Safe Control of Feedback-Interconnected Systems via Singular Perturbations

1. Problématique

Les systèmes autonomes modernes, tels que les robots ou les systèmes cyber-physiques, impliquent souvent l'interconnexion de sous-systèmes évoluant à des échelles de temps différentes (par exemple, la dynamique électrique rapide d'un moteur couplée à sa dynamique mécanique lente, ou un système physique piloté par un algorithme d'optimisation en temps réel).

Le défi principal réside dans la garantie de sécurité (respect de contraintes d'état) pour ces systèmes complexes. Les méthodes classiques de contrôle sûr, comme les Fonctions de Barrière de Contrôle (CBF), deviennent difficiles à appliquer directement sur le système complet pour deux raisons :

1. Complexité dimensionnelle : La conception d'une CBF pour le système interconnecté complet (haute dimension) est computationnellement lourde et complexe.
2. Dynamiques inconnues ou non linéaires : Les interactions entre les boucles de rétroaction peuvent introduire des dynamiques non triviales ou inconnues, rendant la synthèse de contrôleurs sûrs impossible ou très restrictive.

L'objectif est donc de concevoir un contrôleur sûr basé sur un modèle réduit (souvent le sous-système lent) tout en garantissant formellement que le système interconnecté complet reste sûr.

2. Méthodologie

Les auteurs proposent un cadre formel basé sur la théorie des perturbations singulières (ou séparation d'échelles de temps) pour "rehausser" (lift) une garantie de sécurité conçue sur un modèle réduit vers le système complet.

A. Modélisation du Système

Le système est décrit par deux équations couplées :

• Système lent : $\dot{x} = f(x, z, u)$
• Système rapide : $\epsilon \dot{z} = g(z, x, u)$
  Où $x$ est l'état lent, $z$ l'état rapide, $u$ la commande, et $\epsilon > 0$ un petit paramètre régulant la séparation des échelles de temps.

B. Hypothèses Clés

Pour que la méthode fonctionne, quatre hypothèses sont nécessaires :

1. Lipschitzianité : Les champs vectoriels $f$ et $g$ sont lipschitziens.
2. Équilibre du système rapide : Le sous-système rapide admet une fonction d'équilibre $z_{eq}(x, u)$ telle que $g(z_{eq}, x, u) = 0$.
3. Sécurité du modèle réduit : Il existe une CBF $h(x)$ et un contrôleur $\pi(x)$ pour le système réduit (où $z = z_{eq}(x, u)$) qui garantissent une marge de sécurité stricte ($\eta > 0$) :
   $$\nabla h(x)^\top f_{rs}(x, \pi(x)) \geq -\alpha(h(x)) + \eta$$
4. Stabilité exponentielle de la couche limite : Le système de la couche limite (où $x$ et $u$ sont figés) est globalement exponentiellement stable, caractérisé par une fonction de Lyapunov $U(\tilde{z})$ pour l'erreur $\tilde{z} = z - z_{eq}$.

C. Construction de la CBF Composite

L'apport central est la définition d'une CBF composite $V(x, z)$ qui combine la sécurité du modèle lent et la stabilité du modèle rapide :
$$V(x, z) := h(x) - U(z - z_{eq}(x, \pi(x)))$$
Cette fonction définit un ensemble sûr $C_V = \{(x, z) \mid V(x, z) \geq 0\}$.

3. Contributions Clés

1. Théorème de Rehaussement de Sécurité (Theorem 1) :
   Les auteurs prouvent qu'il existe un seuil $\bar{\epsilon} > 0$ tel que, pour tout $\epsilon \in (0, \bar{\epsilon})$, l'ensemble $C_V$ est invariant par avance (forward invariant) pour le système interconnecté complet. Cela signifie que si le système démarre dans $C_V$, il y restera indéfiniment.

2. Réduction de la Complexité de Calcul :
   Le filtre de sécurité (souvent un problème d'optimisation quadratique, CBF-QP) n'a besoin d'être résolu que pour le modèle réduit de basse dimension. La garantie de sécurité pour le système complet est obtenue "gratuitement" via la théorie des perturbations, à condition que la séparation des échelles de temps soit suffisante.

3. Généralité de l'Approche :
   Contrairement à des méthodes précédentes nécessitant des structures en cascade strictes ou des lois de rétroaction basées sur l'inversion, cette approche s'applique à des classes larges de dynamiques non linéaires interconnectées.

4. Analyse de la Marge de Robustesse :
   L'article montre que la marge de sécurité $\eta$ du modèle réduit agit comme un tampon de robustesse contre les perturbations induites par l'écart entre l'état rapide réel $z(t)$ et son équilibre $z_{eq}$.

4. Résultats et Validation

Les auteurs valident leur approche par deux exemples numériques et des simulations :

• Cas 1 : Bras Robotique avec Dynamique des Actionneurs

  • Scénario : Un bras robotique planaire à 2 degrés de liberté où la dynamique mécanique (lente) est couplée à la dynamique électrique des moteurs (rapide).
  • Résultat : Le contrôleur est conçu uniquement sur la dynamique mécanique réduite. Les simulations montrent que pour des valeurs de $\epsilon$ suffisamment petites (rapide séparation), le robot évite les obstacles et respecte les limites articulaires. Si $\epsilon$ dépasse un seuil critique, les violations de sécurité apparaissent, confirmant la dépendance théorique à la séparation des échelles.

• Cas 2 : Contrôle Sûr Sous-Optimal (Feedback Optimization)

  • Scénario : Un système physique piloté par un algorithme d'optimisation en temps réel qui cherche à minimiser une fonction de coût tout en respectant des contraintes de sécurité.
  • Résultat : L'algorithme d'optimisation est traité comme le sous-système rapide. La méthode permet de garantir que les contraintes de sécurité sont respectées même si l'algorithme d'optimisation n'a pas encore convergé vers la solution exacte, tant que sa vitesse de convergence est suffisante par rapport à la dynamique du système.

5. Signification et Impact

Cet article apporte une contribution majeure à la théorie du contrôle sûr en résolvant le problème de la complexité dimensionnelle dans les systèmes interconnectés.

• Pratique : Il permet aux ingénieurs de concevoir des filtres de sécurité sur des modèles simplifiés (plus rapides à calculer) tout en ayant une garantie mathématique formelle pour le système réel complexe.
• Théorique : Il établit un lien rigoureux entre l'analyse de stabilité par perturbations singulières (classiquement utilisée pour la stabilité) et la garantie de sécurité (CBF).
• Applications : La méthode est particulièrement pertinente pour les systèmes robotiques modernes, les véhicules autonomes (où la perception et la planification sont lentes par rapport à la dynamique du véhicule) et les systèmes de contrôle basés sur l'optimisation en temps réel.

En résumé, l'article démontre que la séparation des échelles de temps, souvent considérée comme une approximation, peut être exploitée comme un outil formel pour garantir la sécurité des systèmes complexes interconnectés.