Résumé Technique : Conception d'Expériences pour l'Identification par Appartenance à un Ensemble

Énoncé du Problème

Cet article traite du problème de conception d'expériences hors ligne pour l'identification par appartenance à un ensemble de systèmes linéaires invariants dans le temps (LTI) inconnus. L'objectif est de concevoir un signal d'entrée $u[0, T-1]$ tel que les données d'entrée-état (ou entrée-sortie) résultantes, collectées sur un horizon fini, soient suffisamment informatives pour identifier les paramètres du système avec une précision souhaitée.

L'étude opère sous deux régimes de bruit distincts :

1. Sans bruit ($\varepsilon = 0$) : L'objectif est l'identification exacte, où les données doivent déterminer de manière unique les paramètres réels du système.
2. Avec bruit ($\varepsilon > 0$) : L'objectif est l'identification avec une précision $\rho$, où les données doivent contraindre l'ensemble des systèmes possibles à un ensemble borné dont le rayon de Chebyshev (erreur maximale) est inférieur ou égal à une tolérance prescrite $\rho$.

Le défi central est que le système réel est inconnu. Par conséquent, la conception doit s'appuyer sur une connaissance a priori ($\Sigma_{pk}$), un ensemble de systèmes cohérents avec les informations disponibles (par exemple, des bornes sur les paramètres, des contraintes structurelles ou des propriétés de contrôlabilité). L'article introduit le concept d'entrées universelles : un signal d'entrée est dit universel si, lorsqu'il est appliqué à n'importe quel système au sein de l'ensemble de connaissance a priori $\Sigma_{pk}$, il génère des données adaptées à la tâche d'identification souhaitée.

Méthodologie

Les auteurs développent un cadre basé sur l'informativité des données et l'universalité de l'entrée, en exploitant les principes de l'identification par appartenance à un ensemble.

1. Informativité des Données et Entrées Universelles

• Informativité des Données : Un ensemble de données $D$ est $\Sigma_{pk}$-informatif pour une précision $\rho$ si l'intersection de l'ensemble des systèmes cohérents avec les données $\Sigma_D$ et de la connaissance a priori $\Sigma_{pk}$ possède un rayon de Chebyshev $\le \rho$.
• Entrées Universelles : Une entrée $u[0, T-1]$ est $\Sigma_{pk}$-universelle si, pour chaque système $(A, B) \in \Sigma_{pk}$, tous les ensembles de données possibles générés par ce système sous l'effet de l'entrée sont $\Sigma_{pk}$-informatifs.

2. Analyse Sans Bruit

En l'absence de bruit, les auteurs analysent les conditions sous lesquelles des entrées universelles existent et leur relation avec la persistance d'excitation (PE).

• Connaissance A Priori Ouverte : Pour des ensembles de connaissances a priori ouverts contenus dans l'ensemble des systèmes contrôlables ($\Sigma_{cont}$), l'article établit que les entrées universelles sont équivalentes aux entrées qui sont persistantes d'excitation d'ordre $n+1$ (où $n$ est la dimension de l'état).
• Connaissance A Priori Générale : Les auteurs dérivent des conditions suffisantes (Théorèmes 9 et 14) pour l'universalité qui dépendent de la structure spécifique de $\Sigma_{pk}$. Ces conditions utilisent le polynôme minimal de la matrice du système $A$ et des constructions matricielles spécifiques ($M_{A,B}$, $D_A$).
• Insight Clé : Pour certaines connaissances a priori structurées (par exemple, des bornes de norme spécifiques ou des degrés de polynômes minimaux connus), des entrées universelles peuvent être conçues avec une longueur $T$ nettement plus courte que les $nm+n+m$ échantillons requis par une PE standard. Dans certains cas, des entrées qui ne sont pas persistantes d'excitation (par exemple, des entrées "mains libres" avec des valeurs nulles sur de grands intervalles) sont prouvées être universelles.

3. Analyse Avec Bruit

En présence d'un bruit borné en $\ell_\infty$, l'analyse se déplace vers la limitation de l'erreur d'identification.

• Précision $\rho$ : L'article fournit des conditions (Théorème 21) garantissant que l'erreur maximale est bornée par $\rho$. Cela implique de s'assurer que la plus petite valeur singulière d'une matrice spécifique dépendante des données est suffisamment grande par rapport au niveau de bruit $\varepsilon$.
• Conditions de Faisabilité : Les auteurs montrent que la conception d'expériences universelles pour une précision $\rho$ est réalisable si l'ensemble de connaissance a priori est borné et satisfait une mesure de contrôlabilité $\gamma_{pk} > 0$. Ils proposent également une stratégie de partitionnement (Théorème 24) pour traiter les cas où la condition ne peut être satisfaite pour l'ensemble $\Sigma_{pk}$ entier mais l'est pour un sous-ensemble, à condition que le sous-ensemble restant possède un petit rayon intrinsèque.
• Identification Exacte avec Bruit : L'article prouve que l'identification exacte ($\rho=0$) en présence de bruit n'est réalisable que si la connaissance a priori est uniformément discrète (Théorèmes 29, 30). Cela signifie que les systèmes distincts dans l'ensemble a priori doivent être séparés par une distance minimale, une condition souvent rencontrée dans les systèmes à paramètres entiers.

