Computation of lower bounds for the induced L2 norm of LPV systems

기술 요약: LPV 시스템의 유도된 $L_2$ 노름 하한값 계산

문제 정의
선형 매개변수 가변(LPV) 시스템의 유도된 $L_2$ 노름을 결정하는 것은 분석 및 강인 제어 설계의 핵심 요소이다. 정확한 노름을 구하는 것은 일반적으로 난해하지만, 기존 문헌의 대부분은 동적 승수(dynamic multipliers)를 이용한 스케일드 소 가인 이론(scaled small-gain theorems)이나 매개변수 의존적 리아푸노프 함수를 이용한 소산 부등식(dissipation inequalities)을 사용하여 *상한(upper bound)*을 계산하는 데 집중되어 있다. *하한(lower bound)*을 계산하는 데 있어서는 상당한 공백이 존재한다. 하한을 구할 수 있는 유일하게 널리 사용 가능한 방법은 "고정점(frozen point)" 분석으로, 이는 일정한 매개변수 값에서 시스템을 평가하는 것이다. 그러나 이 접근 방식은 스케줄링 매개변수의 동적 변화를 무시하기 때문에, 시변 시스템의 최악의 성능을 포착하지 못하여 매우 보수적인 결과를 낳는 경우가 많다.

방법론
본 논문은 스케줄링 매개변수 궤적을 **주기적 신호(periodic signals)**로 제한함으로써 하한을 계산하는 상보적인 알고리즘을 제안한다. 이러한 제한은 LPV 시스템을 주기적 선형 시변(PLTV) 시스템으로 변환시킨다. 이 방법론은 PLTV 시스템의 유도된 $L_2$ 노름을 정확하게 계산할 수 있게 해주는 최근의 결과들을 활용한다.

핵심적인 기술적 접근 방식은 다음 세 가지 주요 구성 요소로 이루어진다:

1. PLTV 시스템에 대한 정확한 노름 계산: 저자들은 PLTV 시스템의 "리프팅(lifted)" 연산자 표현을 기반으로 한 이분법(bisection) 알고리즘을 활용한다. 연속 시간 주기 시스템을 이산 시간 선형 시불변(LTI) 시스템($G_\gamma$)으로 변환함으로써, 노름이 스칼라 $\gamma$보다 작음을 결정하는 문제는 $G_\gamma$의 안정성(구체적으로 $\|G_\gamma\|_\infty < 1$ 여부)을 확인하는 문제로 축소된다. 이 확인 과정은 해밀토니안 미분 방정식을 풀거나, 더 견고하게는 행렬 미분 리카티 방정식을 적분하여 리프팅된 시스템의 상태 공간 행 matrices를 계산하는 과정을 포함한다.

2. 최악의 입력 구성: 저자들은 오직 시간 영역 연산자만을 사용하여 PLTV 시스템의 최악의 입력 신호를 도출하는 참신한 기여를 수행한다. 해밀토니안 역학을 분석함으로써, 저자들은 모노드로미 행렬(monodromy matrix)의 단위 모듈러스 고유값(unit-modulus eigenvalues)을 식별한다. 이에 대응하는 고유 벡터를 사용하여 시스템 이득을 달성하는 주기적 입력 신호를 구성한다. $L_2$ 정의(초기 조건이 0이고 에너지가 유한함을 가정)를 만족시키기 위해, 입력 신호는 다수의 주기 후에 절단되며, 신호가 복소수인 경우 실수부를 취한다. 이 구성은 계산된 이득을 대략적으로 달성하는 "나쁜" 입력 궤적을 제공한다.

3. 하한 최적화 알고리즘: 본 논문은 주기적 궤적 공간에서의 유한 차원 비볼록(non-convex) 최적화 문제로 하한 문제를 정식화한다.

   • 궤적 파라미터화: 주기적 궤적은 범위 및 변화율 제약을 따르는 파라미터 벡터(오프셋 및 구간 길이)로 정의되는 조각별 선형 함수를 사용하여 특징지어진다. 이를 통해 탐색 공간은 다면체(polytope)가 된다.
   • 최적화 전략: 알고리즘(Algorithm 3)은 먼저 LPV 시스템에 대한 전역 상한($\gamma_{ub}$)을 계산한다. 그 후, 파라미터 벡터 $c$에 대해 비용 함수 $\nu(c, \gamma_{ub})$(PLTV 시스템의 노름과 관련된 값)를 최적화한다. 만약 최적화 결과가 $\ge 1$이면, 현재의 $\gamma_{ub}$가 너무 낮음을 의미하며, 이에 따라 하한이 업데이트된다. 이 접근 방식은 직접적인 노름 최대화를 위해 필요한 비용이 많이 드는 반복적인 이분법 루프를 피할 수 있게 한다.

주요 결과
본 논문은 네 가지 수치 예제를 통해 제안된 방법을 검증한다:

• 이득 스케줄링 PI 제어기: 1차 LPV 시스템과 제어기의 피드백 결합이다. 제안된 방법은 2.84의 하한을 산출하였으며, 이는 고정점 하한인 1.11 및 상한인 2.96과 비교된다. 상한과 하한 사이의 간격은 0.13으로 줄어들었으며, 이는 정밀한 추정을 나타낸다.
• 스케일드 LTI 시스템: 매개변수가 상수일 때 스케일된 입력과 출력의 차이가 0인 시스템이다(고정 하한 = 0). 제안된 알고리즘은 다양한 변화율($\mu$)에 대해 0이 아닌 하한을 성공적으로 식별하였으며, 계산된 상한과 밀접하게 일치하였다.
• 회전 LTI 시스템: 매개변수 의존적 회전을 포함하는 시스템이다. 이 방법은 하한을 고정 하한인 2.696에서 3.15로 개선하였으며, 이는 상한인 3.3에 근접한다.
• 두 매개변수 시스템: 이전 예제들을 결합한 복잡한 시스템이다. 알고리즘은 상한 5.38에 대해 5.047의 하한을 달alog성하였으며, 이는 고정점 하한인 0을 크게 상회하는 성능을 보여준다.

모든 경우에서, 계산된 하한은 고정점 추정치보다 유의미하게 높았으며 알려진 상한에 밀접하게 접근하였다.

의의 및 주장
본 논문은 제안된 알고리즘이 LPV 시스템의 유도된 $L_2$ 노름에 대한 하한을 계산하는 실용적이고 신뢰할 수 있는 방법을 제공한다고 주장한다. 그 의의는 두 가지 측면에서 두드러진다:

1. 상보성: 이는 표준적인 상한 기술을 보완한다. 계산된 하한과 상한 사이의 간격이 작다는 것은 시스템의 노름이 정밀하게 특성화되었음을 나타내며, 이는 더 복잡한 분석(예: 고차 리아푸노프 함수 사용)이 불필요할 수 있음을 시사한다.
2. 통찰력 생성: 단순히 스칼라 값만을 제공하는 상한 방법과 달리, 이 알고리즘은 특정 "나쁜" 매개변수 궤적과 그에 대응하는 최악의 입력 신호를 반환한다. 이를 통해 시스템의 성능 한계에 대한 물리적 통찰력을 얻을 수 있다.

저자들은 이 방법이 "그리드 기반(Gridded)" LPV 시스템(임의의 매개변수 의존성)을 위해 개발되었으나, 선형 분수 변환(LFT) 모델에도 당연히 적용 가능함을 강조한다. 이 접근 방식은 표준적인 수치 도구에 의존하며, 스케줄링 매개변수의 일반적인 유계성 및 미분 가능성 외에 LPV 시스템에 대한 특정 구조적 제약을 가정하지 않는다.