基于交叉Gram矩阵的双侧H_2最优模型降阶方法

针对单输入单输出(SISO)线性时不变系统,提出了Grassmann流形上基于交叉Gram矩阵的双侧H2最优模型降阶方法。首先,将误差系统的H2范数通过交叉Gram矩阵表示,并且把它看成关于变换矩阵的代价函数。其次,引入Grassmann流形,将代价函数看作是定义在Grassmann流形上的非负实值函数。然后,在Grassmann流形上进行线性搜索,寻找使得代价函数尽可能小的一组变换矩阵。运用此方法对大规模SISO线性时不变系统进行降阶,可以得到精度较高的降阶系统。最后,数值算例验证了该算法的近似效果。

基于离散时间系统交叉Gram矩阵的H2最优模型降阶方法

针对单输入单输出(SISO)离散时间系统,本文提出了基于交叉Gram矩阵的一阶必要条件。首先,应用交叉Gram矩阵,得到误差系统的H2范数;然后,根据交叉Gram矩阵所满足的Sylvester方程,得到了误差系统H2范数关于降阶系统系数矩阵的梯度;最后,根据误差系统H2范数的梯度,得到了基于交叉Gram矩阵的一阶必要条件。与此同时,得到降阶系统。

基于交叉Gram矩阵低秩分解的非对称线性系统的模型降阶

针对非对称线性系统,提出了一种基于交叉Gram矩阵低秩分解的模型降阶方法.该方法首先对原系统及其对偶系统的脉冲响应在Legendre多项式基底下进行展开,然后利用Legendre多项式的正交性,给出非对称线性系统交叉Gram矩阵的近似低秩分解,进而通过投影变换得到原始系统的近似平衡系统,接着在给定的精度条件下,构造满足精度的降阶模型.该方法计算灵活、高效,且具有一定的自适应性.最后,数值算例验证了算法的有效性.

K-power双线性系统基于Laguerre函数的保结构模型降阶方法

针对K-power双线性系统,提出一种基于Laguerre函数的保结构模型降阶方法.该方法首先将K-power双线性系统转化为一般的双线性系统,再利用矩阵指数函数的Laguerre函数展开,计算出双线性系统交叉Gram矩阵的近似低秩因子,从而构造K-power双线性系统各子系统相应的投影变换,进而生成该系统的近似平衡系统.然后,通过截断较小的奇异值对应的状态,得到降阶模型.该降阶过程计算高效,且具有一定的自适应性.最后,数值实验验证了算法的有效性.