⚡ electrical engineering

Global Linearization of Parameterized Nonlinear Systems with Stable Equilibrium Point Using the Koopman Operator

Cette étude établit une linéarisation globale continue en fonction des paramètres pour les systèmes non linéaires à point d'équilibre stable en utilisant l'opérateur de Koopman, et identifie les conditions permettant une bilinéarisation globale indépendante du paramètre pour les systèmes affines en commande.

Auteurs originaux : Natsuki Katayama, Alexandre Mauroy, Yoshihiko Susuki

Publié 2026-04-07

📖 4 min de lecture☕ Lecture pause café

CC BY 4.0

Auteurs originaux : Natsuki Katayama, Alexandre Mauroy, Yoshihiko Susuki

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

Imaginez que vous essayez de prédire la trajectoire d'une feuille de papier qui tombe dans un courant d'air turbulent. C'est un système non linéaire : le vent change, la feuille tourne, et de petits changements dans le vent provoquent des mouvements imprévisibles et complexes. C'est très difficile à modéliser avec des équations simples.

Ce papier de recherche propose une méthode ingénieuse pour transformer ce chaos en une ligne droite, comme si on pouvait prédire le mouvement de la feuille avec la même facilité que celle d'une voiture roulant sur une autoroute.

Voici l'explication de leur découverte, expliquée simplement :

1. Le Problème : Le Chaos Non Linéaire

La plupart des systèmes réels (météo, robots, économie) sont "non linéaires". Cela signifie que si vous doublez la force que vous appliquez, le résultat n'est pas forcément doublé. C'est comme essayer de conduire une voiture dont le volant tourne de manière bizarre selon la vitesse.

2. La Solution Magique : L'Opérateur Koopman

Les auteurs utilisent un outil mathématique appelé l'opérateur de Koopman.

L'analogie : Imaginez que vous regardez une pièce de théâtre (le système non linéaire) depuis la scène. C'est chaotique. Mais si vous montiez dans un ballon à une très grande hauteur (l'espace des observables), vous verriez que les acteurs suivent en fait une chorégraphie très simple et linéaire.
L'opérateur de Koopman est ce "ballon". Il permet de voir le système complexe sous un angle où tout devient linéaire (des lignes droites, des équations simples).

3. Le Défi : Quand le "Vent" Change (Les Paramètres)

Dans la vraie vie, le "vent" ne reste pas constant. Dans un système de contrôle (comme un drone), vous changez les commandes (les paramètres) en permanence.

Le problème précédent : Les méthodes existantes fonctionnaient bien si le vent était constant. Mais si vous changez les commandes, la "chorégraphie" change aussi, et il fallait recalculer tout le système à chaque fois. C'était trop lent et compliqué.
La découverte de ce papier : Les auteurs ont prouvé qu'on peut trouver une transformation qui reste stable et continue même quand on change les commandes.
- Analogie : Imaginez que vous avez une carte magique qui transforme le terrain montagneux en une route plate. Ce papier montre que même si vous changez la météo (les paramètres), la carte s'adapte doucement sans se déchirer. Vous pouvez toujours conduire sur la route plate, peu importe la pluie ou le soleil.

4. Le Cas Spécial : Les Systèmes "Affines" (Le Graal)

Pour une catégorie spécifique de systèmes (appelés "systèmes affines en commande"), ils vont encore plus loin.

Ils ont trouvé une condition mathématique (basée sur des structures algébriques appelées "algèbres de Lie", que l'on peut voir comme les règles de connexion entre les différentes forces du système) qui permet de trouver une transformation qui ne dépend même plus des commandes.
L'analogie : C'est comme si vous aviez trouvé une clé universelle. Peu importe comment vous tournez la serrure (les commandes), la porte s'ouvre toujours de la même manière simple. Le système devient alors biliaire : une partie reste fixe, et l'autre partie change simplement en fonction de votre commande, sans que la structure fondamentale ne se brise.

En Résumé

Ce papier dit essentiellement :

On peut simplifier le chaos : Même les systèmes les plus compliqués peuvent être vus comme des systèmes linéaires simples si on utilise le bon "angle de vue" (l'opérateur de Koopman).
C'est robuste : Cette simplification fonctionne même si vous changez les paramètres du système en temps réel.
C'est parfois universel : Pour certains systèmes, on peut trouver une simplification qui ne change jamais, peu importe ce que vous faites.

Pourquoi c'est important ?
Cela ouvre la porte à des contrôleurs beaucoup plus intelligents et rapides pour les robots, les avions ou les réseaux électriques. Au lieu de devoir recalculer des millions d'équations à chaque seconde pour gérer les changements, l'ordinateur peut utiliser cette "carte linéaire" pour prendre des décisions instantanées et sûres. C'est passer de la conduite en aveugle dans le brouillard à la conduite sur une autoroute bien balisée.

1. Problématique et Contexte

L'article s'intéresse à l'analyse et au contrôle des systèmes non linéaires possédant des entrées de commande. Bien que l'opérateur de Koopman permette d'analyser les systèmes autonomes non linéaires via une linéarisation globale dans un espace de fonctions (espace de Banach), l'extension de cette théorie aux systèmes avec entrées reste un défi théorique majeur.

Le problème central abordé est le suivant :

Comment caractériser les propriétés spectrales de l'opérateur de Koopman pour des systèmes non linéaires dépendant de paramètres (ou d'entrées) ?
Peut-on obtenir une linéarisation globale (transformation en système linéaire) qui dépend continûment du paramètre ?
Sous quelles conditions spécifiques (notamment pour les systèmes affines en commande) peut-on obtenir une bilinearisation globale où la transformation de coordonnées est indépendante du paramètre d'entrée ?

