[论文解读] Graph-Theoretic Bounds on Disturbance Propagation in Interconnected Linear Dynamical Networks

Milad Siami, Nader Motee|arXiv (Cornell University)|Mar 6, 2014

Neural Networks Stability and Synchronization被引用 4

一句话总结

本文提出一种图论框架，利用期望稳态状态扩散作为性能度量，量化一阶和二阶线性一致性网络中的扰动传播。该研究揭示了仅由网络拓扑决定的根本性能极限，建立了稀疏性与性能之间的权衡关系，并将性能度量与现实世界系统（如电力网络和车辆编队）中的物理能量指标联系起来。

ABSTRACT

We consider performance deterioration of interconnected linear dynamical networks subject to exogenous stochastic disturbances. The focus of this paper is on first-order and second-order linear consensus networks. We employ the expected value of the steady state dispersion of the state of the entire network as a performance measure and develop a graph-theoretic methodology to relate structural specifications of the underlying graphs of the network to the performance measure. We explicitly quantify several inherent fundamental limits on the best achievable levels of performance in linear consensus networks and show that these limits of performance are merely imposed by the specific structure of the underlying graphs. Furthermore, we discover new connections between notions of sparsity and the performance measure. Particularly, we characterize several fundamental tradeoffs that reveal interplay between the performance measure and various sparsity measures of a linear consensus network. At the end, we apply our results to two real-world dynamical networks and provide energy interpretations for the proposed performance measures. It is shown that the total power loss in synchronous power networks and total kinetic energy of a network of autonomous vehicles in a formation are viable performance measure for these networks and fundamental limits on these measures quantify the best achievable levels of energy-efficiency in these dynamical networks.

研究动机与目标

• 分析在随机扰动下互联线性动态网络的性能退化问题。
• 使用图论方法量化一阶和二阶一致性网络中可达到的最佳性能水平。
• 识别仅由底层网络图的结构性质引发的根本性能极限。
• 探索网络稀疏性与扰动传播性能之间的权衡关系。
• 将抽象的性能度量与现实世界动态网络中的物理能量度量联系起来。

提出的方法

• 将网络建模为加权无向图，以表示一阶和二阶线性一致性系统中的互连关系。
• 使用网络状态的期望稳态扩散作为性能度量，以量化扰动传播。
• 利用谱图论和拉普拉斯矩阵的性质，推导性能度量的解析边界。
• 将性能度量与图论度量（如代数连通度、等效电阻和节点度数）相关联。
• 引入并分析各种稀疏性度量（如边数、边权分布），以研究其与性能的权衡关系。
• 通过将性能度量解释为总功率损耗和总动能，将该框架应用于现实世界网络——同步电力网络和自主车辆编队。

实验结果

研究问题

• RQ1 由于底层图结构本身，线性一致性网络中存在哪些根本性能极限？
• RQ2 网络图的不同稀疏性度量如何影响最坏情况下的扰动传播？
• RQ3 网络图的拓扑结构与状态期望稳态扩散之间存在何种关系？
• RQ4 性能度量如何在现实世界动态网络中解释为物理能量度量？
• RQ5 在一致性网络中，网络稀疏性与能效之间存在何种权衡？

主要发现

• 线性一致性网络中可达到的最佳性能从根本上受限于底层图的拓扑结构，与控制器设计无关。
• 性能边界通过网络拉普拉斯矩阵的谱性质（如代数连通度和等效电阻）显式量化。
• 网络稀疏性与扰动传播之间存在权衡关系，相同扰动能量下，稀疏网络的性能边界更高。
• 性能度量对应于同步电力网络中的总功率损耗和车辆编队网络中的总动能，提供了物理解释。
• 由于存在额外的动态模态，二阶一致性网络在稀疏性与性能之间的权衡关系比一阶网络更复杂。
• 该框架能够识别网络设计中限制能效和扰动鲁棒性的结构性瓶颈。