⚡ electrical engineering

Tracking Through Decoupling Singularities: A Singularity-Robust Homotopy-Continuation Extension of Feedback Linearization

यह शोधपत्र वर्गाकार गैररेखीय प्रणालियों (square nonlinear systems) के लिए एक विलक्षणता-रोधी (singularity-robust) प्रक्षेपवक्र-अनुगमन नियंत्रक प्रस्तावित करता है जो समस्या को वास्तविक समय आर्क-लेंथ होमोटोपी निरंतरता (real-time arc-length homotopy continuation) के रूप में पुनर्गठित करके डिकपलिंग विलक्षणताओं पर विजय प्राप्त करता है, जिससे उन बिंदुओं के माध्यम से भी सीमित नियंत्रण और निरंतर अनुगमन सक्षम होता है जहाँ पारंपरिक फीडबैक लीनियराइजेशन विफल हो जाता है।

मूल लेखक: Alex Borisevich

प्रकाशित 2026-07-14

📖 8 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Alex Borisevich

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 एक हाई-टेक रोबोट कार चला रहे हैं जिसे एक घुमावदार सड़क का बिल्कुल सटीक रूप से अनुसरण करने की आवश्यकता है। आमतौर पर, कार का कंप्यूटर एक बहुत ही स्मार्ट मैप (जिसे फीडबैक लीनियराइजेशन कहा जाता है) का उपयोग यह गणना करने के लिए करता है कि पहियों को कितना मोड़ना है ताकि वह पथ पर बना रहे। यह एक जीपीएस की तरह है जो कहता है, "अभी बाएं 30 डिग्री मुड़ें," और कार इसे पूरी तरह से करती है।

लेकिन कभी-कभी, सड़क एक अजीब जगह पर पहुँच जाती है—एक सिंगुलैरिटी (singularity)। शायद यह एक तीखा हेयरपिन टर्न है जहाँ मैप कहता है, "इस रेखा का पालन करने के लिए, आपको अपने पहियों को अनंत गति से घुमाना होगा!" या "सड़क एक पल के लिए गायब हो जाती है!" वास्तविक दुनिया में, आपकी कार अपने पहियों को अनंत गति से नहीं घुमा सकती; वह बस टूट जाएगी, रुक जाएगी, या सड़क से उड़ जाएगी। दशकों तक, जब रोबोट इन जगहों पर पहुँचते थे, तो वे या तो क्रैश हो जाते थे, रुक जाते थे, या उन्हें पूरी तरह से अलग, अनाड़ी बैकअप योजना पर स्विच करना पड़ता था।

यह शोध पत्र इन "असंभव" स्थानों से टकराने, क्रैश होने, या योजना बदलने, या पहियों को अनियंत्रित होने के बिना गुजरने का एक नया तरीका पेश करता है। लेखक इसे सिंगुलैरिटी-रोबस्ट होमोटोपी-कंटिन्यूएशन एक्सटेंशन (Singularity-Robust Homotopy-Continuation Extension) कहते हैं। यह बोलने में काफी कठिन नाम है, तो आइए इसे एक कहानी से समझते हैं।

समस्या: अनंत मोड़ (The Infinite Turn)

रोबोट के मैप को एक गणितीय समीकरण मानिए। जब रोबोट एक सिंगुलैरिटी से टकराता है, तो समीकरण शून्य (zero) से भाग देने की कोशिश करता है। गणित में, यह एक आपदा है। रोबोट में, इसका मतलब है कि पहियों को मोड़ने का कमांड इतना बड़ा हो जाता है कि वह लगभग अनंत (infinity) हो जाता है। शोध पत्र दिखाता है कि यदि आप इन स्थानों के पास पुराने "परफेक्ट मैप" वाले तरीके का उपयोग करने की कोशिश करते हैं, तो कंट्रोल सिग्नल विस्फोट कर देता है।

