⚡ electrical engineering

Analysis of Non-Square Nonlinear MIMO Systems using Scaled Relative Graphs

本文提出了一种基于缩放相对图（SRG）的新方法，通过将算子嵌入公共希尔伯特空间并限制输入维度，成功将原本仅适用于方阵系统的非线性 MIMO 系统分析扩展到了非方阵情形，并建立了相应的稳定性判据与计算工具。

原作者： Julius P. J. Krebbekx, Roland Tóth, Amritam Das

发布于 2026-04-20

📖 1 分钟阅读☕ 轻松阅读

原作者： Julius P. J. Krebbekx, Roland Tóth, Amritam Das

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 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

这篇文章介绍了一种新的“数学望远镜”，用来观察和预测那些复杂、多变且不对称的机器系统（比如自动驾驶汽车、机器人手臂或电网）是否会失控。

为了让你更容易理解，我们可以把这篇论文的核心思想想象成**“给不对称的拼图找合适的相框”**。

1. 背景：为什么我们需要新工具？

想象你在玩一个游戏，手里拿着各种形状的积木（代表不同的系统部件）。

旧方法（线性系统）： 以前，工程师们只玩正方形的积木（输入和输出数量一样，比如 1 个开关控制 1 盏灯）。他们有一套非常成熟的“尺子”（像奈奎斯特图、伯德图），只要量一量，就知道积木搭起来稳不稳。
新问题（非线性 MIMO 系统）： 现在的系统太复杂了。比如，一个机器人可能有3 个传感器（输入），但只有2 个轮子（输出）。这叫“非方形”系统。而且，这些积木还会随着时间变形（非线性）。
之前的困境： 以前的“尺子”只能量正方形。为了量这个 3 进 2 出的系统，以前的工程师不得不硬凑：强行给机器人加一个不存在的第 3 个轮子，或者给传感器加一个不存在的第 3 个读数，把它强行变成正方形。
- 后果： 这种“硬凑”就像给瘦子穿大号衣服，虽然能穿进去，但看起来松松垮垮，导致分析结果非常保守（太谨慎了）。本来系统很稳，结果分析说“可能会倒”，导致工程师不敢用，或者设计得过于笨重。

2. 核心创新：缩放相对图（SRG）与“智能相框”

这篇论文的作者发明了一种新的“智能相框”方法，叫做缩放相对图（Scaled Relative Graph, SRG）。

什么是 SRG？

想象你在观察一个跳舞的人（系统）。

旧方法只看他跳得有多快（增益）。
SRG 不仅看他跳得多快，还看他的舞姿和方向（相位）。它在复平面上画出一个“影子”或“云团”。如果这个云团不碰到某个危险区域（比如原点），系统就是安全的。

关键突破：如何对待“非方形”系统？

这是论文最精彩的地方。以前遇到"3 进 2 出”的系统，大家会硬加一个“假轮子”把它变成正方形。

作者的做法： 他们把系统放进一个更大的“房间”（希尔伯特空间），这个房间足够大，能装下所有可能的输入输出。
关键一步（限制输入）： 虽然房间变大了，但他们严格规定：只有原来的那 3 个传感器能进来，那个“假轮子”虽然在场，但必须保持静止（输入为 0）。
- 比喻： 就像你请客吃饭，桌子很大（大空间），但只有 3 个客人（真实输入）入座。你不需要为了填满桌子而硬拉 3 个陌生人（假输入）来坐，那样会挤占空间，让分析变得混乱。
- 效果： 这种方法去除了“硬凑”带来的虚假保守性。它告诉工程师：“看，虽然系统看起来不对称，但在我们严格限制输入后，它的表现其实非常完美，完全不需要担心。”

3. 主要成果：给工程师的“安全手册”

作者不仅提出了这个概念，还写了一本“操作手册”，告诉工程师怎么用它：

连接规则： 就像乐高积木一样，如果两个系统连在一起，怎么把它们的“影子”（SRG）拼起来？作者给出了公式，即使是不对称的积木也能拼。
稳定性定理： 只要两个系统的“影子”不重叠，或者保持一定的距离，整个大系统就是稳定的，不会乱跑，也不会突然崩溃。
计算工具： 作者提供了具体的数学公式，用来计算那些常见的、复杂的部件（比如线性电机、非线性弹簧）的“影子”长什么样。
LFR 形式： 他们特别关注一种叫“线性分数表示（LFR）”的结构。这就像把复杂的机器拆解成“线性骨架” + “非线性关节”。作者的方法可以直接分析这种拆解后的结构，这对控制设计非常有用。

