[论文解读] MORLAB - Model Order Reduction LABoratory

Peter Benner, Steffen W. R. Werner|arXiv (Cornell University)|Aug 23, 2019

Model Reduction and Neural Networks参考文献 32被引用 13

一句话总结

MORLAB 是一个用于动态系统模型降阶的 MATLAB/Octave 工具箱，利用谱投影方法（如矩阵符号函数和圆盘函数）高效求解矩阵方程。其主要贡献在于提供了一个稳健、易用的框架，可在保留关键动态特性的同时降低复杂系统模型的阶数。

ABSTRACT

The <strong>MORLAB</strong>, <strong>M</strong>odel <strong>O</strong>rder <strong>R</strong>eduction <strong>LAB</strong>oratory, toolbox is a collection of MATLAB/Octave routines for model order reduction of dynamical systems based on the solution of matrix equations. The implementation is based on spectral projection methods, e.g., methods based on the matrix sign function and the matrix disk function.

研究动机与目标

• 开发一个全面且易于使用的动态系统模型降阶工具箱。
• 基于矩阵符号函数和圆盘函数的谱投影技术，实现求解矩阵方程。
• 通过数值线性代数方法，实现大规模系统高效且精确的模型降阶。
• 为研究人员提供一个可靠、开源的工具，用于控制理论和科学计算中的系统简化。

提出的方法

• 该工具箱使用谱投影方法，特别是矩阵符号函数，将大规模系统投影到低秩子空间上。
• 通过应用矩阵圆盘函数，提升降阶过程中的收敛性和稳定性。
• 利用迭代数值格式求解由平衡截断法及其他基于投影的方法产生的矩阵方程。
• 实现设计兼容 MATLAB 和 GNU Octave，确保广泛可用性。
• 该方法依赖于求解广义的西尔维斯特方程和李雅普诺夫方程，以计算降阶模型。
• 通过量身定制的矩阵函数公式，支持连续时间与离散时间系统。

实验结果

研究问题

• RQ1 谱投影方法如何被有效应用于求解模型降阶中的矩阵方程？
• RQ2 矩阵符号函数和圆盘函数方法在降阶大规模动态系统时的性能与稳定性如何？
• RQ3 MORLAB 工具箱与现有模型降阶工具相比，在精度和计算效率方面表现如何？
• RQ4 该工具箱在处理不同类型系统（包括连续与离散系统）方面的能力如何？
• RQ5 所实现方法在实际应用中的实际限制与可扩展性特征是什么？

主要发现

• MORLAB 工具箱成功实现了基于矩阵符号函数和圆盘函数的谱投影方法，实现了高效的模型降阶。
• 矩阵符号函数和圆盘函数的使用，使得模型降阶核心的矩阵方程能够获得稳定且精确的解。
• 该工具箱在多种动态系统中表现出稳健性，包括高维系统。
• 在 MATLAB 和 Octave 中的实现确保了广泛可用性，并可无缝集成到现有科研与工程工作流中。
• 通过一致应用矩阵函数理论，框架支持连续时间与离散时间系统。
• 该工具箱为研究人员提供了一个可靠、开源的替代方案，可在无需低级数值实现的情况下简化复杂系统模型。