Computation of lower bounds for the induced L2 norm of LPV systems

技术摘要：LPV 系统诱导 $L_2$ 范数下界的计算

问题陈述
确定线性参数变化（LPV）系统的诱导 $L_2$ 范数是分析和鲁棒控制设计的关键组成部分。虽然精确的范数通常是难以计算的，但现有的大多数文献都侧重于使用具有动态乘子的标度小增益定理或具有参数依赖李雅普诺夫函数的耗散不等式来计算上界。在计算下界方面，仍存在显著的研究空白。目前唯一可用的下界计算方法是“冻结点”分析，即在常数参数值下评估系统。然而，这种方法通常具有高度保守性，因为它忽略了调度参数的动态变化，未能捕捉到时变系统的最坏情况性能。

方法论
本文提出了一种互补算法，通过将调度参数轨迹限制为周期信号来计算下界。这种限制将 LPV 系统转化为周期线性时变（PLTV）系统。该方法利用了近期关于精确计算 PLTV 系统诱导 $L_2$ 范数的研究结果。

其核心技术方法包含三个主要部分：

1. PLTV 系统的精确范数计算：
   作者利用基于 PLTV 系统“提升”（lifted）算子表示的二分法算法。通过将连续时间周期系统转换为离散时间线性时不变（LTI）系统（$G_\gamma$），将判断范数是否小于标量 $\gamma$ 的问题简化为检查 $G_\gamma$ 的稳定性（具体而言，检查是否满足 $\|G_\gamma\|_\infty < 1$）。这一检查涉及求解哈密顿微分方程，或者更稳健地，通过积分矩阵微分黎卡提方程来计算提升系统的状态空间矩阵。

2. 最坏情况输入构造：
   本文的一个新颖贡献是仅使用时域算子推导了 PLTV 系统的最坏情况输入信号。通过分析与系统相关的哈密顿动力学，作者识别了单调矩阵（monodromy matrix）的单位模特征值。相应的特征向量被用于构造一个实现系统增益的周期输入信号。为了满足 $L_2$ 定义（假设初始条件为零且能量有限），在经过大量周期后对输入进行截断，并取复数信号的实部。这种构造提供了一个能够近似实现计算出的增益的“坏”输入轨迹。

3. 下界优化算法：
   本文将下界问题表述为在周期轨迹空间上的有限维非凸优化问题。

   • 轨迹参数化： 周期轨迹使用由参数向量（偏移量和间隔长度）定义的分段线性函数进行表征，并受到范围和变化率约束。这确保了搜索空间是一个多胞体。
   • 优化策略： 算法（算法 3）首先计算 LPV 系统的全局上界 ($\gamma_{ub}$)。然后，它在参数向量 $c$ 上优化一个代价函数 $\nu(c, \gamma_{ub})$（与 PLTV 系统的范数相关）。如果优化结果 $\ge 1$，则意味着当前的 $\gamma_{ub}$ 过低，从而更新下界。这种方法避免了直接进行范数最大化时所需的计算昂贵的重复二分循环。

关键结果
本文通过四个数值算例验证了所提方法：

• 增益调度 PI 控制器： 一个一阶 LPV 系统与控制器的反馈互联。所提方法给出的下界为 2.84，而冻结点下界为 1.11，上界为 2.96。计算出的上下界间隙缩小至 0.13，表明估计非常紧凑。
• 标度 LTI 系统： 在常数参数下，缩放后的输入与输出之差为零（冻结下界 = 0）。该算法成功识别了各种变化率 ($\mu$) 下的非零下界，且与计算出的上界非常接近。
• 旋转 LTI 系统： 一个涉及参数依赖旋转的系统。该方法将下界从 2.696（冻结）提升至 3.15，而上界为 3.3。
• 双参数系统： 一个结合了前述示例的复杂系统。算法实现的下界为 5.047，上界为 5.38，显著优于 0 的冻结点下界。

在所有案例中，计算出的下界均显著优于冻结点估计，并且非常接近已知的上界。

意义与主张
本文声称，所提算法为计算 LPV 系统诱导 $L_2$ 范数的下界提供了一种实用且可靠的方法。其意义在于两方面：

1. 互补性： 它与标准的上界技术相辅相成。计算出的下界与上界之间较小的间隙表明，系统的范数得到了紧凑的表征，这可能使得进一步进行复杂的分析（例如使用高阶李雅普诺夫函数）变得不再必要。
2. 洞察生成： 不同于通常仅提供标量值的上界方法，该算法返回特定的“坏”参数轨迹及相应的最坏情况输入信号。通过分析这些信号，可以为系统的性能限制提供物理层面的见解。

作者强调，该方法是针对“网格化”（Gridded）LPV 系统（任意参数依赖）开发的，但也能够轻易应用于线性分式变换（LFT）模型。该方法依赖于标准的数值工具，且除了调度参数的标准有界性和可微性之外，不对 LPV 系统施加特定的结构约束。