⚡ electrical engineering

Closed-Loop Identification of Periodically Time-Varying Systems via Cyclic Reformulation

यह शोध पत्र एक सटीक बीजगणितीय विधि और एक संगत उपसमष्टि-आधारित (subspace-based) एल्गोरिदम प्रस्तुत करता है, जो सिस्टम को एक समय-अपरिवर्तनीय चक्रीय निरूपण (time-invariant cyclic representation) में पुनर्गठित करके, क्लोज्ड-लूप डेटा से ओपन-लूप अस्थिर रैखिक आवधिक समय-परिवर्ती (linearly periodically time-varying) पौधों की पहचान करता है, जिससे बिना किसी स्टेट ऑग्मेंटेशन या स्थिर प्लांट रियलाइजेशन की आवश्यकता के प्लांट पैरामीटर्स को पुनः प्राप्त किया जा सकता है।

मूल लेखक: Hiroshi Okajima

प्रकाशित 2026-05-29

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Hiroshi Okajima

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप यह समझने की कोशिश कर रहे हैं कि एक जटिल, बदलती हुई मशीन कैसे काम करती है। यह मशीन एक कैलीडोस्कोप (kaleidoscope) की तरह है: इसके आंतरिक गियर और स्प्रिंग्स हर कुछ सेकंड में एक दोहराए जाने वाले पैटर्न में अपनी व्यवस्था बदलते रहते हैं। इंजीनियरिंग के शब्दों में, यह एक लिनियर पीरियडिकली टाइम-वेरिंग (LPTV) सिस्टम है।

आमतौर पर, किसी मशीन को समझने के लिए, आप उसे चालू करते हैं, उसे स्वतंत्र रूप से चलने देते हैं, और देखते हैं कि वह कैसे प्रतिक्रिया देती है। इसे "ओपन-लूप" (open-loop) परीक्षण कहा जाता है। लेकिन क्या होगा यदि मशीन खराब है? क्या होगा यदि जैसे ही आप नियंत्रण छोड़ते हैं, वह अनियंत्रित होकर फट जाती है? आप इसे स्वतंत्र रूप से टेस्ट नहीं कर सकते क्योंकि यह बहुत खतरनाक है। आपको पूरे समय पहिए पर हाथ रखकर उसे स्थिर रखना होगा। यह "क्लोज्ड-लूप" (closed-loop) नियंत्रण है।

समस्या यह है: जब आपको पूरे समय उसे एक पट्टे (leash) पर बांधकर रखने के लिए मजबूर किया जा रहा हो, तो आप उस मशीन की वास्तविक, बदलती प्रकृति को कैसे समझें?

यह शोध पत्र, जो हिरोशी ओकाजिमा द्वारा लिखा गया है, ठीक इसी समस्या को हल करने के लिए एक चतुर गणितीय "जादुई ट्रिक" प्रदान करता है। यह कैसे काम करता है, यहाँ सरल अवधारणाओं में दिया गया है:

1. समस्या: अस्थिर मशीन

मशीन कैसे काम करती है, यह जानने के अधिकांश मानक तरीकों के लिए आपको उसे बेतहाशा चलने देना पड़ता है (ओपन-लूप)। यदि मशीन अस्थिर है (जैसे कि एक रॉकेट जो गिर जाता है यदि आप उसे नियंत्रित न करें), तो आप ऐसा नहीं कर सकते। आपको एक क्लोज्ड लूप में रहना होगा (उसे लगातार नियंत्रित करना होगा)। लेकिन जब आप उसे नियंत्रित करते हैं, तो आपके द्वारा एकत्र किया गया डेटा मशीन के व्यवहार और आपके नियंत्रण सुधारों का एक मिश्रण होता है। यह एक गायक की आवाज़ सुनने जैसा है, जबकि आप साथ ही साथ उन्हें निर्देश भी चिल्लाकर दे रहे हैं। गायक की आवाज़ को आपके चिल्लाने से अलग करना कठिन है।

2. ट्रिक: गति को "फ्रीज" करना

लेखक साइक्लिक रीफॉर्मुलेशन (Cyclic Reformulation) नामक तकनीक का उपयोग करते हैं। कल्पना कीजिए कि मशीन हर 3 सेकंड में अपने गियर बदलती है। इसे सेकंड-दर-सेकंड देखने के बजाय, लेखक कहते हैं, "आइए हम सेकंड 1, सेकंड 2 और सेकंड 3 पर मशीन का एक स्नैपशॉट लें, और उन्हें एक विशाल, सुपर-मशीन में जोड़ दें जो बदलती नहीं है।"

