Résumé technique : Conception d'expériences récursives pour l'identification en boucle fermée de systèmes ARMAX avec limites de perturbation de sortie

1. Formulation du problème

Le document traite du défi de l'identification de systèmes dynamiques linéaires opérant dans une configuration en boucle fermée. Dans de nombreux scénarios pratiques, les expériences doivent être menées alors que le système est sous le contrôle d'un contrôleur à rétroaction fixe connu afin de garantir la sécurité ou de maintenir l'opération. Le système est modélisé par une structure ARMAX (AutoRégressif à Moyenne Mobile avec entrées exogènes) :
$$y_t = G(q; \theta)u_t + H(q; \theta)e_t$$
où $G$ et $H$ sont des fonctions de transfert inconnues paramétrées par $\theta$, et $e_t$ est un processus d'innovation de bruit blanc.

Le problème central survient lorsque la dynamique de la boucle fermée existante, pilotée par un signal de référence constant, ne fournit pas une excitation suffisante pour identifier les paramètres du système (une condition appelée manque d'informativité). Pour remédier à cela, un signal de sondage $d_t$ est ajouté à l'entrée de commande ($\tilde{u}_t = u_t + d_t$). Cependant, l'injection de ce signal perturbe inévitablement la sortie du système ($\tilde{y}_t = y_t + \delta_t$). L'objectif est de concevoir de manière récursive le signal de sondage $d_t$ de telle sorte que :

1. Les données d'entrée-sortie soient suffisamment informatives pour identifier le modèle ARMAX.
2. La perturbation de la sortie $\delta_t$ reste dans les limites spécifiées par l'utilisateur ($\delta_{\min} \le \delta_t \le \delta_{\max}$).
3. La conception s'adapte aux paramètres du modèle estimés séquentiellement.

2. Méthodologie

2.1 Analyse de l'identifiabilité

Les auteurs établissent d'abord les conditions sous lesquelles les données en boucle fermée sont informatives.

• Identifiabilité structurelle : Ils dérivent une condition (Théorème 1) basée sur les ordres des modèles de la plante, du contrôleur et du bruit. Si la dynamique du contrôleur est suffisamment riche (spécifiquement, si un entier calculé $\gamma < 0$), le système est identifiable même sans signal de sondage.
• Exigences du signal de sondage : Si la richesse structurelle est insuffisante ($\gamma \ge 0$), l'article prouve (Théorème 2) qu'un signal de sondage borné et à valeurs discrètes, qui est persistant d'excitation d'ordre $n_e \ge \gamma$, est suffisant pour assurer l'identifiabilité.

2.2 Faisabilité des limites de perturbation

Une contribution critique est l'analyse de la « faisabilité récursive ». Les auteurs analysent si le respect des limites de perturbation à l'instant $t$ garantit l'existence d'une solution réalisable à l'instant $t+1$.

• Ils modélisent la perturbation $\delta_t$ comme la sortie d'une fonction de sensibilité pilotée par le signal de sondage.
• La Proposition 1 fournit une condition suffisante sur les limites spécifiées par l'utilisateur ($\delta_{\min}, \delta_{\max}$) par rapport à l'amplitude maximale autorisée du signal de sondage ($d_{\max}$) et à la réponse impulsionnelle du système. Si cette condition est remplie, le problème de contrainte multi-étapes peut être relaxé en une contrainte mono-étape, simplifiant considérablement la conception.

2.3 Algorithme de conception récursive

L'article propose une solution de forme fermée, efficace sur le plan computationnel, pour la conception du signal de sondage en utilisant une méthode de prédiction d'erreur récursive (RPEM).