4. 实际效果：四个生动的例子

论文最后展示了四个例子，证明新方法有多好用：

例子 1（非对称 Lur'e 系统）： 用旧方法（硬凑正方形）分析，系统看起来很不稳定，增益很大（很危险）；用新方法，发现系统其实很稳，增益很小。这就像给瘦子量体重，旧方法说“他太重了，会压垮桥”，新方法说“其实他轻得像羽毛”。
例子 2 & 3（多弹簧阻尼系统）： 展示了如何处理多个非线性弹簧和复杂的机械结构，证明了新方法能给出更精确的“安全边界”。
例子 4（对比 IQC 方法）： 和另一种先进的数学方法（IQC）对比，发现新方法得出的结果更紧、更准确，没有多余的废话。

总结

这篇论文就像是给控制工程师提供了一把**“定制尺子”。
以前，面对不对称、复杂的系统，工程师不得不把系统“削足适履”变成正方形来测量，结果测出来的数据总是偏大、偏保守，导致设计出来的系统要么太笨重，要么被误判为不安全。
现在，作者发明了SRG 嵌入法**，允许系统保持它原本的“不对称”形状，同时通过巧妙的数学限制，精准地测量出它的真实表现。这让工程师能设计出更轻、更快、更智能的控制系统，同时保证绝对安全。

一句话总结： 别再为了测量而强行改变物体的形状了，这篇论文教你如何用一把特制的尺子，精准测量那些奇形怪状的系统，并保证它们稳稳当当。

这是一份关于论文《基于缩放相对图的非平方非线性 MIMO 系统分析（扩展版）》的详细技术总结。

1. 研究背景与问题陈述 (Problem)

背景：缩放相对图（Scaled Relative Graphs, SRG）是一种用于分析非线性系统的新型频域图形方法。它能够提供稳定性、性能（如 $L_2$ 增益）的充分条件，并且具有模块化特性，允许通过组合子系统的 SRG 来分析互连系统。SRG 已成功应用于单输入单输出（SISO）非线性系统，并推广到了多输入多输出（MIMO）系统。
核心问题：现有的 SRG 分析方法主要针对方阵系统（输入输出维度相同， $p=q$ ）。这是因为 SRG 的定义依赖于希尔伯特空间（Hilbert Space）结构，要求定义域和值域空间一致。
现有方法的局限性：当处理非方阵系统（ $p \neq q$ ，即“宽”系统或“高”系统）时，传统的做法是通过添加零输入或零输出将系统“补全”为方阵（Squaring up）。然而，这种 naive 的补全方法会引入保守性（Conservatism），导致稳定性分析结果过于严格，甚至可能错误地判定原本稳定的系统为不稳定，或者破坏系统的无源性（Passivity）等关键性质。
目标：开发一种能够直接处理非平方算子（Non-square operators）的 SRG 分析方法，消除因人为增加维度带来的保守性，并建立适用于线性分数表示（LFR）形式的一般非线性 MIMO 系统的稳定性与增益界定理。

2. 方法论 (Methodology)

本文提出了一套完整的理论框架，核心在于算子嵌入与输入空间限制：

2.1 算子嵌入与 MIMO SRG 定义

嵌入策略：将非方阵算子 $R: L^p_2 \to L^q_2$ $R : L_{2}^{p} \to L_{2}^{q}$ 嵌入到一个共同的希尔伯特空间 $L^n_2$ $L_{2}^{n}$ 中（其中 $n = \max\{p, q\}$ $n = max {p, q}$ ）。
- 宽系统 ( $p > q$ )：通过添加零输出（Isometric embedding $\iota$ ）将输出空间映射到 $L^p_2$ 。
- 高系统 ( $p < q$ )：通过投影算子（Projection $\pi$ ）将输入空间映射到 $L^p_2$ ，并限制输入空间为原始维度。
关键创新：与传统的“补全”方法不同，该方法在计算 SRG 时，严格限制输入信号空间为原始输入维度（即 $U^n_p \subsetneq L^n_2$ ），而不是允许所有 $n$ 维输入。这避免了引入虚假的输入/输出维度，从而消除了保守性。
MIMO SRG 定义：基于上述嵌入和限制，定义了 MIMO SRG，确保其半径（Radius）准确对应算子的增量增益（Incremental Gain）。

