线性矩阵不等式
《鲁棒控制》-6-线性矩阵不等式
(≤ 0)
为线性矩阵不等式（LMI）。
当存在实向量 x ，使得 F ( x) < 0(≤ 0) ，则称 LMI F ( x) < 0(≤ 0) 可行或存在可
行解。
LMI 的可行解全体构成一凸集。
令 X 是一实对称矩阵，对于任意给定实数矩阵 A 和实对称矩阵 Q ，则矩阵
不等式
AT X + XA + Q < 0
⎢ ⎣
0
⎡I ⎢⎣0
−S12 I
S −1 22
⎤ ⎥ ⎦
⎡ ⎢⎣
S11 S21
S12 S22
⎤ ⎥⎦
⎡I ⎢⎣0
−S12 I
S −1 22
⎤T ⎥ ⎦
0
⎤
S22
−
S21S1−11S12
⎥ ⎦
=
⎡ ⎢
S11
⎣
−
S12
S −1 22
S21
S21
0 ⎤⎡ I
S22
⎥ ⎦
⎢⎣−
S −1 22
S
21
0⎤
I
⎥ ⎦
x (t ) = Ax (t ) + Bu (t ) y (t ) = Cx (t ) + Du (t )
假设 D + DT > 0 。 令
H (s) = C (sI − )A −1 B + D
系统无源（passive）: 当 x (0) = 0 时，
∫T 0
uT
(t
)y
(t
)
dt
≥
0
● 系统无源 iff
ALQ
⎤ ⎥
⎥
0 ⎥<0
#
⎥ ⎥
线性矩阵不等式
则应用引理 2.1.2，可以将矩阵不等式（2.1.6）的可行性问题转化成一个等价的矩阵不等 式
AT P PA Q PB
BT P
R0
（2.1.7）
的可行性问题，而后者是一个关于矩阵变量P的线性矩阵不等式。
2.3一些标准的线性矩阵不等式问题
例2.1.1 稳定性问题 考虑线性自治系统
x(t) Ax(t)
setlmis([]) X=lmivar(1,[61]) S=lmivar(1,[20;21]) ﹪lst LMI lmiterm([111x],1,A,’s’) lmiterm([111s],c’,c) lmiterm([112x],1,B) lmiterm([122s],-1,1) ﹪2nd LMI lmiterm([-211X],1,1) ﹪3rd LMI lmiterm([-311s],1,1) lmiterm([3110],1) lmisys=getlmis
m 是一组给定的实对称矩阵，（2.1.1）中的不等号“＜”指的是矩阵 F(x)是负定的，即对所有
非零的向量 v Rm , vT F (x)v0 或者 F(x)的最大特征值小于零。
在许多系统与控制问题问题中，问题的变量是以矩阵的形式出现的。例如 Lyapunov 矩阵 不等式：
F ( X ) AT X XA Q0
lmivar 函数lmivar用来描述出现在线性矩阵不等式系
统中的矩阵变量，每一次只能描述一个矩阵变 量。矩阵变量的描述包括该矩阵变量的结构。 该函数的一般表达是：
X=lmivar(type,struct) 这一函数定义了一个新的矩阵变量X。函数中
的第一个输入量type确定了矩阵变量X的类型， 第二个输入量struct进一步根据变量X的类型给 出该变量的结构。变量的类型分成三类：
鲁棒控制理论与设计 第三章 矩阵分析和线性矩阵不等式
k<r
则 A 与秩为 k 的任一矩阵 B 之差的 L1 和 L2 范数分别为
min A − B =
rank (B )=k
1
A − Ak
1 = σ k +1
和
(3.1.30)
3－5
第三章 矩阵分析和线性矩阵不等式
min A − B 2 =rank (B )=k2A − Ak
2 2
=
σ
2 k +1
+
L
∂A ∂θ
= [ ∂A ∂θ1
,
∂A ∂θ 2
,L ,
∂A ∂θ n
]
(3.1.12)
4） 标量对矩阵求导仍为矩阵。设 J 为标量， M 为矩阵，则 ∂J 是以 ∂J 为第 ij 元素的矩阵，
∂M
∂mij
其中 mij 表示 M 矩阵的第 ij 元素。
在上述约定下，有如下一些结果：
1） ∂ (aT x) = aT ； ∂x
−
A21
A -1 11
A12
]
(3.1.5) (3.1.6)
证明：因为
所以有
⎡ A11
⎢ ⎣
A21
A12 ⎤ ⎡ I
A22
⎥ ⎦
⎢⎣−
A−1 22
A21
0⎤
A−1 22
⎥ ⎦
=
⎡ ⎢
A11
⎣
−
A12 0
A−1 22
A21
A12
A−1 22
I
⎤ ⎥ ⎦
det
A ⋅ det
A −1 22
=
det[ A11
3.1.2 矢量与矩阵的微分运算
在鲁棒控制理论和系统建模中，矢量与矩阵的微分运算是非常重要的。本节我们不加证明地给出 一些常用到得运算定理和公式。为了叙述方便，采用下列约定。