इन दोहराए जाने वाले पैटर्न को जोड़ने से, यह बदलती, समय-परिवर्तित मशीन एक स्थिर, समय-अपरिवर्तित (time-invariant) मशीन में बदल जाती है। यह एक घूमते हुए पंखे के वीडियो को एक ही स्थिर छवि में बदलने जैसा है जिसमें उसके सभी ब्लेड एक साथ दिखाई देते हैं। अब, एक ऐसी मशीन के साथ निपटने के बजाय जो हर सेकंड बदलती है, हम एक बड़ी, स्थिर मशीन के साथ काम कर रहे हैं जो विश्लेषण करने में बहुत आसान है।

3. समाधान: "साझा ब्लूप्रिंट"

एक बार जब मशीन इस स्थिर रूप में "फ्रीज" हो जाती है, तो लेखक डेटा (जो मशीन को नियंत्रित करते समय एकत्र किया गया था) पर एक मानक पहचान विधि (सबस्पेस आइडेंटिफिकेशन) लागू करते हैं।

यह हमें पूरे सिस्टम (मशीन प्लस कंट्रोलर/नियंत्रक) का एक "ब्लूप्रिंट" देता है। इस ब्लूप्रिंट के दो आउटपुट हैं:

मशीन ने क्या किया (आउटपुट)।
कंट्रोलर ने क्या किया (स्टीयरिंग इनपुट)।

यही वह शानदार हिस्सा है: क्योंकि कंट्रोलर और मशीन एक ही आंतरिक "इंजन" (स्टेट डायनेमिक्स) साझा करते हैं, इसलिए इस क्लोज्ड-लूप सेटअप में ब्लूप्रिंट में दोनों के रहस्य छिपे होते हैं।

4. निष्कर्षण: बीजगणितीय सर्जरी (Algebraic Surgery)

शोध पत्र एक विशिष्ट बीजगणितीय सूत्र (एक गणितीय रेसिपी) प्रस्तुत करता है जो ब्लूप्रिंट से कंट्रोलर को काटकर केवल मशीन को अलग कर देता है।

इसे इस तरह सोचें: आपके पास दो फलों (मशीन और कंट्रोलर) का बना हुआ स्मूदी है। आमतौर पर, एक बार मिलने के बाद आप उन्हें अलग नहीं कर सकते। लेकिन लेखक ने पाया कि क्योंकि कंट्रोलर को जिस तरह से डिज़ाइन किया गया था (उसमें कोई "डायरेक्ट फीडथ्रू" नहीं है, जिसका अर्थ है कि वह बिना किसी मामूली देरी के तुरंत प्रतिक्रिया नहीं देता है), कंट्रोलर का "स्वाद" गणितीय रूप से विशिष्ट है।

सूत्र मूल रूप से कहता है: "यदि मैं जानता हूँ कि इनपुट के प्रति कंट्रोलर ने कैसी प्रतिक्रिया दी, और मैं जानता हूँ कि पूरे सिस्टम ने कैसी प्रतिक्रिया दी, तो मैं पूरे सिस्टम को कंट्रोलर से गणितीय रूप से विभाजित करके मशीन को अलग कर सकता हूँ।"

महत्वपूर्ण बात यह है कि यह गणित तब भी काम करता है जब मशीन अस्थिर हो।

पुराना तरीका: यदि मशीन अस्थिर है, तो गणित टूट जाता है या इसके लिए मशीन का पहले स्थिर होना आवश्यक होता है।
नया तरीका: यह गणित "शुद्ध बीजगणित" है। इसे इस बात से फर्क नहीं पड़ता कि वास्तव में मशीन अनियंत्रित होकर घूम रही है। जब तक संयुक्त सिस्टम (मशीन + कंट्रोलर) डेटा एकत्र करने के लिए पर्याप्त स्थिर है, गणित उस अस्थिर मशीन के ब्लूपिंट को पूरी तरह से निकाल सकता है। यह एक ढहती हुई इमारत के ब्लूप्रिंट को केवल उसे थामे हुए स्थिर मचान (scaffolding) को देखकर पुनर्गठित करने जैसा है।

5. परिणाम

यह शोध पत्र सिद्ध करता है कि आप:

एक खतरनाक, अस्थिर मशीन से डेटा एकत्र कर सकते हैं जब उसे नियंत्रित किया जा रहा हो।
इस "स्टैकिंग" (जोड़ने) की ट्रिक का उपयोग करके बदलते हुए डेटा को एक स्थिर समस्या में बदल सकते हैं।
कंट्रोलर के प्रभाव को हटाने के लिए एक गणितीय "सर्जरी" का उपयोग कर सकते हैं।
अस्थिर मशीन के सटीक, बदलते ब्लूप्रिंट को पुनः प्राप्त कर सकते हैं।

लेखक ने कंप्यूटर सिमुलेशन के माध्यम से तीन प्रकार की मशीनों पर इसका परीक्षण किया:

एक स्थिर मशीन (यह काम कर गया)।
एक अस्थिर मशीन (यह काम कर गया, जो मुख्य सफलता है)।
कई इनपुट और आउटपुट वाली एक जटिल मशीन (यह भी काम कर गया)।

संक्षेप में: यह शोध पत्र इंजीनियरों को खतरनाक, बदलती मशीनों को समझने के लिए एक नया उपकरण देता है। वे सुरक्षित रूप से नियंत्रित किए जा रहे समय के डेटा का विश्लेषण करके, एक चतुर गणितीय ट्रिक के माध्यम से मशीन को कंट्रोलर से अलग कर सकते हैं।

तकनीकी सारांश: चक्रीय पुनर्गठन (Cyclic Reformulation) के माध्यम से आवधिक समय-परिवर्ती प्रणालियों की क्लोज्ड-लूप पहचान

समस्या विवरण
यह शोध पत्र लीनियर पीरियडिकली टाइम-वेरिंग (LPTV) प्लांट की सिस्टम आइडेंटिफिकेशन (प्रणाली पहचान) को संबोधित करता है, जो विशेष रूप से उन परिदृश्यों को लक्षित करता है जहाँ प्लांट ओपन-लूप अनस्टेबल (खुले लूप में अस्थिर) होता है। ऐसे मामलों में, ओपन-लूप प्रयोग व्यावहारिक रूप से संभव नहीं हैं क्योंकि फीडबैक के बिना प्लांट का आउटपुट डाइवर्ज (विचलित) हो जाता है। मौजूदा LPTV पहचान विधियाँ, जिनमें सबस्पेस दृष्टिकोण और लिफ्टिंग-आधारित तकनीकें शामिल हैं, मुख्य रूप से ओपन-लूप डेटा के लिए तैयार की गई हैं या ओपन-लूप स्थिरता मानती हैं। जबकि अनस्टेबल लीनियर टाइम-इनवेरिएंट (LTI) प्लांट के लिए क्लोज्ड-लूप पहचान अच्छी तरह से स्थापित है, एक रियलाइजेशन-थ्योरेटिक फ्रेमवर्क जो सीधे क्लोज्ड-लूप डेटा से एक परिमित-आयामी (finite-dimensional) स्टेट-स्पेस LPTV प्लांट मॉडल को रिकवर करता है, अभी भी अल्पविकसित रहा है।

कार्यप्रणाली (Methodology)
प्रस्तावित फ्रेमवर्क क्लोज्ड-लूप डेटा और LPTV मॉडल रिकवरी के बीच के अंतर को पाटने के लिए जॉइंट इनपुट-आउटपुट दृष्टिकोण को चक्रीय पुनर्गठन (cyclic reformulation) के साथ एकीकृत करता है। कार्यप्रणाली निम्नलिखित चरणों में आगे बढ़ती है:

