Scaled Graph Containment for Feedback Stability: Soft-Hard Equivalence and Conic Regions

1. Problema e Contesto

Il lavoro affronta le limitazioni attuali nell'analisi di stabilità per sistemi a retroazione (feedback), in particolare per sistemi MIMO lineari tempo-invarianti (LTI) e non lineari. Il metodo proposto si basa sui Grafici Scalati (Scaled Graphs - SG), una rappresentazione geometrica degli operatori nel piano complesso che codifica simultaneamente guadagno e fase.

Attualmente, l'analisi basata sugli SG soffre di due principali limitazioni:

1. Limitazione Geometrica: I metodi esistenti per la verifica del contenimento degli SG si basano su regioni moltiplicatrici statiche che descrivono solo forme circolari (dischi, complementi di dischi o semipiani). Molte specifiche pratiche, come zone di esclusione ellittiche, richiedono regioni coniche che non rientrano in questa classe.
2. Limitazione Computazionale: Esistono due varianti di SG:
   • Soft SG: Definiti su $L_2$, efficienti da calcolare tramite LMIs (Linear Matrix Inequalities) o campionamento in frequenza, ma la certificazione di stabilità richiede condizioni di separazione su infiniti insiemi scalati (costoso numericamente) o l'uso di un'ipotesi di omotopia.
   • Hard SG: Definiti su $L_{2e}$, catturano il comportamento a orizzonte finito e traiettorie illimitate. Offrono un test di separazione geometrica semplice, ma il loro calcolo diretto richiede un vincolo di semidefinitezza positiva ($P \succeq 0$) che diventa proibitivo per sistemi su larga scala.

L'obiettivo del paper è superare queste limitazioni permettendo il calcolo efficiente (tramite Soft SG) con certificazione rigorosa (Hard SG) e estendendo le forme geometriche delle regioni di contenimento.

2. Metodologia

Gli autori sviluppano un quadro teorico che unisce la teoria degli Integral Quadratic Constraints (IQC) con la geometria dei Grafici Scalati.

• Equivalenza Soft-Hard per Moltiplicatori Positivi-Negativi:
  Il contributo centrale è la dimostrazione che, per sistemi $L_2$-stabili, il contenimento di un Soft SG e di un Hard SG in una regione definita da un moltiplicatore è equivalente, a condizione che il moltiplicatore sia "positivo-negativo".
  Un moltiplicatore $\Pi$ è definito positivo-negativo se la sua partizione soddisfa $\Pi_{22} \succeq \varepsilon I$ e $\Pi_{11} \preceq -\varepsilon I$.
  Questa proprietà garantisce che il moltiplicatore ammetta una fattorizzazione J-spettrale ($\Pi = \Psi^\top J \Psi$) che è "doppia-hard". Di conseguenza, un Soft SG contenuto in una regione circolare implica automaticamente che anche l'Hard SG sia contenuto nella stessa regione.

• Estensione a Regioni Coniche:
  Gli autori estendono il framework dai dischi alle sezioni coniche generali (ellissi, parabole, iperboli).

  • Introducono una rappresentazione vettoriale aumentata $v(z) = [\text{Re}\{z\}, \text{Im}\{z\}, 1]^\top$ e una matrice simmetrica $3 \times 3$ $\Theta$ per definire regioni coniche $C(\Theta)$.
  • Derivano una condizione necessaria e sufficiente affinché una regione conica sia convessa iperbolicamente (h-convex), una proprietà geometrica essenziale per la validità del contenimento degli SG. La condizione è $\Theta_{11} \ge \Theta_{22}$.
  • Forniscono una condizione di certificazione nel dominio della frequenza per garantire che un SG sia contenuto in una regione conica h-convessa.

• Pipeline di Certificazione Ibrida:
  Il metodo proposto permette di:

  1. Calcolare le regioni di contenimento utilizzando le efficienti LMIs "soft" (senza il vincolo $P \succeq 0$).
  2. Utilizzare il teorema di equivalenza per certificare che anche l'Hard SG è contenuto nella stessa regione.
  3. Applicare il test di separazione geometrica statico (tipico degli Hard SG) per garantire la stabilità del sistema in retroazione, evitando il costoso calcolo diretto degli Hard SG e lo sweep di omotopia.

3. Contributi Chiave

1. Equivalenza Teorica: Dimostrazione che per moltiplicatori positivi-negativi, il contenimento Soft e Hard degli SG è equivalente. Questo permette di ottenere garanzie di stabilità "hard" (robuste) partendo da calcoli "soft" (efficienti).
2. Framework Conico: Generalizzazione delle regioni di contenimento da circolari a coniche, permettendo di adattare la regione di certificazione alla forma effettiva del grafico scalato (es. SG allungati), riducendo il conservatimismo.
3. Caratterizzazione della h-convessità: Identificazione esatta delle matrici $\Theta$ che generano regioni coniche h-convessi, requisito fondamentale per la validità del metodo.
4. Riduzione della Complessità Computazionale: Eliminazione del vincolo $P \succeq 0$ e della condizione di omotopia nel processo di certificazione, rendendo l'analisi fattibile per sistemi su larga scala.

4. Risultati Sperimentali

Gli autori hanno validato il metodo attraverso esperimenti numerici su sistemi LTI con dimensioni fino a 300 stati.

• Risparmio Computazionale:
  Confrontando la formulazione LMI "soft" (senza vincolo $P \succeq 0$) con quella "hard" (con vincolo $P \succeq 0$), si è osservato un risparmio di tempo di calcolo compreso tra il 15% e il 44%. Questo guadagno è significativo per sistemi di grandi dimensioni, dove i tempi di calcolo possono passare da minuti a ore.
• Vantaggio Geometrico (Coniche vs Circolari):
  Per sistemi con SG non simmetrici o allungati, l'uso di regioni coniche (es. ellissi) permette un adattamento molto più stretto rispetto ai cerchi.
  • Nel caso di esempio $H_1$, la regione ellissoidale ha ridotto l'area di copertura del 21% rispetto al disco minimo circoscritto.
  • Per $H_2$, la riduzione è stata del 9%.
  • Regioni più strette si traducono direttamente in margini di stabilità meno conservativi.
• Validazione della Stabilità:
  Gli esempi mostrano che la separazione stretta tra le regioni moltiplicatrici (calcolate via Soft SG) garantisce la stabilità $L_2$ del sistema in retroazione, confermando la teoria.

5. Significato e Implicazioni

Questo lavoro rappresenta un passo avanti significativo per l'analisi di stabilità basata sui Grafici Scalati, rendendola praticabile per applicazioni industriali su larga scala, come:

• Sistemi di Potenza: Dove la complessità e la scala rendono proibitivo il calcolo diretto degli Hard SG.
• Sistemi Multi-Agente in Rete: Che richiedono analisi distribuite o scalabili.

La capacità di bypassare i vincoli computazionali pesanti ($P \succeq 0$) mantenendo la robustezza delle certificazioni "hard", combinata con la flessibilità geometrica delle regioni coniche, offre un nuovo strumento potente per i progettisti di controllo. Il metodo riduce il conservatimismo delle analisi di stabilità e apre la strada all'uso di specifiche di esclusione più sofisticate (non circolari) in contesti reali.