Closed-Loop Identification of Periodically Time-Varying Systems via Cyclic Reformulation

Technische Samenvatting: Gesloten-lus Identificatie van Periodiek Tijdvariërende Systemen via Cyclische Herformulering

Probleemstelling
Dit artikel behandelt de systeemidentificatie van Lineair Periodiek Tijdvariërende (LPTV) processen, met name gericht op scenario's waarbij het proces open-lus instabiel is. In dergelijke gevallen zijn open-lus experimenten niet praktisch uitvoerbaar omdat de procesoutput divergeert zonder feedback. Bestaande LPTV-identificatiemethoden, waaronder subspace-benaderingen en op lifting gebaseerde technieken, zijn voornamelijk geformuleerd voor open-lus data of veronderstellen open-lus stabiliteit. Hoewel gesloten-lus identificatie voor Lineair Tijdinvariante (LTI) instabiele processen goed gevestigd is, is een realisatietheoretisch raamwerk dat expliciet een eindig-dimensionaal toestandsruimte LPTV-procesmodel direct uit gesloten-lus data herwint, onderontwikkeld gebleven.

Methodologie
Het voorgestelde raamwerk integreert de gezamenlijke input-output benadering met cyclische herformulering om de kloof tussen gesloten-lus data en LPTV-modelherwinning te overbruggen. De methodologie verloopt via de volgende fasen:

1. Systeemformulering: Het artikel beschouwt een kwadratisch, strikt proper LPTV-proces dat wordt geregeld door een LPTV-regelaar met een relatief graad van één. Het gesloten-lus systeem wordt gemodelleerd als een geaugmenteerd LPTV-systeem dat wordt aangedreven door een externe referentiesignaal $r(k)$, wat gezamenlijke output produceert van de procesoutput $y(k)$ en de sturing $u(k)$.
2. Cyclische Herformulering: Het periodieke gesloten-lus systeem wordt omgezet in een equivalent Lineair Tijdinvariant (LTI) systeem met behulp van cyclische herformulering. Dit houdt in dat er "gecyclde" signalen worden geconstrueerd waarbij de input- en outputvectoren worden uitgebreid tot een dimensie van $M$ keer de originele (waarbij $M$ de periode is), wat effectief de periodieke variaties stapelt in één enkel LTI-toestandsruimte model.
3. Subspace Identificatie: Standaard subspace-identificatiealgoritmen (bijv. N4SID) worden toegepast op het gecyclde referentiesignaal $\check{r}(k)$ en de gestapelde gecyclde gezamenlijke output $\check{z}(k) = [\check{y}(k)^\top, \check{u}(k)^\top]^\top$. Dit levert een gedeelde toestandsruimte realisatie $(A, B, C)$ op voor de gesloten-lus kaarten van $\check{r}$ naar $\check{y}$ en van $\check{r}$ naar $\check{u}$. Cruciaal is dat beide overdrachtsfuncties dezelfde statische dynamica $(A, B)$ delen.
4. Algebraïsche Procesextractie: De kern van de methode is een exact algebraïsch stelling dat de gecyclde procesoverdrachtsmatrix $\check{P}(z)$ herwint uit de geïdentificeerde gesloten-lus kaarten. Aangezien $\check{P}(z) = \check{T}_{yr}(z) \check{T}_{ur}(z)^{-1}$, leidt het artikel een toestandsruimte realisatie van $\check{P}(z)$ direct af uit de gedeelde matrices $(A, B, C_y, C_u)$ zonder toestandsaugmentatie. De extractie is afhankelijk van de omkeerbaarheid van de directe doorvoeterm van het regelaarspad ($C_u B$).
5. Parameterherwinning: De geëxtraheerde gecyclde realisatie wordt in orde gereduceerd (door regelaardynamica te verwijderen via gebalanceerde truncatie) en getransformeerd terug naar de originele periodieke toestandsruimte parameters $(A_{p,k}, B_{p,k}, C_{p,k}, D_{p,k})$ met behulp van een coördinatentransformatie die gebruikmaakt van de verschoven blok-diagonale sparsiteit van de Markov-parameters.