सिस्टम फॉर्मूलेशन: शोध पत्र एक वर्गाकार (square), स्ट्रिक्टली प्रॉपर LPTV प्लांट पर विचार करता है जिसे एक सापेक्ष डिग्री (relative degree) एक वाले LPTV कंट्रोलर द्वारा नियंत्रित किया जाता है। क्लोज्ड-लूप सिस्टम को एक बाहरी रेफरेंस सिग्नल $r(k)$ द्वारा संचालित एक ऑगमेंटेड LPTV सिस्टम के रूप में मॉडल किया गया है, जो प्लांट आउटपुट $y(k)$ और कंट्रोल इनपुट $u(k)$ के जॉइंट आउटपुट उत्पन्न करता है।
चक्रीय पुनर्गठन (Cyclic Reformulation): आवधिक क्लोज्ड-लूप सिस्टम को चक्रीय पुनर्गठन का उपयोग करके एक समकक्ष लीनियर टाइम-इनवेरिएंट (LTI) सिस्टम में परिवर्तित किया जाता है। इसमें "साइकिलड" (cycled) सिग्नल्स का निर्माण शामिल है जहाँ इनपुट और आउटपुट वेक्टर्स को मूल आयाम का $M$ गुना (जहाँ $M$ अवधि है) विस्तारित किया जाता है, जो आवधिक विविधताओं को एक एकल LTI स्टेट-स्पेस मॉडल में स्टैक (stack) कर देता है।
सबस्पेस आइडेंटिफिकेशन: स्टैंडर्ड सबस्पेस आइडेंटिफिकेशन एल्गोरिदम (जैसे, N4SID) को साइकिलड रेफरेंस सिग्नल $\check{r}(k)$ और स्टैक्ड साइकिलड जॉइंट आउटपुट $\check{z}(k) = [\check{y}(k)^\top, \check{u}(k)^\top]^\top$ पर लागू किया जाता है। यह $\check{r}$ से $\check{y}$ और $\check{r}$ से $\check{u}$ के क्लोज्ड-लूप मैप्स के लिए एक साझा स्टेट-स्पेस रियलाइजेशन $(A, B, C)$ प्रदान करता है। महत्वपूर्ण रूप से, दोनों ट्रांसफर फंक्शन एक ही स्टेट डायनेमिक्स $(A, B)$ साझा करते हैं।
एल्जेब्रिक प्लांट एक्सट्रैक्शन: इस विधि का मुख्य भाग एक सटीक एल्जेब्रिक प्रमेय है जो साझा- $A$ रियलाइजेशन से साइकिलड प्लांट ट्रांसफर मैट्रिक्स $\check{P}(z)$ को रिकवर करता है। चूंकि $\check{P}(z) = \check{T}_{yr}(z) \check{T}_{ur}(z)^{-1}$ है, शोध पत्र बिना स्टेट ऑग्मेंटेशन के सीधे साझा मैट्रिसेस $(A, B, C_y, C_u)$ से $\check{P}(z)$ का एक स्टेट-स्पेस रियलाइजेशन प्राप्त करता है। यह निष्कर्षण कंट्रोलर पाथ के डायरेक्ट फीडथ्रू टर्म ( $C_u B$ ) की व्युत्क्रमणीयता (invertibility) पर निर्भर करता है।
पैरामीटर रिकवरी: निकाला गया साइकिलड रियलाइजेशन ऑर्डर में कम (बैलेंस्ड ट्रंकेशन के माध्यम से कंट्रोलर डायनेमिक्स को हटाकर) किया जाता है और मार्कोव पैरामीटर्स की शिफ्टेड ब्लॉक-डायगोनल स्पर्सिटी का लाभ उठाने वाले एक कोऑर्डिनेट ट्रांसफॉर्मेशन का उपयोग करके मूल आवधिक स्टेट-स्पेस पैरामीटर्स $(A_{p,k}, B_{p,k}, C_{p,k}, D_{p,k})$ में वापस परिवर्तित किया जाता है।

प्रमुख योगदान
शोध पत्र चार प्राथमिक योगदान प्रस्तुत करता है:

सटीक एल्जेब्रिक प्रमेय: यह सिद्ध करने वाला एक प्रमेय स्थापित करता है कि क्लोज्ड-लूप मैप्स के साझा- $A$ रियलाइजेशन से बिना स्टेट डायमेंशन बढ़ाए साइकिलड प्लांट ट्रांसफर मैट्रिक्स को रिकवर किया जा सकता है, भले ही रिकवर किया गया प्लांट रियलाइजेशन अनस्टेबल हो।
स्टेबिलिटी शिफ्ट: यह फ्रेमवर्क डेटा जनरेशन के लिए स्थिरता की आवश्यकता को ओपन-लूप प्लांट से बदलकर आंतरिक रूप से स्थिर क्लोज्ड-लूप सिस्टम पर स्थानांतरित कर देता है, जिससे ओपन-लूप अनस्टेबल LPTV प्लांट की पहचान संभव हो जाती है।
स्पष्ट धारणा पृथक्करण (Explicit Assumption Separation): यह कार्य डेटा जनरेशन (क्लोज्ड-लूप स्थिरता), आइडेंटिफिकेशन (साइकिलड क्लोज्ड-लूप सिस्टम की मिनिमलिटी), और एल्जेब्रिक इनवर्जन (कंट्रोलर पाथ के डायरेक्ट टर्म की नॉन-सिंगुलैरिटी) के लिए आवश्यक धारणाओं को स्पष्ट रूप से अलग करता है।
एल्गोरिद्मिक कार्यान्वयन: यह एक पूर्ण आइडेंटिफिकेशन एल्गोरिदम (एल्गोरिदम 1) प्रदान करता है जो सबस्पेस आइडेंटिफिकेशन को प्राप्त एल्जेब्रिक एक्सट्रैक्शन और कोऑर्डिनेट ट्रांसफॉर्मेशन चरणों के साथ जोड़ता है।

