Synthesis of Limit Cycles and Reference Tracking via Switching Affine Systems

Sintesi Tecnica: Sintesi dei Cicli Limite e Tracciamento del Riferimento tramite Sistemi Affini a Commutazione

Enunciato del Problema
Il comportamento periodico è onnipresente in ambiti che spaziano dalla biologia all'ingegneria, eppure l'analisi matematica degli oscillatori non lineari (ad esempio, Kuramoto, Van der Pol) rimane vincolata. La caratterizzazione dei cicli limite, in particolare per quanto riguarda l'unicità e la stabilità, è spesso fattibile solo in casi speciali. Le tecniche esistenti basate sui dati, come l'apprendimento automatico, possono approssimare le dinamiche periodiche ma tipicamente mancano delle proprietà strutturali necessarie per la verifica formale. Inoltre, gli approcci precedenti all'approssimazione dei cicli limite utilizzando sistemi affini a commutazione o a tratti (PAS) sono stati in gran parte confinati a contesti planari ($\mathbb{R}^2$) con partizioni semplici a due regioni, oppure non forniscono garanzie di stabilità globale in dimensioni superiori.

L'obiettivo principale di questo lavoro è duplice:

1. Sviluppare un metodo di sintesi che approssimi i cicli limite di equazioni differenziali ordinarie (ODE) non lineari utilizzando sistemi affini a commutazione in dimensioni arbitrarie ($\mathbb{R}^{n_x}$), garantendo che il ciclo limite risultante sia globalmente stabile.
2. Progettare un controllore di tracciamento del riferimento per tali sistemi che raggiunga una convergenza asintotica a una traiettoria periodica, anche quando il sistema di riferimento stesso manca di garanzie di stabilità globale.

Metodologia

Partizionamento dello Spazio di Stato e Sintesi delle Dinamiche
Il metodo proposto inizia con un insieme di punti campionati nello stato $\mathcal{F}$ raccolti lungo un ciclo limite stabile di un sistema non lineare. Lo spazio di stato è partizionato in un numero finito di politopi $P_i$. A differenza dei precedenti metodi planari, questo approccio gestisce dimensioni arbitrarie ($n_x = 2, 3, >3$) definendo un punto centrale comune $x_s$ e un insieme di piani di confine (o raggi in 2D) che si intersecano in $x_s$.

• Per $n_x=2$, vengono tracciate linee da $x_s$ attraverso punti campione selezionati per definire le regioni.
• Per $n_x \geq 3$, viene prima determinato un iperpiano per minimizzare la distanza rispetto ai punti campione, definendo una linea di intersezione $\Gamma$ passante per $x_s$. Le regioni sono poi formate da piani contenenti $\Gamma$ e specifici punti campione.

Le dinamiche all'interno di ciascuna regione $P_i$ sono modellate come $\dot{x} = A_i x + b_i + Bu(t)$. La sintesi è formulata come un problema di ottimizzazione numerica vincolata. L'obiettivo è minimizzare l'errore tra la traiettoria del modello e i punti dati campionati. Crucialmente, l'ottimizzazione impone la contrattività per garantire la stabilità globale:

1. Continuità: I campi vettoriali devono essere continui attraverso i confini di commutazione.
2. Funzione di Lyapunov Comune: Deve esistere una matrice definita positiva $Q$ tale che $A_i^T Q + Q A_i \prec 0$ per tutte le regioni. Ciò garantisce che il sistema sia contrattivo, assicurando che qualsiasi traiettoria converga a un ciclo limite unico con lo stesso periodo del segnale di ingresso $u(t)$.

Per gestire la non linearità dell'esponenziale di matrice nella funzione di costo, il metodo impiega approssimazioni in serie di Taylor e contromisure (come garantire tempi di transizione ridotti tra le regioni e limitare i valori singolari di $A_i$) per mantenere l'accuratezza senza eccessiva complessità computazionale.

Tracciamento del Riferimento
Per il problema di tracciamento, il documento affronta scenari in cui la traiettoria di riferimento periodica identificata potrebbe non essere globalmente stabile (ad esempio, se i vincoli di stabilità sono stati omessi durante l'identificazione per migliorare l'accuratezza dell'approssimazione). La legge di controllo è progettata come $u_c(t) = u_r(t) + K_i x_c(t) + w_i - (K_j x_r(t) + w_j)$.
Per raggiungere il tracciamento asintotico ($\lim_{t\to\infty} ||x_c(t) - x_r(t)|| = 0$), gli autori propongono uno schema di sintesi che utilizza funzioni di Lyapunov multiple anziché una singola funzione comune.

