Lyapunov-Krasovskii泛函中Jensen不等式和倒凸组合引理的运用
在分析时滞系统和网络化控制系统的稳定性时,我们通常需要构造Lyapunov-Krasovskii泛函来证明系统的稳定性,例如随机稳定、指数稳定等;同时我们要求系统有一个我们规定的的性能例如 H ∞ H_\infty H∞性能、 L 2 − L ∞ L_2-L_\infty L2−L∞性能等。上一篇转载的文章中介绍了Lyapunov-Krasovskii泛函二重积分项求导_原理,本篇文章将介绍在证明稳定性及性能的过程中对Lyapunov-Krasovskii泛函导数进行放缩时运用的数学引理及计算推导过程。
1 Lyapunov-Krasovskii泛函举例
在一些时滞系统和网络化控制系统中,为了更真实的分析系统稳定性和性能,获得保守性更低的条件和结果,通常需要引入延迟(时滞),时滞可以是时变的也可以是固定的。随着时滞的引入,我们所寻找的Lyapunov函数不再是普通形式的,而是Lyapunov-Krasovskii泛函形式,在之前的文章中,我们给出了Lyapunov-Krasovskii泛函二重积分项求导的原理。本篇文章将讨论Lyapunov-Krasovskii泛函导数在证明稳定性和性能时的放缩问题,这里给出一些论文中的实例。
我们可以看出,论文中说运用Jensen不等式引理,得到以下结果,那么具体的计算步骤是什么,我们可以通过后续内容进行学习得知。
2 Jensen不等式
Lemma 1. 对于任意一个常数正定矩阵 M ∈ R m × m M\in \mathbb{R}^{m \times m} M∈Rm×m, M = M T M=M^T M=MT,及所有连续可微的向量函数 ω : [ a , b ] ∈ R m \omega:[a,b]\in \mathbb{R}^m ω:[a,b]∈Rm使得下列的积分不等式成立 ( b − a ) ∫ a b ω T ( s ) R ω ( s ) d s ≥ ( ∫ a b ω ( s ) d s ) T R ( ∫ a b ω ( s ) d s ) . (1) \begin{aligned}(b-a)\int^b_a \omega^T(s)R\omega(s) ds\geq \Bigg(\int^b_a \omega(s)ds\Bigg)^TR\Bigg(\int^b_a \omega(s)ds\Bigg)\end{aligned}.\tag{1} (b−a)∫abωT(s)Rω(s)ds≥(∫abω(s)ds)TR(∫abω(s)ds).(1)这个形式是论文中给出的原始形式,在常见的论文中,我们还有以下形式 − ∫ a b ω T ( s ) R ω ( s ) d s ≤ − 1 b − a ( ∫ a b ω ( s ) d s ) T R ( ∫ a b ω ( s ) d s ) . (2) -\begin{aligned}&\int^b_a \omega^T(s)R\omega(s) ds\leq -\frac{1}{b-a}\Bigg(\int^b_a \omega(s)ds\Bigg)^TR\Bigg(\int^b_a \omega(s)ds\Bigg)\end{aligned}.\tag{2} −∫abωT(s)Rω(s)ds≤−b−a1(∫abω(s)ds)TR(∫abω(s)ds).(2) − ( b − a ) ∫ a b ω ˙ T ( s ) R ω ˙ ( s ) d s ≤ − ( ∫ a b ω ˙ ( s ) d s ) T R ( ∫ a b ω ˙ ( s ) d s ) = − [ ω ( b ) − ω ( a ) ] T R [ ω ( b ) − ω ( a ) ] . (3) \begin{aligned}-(b-a)\int^b_a \dot{\omega}^T(s)R\dot{\omega}(s) ds&\leq -\Bigg(\int^b_a \dot{\omega}(s)ds\Bigg)^TR\Bigg(\int^b_a \dot{\omega}(s)ds\Bigg) \\ &=-[\omega(b)-\omega(a)]^TR[\omega(b)-\omega(a)] \end{aligned}.\tag{3} −(b−a)∫abω˙T(s)Rω˙(s)ds≤−(∫abω˙(s)ds)TR(∫abω˙(s)ds)=−[ω(b)−ω(a)]TR[ω(b)−ω(a)].(3) − ∫ − τ 0 ∫ t + θ t ω T ( s ) R ω ( s ) d s ≤ − 2 τ 2 ( ∫ − τ 0 ∫ t + θ t ω ( s ) d s d θ ) T R ( ∫ − τ 0 ∫ t + θ t ω ( s ) d s d θ ) . (4) \begin{aligned}-\int^0_{-\tau}\int^t_{t+\theta} {\omega}^T(s)R{\omega}(s) ds&\leq-\frac{2}{\tau^2} \Bigg(\int^0_{-\tau}\int^t_{t+\theta} {\omega}(s)dsd\theta\Bigg)^TR\Bigg(\int^0_{-\tau}\int^t_{t+\theta} {\omega}(s)dsd\theta\Bigg)\end{aligned}.\tag{4} −∫−τ0∫t+θtωT(s)Rω(s)ds≤−τ22(∫−τ0∫t+θtω(s)dsdθ)TR(∫−τ0∫t+θtω(s)dsdθ).(4)
Proof 1. 我们可以通过
S
c
h
u
r
Schur
Schur补引理来证明,我们有
[
ω
T
(
s
)
R
ω
(
s
)
ω
T
(
s
)
ω
(
s
)
R
−
1
]
≥
0.