4. Extension aux Données Entrée-Sortie

Le cadre est étendu aux systèmes ARX (modèles entrée-sortie) en les reformulant sous forme de représentations d'espace d'état. Cela permet d'appliquer les résultats dérivés pour l'entrée-état aux scénarios de données entrée-sortie.

Contributions Clés

1. Cadre pour les Entrées Universelles : Un nouveau cadre est développé pour étudier la conception d'expériences hors ligne en intégrant explicitement une connaissance a priori générale, dépassant ainsi les limitations des hypothèses de seule contrôlabilité.
2. Caractérisation de l'Universalité vs PE :
   • Pour les systèmes à entrée unique avec une connaissance a priori ouverte, l'universalité est montrée comme étant équivalente à la persistance d'excitation d'ordre $n+1$.
   • Pour les systèmes à entrées multiples et des structures de connaissances a priori spécifiques, l'article démontre que des entrées universelles existent qui ne sont pas persistantes d'excitation d'ordre $n+1$, réduisant ainsi la taille d'échantillonnage requise (par exemple, de $nm+n+m$à$2n+m$ ou même $k+1$).
3. Conception Robuste au Bruit : Des conditions suffisantes sont fournies pour concevoir des entrées garantissant l'identification dans une erreur prédéfinie $\rho$ dans des contextes bruyants.
4. Identification Exacte avec Bruit : L'article établit que l'identification exacte en présence de bruit est réalisable si et seulement si la connaissance a priori est uniformément discrète, et fournit une méthode de conception pour ces cas.
5. Entrées "Mains Libres" (Hands-off) : La méthodologie permet la conception d'entrées "mains libres" (signaux présentant des intervalles de zéros significatifs), qui sont pratiquement précieuses dans les applications critiques pour la sécurité ou à ressources limitées où les entrées persistantes d'excitation sont irréalisables.

Résultats et Exemples

• Bornes Théoriques : L'article dérive des bornes inférieures sur le nombre d'échantillons $T$ requis pour une identification universelle. Par exemple, sous certaines connaissances a priori, $T \ge 2n+m$ suffit, améliorant ainsi le standard $T \ge nm+n+m$.
• Exemple 1 (Mouvement Orbital) : Un modèle de mouvement relatif d'un engin spatial est utilisé pour démontrer qu'une entrée à deux impulsions (nulle pour la majeure partie de l'horizon) est $\Sigma_{pk}$-universelle pour identifier le taux orbital et la masse, alors qu'une PE standard nécessiterait une excitation continue beaucoup plus longue.
• Exemple 2 (Réseau de Systèmes) : Un réseau de 1000 systèmes identiques est considéré. Les résultats montrent comment concevoir une entrée universelle pour une identification de précision $\rho$ dans un environnement de haute dimension avec du bruit, en utilisant la structure du réseau pour réduire la complexité.

Signification

L'article affirme que ses résultats généralisent l'approche de conception d'expériences basée sur le lemme fondamental de Willems et al. Alors que le lemme fondamental repose sur la persistance d'excitation et est limité aux connaissances a priori concernant la contrôlabilité, ce travail accepte une connaissance a priori générale.

La signification réside dans le fait que, pour de nombreux scénarios pratiques où une connaissance a priori est disponible (par exemple, des bornes sur les paramètres, des contraintes structurelles ou des ensembles de paramètres discrets), les entrées persistantes d'excitation ne sont pas nécessaires. Les méthodes proposées peuvent produire des conceptions d'expériences efficaces en termes d'échantillonnage qui surpassent les approches existantes. C'est particulièrement pertinent pour les applications où l'application d'entrées persistantes d'excitation est peu pratique en raison de :

• Considérations de sécurité.
• Contraintes physiques.
• Ressources limitées (par exemple, dans les systèmes chimiques/biologiques, les contextes cliniques, les réseaux à grande échelle et les systèmes aérospatiaux).

En fournissant des conditions sous lesquelles des entrées plus courtes, structurées ou "mains libres" sont suffisantes, l'article offre une approche plus flexible et efficace de l'identification de systèmes dans des environnements contraints.