Upload
julien-bect
View
176
Download
3
Embed Size (px)
DESCRIPTION
Slide for my talk at the GdR SDH meeting on September 20, 2007.
Citation preview
Groupe de travail SDH (GdR MACS)Exposé pour la réunion du 20 septembre 2007
Les systèmes hybrides stochastiques généraux (GSHS)
et leur équation de Fokker-Planck-Kolmogorov
Julien Bect
Département Signaux et Systèmes Électroniqueshttp://www.supelec.fr/deptsse
20 septembre 2007
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
1 Plan de l’exposé
2 Introduction aux GSHSGénéralitésGSHS : dynamique hybride & probabilitésComparaison avec les automates hybridesDomaines d’applicationUn modèle de consommation électrique
3 Équation de FPK et caractérisation de l’incertitudeCaractérisation de l’incertitude ?Rappel : cas des EDO et des EDSL’équation de FPK généralisée aux GSHSRésultat numériques
4 Conclusion / perspectives
5 Références
2 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
GénéralitésGSHS : dynamique hybride & probabilitésComparaison avec les automates hybridesDomaines d’applicationUn modèle de consommation électrique
1 Plan de l’exposé
2 Introduction aux GSHSGénéralitésGSHS : dynamique hybride & probabilitésComparaison avec les automates hybridesDomaines d’applicationUn modèle de consommation électrique
3 Équation de FPK et caractérisation de l’incertitudeCaractérisation de l’incertitude ?Rappel : cas des EDO et des EDSL’équation de FPK généralisée aux GSHSRésultat numériques
4 Conclusion / perspectives
5 Références
3 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
GénéralitésGSHS : dynamique hybride & probabilitésComparaison avec les automates hybridesDomaines d’applicationUn modèle de consommation électrique
Généralités sur les SHS
modélisation probabiliste de l’incertitudesystème hybrides stochastiques
vs modélisation non-déterministe
automates hybrides
99% de la littérature porte sur des systèmes markoviens
on s’y ramène (souvent) par augmentation de l’étatprocessus de Markov à temps continu
sujet de recherche assez anciendepuis les 70’s : modèles à sauts de paramètres markoviensintroduction de modèles « à sauts forcés »
processus déterministes par morceaux (Davis, 1984)formalisme GSHS (Bujorianu & Lygeros, 2004)
4 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
GénéralitésGSHS : dynamique hybride & probabilitésComparaison avec les automates hybridesDomaines d’applicationUn modèle de consommation électrique
Dynamique hybride & probabilités (1)
E1
E2
E3
X−τ1
X−τ2
Xτ1 ∼ K (X−τ1
, · )
Xτ2 ∼ K (X−τ2
, · )
X0 saut forcé
saut spontané
λ(Xt) ≥ 0
(Librement inspiré d’un schéma de J. Lygeros, CTS-HYCON, 2006)
5 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
GénéralitésGSHS : dynamique hybride & probabilitésComparaison avec les automates hybridesDomaines d’applicationUn modèle de consommation électrique
Dynamique hybride & probabilités (2)
Résumé des éléments définissant un GSHS :
Espace d’état « hybride » : E = ∪q∈Q{q} × Eq
Dynamique continue : EDS
Deux types de sauts :sauts spontanés, intensité stochastique λ(Xt) ≥ 0sauts forcés, déclenché par la garde G ⊂ ∂E
Réinitialisation : noyau de transition K (x , dx ′)
« Domaine invariant » : E0 = E \ G
(par déf. on a toujours E0 ∩ G = ∅ !)
6 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
GénéralitésGSHS : dynamique hybride & probabilitésComparaison avec les automates hybridesDomaines d’applicationUn modèle de consommation électrique
Comparaison avec les automates hybrides
Automate hybride GSHS
inclusion différentielle équation différentielle stoch.
