Stable Inversion of Discrete-Time Linear Periodically Time-Varying Systems via Cyclic Reformulation

Resumo Técnico: Inversão Estável de Sistemas Lineares Discretos de Tempo Variável Periodicamente (LPTV) via Reformulação Cíclica

1. Problema e Motivação

O artigo aborda o desafio de construir sistemas inversos estáveis para plantas lineares de tempo variável periodicamente (LPTV) em tempo discreto. Esses sistemas são fundamentais para aplicações de controle, como controle feedforward e controle iterativo de aprendizado (ILC) em sistemas multirata e periódicos.

• Limitações das Abordagens Existentes:
  • Métodos baseados em Fatores de Floquet (ex: van Zundert e Oomen) frequentemente exigem processamento não causal (usando informações futuras) e envolvem aritmética complexa, não fornecendo uma realização em espaço de estados causal direta.
  • Métodos baseados em Lifting (elevação) transformam o sistema periódico em um sistema LTI equivalente, mas operam em uma escala de tempo de blocos ($N$-passos), gerando sequências de entrada de tempo finito em vez de uma realização em espaço de estados passo-a-passo no domínio do tempo original.
  • Métodos de processamento de sinal geralmente assumem grau relativo zero e não se enquadram em frameworks de controle em espaço de estados.

O objetivo é desenvolver um método sistemático para obter uma inversão estável, causal (ou com atraso fixo) e em espaço de estados, utilizando apenas aritmética real, sem a necessidade de processamento não causal ou fatores complexos.

2. Metodologia Proposta

O autor propõe uma abordagem de três etapas baseada na Reformulação Cíclica (Cyclic Reformulation), que transforma o sistema LPTV em um sistema LTI equivalente, mas preservando a taxa de amostragem original (diferente do lifting, que expande o tempo para blocos).

Etapas do Algoritmo:

1. Reformulação Cíclica:

   • O sistema LPTV original (com período $N$) é transformado em um sistema LTI cíclico ($\check{P}$) através de uma transformação de coordenadas de estado, entrada e saída.
   • A estrutura resultante é um sistema LTI de dimensão expandida ($Nn$), mas que opera passo-a-passo na taxa de amostragem original, mantendo a relação entrada-saída ponto a ponto.
   • As matrizes do sistema cíclico ($\check{A}, \check{B}, \check{C}, \check{D}$) possuem uma estrutura específica de circulante de bloco com deslocamento 1.

2. Construção da Inversa LTI:

   • Aplica-se a teoria padrão de inversão de sistemas LTI ao sistema cíclico $\check{P}$.
   • Para grau relativo zero (matriz de alimentação direta $\check{D}$ não singular), a inversa é construída explicitamente.
   • Para grau relativo $r \ge 1$, utiliza-se a inversa com atraso de $r$ passos, baseada nos parâmetros de Markov do sistema cíclico.

3. Extração de Parâmetros:

   • As matrizes do sistema inverso LPTV original ($\Gamma_k, \Lambda_k, \Omega_k, \Pi_k$) são recuperadas explorando a estrutura de blocos da inversa cíclica $\check{P}^{-1}$.
   • Um ponto crucial para graus relativos $r \ge 1$ é o uso de um operador de deslocamento cíclico ($\check{S}_p^r$) para realinhar os índices de fase temporal, permitindo que a estrutura de circulante de bloco seja preservada na inversa e permitindo a extração direta dos parâmetros periódicos.

3. Resultados Principais e Contribuições

O artigo apresenta três contribuições teóricas principais:

• Framework de Inversão Unificado:

  • Reduz o problema de inversão LPTV exatamente ao problema de inversão LTI, evitando aritmética complexa e processamento não causal.
  • Fornece fórmulas de forma fechada explícita para as matrizes do sistema inverso periódico.

• Casos de Grau Relativo:

  • Grau Relativo Zero (Teorema 1): Quando $D_k$ é não singular para todo $k$, a inversa é causal e dada por:
    $$\Gamma_k = A_k - B_k D_k^{-1} C_k, \quad \Lambda_k = B_k D_k^{-1}, \quad \Omega_k = -D_k^{-1} C_k, \quad \Pi_k = D_k^{-1}$$
  • Grau Relativo Periódico $r \ge 1$ (Teorema 3): Quando $D_k = 0$ e os parâmetros de Markov periódicos $M_k^{(r)}$ são não singulares, obtém-se uma inversa com atraso de $r$ passos, expressa explicitamente via parâmetros de Markov periódicos e matrizes de transição de estado.

• Condição de Estabilidade (Teorema 2 e Corolário 2):

  • A estabilidade do sistema inverso é caracterizada pelos zeros de transmissão do sistema cíclico ($\check{P}$).
  • Define-se o conceito de "Fase Mínima Periódica": o sistema LPTV é periodicamente de fase mínima se e somente se todos os zeros de transmissão do sistema cíclico estiverem estritamente dentro do disco unitário.
  • Isso é equivalente à estabilidade Schur da matriz de monodromia do sistema inverso ($\Phi_{inv}$).

4. Validação Numérica

O autor valida a metodologia através de exemplos numéricos:

1. Sistema Escalar (Grau 0): Demonstra a reconstrução exata da entrada e a convergência rápida do erro de estado inicial, confirmando a estabilidade baseada nos autovalores da matriz de monodromia.
2. Sistema Não-Escalar (Grau 0, N=3): Comparação com a abordagem baseada em Floquet. O método proposto gera matrizes reais e causais, enquanto a abordagem de Floquet exigiria matrizes complexas e processamento não causal para sistemas de fase não mínima.
3. Sistema com Grau Relativo $r=1$: Demonstra a aplicação do Teorema 3, mostrando a reconstrução exata da entrada com um atraso de um passo, validando a extração de parâmetros via parâmetros de Markov.

5. Significado e Impacto

• Implementabilidade Prática: Ao contrário de métodos que geram operadores não causais ou sequências de blocos offline, este método produz um sistema em espaço de estados periódico de dimensão finita que pode ser implementado como um filtro causal online na taxa de amostragem original.
• Aplicabilidade em Controle: A técnica é diretamente aplicável ao controle feedforward e ao ILC para sistemas multirata e periódicos, permitindo o rastreamento exato de trajetórias (com condições iniciais coincidentes) ou a redução geométrica do erro (com condições iniciais diferentes).
• Generalização Teórica: Estende a condição clássica de "fase mínima" (LTI) para sistemas periódicos, ligando a estabilidade da inversa aos zeros de transmissão do sistema cíclico, generalizando resultados anteriores de Kono e de modelagem de sistemas variantes no tempo.
• Limitações: O método atual é restrito a sistemas de fase mínima periódica. Para sistemas de fase não mínima, a inversa causal seria instável, exigindo futuras extensões para inversão não causal baseada em decomposição espectral do sistema cíclico.

Em suma, o trabalho oferece uma ferramenta matemática robusta e computacionalmente eficiente para a inversão de sistemas periódicos, preenchendo uma lacuna entre a teoria de controle LTI e as necessidades práticas de sistemas multirata e variantes no tempo.