线性矩阵不等式
7.4.2线性矩阵不等式的确定
LMI工具箱可以处理具有以下一般形式的线性 矩阵不等式。 NTL（X1，…，Xk）N<MTR（X1，…，XK）M 其中：X1…，XK是具有一定结构的矩阵变量， 左、右外因子N和M是具有相同维数的给定矩 阵，左、右内因子L（﹒）和R（﹒）是具有相 同块结构的对称块矩阵。 注意，在线性矩阵不等式的描述中，左边总是 指不等式较小的一边，例如对线性矩阵不等式 X>0，X称为是不等式的右边，0称为是不等式 的左边，常表示成0< X。
I F T ( x) F ( x) F ( x) I 0 0 F ( x) I
T 2
因此，可以通过求解：
min x,
(7.3.2)
I F T ( x) s.t 0 F ( x) I
来得到所求问题的解。显然，问题（7.3.2）是一个具有线性矩阵不等式约束的线性目标函数 的最优化问题。
定的常数矩阵。由于
DED 1 1 D T E T D T DED 1 1
E T DT DE DT D
ET XE X 0
1 T 其中 X D D0 。因此，使得 DED 1 成立的对角矩阵 D 的存在性问题等价
于线性矩阵不等式 E XE X 0 的可行性问题。
要确定一个线性矩阵不等式系统，需要做以下两步： 给出每个矩阵变量X1，…，XK的维数和结构； 描述每一个线性矩阵不等式中各个项的内容。 这个过程产生所描述线性矩阵不等式系统的一个内部 表示，它以一个单一向量的形式储存在计算机内，通 常用一个名字，例如lmisys来表示。该内部表示lmisys 可以在后面处理这个线性矩阵不等式时调用。 下面将通过LMI工具箱中的一个例子来说明线性矩阵不 等式系统的确定。运行lmidem可以看到这个例子的完 整描述。
LMI线性矩阵不等式
线性矩阵不等式
Linear matrix inequality(LMI): 矩阵变量集合中线性（或仿
射）的矩阵不等式.
1.1: LMI的 基 本 性 质
1
Q正定：如果 xT Qx > 0, ∀x ̸= 0 Q半正定：如果 xT Qx ≥ 0, ∀x ̸= 0 P 负定（半负定）：如果Q = −P 正定（半正定）。
9
%可行 ( 是稳定的A) tmin
当且仅当 tmin <0
运行结果：
Lyap =
1
S o l v e r f o r LMI f e a s i b i l i t y problems L ( x ) < R( x )
10
T h i s s o l v e r minimizes
t
subject to
只需要写出对角线上面，或下面的项。
% AP+PA’ <0 % 0 % P>0
l m i t e r m ( [ Lyap 1 1 P ] , 1 , A , ’ s ’ ) ; l m i t e r m ( [ Lyap 1 2 0 ] , 0 ) ; l m i t e r m ( [ Lyap 2 2 P] ,1 , − 1) ; LMIsys= g e t l m i s ; [ tmin , x f e a s ] = feasp ( LMIsys ) ;
L ( x ) < R( x ) + t ∗ I
The b e s t v a l u e o f t should be n e g a t i v e f o r f e a s i b i l i t y
控制论常用的矩阵不等式
控制论常用的矩阵不等式控制论是一门研究如何通过控制手段来实现系统稳定、优化和鲁棒性的学科，而矩阵不等式则是控制论中常用的数学工具之一。
本文将介绍控制论中常用的几种矩阵不等式，并讨论其在控制系统设计中的应用。
1. 线性矩阵不等式(LMI)线性矩阵不等式是控制论中最常用的矩阵不等式之一。
它的形式为：$$A(x)X+B(x)Y+C^{T}(x)YC(x)<0$$其中，$A(x)$、$B(x)$、$C(x)$均为实系数矩阵函数，$X$、$Y$均为矩阵变量。
该不等式表示的是矩阵函数$A(x)$、$B(x)$、$C(x)$构成的线性系统对应的闭环系统是渐进稳定的，即对任意的初值$x_0$，系统的输出$y(t)$都会收敛到零。
2. Lyapunov矩阵不等式Lyapunov矩阵不等式是控制论中另一种常用的矩阵不等式。
它的形式为：$$A^{T}P+PA<-Q$$其中，$A$为系统的状态转移矩阵，$P$为对称正定矩阵，$Q$为对称正定矩阵。
该不等式表示的是系统的Lyapunov函数$V(x)=x^{T}Px$满足$V(x)leqslant-alpha x^{T}x$，其中$alpha$是正常数。
3. Riccati矩阵不等式Riccati矩阵不等式也是控制论中常用的矩阵不等式之一。