• Paramétrage : Un vecteur de paramètres étendu est utilisé pour gérer les délais d'entrée inconnus.
• Critère de conception : La conception minimise la covariance de l'erreur d'estimation. Deux critères sont considérés : le déterminant de la matrice de covariance (critère D) et la trace de la covariance pondérée (critère L). Les deux se réduisent à la maximisation d'une forme quadratique impliquant le gradient de l'erreur de prédiction.
• Solution en forme fermée (Théorème 3) : En partitionnant la matrice de covariance et le vecteur de gradient, le problème d'optimisation est réduit à la maximisation d'une fonction quadratique convexe soumise à des contraintes linéaires. Le signal de sondage optimal $d^*_t$ est montré comme étant un signal binaire (prenant des valeurs aux limites de l'intervalle admissible) déterminé par une simple comparaison de seuil.
• Adaptativité : Les contraintes et les valeurs du signal sont mises à jour de manière récursive en utilisant les estimations actuelles des paramètres $\hat{\theta}_t$. Les auteurs fournissent également une méthode pragmatique pour estimer le délai d'entrée inconnu en ligne.

3. Contributions clés

1. Conception récursive adaptative : L'article introduit une méthode pour concevoir un signal de sondage qui s'adapte aux paramètres du modèle estimés séquentiellement, contrairement aux conceptions à fréquence ou temps fixes qui nécessitent une bonne estimation initiale du modèle.
2. Solution en forme fermée : Une expression de forme fermée, efficace sur le plan computationnel, pour le signal de sondage optimal est dérivée. Ce signal est à valeurs discrètes et bornées, garantissant qu'il satisfait les conditions théoriques d'excitation persistante.
3. Analyse de faisabilité : L'article fournit des conditions rigoureuses garantissant que les limites de perturbation de sortie spécifiées par l'utilisateur sont récursivement réalisables, permettant de résoudre le problème complexe multi-étapes comme un problème mono-étape.
4. Gestion des délais inconnus : La méthodologie intègre un paramétrage étendu et un estimateur pour gérer les délais d'entrée inconnus au sein du cadre récursif.

4. Résultats numériques

La méthode a été évaluée par des simulations de Monte Carlo sur deux systèmes ARMAX présentant des caractéristiques différentes (incluant des cas avec et sans délais d'entrée).

• Performance vs Références : La conception adaptative proposée a été comparée à une référence de « sondage nul » (absence d'excitation) et à une référence de séquence binaire pseudo-aléatoire (PRBS).
  • La référence nulle a entraîné une convergence très lente ou inexistante en raison d'une excitation insuffisante.
  • La référence PRBS a permis une convergence rapide mais a causé de grandes perturbations de sortie, dépassant souvent 25 % du signal de référence.
  • La méthode proposée a atteint des taux de convergence comparables à la PRBS tout en respectant strictement les limites de perturbation définies par l'utilisateur (par exemple, en maintenant les perturbations en dessous de 10-20 % de la référence).
• Compromis : Les résultats démontrent un compromis clair : des limites de perturbation plus strictes ($\delta_{\max}$) entraînent une convergence légèrement plus lente mais garantissent la sécurité. La nature adaptative de la conception permet au système de respecter ces limites même à mesure que les estimations du modèle s'améliorent.
• Robustesse : La méthode a géré avec succès des systèmes présentant des délais d'entrée inconnus, estimant correctement le délai et ajustant le signal de sondage en conséquence.

5. Signification et affirmations

L'article affirme que sa principale importance réside dans la possibilité de réaliser une identification en boucle fermée sûre et informative pour des systèmes où un contrôleur fixe est déjà en place. En ajoutant un signal de sondage borné et adaptatif, la méthode permet d'améliorer les contrôleurs existants sans violer les contraintes de sécurité opérationnelle.

Les auteurs soulignent que leur approche :

• Ne nécessite pas de redéfinir le contrôleur lui-même.
• S'adapte à l'information acquise pendant l'expérience, contrairement aux conceptions statiques.
• Fournit une garantie mathématique rigoureuse d'identifiabilité et de faisabilité récursive.
• Offre une solution pratique à faible coût de calcul, adaptée à une mise en œuvre en temps réel.

Ce travail se positionne comme un pont entre la conception expérimentale théorique et les contraintes pratiques, répondant spécifiquement au besoin d'équilibrer la précision de l'identification avec les limites de perturbation de sortie dans des contextes de contrôle industriel.