E0 ∩ G 6= ∅ en général E0 ∩ G = ∅ (par déf.)
sauts possibles dans E0 ∩ G sauts spontanés dans E0
(non déterminisme) (probabiliste, intensité λ ≥ 0)
sauts forcés dans G \ E0 sauts forcés dans G
réinit. non-déterministe réinit. stochastiquexτk
∈ Reset(x−τk
) Xτk∼ K (X−
τk, · )
x0 détermine un ensemble x0 détermine une loi de proba.de trajectoires admissibles sur l’ensemble des trajectoires
7 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
GénéralitésGSHS : dynamique hybride & probabilitésComparaison avec les automates hybridesDomaines d’applicationUn modèle de consommation électrique
On trouve des GSHS dans des domaines très variés !
ateliers de fabrication : machines avec pannes
consommation optimale de resources renouvelables
systèmes embarqués (projet Columbus)
gestion du trafic aérien (projet Hybridge)
biologie : réseaux de régulation génétique
énergie : consommation électrique, éolienne à vitesse variable
. . .
8 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
GénéralitésGSHS : dynamique hybride & probabilitésComparaison avec les automates hybridesDomaines d’applicationUn modèle de consommation électrique
Généralisation à 2d du modèle de Malhamé et Chong (1985)
thermostatQt ∈ {0, 1}
pièce n 1
(temp. Z 1t
)pièce n 2
(temp. Z 2t
)
« vecteur » d’état : Xt = (Qt , Zt)
9 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
GénéralitésGSHS : dynamique hybride & probabilitésComparaison avec les automates hybridesDomaines d’applicationUn modèle de consommation électrique
Modélisation par un GSHS à sauts forcés
Qt = 0dZt = f(0, Zt) dt + σ dBt
Z 1t > zmin
Qt = 1dZt = f(1, Zt) dt + σ dBt
Z 1t < zmax
f(q, z ) = Az + zextfext + qfchauff
σ =(
σ1 00 σ2
)
Z 1t = zmin
Z 1t = zmax
Z1 t
Z2 t
temps (minutes)
Qt
0 20 40 60 80 1000
0.5
1
20
2224
20
2224
10 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
GénéralitésGSHS : dynamique hybride & probabilitésComparaison avec les automates hybridesDomaines d’applicationUn modèle de consommation électrique
Espace d’état hybride du modèle
E = {0} × E0 ∪ {1} × E1
mode on (q = 1)E1 =
]
−∞; zmax
]
× R
mode off (q = 0)E0 =
[
zmin; +∞[
× R
z1
z1z2
z2
zmax
zmax
zmin
zmin
11 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
Caractérisation de l’incertitude ?Rappel : cas des EDO et des EDSL’équation de FPK généralisée aux GSHSRésultat numériques
1 Plan de l’exposé
2 Introduction aux GSHSGénéralitésGSHS : dynamique hybride & probabilitésComparaison avec les automates hybridesDomaines d’applicationUn modèle de consommation électrique
3 Équation de FPK et caractérisation de l’incertitudeCaractérisation de l’incertitude ?Rappel : cas des EDO et des EDSL’équation de FPK généralisée aux GSHSRésultat numériques
4 Conclusion / perspectives
5 Références
12 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
Caractérisation de l’incertitude ?Rappel : cas des EDO et des EDSL’équation de FPK généralisée aux GSHSRésultat numériques
Caractérisation de l’incertitude ?
l’état Xt est une variable aléatoire. . .mais quelle est sa loi de probabilité µt ?
Xt n’est (presque) jamais une V.A. gaussienne, doncpour caractériser µt , il ne suffit pas de s’intéresser à lamoyenne et à la variance !
deux situations où la question se pose :propagation de l’incertitudeµ0 est connue : évolution t 7→ µt ?
GSHS stable (en loi)comment trouver la loi stationnaire µst ?