它的形式为：$$A^{T}P+PA-PBR^{-1}B^{T}P<-Q$$其中，$A$、$B$为系统的状态转移矩阵和输入矩阵，$P$为对称正定矩阵，$R$为对称正定矩阵。
该不等式表示的是系统的最优控制输入满足线性方程$u=-R^{-1}B^{T}Px$。
4. Schur矩阵不等式Schur矩阵不等式是控制论中最基本的矩阵不等式之一。
它的形式为：$$Mprec N$$其中，$M$、$N$为两个对称矩阵，$prec$表示矩阵的部分序。
该不等式表示的是矩阵$N-M$是正定的。
总之，矩阵不等式在控制论中具有广泛的应用，可以用于系统稳定性分析、最优控制设计和鲁棒性分析等领域。
线性矩阵不等式2
应用Schur 补,即得定理3.3成立。
y w
2 2
即得闭环系统(3-3)的L2增益小于γ。 再由
V x yT y 2wT w 0
知，当闭环系统(3-3)满足H∞性能指标γ时， V x 0.
定理得证。
Question
为什么考虑零初始条件？若非零初始 条件，系统H∞性能指标不满足。 V x 0 的证明太过牵强。
（3-3）
y Cx
A = A BK MF t E1 E2 K 系统(3-2)的L2 增益定义为：
Tyw s
sup
w 2 0
y w
2 2
定理3.2 针对闭环系统(3-3)和给定的一个常数γ >0,若 存在对称矩阵P>0,使得如下矩阵不等式成立
AT P PA C T C DT P PD 0 2 I
M , E1 和 E 2
是反映不确定性结构的常数矩阵，
。
F t 是时变的不确定矩阵，且满足 F T t F t I
设计状态反馈控制律
ห้องสมุดไป่ตู้
u t Kx t
闭环系统可写为 x A BK MF t E1 E 2 K x Dw = Ax + Dw
记X=γP CT T D 0 I
AT X XA XB BT X 2 I C D
CT T D 0 I
线性矩阵不等式3
定理4-5 对于给定的LMI区域圆盘D(q,r)，如果存在对 称正定矩阵X，使得如下不等式成立
可得矩阵A是D-稳定的（必要性的证明请见书 第102页） 。定理得证。
D稳定性定理的应用
一、 LMI区域为左半开复平面
对于左半开复平面，其特征函数是 f D s s s
则
M D A, X 1 AX 1 XAT AX XAT
由D稳定性定理，可得，矩阵A的所有特征值均在 左半开复平面的充分必要条件是存在对称正定矩阵 X，使得 AX XAT 0 Lyapunov不等式
E1 E2 K X 0
Y+MFE+ETFTMT<0 Y+εMMT+ε-1ETE<0
不等式两边分别数乘ε， 并记 V X ,W KV 得
rV MM T qV VAT W T BT 0 T rV E1V E2W E1V E2W qV AV BW
x A + A x B + B u y Cx
不确定参数矩阵 A B MF t E1 E2
M , E1 和 E 2
（4-3）
是反映不确定性结构的常数矩阵，
。
F t 是时变的不确定矩阵，且满足 F T t F t I
应用Kronecker乘积的性质，可得
1.1 A A 2. A B C D AC BD
1 A A; A B C D AC BD
1 v M A, X 1 v 1 v L X M AX M L v Xv M v AXv M v Xv L + M + M
线性矩阵不等式的LMI工具箱求解
一、线性矩阵不等式的LMI 工具箱求解 （一）可行性问题（LMIP ）1、可行性问题描述系统状态方程：[]1122331000210-414x x x x u x x ⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=-+⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦⎣⎦⎣⎦在判断系统的稳定性时，根据线性定常系统的李雅普诺夫稳定性判据，需要判断是否存在实对称矩阵P ，使得：TA P +P A =Q -成立，其中Q 为正定矩阵。
那么判断系统稳定性的问题，可以转化为下面不等式是否存在解的问题：TA P +P A <0这种不等式解是否存在的问题可以用MATLAB 的LMI 工具箱进行判断。
2、仿真所需要用到的命令setlmis([]) ：开始一个线性矩阵不等式系统的描述； X= lmivar(TYPE,STRUCT)：定义一个新的矩阵变量；lmiterm(TERMID,A,B,FLAG)：确定线性矩阵不等式的一个项的内容； LMISYS = getlmis ：结束一个线性矩阵不等式系统的描述，返回这个现行矩阵不等式系统的内部表示向量LMISYS ；X = dec2mat(LMISYS,DECV ARS,XID)：由给定的决策变量得到相应的矩阵变量值。
