IEEE Transactions on Robotics

A New Expression for the Passivity Bound for a Class of Sampled-Data Systems

作者：Rodney G. Roberts, Carl A. Moore, J. Edward Colgate · 机构：Department of Electrical and Computer Engineering, Florida A&M University-Florida State University College of Engineering, Tallahassee, FL, USA; Department of Mechanical Engineering, Florida A&M University-Florida State University College of Engineering, Tallahassee, FL, USA; Department of Mechanical Engineering, Northwestern University, Evanston, IL, USA

会议/期刊：IEEE Transactions on Robotics · 发布日期：2024 · 页码：4179-4189

触觉

精读笔记

Problem Setting

论文标题：A New Expression for the Passivity Bound for a Class of Sampled-Data Systems（IEEE Transactions on Robotics / 2024）。

这篇论文处理的是触觉接口中一个很经典但仍然基础的问题：给定一自由度 sampled-data haptic loop，虚拟环境由离散传递函数 H(z) 实现，接口本体有质量 m 和粘性阻尼 b，人操作者被建模为被动阻抗 Z_O(s)，那么为了保证整个系统被动，b 至少要多大。

真正困难不在于“passivity 定义”，而在于这个系统是连续-离散混合的：人的阻抗和机械本体在连续域，虚拟环境在离散域，中间有 sampler 和 zero-order hold。采样会把频域响应折叠成 starred transform，无穷多个 aliasing 分量共同决定闭环稳定/被动性。旧工作已经给出必要充分条件，但表达式包含不直观的三角/无穷和结构，而且必要性证明中对 G*(jω) 可达集合的论证偏几何直觉，严格性不足。

关键矛盾是：触觉系统设计需要一个可直接用于 H(z) 设计的阻尼裕度公式；但 sampled-data passivity 的自然表达式很难被用于分析一般滤波器、延迟或非标准离散化。本文就是在不改变系统模型的前提下，把这个 bound 变成一个更像离散频响实部约束的形式。

Motivation

已有路线不够的地方主要不是结果错，而是“结果太难用”。Colgate–Schenkel 的经典公式可以判别虚拟墙这类简单 H(z)，但一旦 H(z) 换成 FIR/IIR、Tustin、带 delay 的实现，原表达式会让闭式分析变得非常不透明。换句话说，理论条件存在，但没有形成一个可迁移的设计工具。

作者抓住的缺口是 r(jω) 这个因子。旧推导把 r(jω) 看成 starred transform 下的无穷和，后续再用三角恒等式化简；本文反过来从采样解释出发，把它看成三角脉冲采样后的结果。这个观察直接消掉了无穷和，使 passivity bound 变为 b > Re{T H(e^{jωT})/(1-e^{jωT})}。

另一个动机是修补经典理论的证明链。必要性依赖“被动 operator 任意”这一强假设，因此需要精确刻画所有可能 Z_O(jω) 诱导出的 G*(jω) 范围。旧文中这个集合等式没有充分说明；本文把它变成严格的圆盘映射与包含关系证明。

Core Idea

论文的核心不是提出新型触觉控制策略，而是重写 passivity bound 的“坐标系”。它把连续-离散混合系统中最麻烦的采样效应浓缩为一个简单解析核 r(jω)=T/(e^{jωT}-1)，于是所有虚拟环境 H(z) 对 passivity 的影响都通过 Re{T H(z)/(1-z)} 体现。这相当于把问题从分析 sampled-data loop 的复杂 aliasing 结构，转化成分析离散控制器在单位圆上的一个加权实部。

直觉上，这能成立是因为 ZOH + sampler 的组合给所有 aliasing 项引入了相同相位的权重；因此“任意被动 operator”经过取倒数和 aliasing 叠加后，其可达集合仍然保持圆盘结构，只是被统一缩放和旋转。这个结构非常特殊，也是全文的隐含 inductive bias：它不是一般 sampled-data 系统的结果，而是 ZOH、一自由度、被动 operator 任意性共同导致的几何闭包。

和 prior 的本质区别是，旧工作给出一个可判定但不便分析的 bound；本文把 bound 变成一种设计语言。它没有放宽主系统假设太多，但显著降低了分析 H(z) 类族时的代数成本。