समाधान: "डिटूर" (मार्ग परिवर्तन) का तरीका

लेखकों का बड़ा विचार सीधे असंभव समीकरण को हल करने की कोशिश करना बंद करना है। इसके बजाय, वे समस्या में एक गुप्त अतिरिक्त आयाम (extra dimension) जोड़ देते हैं।

कल्पना कीजिए कि आप एक दीवार के माध्यम से चलने की कोशिश कर रहे हैं। आप उसके आर-पार नहीं जा सकते, और आप उसके चारों ओर भी आसानी से नहीं जा सकते। लेकिन क्या होगा यदि आप अस्थायी रूप से एक समानांतर ब्रह्मांड में कदम रख सकें जहाँ वह दीवार मौजूद नहीं है, उस स्थान से आगे निकल सकें जहाँ दीवार थी, और फिर वापस अपनी दुनिया में आ सकें?

यह विधि यही करती है। यह रोबोट की वर्तमान स्थिति और लक्ष्य गंतव्य को लेती है और इसमें एक "होमोटोपी दिशा" (इसे मैजिक डिटूर वेक्टर कहें) जोड़ देती है।

अगमेंटेड मैप (Augmented Map): केवल सड़क को देखने के बजाय, कंप्यूटर एक बड़ा, 3D मैप बनाता है जिसमें यह मैजिक डिटूर शामिल होता है।
लीस्ट-नॉर्म सॉल्यूशन (Least-Norm Solution): जब रोबोट "अनंत मोड़" वाली जगह पर पहुँचता है, तो कंप्यूटर उस असंभव मोड़ को जबरदस्ती करने की कोशिश नहीं करता। इसके बजाय, वह पूछता है: "सबसे छोटा, सबसे तर्कसंगत कदम क्या है जो हम उठा सकते हैं जो हमें ट्रैक पर रखे?" यह एक गणितीय उपकरण का उपयोग करता है जिसे मूर-पेनरोज समाधान (Moore–Penrose solution) कहा जाता है (इसे एक टूटे हुए पहेली को हल करने का "सबसे विनम्र" तरीका समझें) ताकि एक ऐसा पथ खोजा जा सके जो सीमित (bounded) रहे।
परिणाम: रोबोट एक बाउंडेड (सुरक्षित, सीमित) कंट्रोल सिग्नल के साथ सिंगुलैरिटी से होकर गुजरता है। यह अनंत नहीं होता; यह बस एक छोटा, सुचारू मार्ग परिवर्तन (detour) लेता है और तुरंत वापस सड़क पर आ जाता है।

पार करने के दो तरीके: रिफ्लेक्शन बनाम ब्रांच क्रॉसिंग

यहाँ मामला वास्तव में दिलचस्प हो जाता है। जब रोबोट सड़क में एक "फोल्ड" (मोड़) से टकराता है (एक ऐसी जगह जहाँ रास्ता खुद पर वापस मुड़ जाता है, जैसे यू-टर्न), तो विधि को एक चुनाव करना होता है। शोध पत्र सिद्ध करता है कि इसे संभालने के ठीक दो तरीके हैं, और चुनाव इस बात पर निर्भर करता है कि आप "डिटूर" की दिशा कैसे सेट करते हैं:

