Discrete-Time Event-Triggered Extremum Seeking

Resumo Técnico: Controle de Busca Extrema (Extremum Seeking) Discreto e Acionado por Eventos

1. Problema e Contexto

O artigo aborda o problema de otimização em tempo real de sistemas não lineares estáticos desconhecidos. Tradicionalmente, os esquemas de Extremum Seeking (ES) em tempo discreto utilizam atualizações periódicas do sinal de controle (baseadas em um intervalo de amostragem fixo). No entanto, essa abordagem pode gerar atualizações desnecessárias, consumindo recursos de comunicação e atuação, especialmente em sistemas com restrições de energia ou largura de banda.

O desafio central identificado pelos autores é que a extensão de esquemas de controle acionado por eventos (event-triggered) do domínio contínuo para o discreto não é trivial. As dinâmicas de amostragem, a manutenção do sinal de entrada (input holding) e as restrições de atualização em sistemas digitais exigem uma estrutura de projeto e análise distinta, não sendo apenas uma discretização direta das equações contínuas.

2. Metodologia

Os autores propõem um esquema de controle de busca extrema em tempo discreto que integra um mecanismo de gatilho dependente do estado. A metodologia baseia-se nos seguintes pilares:

• Modelo do Sistema: Considera-se um mapa estático não linear desconhecido $Q[\theta]$, onde o objetivo é encontrar o ótimo $\theta^*$ (máximo ou mínimo). O sinal de entrada é perturbado por um dither senoidal para permitir a estimativa do gradiente.
• Estimativa de Gradiente: Utiliza-se um sinal de demodulação para estimar o gradiente da função de custo, gerando uma estimativa $\hat{G}[k]$.
• Lei de Controle Acionada por Eventos: Diferente do controle periódico, a lei de controle $u[k]$ é atualizada apenas em instantes de tempo discretos $\{k_l\}$ quando uma condição de gatilho é satisfeita. Entre esses instantes, o sinal de controle é mantido constante (Zero-Order Hold).
  • A condição de gatilho é definida como:
    $$\sqrt{\sigma}|\hat{G}[k]| - \alpha|e[k]| < 0$$
    Onde $e[k]$ é o erro de medição (diferença entre a estimativa de gradiente atual e a última transmitida), e $\sigma, \alpha$ são parâmetros de projeto.
• Análise Teórica:
  • Média Discreta (Discrete-Time Averaging): O sistema não autônomo e periódico é aproximado por um sistema médio autônomo, permitindo a análise de estabilidade em uma escala de tempo mais lenta.
  • Análise de Lyapunov: Foi construída uma função de Lyapunov para o sistema médio para provar a estabilidade exponencial local e a convergência prática.
  • Evitação de Zeno: O artigo demonstra que, devido à natureza discreta do sistema, o fenômeno de Zeno (infinitas atualizações em tempo finito) é intrinsecamente evitado, pois o intervalo entre eventos é limitado inferiormente por um passo de amostragem.

3. Contribuições Principais

• Novo Esquema de Controle: Desenvolvimento de um algoritmo de Extremum Seeking puramente discreto com gatilho de evento, preenchendo uma lacuna na literatura que focava majoritariamente em tempo contínuo ou atualizações periódicas.
• Redução de Atuação: O método mantém a capacidade de otimização clássica do ES, mas reduz drasticamente o número de atualizações do sinal de controle, economizando recursos de comunicação e atuação.
• Garantias de Estabilidade: Prova rigorosa de que o sistema fechado converge para uma vizinhança do ótimo desconhecido (convergência prática) e que a dinâmica média é exponencialmente estável.
• Análise de Intervalo Inter-execução: Estabelecimento de um limite inferior para o tempo entre atualizações, garantindo que o sistema não sofra de atualizações excessivas (comportamento patológico).

4. Resultados de Simulação

Os autores validaram a proposta através de simulações numéricas com um mapa não linear quadrático:

• Parâmetros: Hessian $H^* = -0.7$, ótimo $\theta^* = 3$, ganho de controle $K = -240$.
• Desempenho de Otimização: O sinal de entrada $\theta[k]$ convergiu para o ótimo $\theta^*$ e a saída $y[k]$ atingiu o valor extremo desejado, demonstrando que a performance de otimização não foi sacrificada.
• Eficiência de Recursos: Em uma simulação de 1000 iterações, a lei de controle foi atualizada apenas 19 vezes. Isso resultou em um intervalo médio entre execuções de aproximadamente 9,47 segundos, comparado a uma atualização a cada passo de tempo em um esquema periódico.
• Comportamento dos Sinais: A estimativa de gradiente convergiu para zero de forma suave e os sinais permaneceram limitados, confirmando a eficácia do mecanismo de gatilho.

5. Significado e Impacto

Este trabalho é significativo por oferecer uma solução prática para a implementação digital de algoritmos de otimização em tempo real. Ao reduzir o número de atualizações de controle, o método é ideal para:

• Sistemas embarcados com recursos limitados (bateria, capacidade de processamento).
• Redes de controle com largura de banda restrita.
• Aplicações onde a atuação frequente pode causar desgaste mecânico ou interferência.

O artigo estabelece uma ponte teórica sólida entre o controle discreto e os mecanismos acionados por eventos, sugerindo que futuras extensões podem incluir cenários multiagente, robustez a ruídos de medição e validação experimental em plataformas digitais reais.