Method

1. 严格化必要性：作者从 Z_O(jω) 的被动性出发，将其可达集合设为闭右半平面。加上 b 和 mjω 后右移，再取倒数得到圆盘 R_1。随后证明 G*(jω) 的可达集合是 r(jω)R_1。关键不是圆盘映射本身，而是证明 aliasing 加权和不会扩大到更复杂的凸集；这依赖 a_n(ω) 对固定 ω 具有共同相位。

2. 用 small-gain/Nyquist 得到阻尼必要条件：一旦 G*(jω) 的范围被压成圆盘，闭环特征方程 1+G*H=0 就可转化为 |Z_2(jω)|<1，进而得到 b > Re{-r(jω)H(e^{jωT})}。这一步将“对所有被动 operator 稳定”转化为“虚拟环境不能把圆盘推过临界点”。

3. 用能量不等式证明充分性：作者将 operator 外的机械-虚拟环境部分看成待证明严格被动的系统。能量条件化为 <U,V>+b||V||^2>0。通过 F(ω) 的周期共轭性质，把 <U,V> 中的复函数替换为实部 Φ(ω)，再分解为 Φ^+ 与 Φ^-；正部天然贡献非负，负部由阻尼项覆盖。这个证明比旧能量论证更短，也更清楚地解释了 bound 的物理含义：阻尼只需要补偿 H(z) 造成的负能量注入。

4. 化简 r(jω)：令 k(s)=(1-e^{-sT})r(s)，将其识别为 C(s)=((1-e^{-sT})/s)^2 的 starred transform。C(s) 对应两个矩形脉冲卷积得到的三角函数，其采样序列只有一个非零样本 T，因此 k(s)=Te^{-sT}。这一步把原先的无穷求和变成一个采样脉冲事实，是全文最干净的技术操作。

5. 扩展到 operator shortage：若 Z_O(s) 有 passivity shortage η，即 Re Z_O(jω) ≥ -η，则写成 Z_O=-η+Z_P，并把 -η 等效吸收到机械阻尼中，相当于把 b 替换为 b-η。因此 bound 只需整体加 η。这是一个简洁但仍依赖线性并联等效的扩展。

Key Insight / Why It Works

最核心的有效性来源是结构性，而不是 scaling、实验调参或工程技巧。ZOH 让 aliasing 权重同相，这是保持圆盘可达集合的根本原因；被动 operator 的不确定性又正好能用右半平面/圆盘几何完全刻画。因此 necessary bound 可以做到紧，而不是保守裕度。

充分性证明的关键 insight 是：H(z) 的频域作用可以被分成不会破坏 passivity 的部分和可能注入能量的部分。Φ^+ 不需要阻尼补偿；真正需要 b 覆盖的是 Φ^- 经过采样 aliasing 后的最坏影响。Cauchy–Schwarz 在这里不是松散技巧，而是把跨 aliasing 项的相关性上界成同一个频率权重和，刚好与必要性 bound 对齐。

新表达式的贡献很实质。r(jω)=T/(e^{jωT}-1) 让 passivity bound 直接暴露出 z=1 附近的结构：除常数项外，H(z) 通常需要有 1-z 或 z-1 因子，否则实部可能出现奇异或不可控行为。这解释了为什么某些离散微分/滤波器自然可分析，也解释了 Tustin 在理想无延迟下看似有利，但对非整数小延迟极其敏感。

哪些是辅助贡献？FIR/IIR/延迟例子更多是展示新表达式的 tractability，不是新的理论机制。shortage η 的处理也很自然，本质是阻尼预算平移，不算深层创新。真正值得记住的是：通过正确选择 sampled-data 核的表达方式，可以把一个混合系统 passivity 问题变成单位圆上的简单实部优化。

Relation To Prior Work

最接近的工作显然是 Colgate–Schenkel 的一自由度 sampled-data haptic passivity bound。本文不是推翻它，而是给它补证明、换表达、扩展可用范围。经典 bound 为 b > (T/2) Re{(1-e^{-jωT})H(e^{jωT})}/(1-cosωT)，本文证明它等价于 b > Re{T H(e^{jωT})/(1-e^{jωT})}。本质差异是从“采样无穷和/三角分母”转到“单位圆一阶差分核”。