रिफ्लेक्शन (The Bounce - उछाल): यदि आगे का रास्ता अवरुद्ध है (जैसे डेड एंड), तो रोबोट सिंगुलैरिटी से टकराता है, कुछ समय के लिए किनारे के साथ फिसलता है, और फिर उसी रास्ते से वापस आता है। यह एक गेंद की तरह है जो दीवार से टकराती है और वापस लुढ़क जाती है। शोध पत्र दिखाता है कि यह एक स्थिर, सुरक्षित व्यवहार है जहाँ रोबोट उसी "ब्रांच" पर बना रहता है।
क्रॉसिंग (The Flip - फ्लिप): यदि सड़क दूसरी ओर जारी रहती है (जैसे खाई के ऊपर बना पुल), तो रोबोट फोल्ड के दूसरी ओर जाने का विकल्प चुन सकता है। वह सिंगुलैरिटी को पार करता है और पूरी तरह से अलग पथ पर आगे बढ़ता है। शोध पत्र दिखाता है कि यह संभव है, लेकिन इसके लिए एक बहुत ही विशिष्ट सेटअप की आवश्यकता होती। यदि आप तब क्रॉस करने की कोशिश करते हैं जब आपको नहीं करना चाहिए, तो रोबोट एक पल के लिए "अनलॉक्ड" हो सकता है और पथ से अपना नियंत्रण खो सकता है।

लेखकों ने सिमुलेशन चलाकर सिद्ध किया कि यह काम करता है। उन्होंने इसका परीक्षण किया:

एक 2-DOF रोबोटिक आर्म (दो जोड़ों वाला एक सरल रोबोट) पर। जब हाथ अपनी अधिकतम पहुंच (एक सिंगुलैरिटी) तक खिंच गया, तो पुराने तरीके ने जोड़ों को 22 मिलियन रेडियन प्रति सेकंड की गति से घुमाने की मांग की (जो असंभव है)। नए तरीके ने गति को 3 रेडियन प्रति सेकंड से नीचे रखा और सुचारू रूप से उछलकर वापस आया या पार कर गया, जो भी सेटिंग्स थीं।
एक पावर कनवर्टर (एक उपकरण जो बिजली का वोल्टेज बदलता है) पर। इस उपकरण में दो प्रकार के "असंभव" स्थान हैं: एक जहाँ यह मोड बदलता है (बक/बूस्ट) और दूसरा जहाँ यह रेजोनेंस (अनुनाद) पर पहुँचता है। नए कंट्रोलर ने दोनों को संभाला, कंट्रोल सिग्नल को सीमित रखा जबकि पुराने तरीके ने ऐसे सिग्नल मांगे जो 100,000 गुना बड़े थे।

यह क्या नहीं करता (नियम)

यह जानना महत्वपूर्ण है कि यह शोध पत्र क्या दावा नहीं करता है।

यह टूटे हुए रोबोट को ठीक नहीं करता: यदि रोबोट की आंतरिक गतिशीलता अस्थिर है (जैसे एक कार जिसका इंजन खराब है और चलाने पर आग लग सकती है), तो यह विधि उसे बचा नहीं पाएगी। शोध पत्र स्पष्ट रूप से कहता है कि इसके काम करने के लिए सिस्टम का "मिनिमम फेज" (अंदर से स्थिर) होना आवश्यक है।
यह नई शक्तियाँ पैदा नहीं करता: यह रोबोट को मजबूत या तेज़ नहीं बनाता है। यह केवल इसे तब क्रैश होने से रोकता है जब गणित अजीब हो जाता है।
यह हर चीज़ के लिए जादू की छड़ी नहीं है: शोध पत्र सिद्ध करता है कि यह "स्क्वायर" सिस्टम (जहाँ नियंत्रण की संख्या आउटपुट के बराबर होती है) के लिए और उन सिस्टम के लिए काम करता है जिनका एक विशिष्ट "रिलेटिव डिग्री" (कितने चरणों में नियंत्रण का आउटपुट पर प्रभाव पड़ता है) है। यह ब्रह्मांड के हर प्रकार के रोबोट समस्या को हल करने का दावा नहीं करता है।

वे कितने आश्वस्त हैं?

