⚡ electrical engineering

Novel Stability Criteria for Discrete and Hybrid Systems via Ramanujan Inner Products

本文提出了一种基于拉马努金内积与范数的新框架，利用拉马努金求和的数论特性建立了离散及混合系统稳定性分析的新准则，从而在增强鲁棒性保障的同时揭示了系统稳定性与算术性质之间的本质联系。

原作者： Shyam Kamal, Sunidhi Pandey, Thach Ngoc Dinh, Cao Thanh Tinh

发布于 2026-03-03

📖 1 分钟阅读☕ 轻松阅读

原作者： Shyam Kamal, Sunidhi Pandey, Thach Ngoc Dinh, Cao Thanh Tinh

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

这篇论文提出了一种非常新颖的“看世界”的方式，用来判断控制系统（比如自动驾驶汽车、无人机或工厂机器人）是否稳定。

为了让你轻松理解，我们可以把这篇论文的核心思想想象成**“给系统做体检”**。

1. 传统方法：用“卷尺”量一切（欧几里得范数）

在传统的控制理论中，工程师们就像拿着卷尺的测量员。

怎么测？ 他们测量系统的“能量”或“误差”有多大。如果误差在慢慢变小，系统就是稳定的；如果误差忽大忽小或者越来越大，系统就不稳定。
局限性： 这把“卷尺”是通用的，它只看总量。
- 比喻： 想象你在听一首歌。传统方法只关心“这首歌总共有多吵”。如果噪音是均匀分布的，它能测得很准。但如果噪音是有规律的（比如每隔 3 秒响一下，或者只在素数秒响一下），传统的卷尺可能会觉得“哎呀，这噪音总量还是很大，系统不稳定”，从而误判。它忽略了噪音背后的节奏和规律。

2. 新方法：用“拉马努金内积”做“听诊器”

这篇论文的作者引入了一个数学大师**拉马努金（Ramanujan）**的名字，发明了一种新的测量工具。

核心概念： 拉马努金内积（Ramanujan Inner Product）。
怎么测？ 它不像卷尺那样只看总量，而是像一位精通数论的侦探。它会问：“这个系统的行为里，有没有藏着某种数字规律？”
- 比喻： 还是那首歌。新的“听诊器”不仅能听出噪音有多大，还能听出噪音是不是有节奏的。
- 如果噪音是“只在第 2、3、5、7、11 秒（素数）出现”，这种噪音在数学上叫“算术稀疏”。传统的卷尺会觉得这噪音很烦人，但新的听诊器会说：“哦，这噪音很有规律，虽然它存在，但它不会破坏整体的和谐，系统其实是稳定的。”

3. 这篇论文解决了什么问题？

现代系统（混合系统、离散系统）经常遇到一些**“有规律的干扰”**：

比如：网络数据包只在特定时间丢失（比如每 5 秒丢一次）。
比如：传感器只在素数秒受到干扰。

传统方法（卷尺）的尴尬：
它看到干扰就报警，说系统“不稳定”或“鲁棒性差”。这导致工程师不得不设计非常保守、反应迟钝的系统，生怕出一点错。

新方法（拉马努金听诊器）的厉害之处：
它能识别出这些干扰的数学结构。

如果干扰符合某种数学规律（比如和某个数字 $q$ 有关），新方法就能“过滤”掉这些干扰的负面影响。
结论： 系统实际上比传统方法认为的要更稳定、更健壮。

4. 论文里的两个精彩例子（通俗版）

例子一：离散系统（像秒表一样的系统）

场景： 一个系统受到干扰，但干扰只在素数秒（2, 3, 5, 7, 11...）出现。
传统视角： 干扰一直存在，系统状态会一直跳动，看起来像要失控。
拉马努金视角： 这种干扰太稀疏了，而且很有规律。新方法计算后发现，虽然状态在跳动，但它的“拉马努金能量”却在平滑地衰减到零。
结果： 传统方法说“系统不稳定”，新方法说“系统其实很稳，只是有点小抖动”。