[tmin,xfeas]=feasp(lmisys)：可行性问题的求解器函数，tmin 大于0时，表明LMI 系统不可行，P 阵无解，系统不稳定，tmin 小于0时，便可以用dec2mat 函数求解出P矩阵。
3、仿真结果可以看到，仿真结果tmin＜0，因此P阵存在，系统是稳定的。
进一步用dec2mat函数求解出P矩阵。
得：（二）特征值问题(EVP)1、EVP 问题描述该问题对应矩阵工具箱中的LMI 约束的线性目标函数最小化优化问题。
一般采用mincx 求解器求解。
考虑这样一个优化问题：m in ().. 0TTT ra c e X s t A X X A X B B X Q +++<其中：5342154067; 3; 562.78314228A B Q -⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪===-- ⎪ ⎪⎪ ⎪ ⎪ ⎪---⎝⎭⎝⎭⎝⎭2、仿真用到的命令DECV ARS = mat2dec(LMISYS,X1,X2,X3,...) ：由给定的矩阵变量得到相应的决策变量值；[copt,xopt]=mincx(LMIs,c,options)：用于给定的特征值问题求解，copt 返回全局最优的决策变量,xopt 返回决策变量的最优解。
LMI(线性矩阵不等式)工具箱介绍学习
LMI：Linear Matrix Inequality，就是线性矩阵不等式。
在Matlab当中，我们可以采用图形界面的lmiedit命令，来调用GUI接口，但是我认为采用程序的方式更方便（也因为我不懂这个lmiedit的GUI）。
对于LMI Lab，其中有三种求解器（solver）： feasp，mincx和gevp。
每个求解器针对不同的问题：feasp：解决可行性问题（feasibility problem），例如：A(x)<B(x)。
mincx：在线性矩阵不等式的限制下解决最小化问题（Minimization of a linear objective under LMI constraints），例如最小化c'x，在限制条件A(x) < B(x)下。
gevp：解决广义特征值最小化问题。
例如：最小化lambda，在0<B(x),A(x)<lamba*B(x)限制条件下。
要解决一个LMI问题，首要的就是要把线性矩阵不等式表示出来。
对于以下类型的任意的LMI问题N' * L(X1, . . . , XK) * N < M' * R(X1, . . . , XK) * M其中X1, . . . , XK是结构已经事先确定的矩阵变量。
左侧和右侧的外部因子（outer factors）N和M是给定的具有相同维数的矩阵。
左侧和右侧的内部因子（inner factors）L(.)和R(.)是具有相同结构的对称块矩阵。
每一个块由X1, . . . , XK以及它们的转置组合而成形成的。
解决LMI问题的步骤有两个：1、定义维数以及每一个矩阵的结构，也就是定义X1, . . . , XK。
2、描述每一个LMI的每一项内容（Describe the term content of each LMI）此处介绍两个术语：矩阵变量（Matrix Variables）：例如你要求解X满足A(x)<B(x)，那么X就叫做矩阵变量。
LMI线性矩阵不等式工具箱
LMI：Linear Matrix Inequality，就是线性矩阵不等式。
在Matlab当中，我们可以采用图形界面的lmiedit命令，来调用GUI接口，但是我认为采用程序的方式更方便（也因为我不懂这个lmiedit的GUI）。
对于LMI Lab，其中有三种求解器（solver）：feasp，mincx和gevp。
每个求解器针对不同的问题：feasp：解决可行性问题（feasibility problem），例如：A(x)<B(x)。
mincx：在线性矩阵不等式的限制下解决最小化问题（Minimization of a linear objective under LMI constraints），例如最小化c'x，在限制条件A(x) < B(x)下。
gevp：解决广义特征值最小化问题。
例如：最小化lambda，在0<B(x),A(x)<lamba*B(x)限制条件下。
要解决一个LMI问题，首要的就是要把线性矩阵不等式表示出来。
