⚡ electrical engineering

Analysis of Non-Square Nonlinear MIMO Systems using Scaled Relative Graphs

Cet article propose une méthode d'analyse par graphes relatifs mis à l'échelle (SRG) généralisée aux systèmes non linéaires MIMO non carrés, en introduisant une technique d'incrustation dans un espace de Hilbert commun qui préserve la dimension d'entrée originale pour éviter le conservatisme tout en garantissant la stabilité et en fournissant des formules de calcul pour diverses classes d'opérateurs.

Auteurs originaux : Julius P. J. Krebbekx, Roland Tóth, Amritam Das

Publié 2026-04-20

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Julius P. J. Krebbekx, Roland Tóth, Amritam Das

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

🎨 Le Dessin Magique pour les Systèmes Compliqués

Imaginez que vous êtes un architecte chargé de construire des ponts très complexes. Ces ponts ne sont pas de simples lignes droites ; ils ont des entrées et des sorties de tailles différentes, et ils sont faits de matériaux qui changent de forme quand il fait chaud ou froid (ce sont des systèmes non-linéaires).

En ingénierie classique, on utilise des outils de dessin très connus (comme les diagrammes de Bode ou de Nyquist) pour vérifier si ces ponts vont tenir. Mais ces outils ne fonctionnent que pour des ponts "carrés" (autant d'entrées que de sorties) et "rigides" (qui ne changent jamais).

Si vous essayez d'utiliser ces vieux outils sur un pont bizarre (avec 3 entrées et 2 sorties, par exemple), vous devez le "forcer" à devenir carré en ajoutant des fausses entrées et sorties. C'est comme essayer de mesurer un chat avec une règle pour un chien : ça marche, mais le résultat est faux et vous risquez de dire que le pont est dangereux alors qu'il est solide, ou l'inverse.

🚀 La Nouvelle Solution : Les "Graphes Relatifs à Échelle" (SRG)

Les auteurs de ce papier, Julius, Roland et Amritam, ont une idée géniale. Ils utilisent une nouvelle méthode de dessin appelée Graphes Relatifs à Échelle (Scaled Relative Graphs - SRG).

Imaginez que le SRG est une carte au trésor qui vous montre exactement comment un système réagit, même s'il est bizarre et changeant.

Avantage 1 : Cette carte fonctionne pour les systèmes non-linéaires (ceux qui changent).
Avantage 2 : Elle permet de combiner plusieurs petits systèmes pour voir comment le grand système global se comporte.

🧩 Le Problème : Les Systèmes "Rectangulaires"

Jusqu'à présent, cette carte au trésor ne fonctionnait que pour les systèmes "carrés" (autant d'entrées que de sorties). Si vous aviez un système avec plus d'entrées que de sorties (un rectangle allongé) ou l'inverse, la carte devenait floue et imprécise.

Les ingénieurs avaient l'habitude de "carréifier" le système en ajoutant des entrées ou sorties fictives (comme ajouter des roues factices à une voiture pour qu'elle ait 4 roues au lieu de 3). Le problème ? Cela rendait l'analyse trop pessimiste. On disait "Attention, ça va exploser !" alors que tout allait bien. C'est ce qu'on appelle du conservatisme.

💡 L'Innovation : L'Art de l'Emboîtement (Embedding)

C'est ici que réside la grande découverte de ce papier. Au lieu de forcer le système à devenir carré en ajoutant du "faux", les auteurs proposent une astuce d'ingénierie subtile : l'emboîtement.

Imaginez que vous avez un puzzle rectangulaire. Au lieu de le déformer pour qu'il rentre dans un cadre carré, vous placez ce puzzle à l'intérieur d'un grand cadre carré, mais vous interdisez strictement d'utiliser les bords du cadre qui ne correspondent pas à votre puzzle.

Le Cadre Commun : Ils placent tous les systèmes (qu'ils soient carrés, rectangulaires, larges ou hauts) dans le même grand espace mathématique (un "Hilbert space").
La Règle d'Or : Ils s'assurent que lorsqu'ils analysent le système, ils ne regardent que les dimensions d'origine. Ils ignorent les dimensions ajoutées pour le cadre.

L'analogie du Camion et du Tapis :
Imaginez un camion (le système) qui doit passer sous un pont (l'analyse).