13 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
Caractérisation de l’incertitude ?Rappel : cas des EDO et des EDSL’équation de FPK généralisée aux GSHSRésultat numériques
Rappel : cas des EDO et des EDS
systèmes dynamiques « classiques » : tps continu, E = Rn
on suppose l’existence d’une ddp : µt(dx ) = pt(x ) dx
deux cas particuliersen l’absence de bruit : évolution déterministe (EDO)
X0 ∼ p0(x ) dx
Xt = f(Xt)
en présence de bruit : processus de diffusion (EDS)
X0 ∼ p0(x ) dx
dXt = f(Xt) dt +∑
k
gk (Xt) dBk
t
14 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
Caractérisation de l’incertitude ?Rappel : cas des EDO et des EDSL’équation de FPK généralisée aux GSHSRésultat numériques
Équations de Liouville et de Fokker-Planck-Kolmogorov
cas déterministe (EDO) : l’équation de Liouville
∂pt
∂t+ div (fpt) = 0 −→
jt = fpt
∂pt
∂t+ div jt = 0
cas diffusif (EDS) : l’équation de FPK
jt = fpt −12
∑
k
gk div (gk pt)
lorsque la dynamique est hybride :
équation de FPK généralisée !
15 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
Caractérisation de l’incertitude ?Rappel : cas des EDO et des EDSL’équation de FPK généralisée aux GSHSRésultat numériques
Quelques références
Processus de diffusion & équation de FPKKolmogorov (1931), Itô (1950), Stratonovich (1966)
Généralisation aux processus diffusifs par morceaux
sauts spontanés (assez bien connu)Kolmogorov (1931), Gardiner (1985),
Krystul, Bagchi & Blom (2003), Hespanha (2005)
sauts forcés (seulement en dimension 1 !)Feller (1952, 1954), Malhamé & Chong (1985)
16 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
Caractérisation de l’incertitude ?Rappel : cas des EDO et des EDSL’équation de FPK généralisée aux GSHSRésultat numériques
Prendre en comptes les sauts : la notion d’intensité moyenne de sauts
Soit R (A) = Eµ0
∑
k≥1 1A
(
X−τk
, τk
)
.
On dit que X admet une intensité moyenne de sauts, pour lamesure initiale µ0, s’il existe une application t 7→ rt , à valeursdans l’ensemble des mesures positives sur E, telle que :
1 pour tout Γ ∈ E, la fonction t 7→ rt(Γ) est mesurable ;2 pour tous Γ ∈ E et t > 0, R (Γ×]0; t ]) =
∫ t
0 rs(Γ) ds.
Que vaut rt(dx ) ?
sauts spontanés : r0t (dx ) = λ(x )µt(dx )
sauts forcés : rGt (dx ) = ???
17 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
Caractérisation de l’incertitude ?Rappel : cas des EDO et des EDSL’équation de FPK généralisée aux GSHSRésultat numériques
L’équation de FPK généralisée
notationsµt(dx ) loi de Xt (mesure de probabilité)L∗ opérateur de Fokker-Planck, au sens des distrib.rt(dx ) intensité moyenne de sautsK (x , dy) noyau de réinitialisation
t 7→ µt obéit à l’équation d’évolution
µ′t = L∗µt + rt (K − I )
18 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
Caractérisation de l’incertitude ?Rappel : cas des EDO et des EDSL’équation de FPK généralisée aux GSHSRésultat numériques
L’équation de FPK généralisée
notationsµt(dx ) loi de Xt (mesure de probabilité)L∗ opérateur de Fokker-Planck, au sens des distrib.rt(dx ) intensité moyenne de sautsK (x , dy) noyau de réinitialisation
t 7→ µt obéit à l’équation d’évolution
µ′t = L∗µt + rt (K − I )
dérivéepar rapportau temps
18 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
Caractérisation de l’incertitude ?Rappel : cas des EDO et des EDSL’équation de FPK généralisée aux GSHSRésultat numériques
L’équation de FPK généralisée