对于以下类型的任意的LMI问题N' * L(X1, . . . , XK) * N < M' * R(X1, . . . , XK) * M其中X1, . . . , XK是结构已经事先确定的矩阵变量。
左侧和右侧的外部因子（outer factors）N和M是给定的具有相同维数的矩阵。
左侧和右侧的内部因子（inner factors）L(.)和R(.)是具有相同结构的对称块矩阵。
每一个块由X1, . . . , XK以及它们的转置组合而成形成的。
解决LMI问题的步骤有两个：1、定义维数以及每一个矩阵的结构，也就是定义X1, . . . , XK。
2、描述每一个LMI的每一项内容（Describe the term content of each LMI）此处介绍两个术语：矩阵变量（Matrix Variables）：例如你要求解X满足A(x)<B(x)，那么X就叫做矩阵变量。
线性矩阵不等式
DED1 1 DT ET DT DED11 ET DT DE DT D ET XE X 0
其中 X DT D0 。因此，使得 DED1 1成立的对角矩阵 D 的存在性问题等价 于线性矩阵不等式 ET XE X 0 的可行性问题。
例 2.2.3 最大奇异值问题
考虑最小化问题 min f (x) max(F (x)) ,其中 F (x) : Rm S n 是一个仿射的矩
阵值函数。由于
max(F (x)) F T (x)F (x) 2I 0
根据矩阵的 Schur 补性质，
F
T
(
x)F
(
x)
2
I
0
I F ( x)
FT (x)
I
0
因此，可以通过求解：
min
x ,
(2.2.4)
I FT (x)
s.t F ( x)
I
0
来得到所求问题的解。显然，问题（2.2.4）是一个具有线性矩阵不等式约束的线性目标函数 的最优化问题。
(2.2.3)
的渐近稳定性问题，其中 A Rnn 。Lyapunov 稳定性理论告诉我们：这个系统渐近
稳定的当且仅当存在一个对称矩阵 X Rnn 使得 X 0 , AT X XA0 。因此系统
（2.2.3）的渐近稳定性问题等价于线性矩阵不等式
的可行性问题。
X
0
0
AT X XA0
例 2.2.2 分析问题 在 分析中，通常要求确定一个对角矩阵 D，使得 DED1 1，其中 E 是一个给
F ( X ) F ( xi Ei ) AT ( xi EI ) ( xi EI ) A Q
i1
I 1
I 1
LMI线性矩阵不等式培训讲学
(5)
其中，Xi
∈
Rqi×pi
是一个矩阵，而∑n i=1
qi
×
pi
=
m，所有矩
阵变量的列堆叠起来，形成单个向量变量x。
于是我们考虑下面常用形式的函数：
F (X1, X2, · · · , Xn) = F0 + G1X1H1 + G2X2H2 + · · · + GnXnHn
4
∑n
= F0 + GiXiHi
7
找P > 0，使得
AT P + P A > 0
(14)
这是一个关于变量P > 0的LMI可行性问题，然而，给定满
足该问题的任意的P > 0，明显地集合
P
=
{
βP
:
标量β
>
}
0
(15)
中任意矩阵都满足上述问题。
P > 0和(14)所描述的LMI约束，可以等价地组成一个LMI：
AT P + P A 0 < 0
9
%可行 ( 是稳定的A) 当且仅当 tmin<0
tmin
运行结果：
Lyap = 1
Solver for LMI f e a s i b i l i t y problems L ( x ) < R( x ) 10
This solver minimizes t subject to L( x ) < R( x ) + t∗I
The best value o f t should be negative for f e a s i b i l i t y
Iteration :
线性矩阵不等式(LMI)的 MATLAB求解
线性矩阵不等式(LMI)的 MATLAB 求解©
作者：dynamic
Sky 时间：2008.12.10
版权：All Rights Reserved By
★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★
b 一、LMI 工具箱概述 ..................................................................................................................................................6 a 1.系统描述 ...........................................................................................................................................................6