例子二：混合系统（像跑步加跳跃的系统）

场景： 一个摆动的钟摆，平时慢慢摆动（连续流动），但每当时间变成素数时，它会被猛地拍一下（跳跃），损失一点能量。
传统视角： 因为素数之间的间隔越来越长（2 和 3 挨着，100 和 101 挨着，但 1000 和 1009 隔得远），这种“拍击”越来越稀疏。传统方法担心：拍击间隔太长，钟摆会不会在中间晃得太厉害？结论是“很难保证它最终停下来”。
拉马努金视角： 它把这种“素数拍击”看作一种特殊的数学节奏。通过计算，发现这种节奏下的能量损失足以让钟摆最终停下来。
结果： 新方法证明了系统不仅能稳住，而且能完美收敛到停止状态。

5. 总结：这到底意味着什么？

这篇论文就像给控制系统装上了一副**“数学眼镜”**。

以前： 我们只看系统“乱不乱”（总量）。
现在： 我们还能看系统“乱得有没有规律”（结构）。

实际意义：

更精准： 不再因为一些有规律的干扰就误判系统不稳定。
更自信： 工程师可以设计出更灵敏、反应更快的系统，而不必为了安全而把系统做得笨重。
新领域： 把古老的数学（数论）和现代工程（控制理论）完美结合，发现了很多以前看不到的“稳定性”。

简单来说，这篇论文告诉我们：有时候，看似混乱的干扰，如果背后藏着数学的规律，系统反而能处理得更好。我们要学会用“拉马努金”的眼光去发现这种规律。

这是一份关于论文《Novel Stability Criteria for Discrete and Hybrid Systems via Ramanujan Inner Products》（基于拉马努金内积的离散与混合系统新型稳定性判据）的详细技术总结。

1. 研究背景与问题 (Problem)

核心问题：
传统的控制系统稳定性分析（如李雅普诺夫直接法、输入到状态稳定性 ISS 等）主要依赖欧几里得内积和范数（Euclidean metrics）。这些方法从纯几何角度衡量能量和收敛性。然而，在现代控制系统中，特别是涉及混合切换、采样数据控制或离散调度机制的系统，其状态演化往往具有算术或组合特征（例如周期性切换序列、基于剩余类的动态特性）。

现有方法的局限性：

欧几里得范数无法有效捕捉信号和动态中的结构性算术特征。
对于具有特定算术模式（如素数时间点的干扰、周期性丢包、循环平稳噪声）的扰动，传统方法往往过于保守（conservative），甚至无法证明渐近稳定性，只能证明有界性。
在混合系统中，离散跳变的时间分布（如仅在素数时刻发生跳变）具有特殊的算术稀疏性，欧几里得度量难以统一连续流和离散跳变的这种算术结构。

2. 方法论 (Methodology)

本文提出了一种基于**拉马努金内积（Ramanujan Inner Product）和拉马努金范数（Ramanujan Norm）**的新型稳定性分析框架。

核心数学工具：

拉马努金和 (Ramanujan Sums, $c_q(n)$ )： 定义为 $c_q(n) = \sum_{1 \le k \le q, (k,q)=1} e^{2\pi i kn/q}$ 。这是一种算术和，能够捕捉整除性和剩余类信息。
拉马努金内积： 对于两个序列 $a$ 和 $b$ ，定义内积为：
$\langle a, b \rangle_R = \lim_{Q\to\infty} \frac{1}{Q} \sum_{q=1}^Q \frac{1}{q} \sum_{r=0}^{q-1} c_q(r) \sum_{n \in \mathbb{Z}, n \equiv r \pmod q} a_n b_n$
该定义根据模 $q$ 的剩余类对序列项进行分组，并用算术核 $c_q(r)$ 进行加权。这本质上是一种与算术周期性对齐的数论相关性，而非传统的三角频率相关性。
拉马努金范数： $\|a\|_R = \sqrt{\langle a, a \rangle_R}$ 。该范数对序列的算术结构敏感。