Belangrijkste Bijdragen
Het artikel presenteert vier primaire bijdragen:

1. Exact Algebraïsch Stelling: Het stelt een stelling op die bewijst dat de gecyclde procesoverdrachtsmatrix kan worden herwonnen uit een gedeelde-$A$ realisatie van de gesloten-lus kaarten zonder de statische dimensie te verhogen, zelfs als de herwonnen procesrealisatie instabiel is.
2. Stabiliteitsverschuiving: Het raamwerk verschuift de stabiliteitsvereiste voor datageneratie van het open-lus proces naar het intern stabiele gesloten-lus systeem, waardoor de identificatie van open-lus instabiele LPTV-processen mogelijk wordt.
3. Expliciete Aannamescheiding: Het werk scheidt expliciet de aannames die nodig zijn voor datageneratie (gesloten-lus stabiliteit), identificatie (minimaliteit van het gecyclde gesloten-lus systeem) en algebraïsche inversie (niet-singulariteit van de directe term van het regelaarspad).
4. Algoritmische Implementatie: Het biedt een compleet identificatiealgoritme (Algoritme 1) dat subspace-identificatie combineert met de afgeleide algebraïsche extractie en coördinatentransformatiestappen.

Numerieke Resultaten
De methode wordt gevalideerd via drie numerieke voorbeelden:

• Stabiel SISO-proces: Demonstreert dat de methode parameters met machineprecisie herwint in ruisvrije omstandigheden en hoge nauwkeurigheid (Frobenius-normfouten $\approx 10^{-6}$) onder een signaal-ruisverhouding (SNR) van 40 dB.
• Open-lus Instabiel SISO-proces: Bevestigt het vermogen van de methode om een instabiele procesrealisatie (met eigenwaarden buiten de eenheidscirkel) te herwinnen uit stabiele gesloten-lus data. De geëxtraheerde realisatie reflecteert correct de instabiele monodromie-eigenwaarden, en de algebraïsche extractie blijft geldig ondanks de instabiliteit.
• MIMO-proces: Valideert de aanpak voor een Multi-Input Multi-Output systeem, waarbij wordt aangetoond dat het raamwerk schaalt naar hogere dimensies en coördinaten-invariante nauwkeurigheid behoudt via vergelijkingen van Markov-parameters.

Betekenis en Beweringen
Het artikel beweert dat dit werk een specifieke leemte in de systeemidentificatietheorie invult: het ontbreken van een realisatietheoretische route om eindig-dimensionale toestandsruimte LPTV-modellen te herwinnen uit gesloten-lus data, met name voor instabiele processen. De betekenis ligt in de exact algebraïsche aard van de procesextractie, die niet afhankelijk is van iteratieve optimalisatie of stabiliteitsaannames over het proces zelf. De methode onderscheidt zich van:

• LTI gesloten-lus identificatie: Door gebruik te maken van de periodieke structuur via cyclische herformulering.
• LPV identificatie: Door tijd-periodiciteit aan te pakken in plaats van externe planningsignalen.
• Open-lus LPTV identificatie: Door de prerequisiet van open-lus stabiliteit te verwijderen.
• Geliftte frequentiedomein methoden: Door gericht te zijn op eindig-dimensionale toestandsruimte modellen in plaats van niet-parametrische frequentieresponsen.

De auteurs merken op dat de betrouwbaarheid van de extractiestap wordt bepaald door de conditie van de inverse regelaarspad ($C_u B$) en dat de methode uitgaat van een kwadratisch, strikt proper proces en een regelaar met relatief graad één. Toekomstig werk wordt voorgesteld om niet-kwadratische processen en niet-strikt-proper gevallen aan te pakken.