Observer Design for a Class of Systems Described by Differential-Algebraic Equations and Parameter Identification of an Unmeasured Disturbance

Sintesi Tecnica: Osservatore e Identificazione dei Parametri per Sistemi Descrittori con Disturbi Non Misurati

Definizione del Problema
Questo articolo affronta la sfida della stima dello stato e dell'identificazione dei parametri per una classe di sistemi descrittori lineari tempo-invarianti (noti anche come equazioni differenziali-algebriche) soggetti a disturbi non accoppiati (unmatched) sconosciuti. In molte applicazioni pratiche — che spaziano dai circuiti elettrici ai processi chimici — i sistemi sono governati sia da equazioni differenziali dinamiche che da vincoli algebrici statici. Una difficoltà significativa sorge quando solo un sottoinsieme delle variabili di stato è misurabile e il sistema è influenzato da disturbi esterni che non sono direttamente misurabili e che non entrano nel sistema attraverso lo stesso canale dell'ingresso di controllo (non accoppiati). L'obiettivo primario è costruire un osservatore che stimi le componenti dinamiche del vettore di stato e che successivamente ricostruisca il segnale di disturbo per identificare i suoi parametri costanti sconosciuti.

Metodologia
La soluzione proposta segue un approccio strutturato in più fasi basato su specifiche assunzioni strutturali:

1. Riduzione del Sistema: Gli autori assumono che la matrice singolare $E$ abbia una specifica struttura a blocchi, permettendo al sistema di essere decomposto in componenti dinamiche ($x_a$) e algebriche ($x_b$). Sotto l'assunzione che il sottosistema algebrico sia risolvibile rispetto a $x_b$, gli autori derivano un'espressione esplicita per $x_b$ in termini di $x_a$, l'ingresso noto $u$ e il disturbo $\delta$. Sostituendo questa espressione nelle equazioni dinamiche, si ottiene un'equazione differenziale ordinaria (ODE) a ordine ridotto per $x_a$.

2. Eliminazione del Disturbo e Progettazione dell'Osservatore: Viene introdotta un'ipotesi strutturale critica: l'equazione di uscita ridotta non deve avere un canale di feedthrough diretto per il disturbo (ovvero $C_2 A_{22}^{-1} B_{22} = 0$). Ciò consente all'equazione di uscita di dipendere solo da $x_a$ e $u$. Differenziando l'uscita e utilizzando la condizione che il canale del disturbo nell'equazione di stato sia non nullo ($C_3 B_{2a} \neq 0$), il disturbo $\delta(t)$ viene espresso esplicitamente in termini di stato, ingresso e derivate dell'uscita. Sostituendo questa espressione nell'equazione di stato, si elimina il termine di disturbo, ottenendo un'ODE priva di disturbo per $x_a$. Viene quindi costruito un osservatore a ingresso sconosciuto (unknown-input observer) per questo sistema ridotto. Per evitare la difficoltà pratica di differenziare segnali rumorosi, l'osservatore viene riformulato utilizzando una trasformazione di coordinate che elimina la necessità di derivate dirette dell'uscita, e vengono impiegati filtri del primo ordine stabili per stimare le derivate necessarie dei segnali di uscita e di ingresso.

3. Ricostruzione del Disturbo e Identificazione dei Parametri: Una volta ottenuto lo stimatore dello stato $\hat{x}_a$, il segnale di disturbo $\hat{\delta}$ viene ricostruito. L'articolo si concentra su una classe specifica di disturbi che dipendono in modo non lineare da parametri costanti sconosciuti, ma che possono essere parametrizzati utilizzando funzioni tempo-varianti note e ritardi temporali. Per identificare questi parametri, gli autori propongono un nuovo metodo di parametrizzazione. Introducendo molteplici ritardi temporali al segnale di disturbo ricostruito, essi formano un sistema di regressione esteso. Attraverso una procedura di "mixing" (utilizzando la matrice aggiunta e il determinante della matrice di regressione), trasformano la dipendenza non lineare originale dai parametri in un'equazione di regressione lineare rispetto a nuove combinazioni di parametri costanti. Queste combinazioni vengono poi stimate utilizzando algoritmi adattivi standard, come il metodo del gradiente o i minimi quadrati ricorsivi. Infine, i parametri originali sconosciuti vengono recuperati algebricamente da queste stime.

Contributi Chiave

• Progettazione di Osservatori per Sistemi Descrittori: L'articolo fornisce un metodo sistematico per progettare osservatori per sistemi descrittori lineari con disturbi non accoppiati, evitando la perdita di informazioni spesso associata alla riduzione dei sistemi descrittori in ODE standard.
• Condizioni Strutturali per il Decoupling del Disturbo: Gli autori identificano specifiche condizioni strutturali (Assunzioni 4 e 5) sotto le quali il disturbo può essere eliminato algebricamente dalle dinamiche di stima dello stato, consentendo la costruzione di un osservatore standard per la parte dinamica del sistema.
• Parametrizzazione da Non Lineare a Lineare: Un contributo significativo è il metodo proposto per gestire segnali di disturbo che sono non lineari rispetto ai loro parametri sconosciuti. Sfruttando i ritardi temporali e il concetto di Estensione e Mixing del Regressore Dinamico (DREM), gli autori riescono a convertire un problema di identificazione non lineare in un problema di regressione lineare, facilitando l'uso di tecniche di stima robuste e standard.
• Strategia di Implementazione: Il lavoro dettaglia questioni pratiche di implementazione, inclusi l'uso di filtri per approssimare le derivate e il calcolo di un particolare "tempo di inizio" ($T_{id}$) per l'algoritmo di identificazione, al fine di garantire che i transitori dell'osservatore e del filtro siano decaduti prima che inizi la stima dei parametri.

Risultati
L'efficacia delle procedure proposte è dimostrata attraverso una simulazione numerica di un esempio accademico che coinvolge un sistema descrittore del terzo ordine. I risultati della simulazione mostrano che:

• Stima dello Stato: L'errore di stima del vettore di stato dinamico $x_a$ converge a zero.
• Ricostruzione del Disturbo: Il segnale di disturbo ricostruito $\hat{\delta}$ segue accuratamente il disturbo reale.
• Identificazione dei Parametri: I parametri sconosciuti del disturbo ($\theta_1, \theta_2$) convergono ai loro valori reali dopo il periodo transitorio iniziale, validando lo schema di linearizzazione e identificazione proposto.

Significatività e Rivendicazioni
L'articolo sostiene che la metodologia proposta offre un quadro teoricamente solido e praticamente applicabile per l'osservazione e l'identificazione dei disturbi nei sistemi descrittori. Gli autori sottolineano che il loro approccio permette la ricostruzione del segnale di disturbo e l'identificazione dei suoi parametri, il che è un prerequisito per compiti successivi come la compensazione del disturbo e la progettazione di controllori stabilizzanti basati sul principio del modello interno. Il lavoro evidenzia che, analizzando attentamente la struttura algebrica del sistema, è possibile superare i limiti dei comuni progetti di osservatori che si basano sulla riduzione in equazioni differenziali ordinarie, preservando così l'intera informazione del sistema e migliorando l'accuratezza della stima. L'articolo conclude con modestia, affermando che le simulazioni numeriche confermano la convergenza degli errori di stima verso lo zero (per gli stati) o verso un intorno dello zero (per il disturbo e i parametri), sotto le assunzioni introdotte.