• Viene definita una funzione di Lyapunov quadratica a tratti $V_i$ per ciascuna regione contenente la traiettoria di riferimento.
• Vengono derivate condizioni di stabilità per garantire che la funzione di Lyapunov diminuisca strettamente all'interno delle regioni e rimanga limitata attraverso i confini di commutazione, a condizione che il tempo di permanenza in ciascuna regione superi una soglia minima $T_{min}$.
• Questo approccio rilassa il requisito di una matrice comune $Q$, permettendo risultati di convergenza meno conservativi rispetto ai metodi che si basano su una singola funzione di Lyapunov.

Contributi Chiave

1. Sintesi in Alta Dimensione: Il documento estende l'approssimazione dei cicli limite tramite sistemi affini a commutazione da partizioni planari a due regioni a spazi di stato di dimensioni superiori ($\mathbb{R}^{n_x}$) con partizioni generali.
2. Garanzia di Stabilità Globale: Sfruttando il principio di contrazione e imponendo una funzione di Lyapunov comune durante l'ottimizzazione di sintesi, il metodo garantisce che il ciclo limite generato sia globalmente stabile e unico.
3. Tracciamento del Riferimento con Funzioni di Lyapunov Multiple: Il lavoro introduce un controllore di tracciamento per sistemi affini a commutazione periodici che utilizza funzioni di Lyapunov multiple. Ciò è presentato come la prima applicazione di una tale tecnica al tracciamento di riferimenti periodici in questo contesto, offrendo un'alternativa meno conservativa agli approcci basati su una funzione di Lyapunov comune.
4. Regole Costruttive di Partizionamento: Il documento fornisce regole geometriche specifiche per il partizionamento degli spazi di stato in 2D, 3D e dimensioni superiori basate su dati campionati, garantendo che i politopi risultanti siano compatibili con i vincoli di sintesi.

Risultati
L'efficacia dei metodi proposti è dimostrata attraverso esempi numerici:

• Approssimazione 2D e 3D: Il metodo di sintesi ha ricostruito con successo i cicli limite dai dati campionati sia negli spazi 2D che 3D. Le simulazioni hanno mostrato che le traiettorie partenti da varie condizioni iniziali (sia all'interno che all'esterno del ciclo limite) convergono al ciclo limite unico e globalmente stabile. L'aumento dell'ordine dell'approssimazione di Taylor per l'esponenziale di matrice ha ridotto significativamente l'errore di approssimazione.
• Tracciamento del Riferimento: Un esempio numerico in 2D ha dimostrato la capacità del controllore di tracciamento di seguire asintoticamente una traiettoria di riferimento periodica. Il sistema di riferimento è stato costruito esplicitamente per mancare di garanzie di stabilità globale (violando la condizione di Lyapunov comune), eppure il sistema controllato ha tracciato con successo il riferimento partendo da uno stato iniziale distante, con l'errore di tracciamento che converge a zero.

Significato e Affermazioni
Gli autori affermano che questo lavoro affronta un vuoto critico nell'indagine sistematica dei fenomeni oscillatori, in particolare in applicazioni come i ritmi circadiani biologici dove la comprensione della stabilità e della sincronizzazione è indispensabile. Fornendo una classe di modelli trattabile (sistemi affini a commutazione) che preserva le proprietà dinamiche essenziali (stabilità, unicità) consentendo al contempo una verifica rigorosa, il metodo facilita l'analisi di oscillatori non lineari complessi.

Il documento nota modestamente che, sebbene il problema di ottimizzazione sia non convesso e le soluzioni globali non siano garantite a priori, qualsiasi soluzione ammissibile produce una traiettoria convergente. Inoltre, gli autori riconoscono che il requisito di una funzione di Lyapunov comune può essere restrittivo per l'accuratezza dell'approssimazione; pertanto, propongono una strategia in due fasi: identificare il modello senza vincoli di stabilità rigorosi per massimizzare l'adattamento ai dati, e quindi sintetizzare un controllore di tracciamento utilizzando l'approccio a funzioni di Lyapunov multiple per garantire la convergenza. Il lavoro futuro è identificato come l'esplorazione di schemi di partizionamento senza un punto centrale comune e l'accoppiamento di più oscillatori.