[论文解读] Optimal H2 order-one reduction by solving eigenproblems for polynomial equations

Bernard Hanzon, J.M. Maciejowski+1 more|ArXiv.org|Jun 13, 2007

Numerical methods for differential equations参考文献 32被引用 4

一句话总结

本文提出了一种基于代数的构造性方法，用于对 SISO 稳定线性系统实现全局最优的 H₂ 一阶模型降阶，通过求解由一阶最优性条件导出的特征值问题，避免了局部极小值。该方法通过格罗布纳基构造和线性代数技术保证全局最优性，与先前的代数方法相比，计算成本显著降低，从而能够高效求解更高阶系统。

ABSTRACT

A method is given for solving an optimal H2 approximation problem for SISO linear time-invariant stable systems. The method, based on constructive algebra, guarantees that the global optimum is found; it does not involve any gradient-based search, and hence avoids the usual problems of local minima. We examine mostly the case when the model order is reduced by one, and when the original system has distinct poles. This case exhibits special structure which allows us to provide a complete solution. The problem is converted into linear algebra by exhibiting a finite-dimensional basis for a certain space, and can then be solved by eigenvalue calculations, following the methods developed by Stetter and Moeller. The use of Buchberger's algorithm is avoided by writing the first-order optimality conditions in a special form, from which a Groebner basis is immediately available. Compared with our previous work the method presented here has much smaller time and memory requirements, and can therefore be applied to systems of significantly higher McMillan degree. In addition, some hypotheses which were required in the previous work have been removed. Some examples are included.

研究动机与目标

• 开发一种全局最优的 H₂ 模型降阶方法，避免梯度法固有的局部极小值问题。
• 求解 SISO 稳定系统中降阶一阶的 H₂ 近似问题，特别是当原系统具有互异极点时。
• 消除先前工作中存在的限制性技术假设（如临界点的有限性），同时保持全局最优性。
• 提供一种计算效率更高的代数方法替代方案，使更高 McMillan 阶数的系统也能被求解。
• 为降阶一阶问题的结构提供理论洞察，包括临界点数的上界为 2^N - 1。

提出的方法

• 将 H₂ 近似问题转化为由传递函数形式的一阶最优性条件导出的多项式方程组。
• 利用一种特殊结构——'对角二次'方程，其定义多项式构成格罗布纳基，从而可直接求解，无需使用 Buchberger 算法。
• 证明解空间为有限维，可通过线性代数技术转化为特征值问题。
• 基于系统数据构造矩阵，通过求解这些矩阵的广义特征值问题来获得最优逼近。
• 该方法避免了数值梯度优化，转而依赖符号计算与数值特征值求解器，兼顾效率与精度。
• 通过实例（包括松弛系统）验证方法，并与基于临界值矩阵的其他算法进行比较。

实验结果

研究问题

• RQ1 能否在不依赖迭代梯度优化的情况下，计算全局最优的 H₂ 一阶降阶？
• RQ2 H₂ 降阶一阶问题的临界点最大数量是多少？能否给出其上界？
• RQ3 能否在保持全局最优性的同时，显著降低代数方法在 H₂ 模型降阶中的计算复杂度？
• RQ4 该算法在何种条件下会失效？原因是什么，特别是与特征向量条件数及实 Hurwitz 稳定性相关时？
• RQ5 该方法能否扩展至处理具有非互异极点或更高阶降阶的系统？能提供哪些理论洞见？

主要发现

• 该方法可保证对具有互异极点的 SISO 稳定系统实现 H₂ 一阶降阶的全局最优性，避免了梯度法固有的局部极小值问题。
• 降阶一阶问题的临界点数量最多为 2^N - 1，提供了有限且有界的解空间。
• 当 N=5 时，算法在 α ∈ [0.38, 0.79] 范围内可成功计算最优逼近，而在 (0, 0.38) 和 (0.79, 1) 范围内失败，原因在于特征向量病态或非实 Hurwitz 解。
• 当 α=0.78 时，算法返回唯一一个可接受解，相对误差为 1.96%，且该逼近被确认为松弛系统。
• 与先前的代数方法相比，该方法计算效率更高，可求解更高 McMillan 阶数的系统。
• 基于特征值和基于临界值矩阵的两种算法结果一致，但前者在接近 α=1 时更具鲁棒性，得益于数值精度优势。