L'objectif est de fournir une fondation théorique rigoureuse pour les méthodes de conception de contrôleurs basées sur les données (comme EDMD - Extended Dynamic Mode Decomposition) qui supposent l'existence de telles représentations finies.

2. Méthodologie

Les auteurs adoptent une approche combinant la théorie spectrale des opérateurs de Koopman et la théorie des perturbations des opérateurs linéaires.

Traitement de l'entrée comme paramètre : Pour les systèmes $\dot{x} = F_u(x)$ , l'entrée $u$ est traitée comme un paramètre constant (ou par morceaux) appartenant à un ensemble ouvert $U$ . Cela permet d'étudier la dépendance des fonctions propres de Koopman par rapport à $u$ .
Hypothèses de stabilité : Le système est supposé posséder un point d'équilibre globalement exponentiellement stable (GES EP) à l'origine, pour tout $u \in U$ . L'espace d'état $X$ est compact et invariant positivement.
Analyse Spectrale et Perturbation :
- Les auteurs utilisent la théorie des perturbations des opérateurs linéaires (référence [20]) pour analyser la convergence forte du résolvant de l'opérateur de Koopman $L_F^u$ lorsque $u$ varie.
- Ils établissent que les valeurs propres principales de l'opérateur de Koopman (associées aux valeurs propres de la linéarisation locale $D_xF_u(0)$ ) sont continues par rapport au paramètre $u$ , sous des conditions de non-résonance et d'étalement spectral.
Approche Algébrique pour les Systèmes Affines : Pour la partie bilinéarisation, les auteurs utilisent des arguments d'algèbre de Lie. Ils comparent l'algèbre de Lie générée par les champs de vecteurs du système non linéaire ( $\{F, G_1, \dots, G_d\}_L$ ) avec celle générée par les matrices du système bilinéaire cible ( $\{A, B_1, \dots, B_d\}_L$ ).

3. Résultats Clés et Contributions

L'article présente deux résultats théoriques principaux :

A. Linéarisation Globale Continue (Théorème 4)

Pour un système paramétré $\dot{x} = F_u(x)$ avec un point d'équilibre GES :

Il existe un difféomorphisme global $\psi_u : X \to \mathbb{R}^n$ qui transforme le système non linéaire en un système linéaire $\dot{z} = A_u z$ , où $A_u = D_xF_u(0)$ .
Contribution majeure : Ce difféomorphisme $\psi_u$ dépend continûment du paramètre $u$ (dans la norme $C^k$ ).
Cela justifie théoriquement l'utilisation d'approximateurs universels (comme les réseaux de neurones ou EDMD) pour apprendre la transformation de linéarisation en fonction de l'entrée, garantissant la convergence et la précision des méthodes basées sur les données.

B. Bilinearisation Globale Indépendante du Paramètre (Théorème 5)

Pour un système affine en commande de la forme $\dot{x} = F(x) + \sum u_i G_i(x)$ :

Les auteurs identifient une condition suffisante pour qu'il existe une transformation $\psi$ indépendante de $u$ telle que le système devienne bilinéaire : $\dot{z} = Az + \sum u_i B_i z$ .
Condition : L'existence d'un isomorphisme d'algèbres de Lie entre l'algèbre générée par les champs de vecteurs non linéaires $\{F, G_1, \dots, G_d\}_L$ et l'algèbre générée par les matrices linéarisées $\{A, B_1, \dots, B_d\}_L$ .
Différence avec les travaux antérieurs : Contrairement aux résultats locaux basés sur le développement de Taylor (qui ne sont valables que localement), cette approche basée sur l'opérateur de Koopman garantit une bilinearisation globale. De plus, la condition d'isomorphisme est constructive et vérifiable directement sur les champs de vecteurs, contrairement à la recherche d'un sous-espace invariant de Koopman qui est souvent difficile.

4. Exemple Illustratif

Les auteurs illustrent leur théorie sur un système dynamique bidimensionnel avec un paramètre $u$ et un paramètre structurel $a$ .

Ils montrent que lorsque la condition de non-résonance est satisfaite, les fonctions propres de Koopman dépendent continûment de $u$ .
Dans le cas spécifique où $a=1$ , la condition d'isomorphisme d'algèbre de Lie est satisfaite ( $[F, G] = 0$ ). Cela permet de trouver une transformation $\psi$ indépendante de $u$ qui convertit le système en un système bilinéaire exact, même lorsque $u$ varie dans le temps.

5. Signification et Impact

Fondation Théorique pour le Contrôle par Données : Ce travail valide l'hypothèse sous-jacente à de nombreuses méthodes de contrôle modernes (EDMD avec contrôle) : l'existence de représentations linéaires ou bilinéaires finies pour des systèmes non linéaires avec entrées.
Robustesse et Convergence : La preuve de la continuité de la transformation par rapport au paramètre assure que les algorithmes d'apprentissage de l'opérateur de Koopman convergent correctement même lorsque les conditions de fonctionnement (entrées) changent.
Extension du Contrôle Non Linéaire : En reliant la bilinearisation globale aux structures d'algèbres de Lie, l'article connecte la théorie de Koopman aux méthodes géométriques classiques de contrôle non linéaire, offrant un critère vérifiable pour la réalisabilité d'une bilinearisation globale.
Perspectives : Bien que l'article se concentre sur les systèmes avec un point d'équilibre stable globalement exponentiellement, les auteurs suggèrent que ces résultats pourraient être étendus à des classes plus larges de systèmes stabilisables via des transformations de retour d'état.

En résumé, cet article comble un vide théorique important en établissant les conditions sous lesquelles les systèmes non linéaires avec entrées peuvent être transformés en systèmes linéaires ou bilinéaires globaux, en exploitant la puissance de l'opérateur de Koopman et de la théorie des perturbations.