对lmi变量的操作dec2matmat2dec将求解器的输出转化为矩阵变量值通过给定的矩阵变量值返回决策向量3lmifeaspmincxdefcxgevpevallmishowlmidellmidelmvarsetmvarma4lmi结果验证与修改5lmi系统信息的提取decinfodecnbrlmiinfolminbrmntnbr以决策变量的形式表示每个输入的矩阵变量得到决策变量的个数查询现存lmi系统的信息得到问题中lmi的个数得到问题中矩阵变量的个数tlab验证lmi的可行性lmi限制下线性目标的极小值在mincx命令中第一ctx目标lmi限制下的广义特征值最小化由决策变量的给定值来验证所有的变量项返回一个已经评估的lmi的左右边从系统中删除一个lmi从问题中移除一个矩阵变量将一个矩阵变量赋予指定值ky三lmi工具箱函数详解1
基于线性矩阵不等式方法设计状态反馈控制器
实验7 基于线性矩阵不等式方法设计状态反馈控制器7.1 实验设备同实验1。
7.2 实验目的1、学习基于线性矩阵不等式（LMI ）方法设计线性系统状态反馈控制器问题；2、通过编程、上机调试，掌握利用LMI 的系统状态反馈控制器设计方法7.3 实验原理说明考虑系统的状态空间模型xAx Bu =+& (1) 其中，n x R ∈是状态向量，是控制输入，m u R ∈A 和B 分别是适当维数的已知常数矩阵。
在状态反馈u Kx = (2)作用下，使得闭环系统()xA BK x =+& (3) 是渐近稳定的。
考虑Lyapunov 函数，则由Lyapunov 稳定性理论可知，闭环系统(3)是渐近稳定的，当且仅当以下不等式有可行解，其中T V x Px =0P >T P P =。
()()T A BK P P A BK P +++−0< (4)对式(4)分别左乘和右乘1P −，可得(5)1()()T P A BK A BK P P −+++−<110−−令1X P −=，。
则式(5)可重写为1Y KP −=()()T AX BY AX BY X +++−<0 (6)因此，若以下线性矩阵不等式()()000T AX BY AX BY X ⎡⎤+++<⎢−⎣⎦⎥ (7) 成立，那么闭环系统（3）渐近稳定，且所设计的状态反馈控制器增益是。
1K YX −= 由于式(7)是一个线性矩阵不等式，可以应用MATLAB 中的LMI 求解器feasp 求取可行解 (,X Y )。
7.4 实验步骤1、状态反馈控制器的设计，采用MATLAB 的m-文件编程；2、在MATLAB 界面下调试程序，并检验是否运行正确。
例7.1 为了对以上提出的反馈控制器设计方法进行验证，我们采用一直流伺服电机模型。
选取转速1x 和电枢电流2x 作为状态变量，其系统的状态方程为1122010.3903.852020x x Ax Bu u x x ⎡⎤⎡⎤⎡⎤⎡=+=+⎢⎥⎢⎥⎤⎢⎥⎢−−⎥⎣⎦⎣⎣⎦⎣⎦&&⎦ 试设计一个状态反馈控制器u ，使得闭环系统是渐近稳定的。
线性矩阵不等式
线性矩阵不等式是一种数学关系，它可以用来描述矩阵之间的线性关系。
它把一个矩阵的元素和另一个矩阵的元素比较，以表达它们之间的线性关系。
它可以用来比较两个矩阵之间的差异，也可以用来比较两个矩阵之间的相似度。
线性矩阵不等式的具体形式是：A，B两个矩阵，其中A和B的元素之间的比较关系可以写成a_ij ≤ b_ij，其中i表示A矩阵的行号，j表示A矩阵的列号，a_ij表示A矩阵第i行第j列的元素，b_ij表示B矩阵第i行第j列的元素。
线性矩阵不等式的应用非常广泛，它可以用来求解矩阵的最大值和最小值，可以用来解决线性规划问题，也可以用来求解矩阵的最优解。
总之，它是一种重要的数学工具，在线性代数中有着重要的应用。
线性矩阵不等式课件
min s.t.G(x) I
H (x) 0
➢ 广义特征值问题(GEVP)－－仿射矩阵函数的不等式优化问 题
min s.t.G(x) F (x)
F(x) 0 H (x) 0
系统性能分析
连续时间系统
3.1.1系统增益指标
考虑 x&(t) Ax(t) Bw(t) z(t) Cx(t)+ Dw(t)
➢系统的H2范数也可以用系统在白噪声输入信 号激励下的稳态输出方差来解释。(EP)
对于SISO系统 T(s) 2 ie ep
