Przestrzeń konfiguracyjna a rozmaitość — lekcja z fabryki chemicznej

Skąd się wzięło to pytanie #

Profesor Jerzy Kijowski w Geometrii różniczkowej jako narzędziu nauk przyrodniczych opisuje fabrykę chemiczną sterowaną z pulpitu za pomocą 25 pokręteł. Każde pokrętło kontroluje jeden parametr procesu: temperaturę, ciśnienie, stężenie substancji, wydajność pomp. Profesor konkluduje, że konfiguracje tego układu tworzą przestrzeń 25-wymiarową, a wydajność procesu jest funkcją na tej przestrzeni.

Opis jest matematycznie elegancki — ale inżyniera powinna zaczepić jedna fraza: „przekroje rur łączących kotły". Przekrój rury to stała geometryczna. Nie można jej regulować pokrętłem. Można regulować stopień otwarcia zaworu, przepływ, ciśnienie różnicowe. To skrót myślowy bez znaczenia dla teoretyka, wiadomo jaki jest sens — ale nieścisłość dla inżyniera.

Ta drobna nieścisłość otwiera jednak ważniejsze pytanie: czy te 25 wymiarów naprawdę tworzy przestrzeń ℝ²⁵, czy coś bardziej skomplikowanego?

Przestrzeń konfiguracyjna ≠ ℝⁿ #

Wyobraźmy sobie, że rzeczywiście mamy 25 niezależnych, ciągłych parametrów. W najprostszym modelu każdy parametr $q^i$ przyjmuje wartości z pewnego przedziału $[a_i, b_i] \subset \mathbb{R}$. Przestrzeń konfiguracyjna byłaby wtedy:

$$\mathcal{Q} = [a_1, b_1] \times [a_2, b_2] \times \cdots \times [a_{25}, b_{25}] \subset \mathbb{R}^{25}$$

Już tu pojawia się pierwsza nietrywialność: to rozmaitość z brzegiem. Zawór całkowicie zamknięty to ściana tej przestrzeni — punkt osobliwy z perspektywy sterowania.

Ale to dopiero początek problemów.

Trzy pytania, które przekształcają przestrzeń w rozmaitość #

1. Czy wymiary są niezależne? #

W rzeczywistej fabryce parametry są sprzężone. Jeśli zwiększam przepływ przez pompę $P_1$, zmienia się ciśnienie w kotle $K_2$, co wpływa na temperaturę reakcji, co zmienia stężenie produktu. Mamy do czynienia z układem równań wiążących parametry:

$$g_k(q^1, q^2, \ldots, q^{25}) = 0, \quad k = 1, \ldots, m$$

Takie więzy redukują wymiar przestrzeni dostępnych konfiguracji. Jeśli więzy są gładkie i niezależne, przestrzeń konfiguracyjna jest podrozmaitością $\mathbb{R}^{25}$ o wymiarze $25 - m$.

2. Czy wszystkie punkty przestrzeni są osiągalne? #

Nie każda matematycznie poprawna kombinacja parametrów odpowiada fizycznie możliwemu stanowi układu. Temperatura nie może przekroczyć punktu wrzenia przy danym ciśnieniu. Suma przepływów musi spełniać prawo zachowania masy. To kolejne więzy — tym razem nierównościowe — które nadają przestrzeni strukturę rozmaitości z rogami.

3. Czy dostępne kierunki ruchu są wszędzie takie same? #

To najsubtelniejsze pytanie. Nawet jeśli układ ma $n$ parametrów, w danym punkcie możemy być w stanie poruszać się tylko w $k < n$ kierunkach (ze względu na dynamikę lub sterowanie). Zbiór dostępnych kierunków w każdym punkcie tworzy dystrybucję — i to właśnie jest obiekt badany przez geometryczną teorię sterowania.