与后续虚拟墙、teleoperation、time delay passivity 文献相比，本文更偏基础理论清理。它没有引入新的 passivity observer/controller，也不是自适应耗散注入；它属于 sampled-data passivity analysis 谱系中“重新参数化判据”的工作。

看似新的闭式 bound 其实很多是旧思想在新表达式下的直接推论，比如 backward difference 的 b>KT/2+B 与经典结果一致。实质新增信息在于：1）严格说明 R_{G*}=rR_1 何以成立以及何时可能不成立；2）给出 r(jω) 的采样论证；3）把原本难以处理的 FIR/IIR/整数延迟情况变成简单实部最大化；4）指出 Tustin 对小非整数延迟的 passivity 脆弱性。

Dataset / Evaluation

这篇论文没有数据集，也没有真机实验。评价方式是理论推导与若干解析例子：backward difference 虚拟墙、特定 FIR/IIR、Tustin 近似、整数采样周期延迟、非被动 operator shortage。

这种 evaluation 能支持的 claim 很明确：新表达式确实更便于推导闭式 passivity bound，并且能复现经典虚拟墙结果，同时揭示一些旧表达式下不直观的情况，例如 Tustin 无延迟时的负阻尼项和小延迟下的发散风险。

但它不能支持更强的 deployment claim。没有验证真实硬件中未建模动力学、量化、摩擦、延迟抖动、非线性墙、传感噪声下该 bound 的紧性或保守性。对 T-整数倍延迟的分析也不等同于真实计算延迟，因为真实延迟通常有非整数部分和 jitter。论文的证据是数学上充分的，但实验外推空间很有限。

Limitation

最重要的限制是模型结构强。必要性和充分性的漂亮闭合依赖一自由度、线性、时不变、理想采样、ZOH、被动或固定 shortage 的 operator。只要 hold 机制变化，a_n 同相性可能消失，R_{G*} 不再是简单圆盘缩放，整个几何证明就需要重做。作者提到 FOH 会更复杂，这其实说明本文结论的泛化边界很清楚。

第二，operator 模型仍然过于理想。即使允许 shortage η，也是假设 Re Z_O(jω) ≥ -η 的频域全局下界，并且 η 可作为常数吸收到阻尼。真实人手阻抗可能时变、非线性、任务相关，甚至存在有限频段主动行为；简单加 η 可能只是 nominal 修正。

第三，延迟处理不完整。整数采样周期延迟可以并入 z^{-n}，但实际系统常见的是计算延迟、通信延迟和采样相位误差的组合。文中对非整数小延迟只分析了 Tustin 特例，并未给出一般 H(z)e^{-s t_d} 的必要充分 bound。Tustin 案例显示小延迟可导致 bound 发散，这意味着理想离散化结论可能对实现细节非常敏感。

第四，多自由度和非线性环境没有真正覆盖。触觉中的 wall/contact 往往有 unilateral constraint、碰撞、饱和和切换。文中说明无 unilateral constraint 的条件可推出带 constraint 的 passivity，但没有深入讨论非线性虚拟环境的紧性。若要用于复杂 haptic rendering，这篇更像基础局部工具，而不是完整设计理论。

Takeaway

  • 1. 这篇最值得迁移的 insight 是：很多 sampled-data passivity 条件看似复杂，可能只是因为采样核表达错了；找到正确的 starred-transform 等价形式后，设计问题会退化成单位圆上的实部优化。
  • 2. ZOH 的同相 aliasing 权重是核心结构。
  • 未来若研究 FOH、高阶 hold、多速率或 fractional delay，首先要问的不是公式怎么改，而是可达集合是否仍有某种可控几何形状。
  • 3. 对触觉虚拟环境设计而言，H(z) 在 z=1 附近的零点结构非常关键。

一句话总结

这篇论文是对经典 sampled-data 触觉被动性阻尼下界的一次理论重参数化：它用严格的圆盘可达集合证明和 r(jω)=T/(e^{jωT}-1) 的采样化简，把原本难用的必要充分条件变成可直接分析 H(z) 的实部判据。