基于数据信息性的正系统分析与设计的线性规划方法

《IEEE Control Systems Letters》:Data Informativity for Analysis and Design of Positive Systems

【字体: 大 中 小 】 时间:2025年12月08日 来源:IEEE Control Systems Letters 2

编辑推荐:

  本文针对正系统的数据驱动分析与设计问题展开研究。作者团队提出了基于线性规划(LP)的数据信息性分析框架,解决了正系统在α-稳定性、正观测器和正镇定控制等方面的设计难题。研究通过扩展Farkas引理建立了数据驱动条件与LP问题的等价关系,实现了无需系统辨识的直接控制器设计。该方法显著降低了稳定性分析所需数据量,为网络系统控制提供了新思路。

  
在控制系统领域,正系统作为一类状态变量始终保持非负特性的动态系统,在交通运输、社会网络和生物系统等领域具有广泛应用。这类系统的特殊性在于其动态特性由非负矩阵描述,且状态轨迹始终位于第一象限。传统基于模型的控制方法需要精确知道系统矩阵,但在实际工程中,获得精确模型往往困难且成本高昂。
近年来,数据驱动控制方法受到广泛关注,其中"数据信息性"概念成为研究热点。该概念用于衡量数据集对解决特定控制问题的充分性,避免了系统辨识环节。然而,现有研究多基于线性矩阵不等式(LMI)方法,计算复杂度较高,且针对正系统特性的研究尚不充分。特别地,如何利用正系统的先验知识降低数据需求,以及如何设计具有稳定性保证的观测器和控制器,仍是亟待解决的问题。
研究团队创新性地将线性规划方法引入正系统的数据驱动分析与设计。通过利用正系统的结构特性和线性Lyapunov不等式,建立了数据信息性与系统性能之间的直接联系。该方法不仅能够处理存在噪声的实测数据,还能结合先验知识提高数据利用效率。
在技术方法层面,本研究主要采用了三个关键技术:基于扩展Farkas引理的集合包含关系判定方法、正系统的线性Lyapunov不等式理论、以及多面体集合的向量化表示技术。这些方法共同构成了数据驱动正系统分析与设计的数学基础。
II. α-稳定性的数据信息性分析
研究首先建立了正系统α-稳定性的数据驱动判定条件。通过定义系统矩阵的兼容集合ΣDs和α-稳定矩阵集合Σ(α),将信息性问题转化为集合包含关系验证。基于扩展Farkas引理,证明了该问题等价于求解一个线性规划问题,其中关键约束条件由测量数据矩阵X-、X+和噪声边界ε决定。
数值算例表明,结合正性先验知识后,仅需少量数据即可完成稳定性分析。如图1所示的8节点网络系统,仅使用两个时间步的测量数据(图2)就能验证系统的0.6-稳定性,而传统方法需要更多数据。
III. 正观测器的数据信息性设计
针对输出反馈情况,研究团队进一步研究了正观测器的数据驱动设计问题。通过引入对角正定矩阵Ξ和辅助矩阵Φ,建立了正观测器存在的充要条件。该条件要求存在Lyapunov矩阵Ξ∈PDn使得观测误差系统满足α-稳定性约束,同时保证观测器矩阵的非负性。
理论分析表明,正观测器存在的必要条件是系统矩阵A非负。通过将数据兼容集合ΣDs/o和观测器性能集合Σobs(α,L)表示为多面体形式,再次利用Farkas引理将设计问题转化为线性规划可行性问题。
IV. 正镇定的数据信息性设计
在控制设计方面,研究解决了两个关键问题:极点配置和状态有界控制。对于极点配置问题,通过引入矩阵Ψ=FΞ,将闭环系统矩阵A+BF的α-稳定性条件转化为线性约束。基于数据矩阵[X-TU-T]和测量数据X+,建立了数据驱动镇定控制的存在性条件。
对于状态有界控制问题,研究团队结合不变集理论,要求状态轨迹始终位于超矩形B(x?)内。通过设置α=1并引入状态约束Ξ1n≤x?,扩展了极点配置方法的功能。如图3所示的数值示例验证了所提方法的有效性,即使原系统既不α-稳定也不非负,仍能设计出满足要求的镇定控制器。
研究结论表明,数据信息性框架结合线性规划方法,为正系统的数据驱动分析与设计提供了系统化的解决方案。该方法充分利用正系统的结构特性,显著降低了数据需求,提高了设计效率。特别地,α-稳定性的引入为系统提供了稳定性裕度,增强了控制器的鲁棒性。这些成果为网络化正系统的实际应用奠定了理论基础,对智能交通、社会网络分析等领域具有重要指导意义。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号