Analogia z FOC #

W silnikowym układzie FOC transformacja Parka daje osie $d$ i $q$, które wyglądają jak niezależne wymiary przestrzeni stanu. Ale równania napięć zawierają człony krzyżowe $\omega L$:

$$u_d = R i_d + L \frac{di_d}{dt} - \omega L i_q$$ $$u_q = R i_q + L \frac{di_q}{dt} + \omega L i_d + \omega \Psi_f$$

Osie $d$ i $q$ są sprzężone przez prędkość obrotową $\omega$. Przestrzeń stanu silnika nie jest produktem niezależnych prostych — ma strukturę geometryczną zależną od punktu pracy.

Pytanie praktyczne: „Czy mogę sterować $i_d$ i $i_q$ niezależnie?" jest w istocie pytaniem o płaskość pewnej rozmaitości. Decoupling w sterowaniu FOC to geometryczna operacja spłaszczania tej przestrzeni lokalnie wokół punktu pracy.

Dwa przykłady inżynierskie #

Przykład 1: Pompa odśrodkowa — przestrzeń zakrzywiona przez fizykę #

Wyobraźmy sobie pompę odśrodkową w układzie hydraulicznym. Mamy do dyspozycji dwa pokrętła sterujące:

• Prędkość obrotowa wirnika $n$ [obr/min] — regulowana przez falownik. Im szybciej wiruje pompa, tym więcej energii dostarcza cieczy.
• Stopień otwarcia zaworu $\alpha \in [0°, 90°]$ — zawór na tłoczeniu, który dławiąc przepływ zmienia opór układu.

Naiwny model mówi: dwa niezależne parametry → przestrzeń stanów to prostokąt w ℝ² → każda kombinacja $(n, \alpha)$ jest równie dobra i daje niezależny wynik.

Rzeczywistość jest inna. Dla każdej pary $(n, \alpha)$ fizyka sama wyznacza dokładnie jeden punkt pracy — czyli konkretny przepływ $Q$ [m³/h] i konkretne ciśnienie $H$ [m słupa cieczy]. Wyznacza go przecięcie dwóch krzywych:

• Charakterystyki pompy $H_p(Q, n)$ — jak bardzo pompa “pcha” ciecz przy danej prędkości. Zależy od prędkości obrotowej nieliniowo: przy dwukrotnie większej prędkości ciśnienie rośnie czterokrotnie ($H \sim n^2$), a przepływ dwukrotnie ($Q \sim n$). To tzw. prawa podobieństwa.
• Charakterystyki układu $H_s(Q, \alpha)$ — jak bardzo układ “stawia opór” przy danym przepływie. Zależy od otwarcia zaworu: im zawór bardziej zamknięty, tym stroma krzywa, tym większy opór przy tym samym przepływie.

Punkt pracy to przecięcie tych dwóch krzywych — i to przecięcie jest nieliniową funkcją $(n, \alpha)$.

Teraz mamy cztery zmienne: $(n, \alpha, Q, H)$. Naiwnie to przestrzeń ℝ⁴. Ale fizyka narzuca dwa równania (charakterystyka pompy i układu), które wiążą te cztery zmienne. Osiągalne stany tworzą więc dwuwymiarową powierzchnię zanurzoną w ℝ⁴ — i ta powierzchnia jest zakrzywiona, bo prawa podobieństwa są nieliniowe.

To jest właśnie rozmaitość: niższego wymiaru niż otaczająca przestrzeń, zakrzywiona przez fizykę układu.

Dodatkowy szczegół: pompa ma obszar niestabilnej pracy po lewej stronie charakterystyki. Tam układ wpada w oscylacje przepływu — zjawisko znane w literaturze anglojęzycznej jako surge. Matematycznie to brzeg rozmaitości: granica, za którą model przestaje obowiązywać. Dobry regulator musi “wiedzieć” że ta granica istnieje — a to znaczy że musi respektować geometrię rozmaitości, nie tylko działać w abstrakcyjnym ℝ⁴.

Przykład 2: Dwa silniki elektryczne — przestrzeń zakrzywiona przez topologię #

Weźmy układ dwóch silników elektrycznych pracujących równolegle — na przykład napęd dwuosiowy w robocie lub w gimbalu fotograficznym (układ stabilizacji kamery z silnikami bezszczotkowymi). Chcemy opisać pełny stan układu.