(5)
\begin{bmatrix}\omega^T(s)R\omega(s)&\omega^T(s) \\\omega(s)&R^{-1}\end{bmatrix}\geq0.\tag{5}
[ωT(s)Rω(s)ω(s)ωT(s)R−1]≥0.(5)将式(5)从
a
a
a到
b
b
b进行积分
(
a
≤
s
≤
b
)
(a\leq s\leq b)
(a≤s≤b),可得
[
∫
a
b
ω
T
(
s
)
R
ω
(
s
)
∫
a
b
ω
T
(
s
)
∫
a
b
ω
(
s
)
(
b
−
a
)
R
−
1
]
≥
0.
(6)
\begin{bmatrix}\int^b_a\omega^T(s)R\omega(s)&\int^b_a\omega^T(s) \\ \int^b_a\omega(s)&(b-a)R^{-1}\end{bmatrix}\geq0.\tag{6}
[∫abωT(s)Rω(s)∫abω(s)∫abωT(s)(b−a)R−1]≥0.(6)通过对式(6)使用
S
c
h
u
r
Schur
Schur补引理我们可以得到不等式(1)的结果。证毕
□
\square
□
Proof 2. 类似于Proof 1. 我们进行式(4)的证明,对式(5)从
t
+
θ
t+\theta
t+θ到
t
t
t进行积分,这里
−
τ
≤
θ
≤
0
-\tau\leq\theta\leq0
−τ≤θ≤0,我们有
[
∫
t
+
θ
t
ω
T
(
s
)
R
ω
(
s
)
∫
t
+
θ
t
ω
T
(
s
)
∫
t
+
θ
t
ω
(
s
)
−
θ
R
−
1
]
≥
0.
(7)
\begin{bmatrix}\int^t_{t+\theta}\omega^T(s)R\omega(s)&\int^t_{t+\theta}\omega^T(s) \\ \int^t_{t+\theta}\omega(s)&-\theta R^{-1}\end{bmatrix}\geq0.\tag{7}
[∫t+θtωT(s)Rω(s)∫t+θtω(s)∫t+θtωT(s)−θR−1]≥0.(7)对式(7)从
−
τ
-\tau
−τ到
0
0
0积分,我们有
[
∫
−
τ
0
∫
t
+
θ
t
ω
T
(
s
)
R
ω
(
s
)
∫
−
τ
0
∫
t
+
θ
t
ω
T
(
s
)
∫
−
τ
0
∫
t
+
θ
t
ω
(
s
)
−
∫
−
τ
0
θ
R
−
1
]
≥
0.
(8)
\begin{bmatrix}\int^0_{-\tau}\int^t_{t+\theta}\omega^T(s)R\omega(s)&\int^0_{-\tau}\int^t_{t+\theta}\omega^T(s) \\ \int^0_{-\tau}\int^t_{t+\theta}\omega(s)&-\int^0_{-\tau}\theta R^{-1}\end{bmatrix}\geq0.\tag{8}
[∫−τ0∫t+θtωT(s)Rω(s)∫−τ0∫t+θtω(s)∫−τ0∫t+θtωT(s)−∫−τ0θR−1]≥0.(8)我们可以看出,式(8)和式(6)等价,即可以用
S
c
h
u
r
Schur
Schur补引理来证明不等式(4),证明过程这里不再给出,证毕
□
\square
□
附: S c h u r Schur Schur补引理,读者可以根据 S c h u r Schur Schur补引理直接写出不等式(1-4)
对给定的对称矩阵 S = [ S 11 S 12 S 21 S 22 ] S=\begin{bmatrix}S_{11}&S_{12} \\ S_{21}&S_{22}\end{bmatrix} S=[S11S21S12S22],其中 S 11 S_{11} S11是 r × r r \times r r×r维的,以下三个条件是等价的: S < 0 S 11 < 0 , S 22 − S 12 T S 11 − 1 S 12 < 0 S 22 < 0 , S 11 − S 12 S 22 − 1 S 12 T < 0 \begin{aligned}&S<0 \\ &S_{11}<0,S_{22}-S_{12}^TS_{11}^{-1}S_{12}<0 \\ &S_{22}<0,S_{11}-S_{12}S_{22}^{-1}S_{12}^T<0\end{aligned} S<0S11<0,S22−S12TS11−1S12<0S22<0,S11−S12S22−1S12T<0关于 S c h u r Schur Schur补引理的证明这里不再给出。
3 倒凸组合引理
3.1 倒数凸组合定义
Definition 1. 令 Φ 1 , Φ 2 , ⋯ , Φ N : R m → R n \Phi_1,\Phi_2,\cdots,\Phi_N:\mathbb{R}^m \rightarrow\mathbb{R}^n Φ1,Φ2,⋯,ΦN:Rm→Rn是给定的有限个函数,同时它们在 D ⊂ R m D\subset\mathbb{R}^m D⊂Rm上的取值为正值。那么,这些函数在集合 D D D上的倒数凸组合是如下形式的函数 1 α 1 Φ 1 + 1 α 2 Φ 2 + ⋯ + 1 α N Φ N : D → R n . (9) \frac{1}{\alpha_1}\Phi_1+\frac{1}{\alpha_2}\Phi_2+ \cdots + \frac{1}{\alpha_N}\Phi_N:D \rightarrow \mathbb{R}^n .\tag{9} α11Φ1+α21Φ2+⋯+αN1ΦN:D→Rn.(9)其中,实数 α i > 0 , ∑ i α i = 1. \alpha_i>0,\sum_i\alpha_i=1. αi>0,∑iαi=1.