लेखक गणित में बहुत आश्वस्त हैं। उन्होंने सिद्ध (proved) किया है कि:

कंट्रोल सिग्नल कभी अनंत नहीं जाएगा (यह सीमित रहेगा)।
रोबोट पथ का बहुत कम त्रुटि के साथ अनुसरण करेगा (जो $1/k$ के समानुपाती है, जहाँ $k$ एक गेन है जिसे आप सेट करते हैं)।
सिंगुलैरिटी को पार करने के बाद, रोबोट पथ पर फिर से "लॉक" हो जाएगा और पूरी तरह से अनुसरण करेगा।

उन्होंने कंप्यूटर पर इन परिणामों का सिमुलेशन (simulated) भी किया। सिमुलेशन में, नया तरीका बिल्कुल वैसा ही काम करता है जैसा गणित ने भविष्यवाणी की थी। पुराना तरीका बुरी तरह विफल रहा (अनंत या विशाल कंट्रोल सिग्नल की मांग करते हुए), जबकि नया तरीका शांत और सीमित रहा।

मुख्य निष्कर्ष (The Bottom Line)

यह शोध पत्र एक ऐसे रोबलेट के लिए एक नया स्टीयरिंग सिस्टम बनाने जैसा है जो जानता है कि गणित के "डेड एंड" को कैसे संभालना है। मैप के टूटने पर क्रैश होने के बजाय, रोबोट एक छोटा, गणना किया गया मार्ग परिवर्तन (detour) लेता है, असंभव स्थान से सुचारू रूप से गुजरता है, और वापस सड़क पर आ जाता है। यह एक मजबूत, सुरक्षित तरीका है जो रोबोट को चलते रहने में मदद करता है, भले ही गणित कहे कि उन्हें रुक जाना चाहिए। लेखक सुझाव देते हैं कि हालांकि यह हर समस्या को ठीक नहीं करता है, लेकिन यह उन विशिष्ट, परेशान करने वाले क्रैश को हल करता है जो लंबे समय से इंजीनियरों को परेशान कर रहे हैं।

तकनीकी सारांश: होमोटोपी निरंतरता (Homotopy Continuation) के माध्यम से डिकपलिंग सिंगुलैरिटीज़ (Decoupling Singularities) के माध्यम से ट्रैकिंग

1. समस्या विवरण

इनपुट-आउटपुट फीडबैक लीनियराइजेशन एक सुपरिभाषित रिलेटिव डिग्री वाले नॉनलीनियर सिस्टम्स के लिए ट्रैकिंग कंट्रोल की एक मानक तकनीक है। हालाँकि, यह विधि डिकपलिंग सिंगुलैरिटीज़ (decoupling singularities) पर विफल हो जाती है, जिन्हें उस स्थान के रूप में परिभाषित किया गया है जहाँ डिकपलिंग मैट्रिक्स $\Lambda(x)$ अपनी रैंक खो देता है (अर्थात, $\det \Lambda(x) = 0$ )। इन बिंदुओं पर, रिलेटिव डिग्री लुप्त हो जाती है, लीनियराइजिंग कंट्रोल लॉ $u = \Lambda^{-1}(v - a)$ अनबाउंड (unbounded) हो जाता है, और ट्रैजेक्टरी ट्रैकिंग आमतौर पर स्विचिंग रणनीतियों या सन्निकटन (approximations) के बिना असंभव हो जाती है।

मौजूदा दृष्टिकोण, जैसे कि डैम्प्ड लीस्ट स्क्वेयर्स (DLS), सिंगुलैरिटी के पास ट्रैकिंग सटीकता और बाउंडेडनेस के बीच समझौता करते हैं लेकिन रेगुलर क्षेत्रों में त्रुटियाँ उत्पन्न करते हैं और इस बात का कोई कठोर मानदंड नहीं देते कि क्या किसी विशिष्ट सिंगुलैरिटी को पार किया जा सकता है। अन्य विधियाँ पूर्व-नियोजित ट्रैजेक्टरीज या विशिष्ट मैकेनिकल सिस्टम्स (जैसे, टाइप-2 पैरेलल मैकेनिज्म) के लिए डायनेमिक रिसिप्रोसिटी स्थितियों पर निर्भर करती हैं, लेकिन वे किसी भी मनमाने स्क्वायर कंट्रोल-एफाइन सिस्टम्स के लिए एक सामान्य, एकीकृत ढांचा प्रदान नहीं करती हैं।