notationsµt(dx ) loi de Xt (mesure de probabilité)L∗ opérateur de Fokker-Planck, au sens des distrib.rt(dx ) intensité moyenne de sautsK (x , dy) noyau de réinitialisation
t 7→ µt obéit à l’équation d’évolution
µ′t = L∗µt + rt (K − I )
dérivéepar rapportau temps
effet dela diffusion
18 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
Caractérisation de l’incertitude ?Rappel : cas des EDO et des EDSL’équation de FPK généralisée aux GSHSRésultat numériques
L’équation de FPK généralisée
notationsµt(dx ) loi de Xt (mesure de probabilité)L∗ opérateur de Fokker-Planck, au sens des distrib.rt(dx ) intensité moyenne de sautsK (x , dy) noyau de réinitialisation
t 7→ µt obéit à l’équation d’évolution
µ′t = L∗µt + rt (K − I )
dérivéepar rapportau temps
effet dela diffusion
effet des sautsrtK =
∫
E rt(dx )K (x , · )
18 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
Caractérisation de l’incertitude ?Rappel : cas des EDO et des EDSL’équation de FPK généralisée aux GSHSRésultat numériques
Corollaire important
On en déduit l’expression de l’intensité moyenne de sauts forcés.
Si µt(dx ) = pt(x ) dx au voisinage de G , avec p de classe C 2,1,
rGt (Γ) =
∫
Γ∩G
〈jt , n〉ds ,
avec n la normale sortante sur G .
19 / 23
Retour sur l’exemple du thermostat
Une vidéo a été projetée à ce stade de la présentation.
Cette vidéo (≈ 2.3 Mo) est disponible sur la page « réunions »du site web du groupe SDH, à l’adresse suivante :
http ://www.rennes.supelec.fr/sdh.
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
Caractérisation de l’incertitude ?Rappel : cas des EDO et des EDSL’équation de FPK généralisée aux GSHSRésultat numériques
Considérations numériques
Discrétisation spatiale : méthode des volumes finis
conservation de la masse garantie
matrices « très creuses » (densité : 10−6 – 10−8)
Efficace pour le calcul du régime stationnaire
calcul « direct » (recherche d’un vecteur propre)
compris précision / temps de calcul comparable à uneméthode de type Monte-Carlo
intérêt de résoudre FPK : construction d’uneapproximation de µst, stockable donc réutilisable
21 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
Conclusion / perspectives
GSHS : classe très générale de modèle stochastiques hybridesformalisme unifié, proposé par Bujorianu & Lygeros (2004)
⇒ besoin d’outils unifiés également !
Caractérisation de l’incertitudeune équation de FPK généralisée a été établieunification + prise en compte de sauts forcésconcept d’intensité moyenne de sauts
Directions de recherchephénomène de Zénon, différentes formes de stabilité, etc.
fonctions de Lyapunov multiples ?
méthodes numériques
22 / 23
Plan de l’exposéIntroduction aux GSHS
Équation de FPK et caractérisation de l’incertitudeConclusion / perspectives
Références
Références en lien avec le travail présenté
J. Bect, Processus de Markov diffusifs par morceaux :
outils analytiques et numériques. Thèse de doctorat, Univ.Paris-Sud 11, 2007.http ://tel.archives-ouvertes.fr/tel-00169791/fr
J. Bect, H. Baili et G. Fleury, Generalized Fokker-Planck
equation for piecewise-diffusion processes with boundary
hitting resets, MTNS 2006, Kyoto, juillet 2006.http ://hal.archives-ouvertes.fr/hal-00016373/en
J. Bect, Y. Phulpin, H. Baili et G. Fleury, On the
Fokker-Planck equation for stochastic hybrid systems :
application to a wind turbine model, PMAPS 2006,Stockholm, juin 2006.http ://hal.archives-ouvertes.fr/hal-00016375/en
23 / 23