Cztery zmienne wydają się wystarczyć:

• $\theta_1$ — kąt obrotu pierwszego rotora
• $\theta_2$ — kąt obrotu drugiego rotora
• $\omega_1$ — prędkość kątowa pierwszego silnika [rad/s]
• $\omega_2$ — prędkość kątowa drugiego silnika [rad/s]

Cztery liczby rzeczywiste → przestrzeń stanów to ℝ⁴? Nie do końca.

Przyjrzyjmy się uważnie zmiennym $\theta_1$ i $\theta_2$. Kąt obrotu rotora ma szczególną właściwość: $\theta = 0°$ i $\theta = 360°$ to fizycznie ten sam stan. Rotor jest okrągły — po pełnym obrocie wraca do punktu startowego. Kąt $\theta$ nie żyje na prostej ℝ (gdzie $0$ i $2\pi$ to różne punkty oddalone od siebie), lecz na okręgu $S^1$ (gdzie te punkty są utożsamione i sąsiadują ze sobą).

To nie jest tylko filozofia. Ma konkretne konsekwencje:

Wyobraź sobie regulator, który śledzi kąt rotora zapisany jako liczba rzeczywista. Rotor obraca się jednostajnie i kąt rośnie: $350°, 355°, 360°$… a potem nagle skacze do $0°$. Jeśli regulator nie wie że $360° = 0°$, obliczy błąd śledzenia równy $360°$ i zareaguje gwałtownym impulsem sterującym — choć fizycznie nic się nie stało. Właśnie dlatego w praktyce używa się funkcji $\sin\theta$ i $\cos\theta$ zamiast $\theta$ wprost — to naturalna parametryzacja okręgu $S^1$.

Wracając do układu dwóch silników: przestrzeń stanów to nie ℝ⁴, lecz:

$$\mathcal{M} = S^1 \times S^1 \times \mathbb{R} \times \mathbb{R}$$

Wymiar się zgadza — nadal 4. Ale dwa z czterech “kierunków” są zakrzywione w pętle. Para okręgów $S^1 \times S^1$ tworzy torus $T^2$ — powierzchnię podobną do dętki. Przestrzeń prędkości $(\omega_1, \omega_2)$ pozostaje płaska.

Kluczowa różnica wobec przykładu z pompą: tam rozmaitość była niższego wymiaru niż otaczająca przestrzeń (zakrzywienie przez więzy). Tu rozmaitość ma ten sam wymiar co ℝ⁴, ale jest globalnie zakrzywiona przez topologię — przez to, że kąty “zawijają się” w pętle. Nie da się tej przestrzeni globalnie “wyprostować” do ℝ⁴, tak jak nie da się rozwinąć dętki na płasko bez rozdarcia.

Dla sterowania FOC ma to praktyczne znaczenie: lokalne linearyzacje (np. model małosygnałowy) działają dobrze blisko punktu pracy, bo lokalnie torus wygląda jak płaski kawałek ℝ⁴. Ale globalnie — przy dużych zmianach kąta lub prędkości — geometria torusu zaczyna dominować i trzeba ją uwzględnić.

Co z tego wynika #

Optymalizacja procesu chemicznego — czy sterowanie silnikiem — prowadzona w uproszczonym modelu ℝⁿ ignoruje więzy i może prowadzić do rozwiązań fizycznie nieosiągalnych. Geometria różniczkowa dostarcza języka, który te więzy traktuje jako strukturę, a nie przeszkodę.

Puenta #

Profesor Kijowski miał rację co do istoty: wysokowymiarowe przestrzenie konfiguracyjne są naturalnym językiem opisu złożonych układów. Ale diabeł tkwi w szczegółach — i to właśnie szczegóły (sprzężenia, więzy, granice osiągalności) zamieniają abstrakcyjne ℝⁿ w konkretną rozmaitość, na której żyje fizyka układu.

Warto zatrzymać się nad każdym akapitem i zapytać: które z tych wymiarów są naprawdę niezależne?

Notatka powstała przy lekturze: J. Kijowski, „Geometria różniczkowa jako narzędzie nauk przyrodniczych"