यह शोध पत्र सीमित नियंत्रण प्रयास (bounded control effort) के साथ, आइसोलेटेड डिकपलिंग सिंगुलैरिटीज़ के माध्यम से एक संदर्भ ट्रैजेक्टरी को ट्रैक करने की समस्या को संबोधित करता है, जिसमें केस एनालिसिस या विभिन्न कंट्रोल लॉ के बीच स्विच करने की आवश्यकता नहीं होती है।

2. कार्यप्रणाली

प्रस्तावित विधि ट्रैजेक्टरी ट्रैकिंग समस्या को एक रियल-टाइम आर्क-लेंथ होमोटोपी निरंतरता (real-time arc-length homotopy continuation) के रूप में पुनर्गठित करती है। डिकपलिंग मैट्रिक्स $\Lambda(x)$ को सीधे इनवर्ट करने के बजाय, कंट्रोलर ट्रैकिंग समस्या को एक एक-पैरामीटर परिवार के समीकरणों में समाहित करता है और स्टेट वेलोसिटी (state velocity) तथा एक होमोटोपी पैरामीटर के लिए एक साथ समाधान निकालता है।

मुख्य तंत्र

ऑगमेंटेड जैकोबियन (Augmented Jacobian): विधि सिंगुलर डिकपलिंग मैट्रिक्स $\Lambda(x)$ को एक ऑगमेंटेड मैट्रिक्स $A = [\Lambda(x) \mid b]$ से बदल देती है, जहाँ $b$ एक होमोटोपी दिशा वेक्टर है जिसे $b(t) = h(x_0) - y^*(t)$ (एंकर स्टेट और रेफरेंस के बीच का अंतर) के रूप में परिभाषित किया गया है।
लीस्ट-नॉर्म सॉल्यूशन (Least-Norm Solution): कंट्रोल इनपुट $u$ और होमोटोपी पैरामीटर की दर $\dot{\mu}$ को लीनियर सिस्टम के लीस्ट-नॉर्म (मूर-पेनरोज़) सॉल्यूशन के रूप में परिकलित किया जाता है:
$A \begin{bmatrix} u \\ \dot{\mu} \end{bmatrix} = -B$
जहाँ $B$ ड्रिफ्ट और रेफरेंस ट्रैकिंग एरर टर्म्स को दर्शाता है।
ट्रांसवर्सलिटी कंडीशन (Transversality Condition): विधि एक ट्रांसवर्सलिटी कंडीशन पर निर्भर करती है: $w^T b \neq 0$ , जहाँ $w$ $\Lambda(x)$ के लेफ्ट नल स्पेस का एक वेक्टर है। यह स्थिति सुनिश्चित करती है कि होमोटोपी दिशा $b$ का अनकंट्रोलेबल मोड के साथ एक गैर-शून्य घटक है, जिससे ऑगमेंटेड मैट्रिक्स $A$ पूर्ण पंक्ति रैंक (full row rank) बनाए रखने में सक्षम होता है, भले ही $\Lambda(x)$ अपनी रैंक एक से कम कर दे।
ओरिएंटेशन और व्यवहार: कंट्रोलर में एक स्केलर गेन $k$ $k$ और एक लॉकिंग एरर $e = t - \mu$ $e = t - μ$ शामिल है। एक सिंगुलैरिटी (विशेष रूप से व्हिटनी फोल्ड - Whitney fold) पर व्यवहार, मैट्रिक्स $A$ $A$ के कर्नेल वेक्टर $\hat{n}$ $\overset{n}{^}$ के ओरिएंटेशन द्वारा निर्धारित होता है:
- रिफ्लेक्शन (Reflection, $\rho \geq 0$ ): कंट्रोलर होमोटोपी पैरामीटर को मोनोटोनिक रखता है। एक फोल्ड पर, स्टेट सिंगुलर सेट के साथ "स्लाइड" करता है और आने वाली ब्रांच की ओर वापस रिफ्लेक्ट होता है। यह डिफॉल्ट, स्थिर व्यवहार है।
- क्रॉसिंग (Crossing/Continuity): कंट्रोलर सॉल्यूशन कर्व के निरंतर टेंगेंट डायरेक्शन को बनाए रखता है। यह स्टेट को विपरीत ब्रांच की ओर जाने (सिंगुलैरिटी को पार करने) की अनुमति देता है, हालांकि इसके परिणामस्वरूप बड़े ट्रांजिएंट्स और पैरामीटर लॉकिंग का अस्थायी नुकसान हो सकता है।

