⚡ electrical engineering

Exponential Stability of Homogeneous Positive Systems of Degree One With Time-Varying Delays

本文建立了具有时变延迟的连续时间及离散时间齐次正系统时，关于时滞无关指数稳定性及衰减率界限的充分必要条件，并证明了这些界限可以通过凸规划进行优化，并可推广至一般线性系统。

原作者： Hamid Reza Feyzmahdavian, Themistoklis Charalambous, Mikael Johansson

发布于 2026-06-04

📖 1 分钟阅读☕ 轻松阅读

原作者： Hamid Reza Feyzmahdavian, Themistoklis Charalambous, Mikael Johansson

原始论文采用 CC BY 3.0 许可（http://creativecommons.org/licenses/by/3.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一个工厂装配线，那里的每一位工人（一个“状态变量”）都被允许只做正向的事情——比如添加零件或向前移动箱子。他们绝不允许减去零件或向后移动。在工程学领域，这些被称为正系统（Positive Systems）。

现在，想象在工人之间的沟通中存在延迟。工人 A 告诉工人 B 开始工作，但信息需要一段时间才能到达。在许多复杂的系统中，这些延迟是危险的；它们可能会导致工厂发生震动、振荡，甚至崩溃。

然而，这篇论文的作者们发现了一些令人着迷的事实：如果这个工厂是一个“正系统”，它对这些延迟具有惊人的免疫力。 只要工厂在没有延迟时是稳定的，即使信息传递需要很长时间，它依然保持稳定。

以下是使用简单比喻对该论文内容的拆解：

1. “超级工人”规则（齐次性与协作性）

论文关注的是一种特定类型的工厂，其中的工人遵循两条特殊规则：

协作性： 如果一名工人加速，他们不会减慢邻居的速度；相反，他们实际上会鼓励邻居也加速。
齐次性： 工人们能够完美地进行缩放。如果你将工厂的规模扩大两倍（输入量），工人们的反应也会精确地扩大两倍。他们不会感到困惑或不堪重负；他们只是按比例进行缩放。

作者证明了对于这些特定的“超级工人”工厂，系统趋于稳定（衰减率）的速度并不取决于“延迟有多长”，而仅取决于工人本身的性质。

2. “速度限制”类比（衰减率）

即使工厂是稳定的，你可能仍想知道：如果出了问题，它恢复的速度有多快？

问题： 通常情况下，如果延迟很长，系统的恢复速度会变慢。
发现： 论文提供了一个数学上的“速度限制”标志。它给出了一个公式，可以精确计算出即使存在延迟，系统恢复正常的精确速度。
代价： 尽管如此，可能的最大延迟越长，保证的恢复速度就越慢。但系统会恢复；它只是可能需要更长的时间才能到达终点。

3. “神奇指南针”（寻找最佳路径）

论文并不仅仅是说“它是稳定的”。它还为工程师提供了一个工具，用以寻找系统的最佳速度。

想象你正在尝试寻找迷宫中最快的路径。你可以通过猜测和尝试来寻找，但这需要耗费大量时间。
作者开发了一种**凸优化（Convex Optimization）**方法。将其想象为一个“神奇指南针”，它能瞬间指向绝对最佳路径（最快的衰减率），而无需你进行猜测。它将一个非常困难的数学问题变成了一个计算机可以瞬间解决的简单问题。

4. 从“完美工厂”到“现实工厂”

论文从这些理想的“正工厂”（一切皆为正值）开始研究。但对于那些可能存在负值或混乱情况的现实世界工厂，情况又如何呢？

作者展示了你可以利用他们在“完美工厂”中发现的规则，通过观察“最坏情况下的混乱程度”，将其应用到一般线性系统（General Linear Systems）（即更混乱、更真实的工厂）中。如果你的“混乱工厂”的“完美版本”是稳定的，那么你的混乱工厂也是稳定的。

总结“重大成果”

延迟不会破坏稳定性： 对于这类特定系统，存在时间延迟（甚至是变化的、不可预测的延迟）不会导致系统不稳定。如果它在无延迟时是稳定的，那么在有延迟时也是稳定的。
预测速度： 他们给出了一个公式，可以根据最大延迟来计算系统恢复的具体速度。
优化： 他们展示了如何使用计算机来寻找这些系统中绝对最快的恢复速度。
离散与连续： 他们证明了这既适用于连续运行的系统（如流动的河流），也适用于以步进方式运行的系统（如滴答作动的数字时钟）。

简而言之： 论文指出，对于某种特定类型的“正”系统，时间延迟就像是缓慢移动的交通拥堵。交通可能会比平时慢一些，但车辆永远不会互相碰撞，而且作者已经弄清楚了如何计算新的限速，并找到穿过拥堵的最快路径。