3.2 倒数凸组合引理
在论文中,这里的倒数凸组合引理实际上给出了标量正定函数互凸组合
Φ
i
\Phi_i
Φi的一个下界。
Lemma 2. 令
Φ
i
=
f
i
\Phi_i=f_i
Φi=fi,设
f
1
,
f
2
,
⋯
,
f
N
:
D
→
R
n
f_1,f_2,\cdots,f_N:D \rightarrow \mathbb{R}^n
f1,f2,⋯,fN:D→Rn在
D
⊂
R
m
D\subset\mathbb{R}^m
D⊂Rm上的取值为正值。然后,
f
i
f_i
fi在
D
D
D上的倒数凸组合满足下面的关系
min
{
α
i
∣
α
i
>
0
,
∑
i
α
i
=
1
}
∑
i
1
α
i
f
i
(
t
)
=
∑
i
f
i
(
t
)
+
max
g
i
,
j
(
t
)
∑
i
≠
j
g
i
,
j
(
t
)
.
(10)
\min_{\{\alpha_i|\alpha_i>0,\sum_i\alpha_i=1\}}\sum_i\frac{1}{\alpha_i}f_i(t)=\sum_{i}f_i(t)+\max_{g_{i,j}(t)}\sum_{i\neq j}g_{i,j}(t).\tag{10}
{αi∣αi>0,∑iαi=1}mini∑αi1fi(t)=i∑fi(t)+gi,j(t)maxi=j∑gi,j(t).(10)这里的约束条件为
s
t
.
{
g
i
,
j
:
R
m
→
R
,
g
j
,
i
(
t
)
≜
g
i
,
j
(
t
)
,
[
f
i
(
t
)
g
i
,
j
(
t
)
g
i
,
j
(
t
)
f
j
(
t
)
]
≥
0
}
.
(11)
st. \quad \Bigg\{g_{i,j}:\mathbb{R}^m\rightarrow \mathbb{R},g_{j,i}(t)\triangleq g_{i,j}(t),\begin{bmatrix}f_i(t)&g_{i,j}(t) \\ g_{i,j}(t)&f_j(t) \end{bmatrix}\geq0\Bigg\}.\tag{11}
st.{gi,j:Rm→R,gj,i(t)≜gi,j(t),[fi(t)gi,j(t)gi,j(t)fj(t)]≥0}.(11)Proof. 对于式(11)的约束,我们可知
[
α
j
α
i
−
α
i
α
j
]
T
[
f
i
(
t
)
g
i
,
j
(
t
)
g
i
,
j
(
t
)
f
j
(
t
)
]
[
α
j
α
i
−
α
i
α
j
]
≥
0.
(12)
\begin{bmatrix}\sqrt{\frac{\alpha_j}{\alpha_i}} \\ -\sqrt{\frac{\alpha_i}{\alpha_j}} \end{bmatrix}^T\begin{bmatrix}f_i(t)&g_{i,j}(t) \\ g_{i,j}(t)&f_j(t) \end{bmatrix}\begin{bmatrix}\sqrt{\frac{\alpha_j}{\alpha_i}} \\ -\sqrt{\frac{\alpha_i}{\alpha_j}} \end{bmatrix}\geq0.\tag{12}
αiαj−αjαi
T[fi(t)gi,j(t)gi,j(t)fj(t)]
αiαj−αjαi
≥0.(12)对于式(12),我们可以得到下面的关系
α
i
α
j
f
j
(
t
)
+
α
j
α
i
f
i
(
t
)
−
2
g
i
,
j
(
t
)
≥
0
⇒
1
2
(
α
j
α
i
f
i
(
t
)
+
α
i
α
j
f
i
(
t
)
)
≥
g
i
,
j
(
t
)
.