用线性矩阵不等式刻画系统的H2范数
x&(t) Ax(t) Bw(t) z(t) Cx(t)+ Dw(t)
H∞性能
x&(t) Ax(t) Bw(t) z(t) Cx(t)+ Dw(t)
f 2 也称为信号 f 的 L2 范数
L∞范数
• 对幅值有界的信号 f ，定义
f sup f (t) t0
当 f 是一个标量信号时， f 等于f 的峰值。
将所有幅值有界的信号全体记成 L
即 L { f : f (t) }
f 也称为信号f 的 L 范数。
四个性能指标
• IE(Impulse-to-Energy)增益： ie sup
严格真传递函数阵的H∞范数与矩阵不等式的等价关系
•增益 ee有一个频率域的解释：它恰好等于传
递函数 的T(s) 范数H，即
ee T(s)
用线性矩阵不等式刻画系统的H∞范数
• 定理：针对系统(3.1.1)和给定的一个常数γ >0,若 存在对称矩阵P>0,使得如下线性矩阵不等式成立
线性矩阵不等式在控制工程中的应用
线性矩阵不等式在控制工程中的应用线性矩阵不等式（Linear Matrix Inequality，简称LMI）是一种常见且重要的数学工具，它在控制工程领域中得到广泛应用。
本文将着重介绍LMI的基本概念、应用场景以及在控制工程中的具体应用。
一、LMI的基本概念LMI是一种线性约束条件下的矩阵不等式，一般形式为：P > 0（表示矩阵P是正定的），或F(A, B, C) > 0（表示关于矩阵A、B、C的函数F大于零）。
LMI的解集是所有满足该矩阵不等式条件的矩阵组成的集合。
LMI问题通常可以通过利用凸优化方法进行求解。
二、LMI的应用场景LMI广泛应用于控制工程领域，其中最主要的应用场景包括：1. 系统稳定性分析与设计：通过构建LMI来分析系统的稳定性，并设计稳定控制器，以确保系统在不同工况下具有良好的稳定性。
2. 鲁棒控制设计：在存在不确定性或测量噪声的情况下，通过LMI技术设计鲁棒控制器，使系统具有鲁棒性能。
3. 最优控制设计：通过最小化LMI问题的目标函数，优化控制设计，实现系统的最优性能。
4. 过程控制与优化：利用LMI技术设计控制器，通过对系统的状态变量、输入变量进行优化，实现过程控制与优化。
5. 非线性控制器设计：通过线性化方法将非线性系统线性化，并将其表示为LMI形式，从而设计出最优的线性控制器。
三、LMI在控制工程中的具体应用1. 鲁棒控制：对于具有不确定性的系统，通过建立LMI，设计鲁棒控制器，以提高系统的稳定性和鲁棒性能。
2. H∞控制：利用LMI方法设计H∞控制器，使系统对不确定性和噪声具有良好的鲁棒性能，同时最小化系统对外界干扰的敏感度。
3. 状态反馈控制：通过LMI技术设计状态反馈控制器，实现系统状态的稳定性和快速响应。
4. 参数估计：利用LMI方法设计参数估计器，对系统的未知参数进行在线估计，以提高系统的自适应性能。
5. 面向网络控制系统的设计：通过LMI技术，设计满足网络控制系统带宽约束的控制器，以保证系统的稳定性和性能。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
C11C2称为 C 1 和 C 2 的凸组合。
将矩阵不等式的解约束在 矩阵变量定义的空间中
精品
5
关于凸集定义的理解
精品
6
Schur补定理
引理 (Schur Complement) 对于分块对称阵
X
X11
X1T2
X12
X
22
其中 X 1 1 为方阵，则以下三个条件是等价的：
ATPPAQ PB
BTP
R0
Schur补：是将非线性矩阵不等式转化为线 性矩阵不等式的有效工具
精品
8
标准的线性矩阵不等式问题
Linear Matrix Inequality (LMI)
➢ 可行性问题(LMIP)—求不等式的可行解
检验是否存在x，使得 F(x) 0成立。
➢ 特征值问题(EVP)－－求不等式的优化解
m in
s .t.G ( x ) I
H (x) 0
➢ 广义特征值问题(GEVP)－－仿射矩阵函数的不等式优化问 题
m in
s .t.G ( x ) F ( x )
F (x) 0
H (x) 0
精品
9
系统性能分析
精品
10
连续时间系统
3.1.1系统增益指标
考虑 x(t) Ax(t)Bw(t) z(t)Cx(t)+Dw(t)
ห้องสมุดไป่ตู้z 2
w(t)w0 (t)
w0 1
• EP(Energy-to-Peak)增益：
ep sup
z
w 21
•
EE(Energy-to-Energy)增益：
ee sup
z 2
w 2 1
• PP(Peak-to-Peak)增益：
pp sup
z