विस्तार

डायनेमिक सिस्टम्स: डायनेमिक कंट्रोल-एफाइन सिस्टम्स के लिए, यह विधि सीधे डिकपलिंग मैट्रिक्स $\Lambda(x) = Dh(x)g(x)$ पर लागू होती है। यदि सिस्टम मिनिमम फेज (minimum phase) है (आंतरिक ज़ीरो डायनेमिक्स स्थिर हैं), तो पूर्ण स्टेट की बाउंडेडनेस सुनिश्चित होती है।
अनिश्चित रिलेटिव डिग्री: $r > 1$ की रिलेटिव डिग्री वाले सिस्टम्स के लिए, विधि एक फिल्टर्ड-एरर रिडक्शन का उपयोग करती है। एक फिल्टर्ड ट्रैकिंग एरर $\sigma$ को इस प्रकार परिभाषित किया जाता है कि सिस्टम रिलेटिव डिग्री एक जैसा प्रतीत हो, जिससे समान ऑगमेंटेशन रणनीति को लागू किया जा सके।

3. प्रमुख योगदान

यह शोध पत्र पाँच प्राथमिक सैद्धांतिक और व्यावहारिक योगदान देता है:

कर्नेल स्ट्रक्चर लेम्मा (Kernel Structure Lemma): यह एक कठोर लक्षण वर्णन है कि कब ऑगमेंटेशन रैंक ड्रॉप को ठीक करता है। यह सिद्ध करता है कि यदि ट्रांसवर्सलिटी कंडीशन संतुष्ट होती है, तो ऑगमेंटेड मैट्रिक्स $A$ पूर्ण रैंक बना रहता है, लेकिन "फीडबैक अथॉरिटी" (होमोटोपी पैरामीटर के अनुरूप कर्नेल वेक्टर का घटक) ठीक सिंगुलैरिटी पर शून्य हो जाता है।
बाउंडेड क्रॉसिंग थ्योरम (Bounded Crossing Theorem): यह सिद्ध करता है कि ट्रांसवर्सलिटी कंडीशन के तहत, कंट्रोलर बाउंडेड कंट्रोल इनपुट्स उत्पन्न करता है, क्रॉसिंग के दौरान ट्रैकिंग एरर बाउंडेड रहता है (एक ट्रांजिएंट एक्सकर्शन के साथ जो सिंगुलैरिटी के पास बिताए गए समय के समानुपाती है), और सिस्टम क्रॉसिंग के बाद तेजी से (exponentially) रेफरेंस के साथ री-लॉक हो जाता है।
रिफ्लेक्शन बनाम क्रॉसिंग द्वैत (Reflection vs. Crossing Dichotomy): जेनेरिक फोल्ड्स पर व्यवहार का समाधान। पेपर सिद्ध करता है कि कर्नेल ओरिएंटेशन का चुनाव यह तय करता है कि सिस्टम रिफ्लेक्ट करेगा (स्लाइड और वापस लौटेगा) या क्रॉस करेगा (दूसरी ब्रांच पर जाएगा)। रिफ्लेक्शन केस को एक फिलिपोव स्लाइडिंग मोड (Filippov sliding mode) के रूप में दिखाया गया है, जबकि क्रॉसिंग फोल्ड कवर के $Z/2$ मोनोड्रोमी को पार करने के अनुरूप है।
उच्च रिलेटिव डिग्री के लिए सामान्यीकरण: फिल्टर्ड-एरर रिडक्शन के माध्यम से उच्च रिलेटिव डिग्री वाले सिस्टम्स तक विस्तार, जो यह सिद्ध करता है कि बाउंडेडनेस और री-लॉकिंग गुण इन सिस्टम्स के लिए भी मान्य हैं।
फीडबैक लीनियराइजेशन के साथ निरंतरता: एक प्रमाण कि रेगुलर क्षेत्रों से दूर, कंट्रोलर $O(1/k)$ एरर टर्म तक सटीक इनपुट-आउटपुट फीडबैक लीनियराइजेशन के समान है, जिससे कोई सटीकता दंड (accuracy penalty) नहीं मिलता है।