2.2 受限输入空间下的 SRG 演算

推广了现有的 SRG 演算规则（如加法、乘法、逆运算），使其适用于受限输入空间。
证明了在受限空间下，SRG 的互连规则（如 Proposition 1）依然成立，并引入了改进的弦（Chord）和弧（Arc）补全技术，以处理平行和串联连接中的几何性质。

2.3 稳定性定理

互连稳定性：针对图 1a 所示的一般反馈互连，利用广义的同伦（Homotopy）结果，证明了在满足特定 SRG 分离条件（距离大于 0）下，互连系统是适定的（Well-posed）、因果的，且具有有界的增量 $L_2$ 增益。
LFR 形式分析：针对线性分数表示（LFR）形式的非线性系统（图 1b），推导了具体的稳定性判据（Theorem 2）。该定理通过计算闭环系统的 SRG 半径，直接给出系统的增益上界。

2.4 具体算子的 SRG 计算

LTI 算子：提出了计算稳定 LTI 算子（包括非方阵）SRG 的精确算法。利用奇异值分解和复平面上的圆盘交集/并集来构建 SRG 的上下界。
静态非线性算子：给出了对角静态非线性块以及特定非平方静态非线性块的 SRG 界限公式。

3. 主要贡献 (Key Contributions)

非平方 MIMO SRG 理论框架：首次提出了处理非平方 MIMO 非线性系统的 SRG 分析方法，解决了因希尔伯特空间结构限制而无法直接应用 SRG 的问题。
消除保守性的嵌入技术：提出了一种独特的嵌入方法，通过在嵌入空间中限制输入维度，避免了传统“补全”方法带来的保守性。理论证明和示例表明，这种方法能显著放宽增益界，甚至挽救因传统方法而误判为不稳定的系统。
广义稳定性定理：将 SRG 稳定性理论从方阵推广到非方阵，建立了保证因果性、适定性及增量 $L_2$ 增益界的通用定理，特别适用于 LFR 形式的系统。
可计算的 SRG 公式：提供了稳定 LTI 算子（含非方阵）及常见非线性块的 SRG 计算或界限公式，使得该方法具有实际工程应用价值。
开源工具：开发了 Julia 语言工具箱 SrgTools.jl，实现了上述 SRG 计算和分析算法。

4. 结果与验证 (Results)

论文通过四个具体案例验证了方法的有效性和优越性：

非平方 Lur'e 系统：
- 对比了本文方法与传统的“补全”方法（Squaring up）。
- 结果：在 $a=0.5$ 时，本文方法得出的增益界为 $0.4 $，而传统方法为$ 12.5 $（极度保守）。当$ a < 0.42 $时，传统方法无法证明稳定性，而本文方法证明了系统对所有$ a>0$ 均稳定。此外，本文方法保留了系统的无源性，而传统方法破坏了该性质。
含多个非线性的 SISO 系统：
- 与文献 [15] 中的 SISO SRG 方法对比。
- 结果：本文 MIMO 方法得出的增量增益界（2.33）比文献 [15] 的界（4.81）更紧（更优）。同时，本文方法无需假设因果性和适定性，而是通过定理直接证明。
双质量 - 弹簧 - 阻尼系统：
- 分析了一个包含非线性弹簧的 MIMO 机械系统。
- 结果：成功应用 LFR 形式和 SRG 定理证明了系统的因果性和适定性，并计算出了增量增益界（12.09），展示了处理复杂物理系统的能力。
与 IQC 方法的对比：
- 对比了基于积分二次约束（IQC）的 SRG 分析结果。
- 结果：本文方法得出的增益界与 IQC 方法一致，但提供了更直接的图形化解释和更通用的框架。

5. 意义与影响 (Significance)

理论突破：打破了 SRG 分析仅限于方阵系统的瓶颈，为非线性 MIMO 系统的频域分析提供了统一且严格的数学工具。
工程价值：通过消除保守性，使得控制器设计（如鲁棒控制、非线性控制）能够利用更宽松的性能指标，从而设计出性能更优的控制器。
通用性：该方法不仅适用于 LFR 形式的系统，其核心思想（嵌入与空间限制）可推广至任意 MIMO 非线性系统的互连分析。
实用化：提供的计算算法和开源工具箱使得复杂的非线性系统稳定性分析变得可计算、可操作，填补了从理论到工程应用的空白。

综上所述，这篇论文通过创新的算子嵌入和空间限制技术，成功将 SRG 分析扩展到了非平方 MIMO 非线性系统领域，显著降低了分析保守性，并为非线性控制系统的分析与设计提供了强有力的新工具。