w 1
精品
14
定理1---IE
x(t) Ax(t)Bw(t) z(t)Cx(t)+Dw(t)
a) X 0
b) X 11 0 ，且 X22X1T 2X1 11X120
c) X 22 0 ，且 X11X12X2 2 1X1T 20
精品
7
Schur补应用
若要证明存在对称矩阵P>0,Q>0,R>0,使得如下不等 式成立
A T P P A P B R 1 B T P Q 0
只需证明如下线性矩阵不等式(LMI)成立
• 设f是一个矢性（值）函数，若它可以表示为
fx 1 x m b x 1 A 1 x m A m 0
其中A i
可以是标量，也可以是矩阵，则称f是仿射函数。
精品
4
凸（约束）问题
定义（凸集） 一个集合CRk 称为凸的，如果集合中任意两点 的连线仍在集合内。
即任意给定两点 C 1 和 C2 C及参数[0,1], 有
精品
16
定理3---EE
x(t) Ax(t)Bw(t) z(t)Cx(t)+Dw(t)
精品
17
定理4---PP
x(t) Ax(t)Bw(t) z(t)Cx(t)+Dw(t)
精品
18
H2性能
x(t) Ax(t)Bw(t) z(t)Cx(t)+Dw(t)
➢T的H2范数的平方等于系统脉冲响应的总的 输出能量。(IE)
精品
12
L∞范数
• 对幅值有界的信号 f ，定义
f sup f(t) t0
当 f 是一个标量信号时， f 等于f 的峰值。
将所有幅值有界的信号全体记成 L
即 L{f: f(t) }
f 也称为信号f 的 L 范数。
精品
13
四个性能指标
• IE(Impulse-to-Energy)增益： ie sup
min
s.t. PA AT P C T C 0
BT PB I
P>0
•若有一最优值 ， 则
ie
精品
15
定理2---EP
x(t) Ax(t)Bw(t) z(t)Cx(t)+Dw(t)
min
s.t. AQ QAT BBT 0
CQCT I
Q>0
•若有一最优值 ， 则
ep
➢系统的H2范数也可以用系统在白噪声输入信 号激励下的稳态输出方差来解释。(EP)
对于SISO系统 T(s)2ieep
精品
19
用线性矩阵不等式刻画系统的H2范数
x(t) Ax(t)Bw(t) z(t)Cx(t)+Dw(t)
精品
20
H∞性能
x(t) Ax(t)Bw(t) z(t)Cx(t)+Dw(t)
•增益 e e有一个频率域的解释：它恰好等于传
递函数 的T ( s ) 范数H ，即
ee T(s)
精品
21
用线性矩阵不等式刻画系统的H∞范数
• 定理：针对系统(3.1.1)和给定的一个常数γ >0,若 存在对称矩阵P>0,使得如下线性矩阵不等式成立
ATP PA PB
BT P
I
C
D
CT
F i F iT R n n 实 对 称 矩 阵
Fx 是 负 定 的
——仿射矩阵不等式
• 仿射函数即由1阶多项式构成的函数，一般形式为 f (x) = A x + b，这里， A 是一个 m×k 矩阵，x 是一个 k 向量,b是一个m向量，实际上反映了 一种从 k 维到 m 维的空间映射关系。
DT
0
I
则有||T(s)||∞< γ,且系统渐进稳定。
x(t) Ax(t)Bw(t) z(t)Cx(t)+Dw(t)
精品
22
证明：
ATP PA PB CT
BT P
I
DT
0
C
D I
对上述不等式分别左乘,右乘矩阵diag{γ1/2I,γ1/2I,γ-1/2I},得
ATPPA PB CT 记X=γP
sup size(z) w0 size(w)
精品
11
L2范数
•
对于平方可积的信号 f
，定义
f
(
1
f(t) 2dt)2
2
0
其中 f(t) fT(t)f(t) 是向量的欧式范数。这样
定义的 f 正好是信号 f 的能量。将所有有限能量 2
的全体记成 L 2
即
L2{f:
0
f(t)2dt}
f 2 也称为信号 f 的 L 2 范数
鲁棒控制
－线性矩阵不等式处理方法
Robust control –LMI Method
精品
1
主要内容
➢线性矩阵不等式概论 ➢系统性能分析 ➢控制器设计
精品
2
线性矩阵不等式概论
精品
3
线性矩阵不等式的一般表示
线性矩阵不等式：
F x F 0 x 1 F 1 x m F m 0
x ( x 1 , ,x m ) T R m 决 策 向 量
BTP
2I DT 0
C
D
I
AT X XA
BT X
C
XB
2I
D
CT
DT
0
I
精品
23
运用Schur补，可得
A T X X A C T C X B C T D 2 I D T D 1 B T X D T C 0