L'ancienne méthode : On élargit le camion avec des ailes en carton pour qu'il soit aussi large que le pont. On mesure la hauteur, mais comme le camion est plus large, on pense qu'il est plus lourd et plus instable. Résultat : on interdit le passage inutilement.
La nouvelle méthode : On place le camion sur un tapis roulant géant qui a la taille du pont. On mesure la hauteur du camion tel qu'il est, en s'assurant que le tapis ne compte pas les espaces vides à côté. On obtient une mesure précise et on peut faire passer le camion !

🛠️ À Quoi Ça Sert Concrètement ?

Grâce à cette méthode, les ingénieurs peuvent maintenant :

Analyser des systèmes réels qui ont des entrées et sorties différentes (comme un système de contrôle de drone avec 4 moteurs mais seulement 3 capteurs de position).
Éviter les fausses alarmes : Ils ne disent plus "c'est dangereux" juste parce que le système est "bizarre". Ils donnent une garantie de sécurité précise.
Utiliser la forme LFR : Ils montrent comment appliquer cela à une forme très courante en ingénierie (la Représentation Fractionnaire Linéaire), qui permet de décomposer des systèmes complexes en blocs simples (comme des Lego).

🌍 Les Exemples du Papier

Pour prouver que ça marche, ils ont testé leur méthode sur quatre cas :

Un système "Lur'e" : Un système de contrôle avec des composants non carrés. Résultat : leur méthode a prouvé que le système était stable, alors que l'ancienne méthode (en le forçant à être carré) pensait qu'il était instable.
Un système avec plusieurs non-linéarités : Ils ont obtenu une précision bien meilleure que les méthodes précédentes.
Un système de masses et ressorts : Deux masses reliées par des ressorts bizarres. Ils ont pu calculer exactement à quel point le système pouvait vibrer sans casser.
Comparaison avec d'autres méthodes : Leur approche s'est révélée plus précise et moins restrictive que les méthodes basées sur l'IQC (une autre technique avancée).

🏁 Conclusion

En résumé, ce papier est comme un nouvel outil de mesure pour les ingénieurs. Il permet de dessiner la "carte de stabilité" de systèmes complexes et asymétriques sans avoir à les déformer.

C'est une avancée majeure car cela permet de concevoir des systèmes de contrôle (pour les robots, les avions, les réseaux électriques) qui sont plus performants, plus sûrs et moins limités par des hypothèses mathématiques trop rigides. Ils ont réussi à faire entrer le chat dans le cadre carré sans le blesser, juste en regardant les bons endroits !

1. Problématique et Contexte

Les méthodes graphiques classiques en automatique (comme les diagrammes de Nyquist et de Bode) sont fondamentales pour l'analyse de stabilité et la performance des systèmes linéaires invariants dans le temps (LTI). Cependant, leur extension aux systèmes non-linéaires multivariables (MIMO) reste un défi majeur.

Récemment, les Graphes Relatifs Échelles (Scaled Relative Graphs - SRG) ont été proposés comme une méthode graphique non approximative pour analyser les systèmes non linéaires SISO (Single-Input Single-Output). Bien que des travaux récents aient tenté de généraliser les SRG aux systèmes MIMO, ces approches se sont limitées aux systèmes carrés (nombre d'entrées égal au nombre de sorties).

Le problème central abordé par cet article est l'analyse des systèmes non carrés (nombre d'entrées $\neq$ nombre de sorties) dans un cadre MIMO non linéaire. Les tentatives naïves pour rendre un système non carré "carré" (en ajoutant des entrées ou sorties artificielles) introduisent une conservatisme important, pouvant fausser les résultats de stabilité ou de gain $L_2$ . De plus, la structure d'espace de Hilbert inhérente aux SRG rend difficile la définition directe de ces graphes pour des opérateurs entre espaces de dimensions différentes.

2. Méthodologie Proposée

Les auteurs développent un cadre théorique permettant d'appliquer l'analyse SRG aux opérateurs non carrés sans introduire de conservatisme inutile. La méthodologie repose sur trois piliers principaux :

A. Embedding (Plongement) avec Restriction d'Entrée

L'idée clé est d'immerger tous les opérateurs d'une interconnexion dans un espace d'opérateurs agissant sur un espace de Hilbert commun (généralement $L_2^n$ où $n = \max(p, q)$ ).

Pour les opérateurs "larges" ( $p > q$ ) : On ajoute des sorties nulles via un opérateur d'injection $\iota$ .
Pour les opérateurs "hauts" ( $p < q$ ) : On ajoute des entrées nulles via un opérateur de projection $\pi$ .
Innovation majeure : Contrairement aux méthodes classiques de "mise au carré" qui ajoutent des dimensions non nulles, cette méthode restreint l'espace des signaux d'entrée à la dimension originale. Cela garantit que les propriétés de passivité ou de stabilité ne sont pas détruites artificiellement par l'ajout de dimensions fictives.

