[논문 리뷰] Robust Fundamental Lemma for Data-driven Control

Jeremy Coulson, Henk van Waarde외 1명|arXiv (Cornell University)|2022. 05. 13.

Control Systems and Identification인용 수 4

한 줄 요약

이 논문은 데이터 기반 제어를 위한 기본 렘마의 강건한 형태를 제안하며, 이는 이진 랭크 조건 대신 데이터 헨켈 행렬의 최소 특이값에 하한을 두는 방식이다. 입력을 설계하여 최소 특이값을 충분히 크게 확보함으로써, 노이즈에 대한 저항력 향상과 예측 제어 성능 향상을 보장한다. 이는 기존의 지속적인 자극 조건의 이진성과 비강건성에 대체하는 정량적 방법을 제공한다.

ABSTRACT

The fundamental lemma by Willems and coauthors facilitates a parameterization of all trajectories of a linear time-invariant system in terms of a single, measured one. This result plays an important role in data-driven simulation and control. Under the hood, the fundamental lemma works by applying a persistently exciting input to the system. This ensures that the Hankel matrix of resulting input/output data has the "right" rank, meaning that its columns span the entire subspace of trajectories. However, such binary rank conditions are known to be fragile in the sense that a small additive noise could already cause the Hankel matrix to have full rank. Therefore, in this extended abstract we present a robust version of the fundamental lemma. The idea behind the approach is to guarantee certain lower bounds on the singular values of the data Hankel matrix, rather than mere rank conditions. This is achieved by designing the inputs of the experiment such that the minimum singular value of a deeper input Hankel matrix is sufficiently large. This inspires a new quantitative and robust notion of persistency of excitation. The relevance of the result for data-driven control will also be highlighted through comparing the predictive control performance for varying degrees of persistently exciting data.

연구 동기 및 목표

• 노이즈가 있는 데이터에서 랭크 조건이 미세한 변동으로 인해 실패하는 고전적 데이터 기반 제어 방법의 취약성을 해결하기 위해.
• 이진적이고 비강건한 고전적 지속적인 자극 조건에 대한 정량적 대안을 개발하기 위해.
• 시스템 식별 및 제어에서 노이즈에 강건한 성능을 확보하기 위해 데이터 헨켈 행렬의 최소 특이값에 하한을 유지하기 위해.
• 수치 사례 연구를 통해 더 높은 특이값 하한이 더 우수한 예측 제어 성능을 이끌어내는지 확인하기 위해.
• 데이터 오염에 강건하고 성능 보장을 가능하게 하는 새로운 이론적 기반을 제공하기 위해.

제안 방법

• 전체 행 랭크가 아닌 입력 헨켈 행렬의 최소 특이값에 기반한 새로운 정량적 지속적인 자극 개념을 제안한다.
• 입력/상태 데이터 행렬의 최소 특이값이 사용자 정의 임계값 ρ₀ 이상으로 하한이 보장되는 조건을 유도한다.
• 결과적으로 데이터 헨켈 행렬이 σ₁(Θ_z) ≥ ρ₀ 를 만족하도록 하는 입력 시퀀스의 설계 기준을 제안한다. 이는 강건성을 보장한다.
• 특이값 하한을 활용하여 데이터 행렬의 모레-펜로즈 의사역행렬을 통해 강건한 데이터 기반 예측기 구축.
• 재수거 시간 영역 예측 제어 프레임워크에 강건한 데이터 모델을 적용하여 노이즈 하에서의 성능 평가.
• 레미마 3.1과 정리 3.1을 통해 이론적 보장을 확립하며, 입력 설계와 데이터 행렬의 특이값 하한 간의 관계를 규명한다.

실험 결과

연구 질문

• RQ1 데이터 기반 제어에서 노이즈에 강건한 성능을 보장하기 위해 정량적 지속적인 자극 측도를 정의할 수 있는가?
• RQ2 데이터 헨켈 행렬의 최소 특이값은 데이터 기반 예측 제어 성능과 어떻게 관련이 있는가?
• RQ3 데이터 행렬의 최소 특이값에 하한을 유지하기 위한 입력 설계 전략은 무엇인가?
• RQ4 더 높은 특이값 하한을 가진 데이터를 생성하면 노이즈 상황에서 더 나은 제어 성능을 얻을 수 있는가?
• RQ5 고전적 기본 렘마는 랭크 조건을 정량적이고 노이즈에 강건한 기준으로 대체하는 강건한 형태로 일반화될 수 있는가?

주요 결과

• 수치 예제에서 데이터 헨켈 행렬의 최소 특이값이 높은 데이터 세트는 예측 제어 성능이 뚜렷이 향상됨을 입증하였다.
• 최소 특이값이 감소할수록 제어 성능이 악화됨: δ(1) = 2.9×10⁻² 가 최고 성능, δ(3) = 2.9×10⁻⁴ 가 최악 성능.
• ρ₀ = 0.105 일 때 이론적 하한은 데이터 행렬이 안정적 예측을 위해 요구하는 강건성 조건을 만족함을 보장한다.
• 제안된 방법은 데이터 행렬이 최소 특이값에 하한을 유지함을 보장하여 강건한 시스템 식별 및 제어를 가능하게 한다.
• 강건한 기본 렘마는 랭크 조건을 정량적이고 노이즈에 강건한 기준으로 대체함으로써 고전 결과를 일반화한다.
• 수치 연구는 지속적인 자극 정도가 높은(δ가 큰) 입력이 더 정확하고 안정적인 데이터 기반 예측기를 생성함을 확인한다.