}$ est suffisamment grande par rapport aux paramètres du système ($U_{max} \geq r / \sigma_{\min}(R_{\kappa}(A, B))$),
• Alors l'application successive de la politique de commande en $\kappa$ étapes proposée garantit que $\sup_{t} \mathbb{E}[\|x_t\|^2] < \infty$.

Le théorème implique qu'un quantificateur avec un nombre fini de classes peut stabiliser le second moment de l'état, même en présence d'un bruit non borné, à condition que le système soit Lyapunov stable.

Signification et Revendications
Les auteurs affirment que ce travail comble une lacune dans la littérature concernant la stabilisation avec des alphabets finis pour les systèmes Lyapunov stables. Alors que les travaux précédents (cités comme [2, 4, 1, 3, 7, 8]) se sont concentrés sur les contraintes de communication et les systèmes ayant des valeurs propres instables, cet article cible une quantification « maximalement grossière » pour des systèmes déjà stables.

Les principales revendications concernant la contribution incluent :

• Nouveauté : Les auteurs déclarent ne pas connaître de travaux antérieurs traitant de la stabilisation avec des alphabets finis dans le contexte de systèmes Lyapunov stables.
• Faisabilité : La procédure démontre que des quantificateurs à alphabet fini sont suffisants pour assurer le bornage de la moyenne quadratique sans nécessiter les contraintes de communication typiquement associées aux systèmes instables.
• Récupération des Résultats Précédents : À mesure que la densité des classes sur la sphère $r$ augmente (c'est-à-dire quand l'angle $\phi \to 0$), la politique proposée retrouve les résultats et les bornes inférieures sur $U_{max}$ établis dans leurs travaux précédents [6].

Simulation
L'article inclut une simulation d'un système 2D avec une matrice de rotation $A$ et un bruit gaussien additif. Les résultats comparent la norme carrée moyenne de l'état sur 1000 exécutions en utilisant la politique proposée avec différents nombres de classes (2, 4 et 8) par rapport à la politique de [6]. La simulation illustre la performance de la stratégie de commande quantifiée pour maintenir la variance de l'état bornée.