B. Généralisation du Calcul SRG

Les auteurs généralisent les règles de calcul des SRG (somme, produit, inverse) pour des opérateurs définis sur des sous-espaces restreints. Ils prouvent que les règles d'interconnexion (Proposition 1) restent valables si l'on tient compte correctement des domaines et des images des opérateurs plongés.

C. Analyse des Systèmes en Représentation Fractionnaire Linéaire (LFR)

L'analyse est appliquée aux systèmes sous forme LFR, qui décomposent le système en une partie LTI ( $G$ ) et une partie non linéaire statique ou dynamique ( $\Phi$ ).

Des théorèmes de stabilité sont établis pour garantir la bien-poséité, la causalité et les bornes de gain $L_2$ incrémental (et non incrémental).
Ces théorèmes généralisent les résultats d'homotopie existants (comme ceux de [3]) au cadre MIMO non carré.

3. Contributions Clés

Définition du SRG MIMO Non Carré : Une définition formelle (Définition 1) du SRG pour les opérateurs $L_2^p \to L_2^q$ qui préserve la dimension originale des entrées, évitant ainsi le conservatisme des méthodes de "squaring up".
Théorèmes de Stabilité : Établissement de conditions suffisantes pour la stabilité et le gain $L_2$ des boucles de rétroaction non carrées, basées sur la séparation des graphes SRG (théorèmes 1 et 2).
Algorithmes de Calcul :
- Formules exactes pour le calcul du SRG des opérateurs LTI stables (Théorème 3), utilisant des disques dans le plan complexe basés sur les valeurs singulières.
- Bornes pour les opérateurs non linéaires statiques diagonaux et non carrés.
Outils Pratiques : Développement d'une boîte à outils logicielle (en Julia, SrgTools.jl) permettant l'application de ces concepts.

4. Résultats et Validation

Les auteurs valident leur approche sur quatre exemples concrets :

Système de Lur'e non carré : Comparaison entre la méthode proposée et la méthode naïve de mise au carré.
- Résultat : La méthode proposée réduit considérablement le conservatisme. Par exemple, pour un paramètre $a=0.5$ , le gain $L_2$ estimé est de $0.4$ contre $12.5$ avec la méthode naïve. De plus, la méthode naïve ne peut pas conclure à la stabilité pour $a < 0.42$ , alors que la méthode proposée le prouve pour tout $a > 0$ .
Système SISO à non-linéarités multiples : Comparaison avec l'approche de [15].
- Résultat : L'approche MIMO proposée donne une borne de gain incrémental plus serrée ($2.33$ vs $4.81$) et prouve la causalité et la bien-poséité, qui étaient supposées dans la référence.
Système masse-ressort-amortisseur MIMO : Analyse d'un système mécanique avec des ressorts non linéaires.
- Résultat : Démonstration de la capacité à gérer des systèmes complexes avec des transformations de boucle (shift/scale) pour affiner les bornes.
Comparaison avec les résultats basés sur les IQC :
- Résultat : Sur un exemple de stabilité non incrémentale, la méthode SRG proposée reproduit exactement les résultats obtenus par des méthodes IQC (Integral Quadratic Constraints), tout en fournissant une interprétation graphique directe.

5. Signification et Impact

Cet article représente une avancée significative dans l'analyse des systèmes non linéaires multivariables :

Généralisation Théorique : Il comble le vide théorique laissé par les méthodes SRG précédentes qui étaient limitées aux systèmes carrés.
Réduction du Conservatisme : En évitant l'ajout artificiel de dimensions non nulles, la méthode fournit des garanties de stabilité et de performance beaucoup plus précises, ce qui est crucial pour la conception de contrôleurs robustes.
Applicabilité Large : La forme LFR étant très utilisée en identification, apprentissage automatique et contrôle robuste, cette méthode offre un outil analytique puissant pour une large classe de systèmes modernes (y compris les réseaux de neurones récurrents et les systèmes hybrides).
Interprétabilité Graphique : Elle maintient l'avantage intuitif des méthodes fréquentielles (comme Nyquist) tout en les étendant au domaine non linéaire et multivariable non carré.

En conclusion, cette recherche fournit un cadre mathématique rigoureux et des outils pratiques pour analyser la stabilité et la performance des systèmes MIMO non linéaires non carrés, ouvrant la voie à de nouvelles applications en ingénierie de contrôle avancée.