संख्यात्मक परिणाम
विधि को तीन संख्यात्मक उदाहरणों के माध्यम से मान्य किया गया है:

स्टेबल SISO प्लांट: यह दर्शाता है कि शोर-रहित स्थितियों में विधि मशीन प्रिसिजन (machine precision) के साथ और 40 dB सिग्नल-टू-नॉइज़ रेशियो (SNR) के तहत उच्च सटीकता (फ्रोबेनियस नॉर्म एरर $\approx 10^{-6}$ ) के साथ पैरामीटर्स को रिकवर करती है।
ओपन-लूप अनस्टेबल SISO प्लांट: स्थिर क्लोज्ड-लूप डेटा से एक अनस्टेबल प्लांट रियलाइजेशन (यूनिट सर्कल के बाहर आइजनवैल्यू के साथ) को रिकवर करने की विधि की क्षमता की पुष्टि करता है। निकाला गया रियलाइजेशन सही ढंग से अनस्टेबल मोनोड्रोमी आइजनवैल्यू को दर्शाता है, और एल्जेब्रिक एक्सट्रैक्शन अस्थिरता के बावजूद वैध रहता है।
MIMO प्लांट: एक मल्टी-इनपुट मल्टी-आउटपुट सिस्टम के लिए दृष्टिकोण को मान्य करता है, यह दिखाते हुए कि फ्रेमवर्क उच्च आयामों तक स्केल करता है और मार्कोव पैरामीटर तुलनाओं के माध्यम से कोऑर्डिनेट-इनवेरिएंट सटीकता बनाए रखता है।

महत्व और दावे
शोध पत्र का दावा है कि यह कार्य सिस्टम आइडेंटिफिकेशन थ्योरी में एक विशिष्ट अंतराल को भरता है: क्लोज्ड-लूप डेटा से, विशेष रूप से अनस्टेबल प्लांट्स के लिए, परिमित-आयामी स्टेट-स्पेस LPTV मॉडल्स को रिकवर करने के लिए एक रियलाइजेशन-थ्योरेटिक मार्ग की कमी। इसका महत्व इसके सटीक एल्जेब्रिक स्वरूप में निहित है, जो इटरेटिव ऑप्टिमाइजेशन या प्लांट की स्थिरता संबंधी धारणाओं पर निर्भर नहीं करता है। यह विधि निम्नलिखित से स्वयं को अलग करती है:

LTI क्लोज्ड-लूप आइडेंटिफिकेशन: चक्रीय पुनर्गठन के माध्यम से आवधिक संरचना का लाभ उठाकर।
LPV आइडेंटिफिकेशन: बाहरी शेड्यूलिंग सिग्नल्स के बजाय समय-आवधिकता को संबोधित करके।
ओपन-लूप LPTV आइडेंटिफिकेशन: ओपन-लूप स्थिरता की पूर्व शर्त को हटाकर।
लिफ्टेड फ्रीक्वेंसी-डोमेन मेथड्स: नॉन-पैरामीट्रिक फ्रीक्वेंसी रिस्पॉन्स के बजाय परिमित-आयामी स्टेट-स्पेस मॉडल्स को लक्षित करके।

लेखक नोट करते हैं कि निष्कर्षण चरण की विश्वसनीयता इन्वर्स कंट्रोलर पाथ ( $C_u B$ ) की कंडीशनिंग द्वारा नियंत्रित होती है और यह विधि एक वर्गाकार, स्ट्रिक्टली प्रॉपर प्लांट और सापेक्ष डिग्री एक वाले कंट्रोलर को मानती है। भविष्य के कार्यों में नॉन-स्क्वायर प्लांट्स और नॉन-स्ट्रिक्टली-प्रॉपर मामलों को संबोधित करने का सुझाव दिया गया है।

1. समस्या: अस्थिर मशीन

2. ट्रिक: गति को "फ्रीज" करना

3. समाधान: "साझा ब्लूप्रिंट"

4. निष्कर्षण: बीजगणितीय सर्जरी (Algebraic Surgery)

5. परिणाम

इसी तरह के और पेपर