线性矩阵不等式(LMI)(一):简单介绍
主要从以下三个方面介绍:
- 什么是线性矩阵不等式(LMI)
- 为什么要用线性矩阵不等式(LMI)
- 线性矩阵不等式的发展(控制系统中)
文章目录
1. 线性矩阵不等式
如名字所示线性矩阵不等式三要素为:
- 线性 – 注意双线性时,LMI不好求解(非凸问题);例:在不等式中出现形式,其中都为未知变量;可以利用消元法/换元法[1]转化为LMI形式;
- 矩阵变量 – 可以表示成一般形式/标准形式;
- 不等号 – 表示矩阵的正定/负定,而不是大小关系;
1.1 一般形式
-
LMI的一般形式可以表示为[2]:
其中,是矩阵变量, 是任意矩阵, 是对称矩阵。式中, 保证了的线性和对称性;通过选择合适的矩阵使得是负定的。
-
当时,LMI一般形式可以转化为Lyapunov LMI:
对于控制系统来说,当存在一个正定矩阵,使得上式成立时,则系统时稳定的。
Lyapunov LMI的最初解法为,通过选择调整正定矩阵,求解Lyapunov方程来求解矩阵;
-
1.2 标准形式
-
LMI的标准形式为[2]:
其中,是未知标量,称为决策变量。是已知对称矩阵。选择标量使得上式成立;
-
例: 让,
其中,带入可得
等价于
根据上式可得取值范围为,下图所示公共部分。
-
1.3 二者关系
-
让标准形式中 为一般形式中的基底,则可表示为。定义带入到标准形式中,则可将一般形式转化为标准形式
- 例:根据Lyapunov稳定理论,二维线性系统
稳定的充要条件是,存在满足不等式
的正定阵。这里,2 × 2的对称阵有以下对称基底
通过利用这些对称基底,**可写为
将其带入(6)可得
- 例:根据Lyapunov稳定理论,二维线性系统
2. 线性矩阵不等式的优点
在分析与设计控制系统中的优点[2]
全局优化解及数值可靠性
- LMIs 的形式是一种凸约束形式,因此有全局最优解
- 可以得到可靠和有效的数值解
- 规模很大也可以求解
能够进行系统的多目标设计
- 通过将系统不同性能要求,转化为LMI组形式,共同求解LMIs,实现系统多目标设计
成熟的工具包可以使用
- MATLAB LMI toolbox;(后面介绍这个)
- YALMIP;(可以参考文献[3])
- CVX;(没用过不太清楚)
数值可靠性重要性!
数值可靠性可分为
- good-conditioned problems (e.g. 奇异值分解),无论怎么分解都可以保证数值的精度。
- ill-conditioned problems (e.g. 矩阵求逆),矩阵求逆,如果条件数很大,求的矩阵的逆精度会受到损失。
例:给定以下单输入基准系统
其中
配置系统极点使用matlab place 命令得到的结果为:
从上可以看出place算法在一些时候并不能保证数值稳定性
2.1 LMI 是一个凸集
-
凸优化问题 = 凸指标+凸约束
其中是一组凸函数,等式约束必须是仿射结构(线性的)。目标函数,是凸函数;不等式约束是凸集;等式约束时仿射的;则称此优化问题为凸优化问题。
-
凸函数
其中,,是一个凸集。简单描述,函数图像上任取两点连线的中点,大于此函数任取两点对应的自变量的中点的函数值,则此函数为凸函数。
-
凸集
如果,且
则称是一个凸集。简单描述,集合中任取两点连成的线段,若线段上所有的点都包含的集合里面则集合是凸集。
-
含有LMI的优化问题
是LMI,且是一个凸集。- 当目标函数是凸函数时,此优化问题是凸优化问题;
- 是一个凸集(利用凸集定义可证明)。
- 当目标函数是凸函数时,此优化问题是凸优化问题;
-
涉及LMI的三个标准问题
大多数问题都可以转化为标准问题
-
可行性问题
找到一个解满足如下LMI:
当把移动到不等式左边,令,可以将上述LMI转化为标准LMI:;
上述问题可以利用,MATLAB LMI Toolbox中 feasp 命令求解。
feasp 求解的时以下的带有LMI的辅助凸优化问题
根据矩阵特征值特性;上式表示为使得矩阵的特征值全小于,即矩阵为负定。因此,只有凸优化问题(22)时,存在严格可行解,使得矩阵,使得成立。 -
凸最小化问题
给一个凸函数,找到一个解满足以下带有LMI约束的最小化问题
MATLAB LMI Toolbox中 mincx 命令求解
-
广义特征值问题
找到以下最小化问题的解
MATLAB LMI Toolbox中 gevp 命令求解
mincx 和 gevp 区别?凸最小化问题和广义特征值问题区别?
-
3. 线性矩阵不等式的发展
-
播种期(1890)
根源:求解一个正定矩阵使得成立,保证线性系统是渐进稳定的;
解决方法:Lyapunov通过选择一个正定矩阵,通过求解Lyapunov方程,来显示求解矩阵。
-
生根期(1940-1970)
将李亚普诺夫LMI问题应用在实际的应用中;
提出了应用图形方法求解LMI;
-
成长期(1970-2000)
正实引理 —— 将很多问题转化为LMI形式
凸优化算法应用 —— 为LMI求解提供了成熟的求解工具
-
繁荣期(2000-现在)
在鲁棒控制等领域应用很广;
参考文献
[1] Duan, G.-R., & Yu, H.-H. (2013). LMIs in Control Systems: Analysis, Design and Applications (1st ed.). CRC Press. https://doi.org/10.1201/b15060, PDF:library.lol/main/1D9AAC1BED0618920BBED953215695E2 学习视频:https://www.bilibili.com/video/BV1jt411U7xj?p=1
[2] K.-Z. Liu and Y. Yao, Robust Control: Theory and Applications. Hoboken, NJ, USA: Wiley, 2016.
[3] 刘金琨. 基于 LMI 的控制系统设计, 分析及 MATLAB 仿真[M]. 清华大学出版社, 2020.
1BED0618920BBED953215695E2](http://library.lol/main/1D9AAC1BED0618920BBED953215695E2) 学习视频:https://www.bilibili.com/video/BV1jt411U7xj?p=1
[2] K.-Z. Liu and Y. Yao, Robust Control: Theory and Applications. Hoboken, NJ, USA: Wiley, 2016.
[3] 刘金琨. 基于 LMI 的控制系统设计, 分析及 MATLAB 仿真[M]. 清华大学出版社, 2020.
版权声明:本文为博主作者:终谦原创文章,版权归属原作者,如果侵权,请联系我们删除!
原文链接:https://blog.csdn.net/weixin_42348938/article/details/135636999