4. सिमुलेशन परिणाम और सत्यापन

सिद्धांत को चार अलग-अलग सिस्टम्स पर संख्यात्मक सिमुलेशन के माध्यम से सत्यापित किया गया है:

स्केलर क्यूबिक सिस्टम: एक क्यूबिक आउटपुट मैप वाला सरल 1-DOF सिस्टम। कंट्रोलर सफलतापूर्वक दो डिकपलिंग सिंगुलैरिटीज़ के माध्यम से एक रेफरेंस को ट्रैक करता है, जहाँ नेइव इनवर्स (naive inverse) $10^4$ के क्रमों तक डाइवर्ज (diverge) हो जाता है।
2-DOF प्लेनर रोबोटिक आर्म: कंट्रोलर एक सर्कुलर ट्रैजेक्टरी को ट्रैक करता है जो आर्म को पूर्ण विस्तार (एक किनेमैटिक सिंगुलैरिटी) तक ले जाती है।
- रिफ्लेक्शन ओरिएंटेशन के साथ, आर्म सिंगुलैरिटी तक पहुँचती है, सीमा के साथ स्लाइड करती है, और वापस लौटती है, जहाँ जॉइंट वेलोसिटी बाउंडेड रहती है ( $<3$ rad/s), जबकि नेइव रिजॉल्व्ड-रेट डिमांड ( $\sim 10^7$ rad/s) अत्यधिक होती है।
- क्रॉसिंग ओरिएंटेशन के साथ, आर्म अपने एल्बो कॉन्फ़िगरेशन को सफलतापूर्वक बदल लेती है ( $q_2$ पॉजिटिव से नेगेटिव), जो वर्किंग मोड्स बदलने की क्षमता को प्रदर्शित करती है, हालांकि इसमें बड़े ट्रांजिएंट्स होते हैं।
डायनेमिक रिलेटिव-डिग्री-वन और टू प्लांट्स: डायनेमिक सिस्टम्स पर सिमुलेशन पुष्टि करते हैं कि विधि आंतरिक अवस्थाओं (इंटरनल स्टेट्स) को बाउंडेड रखते हुए (मिनिमम-फेज धारणा के कारण) कंट्रोल सिंगुलैरिटीज़ को संभालती है। कंट्रोलर बाउंडेड प्रयास के साथ सिंगुलैरिटी से गुजरता है, जबकि फीडबैक लीनियराइजेशन डाइवर्ज हो जाता है।
डुअल-एक्टिव-ब्रिज (DAB) सीरीज़ रेजोनेंट कनवर्टर: पावर इलेक्ट्रॉनिक्स में एक अनुप्रयोग जहाँ स्टेडी-स्टेट विशेषता को आउटपुट मैप के रूप में माना जाता है। कंट्रोलर दो अलग-अलग सिंगुलैरिटीज़ को संभालता है:
- बक/बूस्ट फोल्ड (Buck/Boost Fold): एक ट्रांसवर्सल क्रॉसिंग जहाँ मॉड्यूलेशन पैरामीटर एक मोड ट्रांज़िशन से गुजरता है।
- रेजोनेंस सिंगुलैरिटी: रेजोनेंट फ्रीक्वेंसी पर एक रिफ्लेक्शन जहाँ पावर गेन अधिकतम होता है। कंट्रोलर स्वाभाविक रूप से रेजोनेंस पीक पर रिफ्लेक्ट होता है, जिससे ज़ीरो-वोल्टेज स्विचिंग (ZVS) सुरक्षित रहती है और नेइव इनवर्जन द्वारा आवश्यक अनबाउंड फ्रीक्वेंसी कमांड्स से बचा जा जाता है।