技术摘要：具有时变延迟的一阶齐次正系统的指数稳定性

问题陈述
虽然存在有界时延的正线性系统的渐近稳定性已得到广泛研究——具体而言，这类系统具有时延无关稳定性的性质，即其稳定性与无时延情形下的稳定性等价——但针对非线性正系统的理论框架尚不完善。现有文献通常依赖于常数时延假设或诸如线性 Lyapunov-Krasovskii 泛函的技术，而这些方法可能会导致过度的保守性，或者在处理时变时延时失效。此外，虽然渐近稳定性已为人所知，但目前仍缺乏关于最大时延界限如何影响此类系统指数衰减率的精确表征。本文旨在解决这一空白，为一类具有有界时变延迟的重要非线性正系统建立时延无关的指数稳定性理论，并量化其衰减率。

研究方法
本文分析了两类主要的系统：

连续时间系统： 定义为 $\dot{x}(t) = f(x(t)) + g(x(t - \tau(t)))$ ，其中 $f$ 是合作向量场（cooperative vector field）， $g$ 是保序（order-preserving）的。两者均假定为一阶齐次。
离散时间系统： 定义为 $x(k+1) = f(x(k)) + g(x(k - d(k)))$ ，其中 $f$ 和 $g$ 是一阶齐次且保序的。

作者利用了合作（Metzler Jacobian）和保序（单调）向量场的性质。一个关键的方法论步骤是使用加权 $l_\infty$ 范数 $\|x\|_v^\infty = \max_i |x_i|/v_i$ ，其中 $v$ 为一个正向量。稳定性分析依赖于寻找一个满足涉及在 $v$ 处评估的向量场的特定代数不等式的向量 $v > 0$ 。

对于线性系统，作者将稳定性条件转化为优化问题。通过应用对数变量代换（ $z_i = \ln v_i$ ），他们证明了寻找最优衰减率及其相关向量 $v$ 的过程可以被构建为一个凸优化问题。这使得高效计算由其理论框架提供的最紧衰减率界限成为可能。

核心贡献与结果

指数稳定性的充要条件：
- 连续时间： 本文确立了：一个具有有界时变延迟的齐次合作系统是全局指数稳定的，当且仅当存在向量 $v > 0$ 使得 $f(v) + g(v) < 0$ 。该条件与无时延情形下的条件一致，证实了此类系统的指数稳定性是时延无关的。
- 离散时间： 类似地，对于离散时间齐次单调系统，全局指数稳定性成立当且仅当存在 $v > 0$ 使得 $f(v) + g(v) < v$ 。
显式衰减率界限：
- 作者推导出了显式表达式来量化时延对衰减率的影响。
- 对于连续时间系统，衰减率 $\eta$ 受包含延迟界限 $\tau_{max}$ 的超越方程的唯一正解约束：
  $\left(\frac{f_i(v)}{v_i}\right) + \left(\frac{g_i(v)}{v_i}\right)e^{\eta_i \tau_{max}} + \eta_i = 0$
- 对于离散时间系统，衰减因子 $\gamma$ 由下式导出：
  $\left(\frac{f_i(v)}{v_i}\right) + \left(\frac{g_i(v)}{v_i}\right)\gamma_i^{-d_{max}} = \gamma_i$
- 结果表明，随着延迟界限的增加，保证的衰减率会恶化（在连续时间中趋于零，在离散时间中趋于一）。
线性系统的优化：
- 对于正线性系统（其中 $f(x)=Ax, g(x)=Bx$），本文证明了可以通过凸优化找到最佳保证衰减率。由于约束在变换后的变量中是凸的，因此可以进行高效的数值求解。
- 该框架通过利用系统矩阵的绝对值（ $A_M$ 和 $|B|$ ）扩展到了一般线性系统（不一定是正的），确保若满足 $(A_M + |B|)v < 0$ 则系统稳定。
验证：
- 通过涉及连续和离散形式的非线性及线性系统的说明性示例，验证了理论结果。仿真确认了所推导的衰减率上界是紧致的，并且凸优化方法比使用任意可行向量能获得更好的界限。

意义与主张
本文声称将正线性系统的时延无关稳定性基本属性扩展到了更广泛的一类具有时变延迟的非线性正系统（齐次合作及单调系统）。不同于以往仅关注渐近稳定性或常数时延的研究，本文提供了：

严格证明了此类系统的指数稳定性对于有界时变延迟的幅度是无关的。
给出了作为延迟量函数的显式、定量的衰减率界限。
提供了一种构造性方法（凸优化）来寻找正线性系统的最优衰减率，解决了现有文献中缺乏精确表征的问题。

作者指出，虽然对于齐次合作系统的结果扩展了先前关于常数时延的研究，但向时变时延的扩展以及提供显式衰减率界限代表了一项显著进展，特别是考虑到标准的线性 Lyapunov-Krasovskii 泛函在这些情况下往往是不充分或过于保守的。