分析框架：

离散系统： 建立基于拉马努金范数的 $\epsilon-\delta$ 稳定性条件。利用拉马努金增益函数（Ramanujan Gain Function）和小增益定理的变体，推导系统在算术扰动下的有界性和收敛性。
混合系统： 将拉马努金范数引入混合系统模型（包含流集 $C$ 和跳变集 $D$ ）。定义拉马努金 - 李雅普诺夫函数，要求其在连续流和离散跳变时均满足特定的衰减条件（基于拉马努金距离）。
鲁棒性分析： 证明在拉马努金度量下，系统对具有算术结构（如周期性、准周期性、素数索引）的扰动具有增强的鲁棒性。

3. 主要贡献 (Key Contributions)

理论创新： 首次将拉马努金内积和范数引入控制理论领域，为系统轨迹构建了一个新的内积空间，该空间对算术结构敏感。
新型稳定性判据：
- 提出了离散时间非线性系统的拉马努金稳定性判据，给出了基于拉马努金度量的小增益条件。
- 扩展了混合系统的李雅普诺夫稳定性理论，建立了拉马努金 - 李雅普诺夫稳定性条件。
增强鲁棒性证明： 证明了在拉马努金度量下稳定的系统，对具有算术模式的结构化扰动（如周期性丢包、循环平稳噪声）具有更强的鲁棒性。
数值验证： 通过具体算例展示了该方法的有效性，证明了其相比传统欧几里得方法具有更低的保守性。

4. 主要结果 (Results)

理论结果：

定理 4.1 (离散系统)： 若系统满足特定的拉马努金范数不等式且增益 $G < 1$ ，则原点在拉马努金意义下是稳定的，且状态有界。
定理 4.2 (鲁棒性)： 若标称系统是拉马努金稳定的，则对于拉马努金范数有界的任意外部扰动序列，受扰系统的状态轨迹在拉马努金范数下保持一致有界。
定理 5.2 (混合系统)： 若存在满足特定衰减条件的拉马努金 - 李雅普诺夫函数，则混合系统的集合 $A$ 是渐近拉马努金稳定的。

数值仿真结果：

算例 1 (离散系统)： 考虑一个线性系统，受仅在素数时刻非零的扰动。
- 欧几里得分析： 由于素数序列不可绝对求和，欧几里得范数 $\|x_k\|_2$ 仅保持有界，出现周期性尖峰，无法证明渐近收敛。
- 拉马努金分析： 拉马努金范数 $\|x_k\|_R$ 平滑单调衰减至零。这是因为拉马努金核能够“过滤”掉与模数 $q$ 算术不相关的素数索引扰动。
算例 2 (混合系统)： 考虑一个仅在素数时刻发生耗散跳变的振荡器。
- 欧几里得分析： 由于跳变间隔随时间对数增长，连续阻尼较弱，欧几里得能量分析无法确定渐近收敛性。
- 拉马努金分析： 利用拉马努金内积捕捉跳变序列的算术稀疏性，证明了状态在拉马努金度量下渐近收敛至零。

5. 意义与影响 (Significance)

突破传统几何视角的局限： 该研究揭示了系统稳定性与系统动态的算术属性之间的根本联系。它表明，对于具有特定数论特征（如周期性、剩余类依赖）的系统，传统的几何度量（欧几里得）可能不是最优的。
降低保守性 (Reduced Conservatism)： 在存在结构化算术扰动（如网络控制中的周期性丢包、周期性干扰）的场景下，拉马努金方法能够提供比传统 ISS 或 $\ell_2$ 增益分析更精确、更宽松的稳定性保证。
新的滤波器视角： 拉马努金范数本质上充当了一种数论滤波器。通过选择合适的模数 $q$ ，可以“过滤”掉与 $q$ 互质或具有特定算术结构的扰动，从而在特定度量下实现渐近稳定。
应用前景： 该方法特别适用于网络控制系统（NCS）、采样数据系统、以及任何涉及离散事件调度或周期性切换的混合系统，为这些领域的稳定性分析提供了新的数学工具。

总结：
本文通过引入拉马努金内积，成功构建了一个能够捕捉系统动态中算术结构的稳定性分析框架。理论证明和数值仿真均表明，该方法在处理具有周期性、素数索引或其他算术模式的扰动时，比传统欧几里得方法具有显著优势，能够识别出传统方法无法证明的渐近稳定性，为混合与离散系统的控制理论开辟了新的研究方向。