5. महत्व और दावे

पेपर दावा करता है कि यह फीडबैक लीनियराइजेशन का एक सिंगुलैरिटी-रोबस्ट विस्तार प्रदान करता है। इसका महत्व निम्नलिखित है:

एकीकृत ढांचा: यह एक एकल फॉर्मूला प्रदान करता है जो नियमित ट्रैकिंग और सिंगुलैरिटी के माध्यम से ट्रैकिंग दोनों के लिए काम करता है, जिससे स्विचिंग लॉजिक या केस-दर-केस विश्लेषण की आवश्यकता समाप्त हो जाती है।
सटीकता हानि के बिना बाउंडेडनेस: डैम्प्ड लीस्ट स्क्वेयर्स के विपरीत, जो बाउंडेडनेस के लिए सटीकता का त्याग करता है, यह विधि रेगुलर क्षेत्रों में सटीक है ( $O(1/k)$ तक) और सिंगुलैरिटी पर केवल बाउंडेड ट्रांजिएंट्स पेश करती है।
ज्यामितीय अंतर्दृष्टि: यह उन ज्यामितीय स्थितियों (ट्रांसवर्सलिटी) को स्पष्ट करता जो सिंगुलैरिटी को पार करने के लिए आवश्यक हैं और समाधान ब्रांच बदलने या पैरामीटर लॉकिंग बनाए रखने के बीच के ट्रेड-ऑफ को स्पष्ट रूप से परिभाषित करता है।
व्यावहारिक प्रयोज्यता: विधि को सरल किनेमैटिक मॉडल से लेकर जटिल पावर इलेक्ट्रॉनिक कनवर्टर तक विविध सिस्टम्स पर प्रदर्शित किया गया है, जो यह दिखाता है कि यह भौतिक बाधाओं या ओरिएंटेशन चॉइस के आधार पर "क्रॉसिंग" और "रिफ्लेक्शन" दोनों परिदृश्यों को संभाल सकती है।

लेखक विनम्रतापूर्वक नोट करते हैं कि यह विधि संरचनात्मक गुणों के मामले में रेगुलेबल सिस्टम्स के वर्ग को बढ़ाती नहीं है (इसके लिए अभी भी एक सुपरिभाषित रिलेटिव डिग्री और मिनिमम-फेज ज़ीरो डायनेमिक्स की आवश्यकता होती है)। इसके बजाय, यह किसी दिए गए सिस्टम के अनुमत ऑपरेटिंग एनवेलप (admissible operating envelope) को बढ़ाती है, जिससे इसे उन ट्रैजेक्टरीज को पार करने की अनुमति मिलती है जो अन्यथा कंट्रोल डाइवर्जेंस का कारण बनतीं। पेपर निष्कर्ष निकालता है कि हालांकि यह वहां कंट्रोलेबिलिटी पैदा नहीं कर सकता जहां वह मौजूद नहीं है, यह हटाने योग्य (removable) सिंगुलैरिटीज़ के लिए एक सुचारू, बाउंडेड फेल्योर मोड प्रदान करता है।