[논문 리뷰] Solving Generalized Lyapunov Equations with guarantees: application to the Model Reduction of Switched Linear Systems

Mattia Manucci, Benjamin Unger|arXiv (Cornell University)|2026. 01. 19.

Model Reduction and Neural Networks인용 수 0

한 줄 요약

논문은 계산 가능 오류 보장을 갖춘 대규모 일반화 Lyapunov 방정식(GLE)을 해결하는 효율적이고 인증된 접근법을 제시하고, 조각형 균형화 감소 프레임워크를 사용한 스위치 선형 시스템의 모델 차수 축소에 적용한다.

ABSTRACT

We present an efficient strategy to approximate the solutions of large-scale generalized Lyapunov equations (GLEs) with rigorous, computable error guarantees. This work is motivated by applications in model order reduction (MOR) of switched linear systems (SLS) in control form, where GLEs play a central role. We analyze how inaccuracies in the numerical solution of GLEs propagate through the MOR procedure and affect the accuracy and reliability of the reduced order model. Furthermore, the classical balanced-truncation error estimate for SLS is neither theoretically nor practically viable, as they rely on restrictive assumptions requiring several requiring several linear matrix inequalities (LMI) to be satisfied exactly by numerically computed solutions of the GLEs. To overcome these limitation, we propose a new MOR framework for SLS, called piecewise balanced reduction (PBR). The method is based on solving multiple GLEs and the construction of projection matrices that are piecewise constant in time to appropriately balance and subsequently reduce the SLS. We extend the standard balanced-truncation error bounds and demonstrate that the PBR formulation allows us to control the error arising from the inexact LMI. In addition, our new error bound accounts for the influence of the piecewise constant time-varying projection matrices. Altogether, this renders the PBR approach for SLS applicable to a broad and flexible class of SLS. Numerical experiments are provided to corroborate our theoretical results.

연구 동기 및 목표

• 스위치 선형 시스템의 MOR에서 정확한 GLE 해법의 필요성을 동기 부여한다.
• GLE 해를 구하는 정적인 반복에 대해 계산 가능한 오차 보장을 개발한다.
• GLE 해의 부정확성이 MOR의 정확도와 안정성에 미치는 영향을 분석한다.
• LMI 위반과 시변 투영을 다루기 위한 부분 균형 감소(PBR) 프레임워크를 도입한다.
• 제안된 접근의 이론적 오차 경계와 수치 검증을 제공한다.

제안 방법

• GLE를 벡터화 크로네커 형태로 형식화하고 가역가능성(해결 가능성)을 분석한다.
• 일정한 수렴(정지) 반복 알고리즘을 적용하여 일련의 Lyapunov 방정식을 풀이한다 (Alg. 1).
• GLE 해에 대한 계산 가능한 선험적(사전) 오차 경계를 도출한다 (정리 3.6).
• 잔차 기반 중지 기준과 효율적인 저랭크 Krylov 기반 Lyapunov 해석기(해석기? 솔버)를 제안한다 (섹션 3.2).
• 근사 GLE 해에 의해 불완전한 해로도 안정성을 보존하도록 축소 차수 모델을 교란하고 인증하는 방법을 설명한다 (정리 3.7).
• LMI 요건을 완화하고 시변 투영 행렬을 고려하기 위해 부분 균형 감소(PBR) 프레임워크를 도입한다 (섹션 4).

실험 결과

연구 질문

• RQ1 대규모 설정에서 일반화 Lyapunov 방정식 해의 인증되고 보장된 근사치를 어떻게 계산할 수 있는가?
• RQ2 GLE 해의 수치 오차가 스위치형 선형 시스템의 MOR에서 어떻게 전파되는가?
• RQ3 오차 인증된 GLE 해가 스위칭하에서도 안정적이고 정확한 축소 차수 모델을 가능하게 할 수 있는가?
• RQ4 부분 균형화 접근이 SLS의 MOR에서 LMI 관련 한계를 완화하고 강력한 오차 경계를 제공할 수 있는가?
• RQ5 제안된 PBR 프레임워크가 SLS MOR에 대해 이론적·실용적 이점은 무엇인가?

주요 결과

• 효율적인 정지(스테이셔너리) 반복 전략은 계산 가능한 오차 보장을 갖춘 인증된 GLE 해를 산출한다 (정리 3.6).
• 본 논문은 GLE 해에서 축소 차수 모델로의 오차 전파를 분석하고 안정성 보존 가능한 섭동 결과를 제공한다 (정리 3.7).
• 전통적 균형화에서 LMI 기반 오차 경계는 LMIs가 위반되거나 수치 해에 의해 정확히 충족되지 않을 때 실패할 수 있어 PBR 접근을 고무한다.
• 새로운 PBR 프레임워크는 부정확한 LMI 및 시변의 부분적으로 상수인 투영 행렬에 대한 오차 제어를 허용하여 광범위한 SLS에 적용 가능성을 확장한다.
• 수치 실험은 합성 데이터 및 PDE 이산화된 스위치 시스템에서 이론적 결과를 확인한다 (섹션 5).