(13)
\frac{\alpha_i}{\alpha_j}f_j(t)+\frac{\alpha_j}{\alpha_i}f_i(t)-2g_{i,j}(t)\geq0\quad \Rightarrow\quad \frac{1}{2}\Bigg(\frac{\alpha_j}{\alpha_i}f_i(t)+\frac{\alpha_i}{\alpha_j}f_i(t)\Bigg)\geq g_{i,j}(t).\tag{13}
αjαifj(t)+αiαjfi(t)−2gi,j(t)≥0⇒21(αiαjfi(t)+αjαifi(t))≥gi,j(t).(13)然后,我们有
∑
i
1
α
i
f
i
(
t
)
=
∑
i
α
j
α
i
f
i
(
t
)
=
∑
i
f
i
(
t
)
+
1
2
∑
i
≠
j
(
α
j
α
i
f
i
(
t
)
+
α
i
α
j
f
i
(
t
)
)
≥
∑
i
f
i
(
t
)
+
∑
i
≠
j
g
i
,
j
(
t
)
.
(14)
\begin{aligned}\sum_i\frac{1}{\alpha_i}f_i(t)&=\sum_i\frac{\alpha_j}{\alpha_i}f_i(t) \\ &=\sum_if_i(t)+\frac{1}{2}\sum_{i \neq j}\Bigg(\frac{\alpha_j}{\alpha_i}f_i(t)+\frac{\alpha_i}{\alpha_j}f_i(t)\Bigg) \\ &\geq\sum_if_i(t)+\sum_{i \neq j}g_{i,j}(t)\end{aligned}.\tag{14}
i∑αi1fi(t)=i∑αiαjfi(t)=i∑fi(t)+21i=j∑(αiαjfi(t)+αjαifi(t))≥i∑fi(t)+i=j∑gi,j(t).(14)当等式成立时
α
j
=
f
i
(
t
)
∑
j
f
j
(
t
)
,
g
i
,
j
(
t
)
=
f
i
(
t
)
f
j
(
t
)
(15)
\alpha_j=\frac{\sqrt{f_i(t)}}{\sum_j\sqrt{f_j(t)}},\quad g_{i,j}(t)=\sqrt{f_i(t)f_j(t)}\tag{15}
αj=∑jfj(t)fi(t),gi,j(t)=fi(t)fj(t)(15)证毕
□
\square
□
该定理可以应用于处理时滞系统的Lyapunov-Krasovskii函数泛函的二重积分项。后续我们将通过一个实例来进行演示。
4 Lyapunov-Krasovskii泛函放缩运算实例
我们以式(3)为例,推导出Lyapunov-Krasovskii泛函二重积分项导数的放缩结果,这里为了更接近实际的控制系统,我们定义
a
=
t
−
h
a=t-h
a=t−h,
b
=
t
b=t
b=t,
t
−
h
≤
d
t
≤
t
t-h\leq d_t \leq t
t−h≤dt≤t,我们得到
−
h
∫
t
−
h
t
ω
˙
T
(
s
)
R
ω
˙
(
s
)
d
s
≤
−
(
∫
t
−
h
t
ω
˙
(
s
)
d
s
)
T
R
(
∫
t
−
h
t
ω
˙
(
s
)
d
s
)
=
−
[
ω
(
t
)
−
ω
(
t
−
h
)
]
T
R
[
ω
(
t
)
−
ω
(
t
−
h
)
]
.
(16)
\begin{aligned}-h\int^t_{t-h} \dot{\omega}^T(s)R\dot{\omega}(s) ds&\leq -\Bigg(\int^t_{t-h} \dot{\omega}(s)ds\Bigg)^TR\Bigg(\int^t_{t-h} \dot{\omega}(s)ds\Bigg) \\ &=-[\omega(t)-\omega(t-h)]^TR[\omega(t)-\omega(t-h)] \end{aligned}.\tag{16}
−h∫t−htω˙T(s)Rω˙(s)ds≤−(∫t−htω˙(s)ds)TR(∫t−htω˙(s)ds)=−[ω(t)−ω(t−h)]TR[ω(t)−ω(t−h)].(16)但是通常情况下,为了获得保守性更好的结果,我们不会直接使用形如式(16)的Jensen不等式结果,而是考虑一个新的方法,即倒数凸组合引理。
倒数凸组合引理的性能行为与基于积分不等式引理的方法相同,但决策变量的数量与基于Jensen不等式引理的方法相当。
为了能够简单直观的进行放缩处理的计算和推导,这里给出一个Lemma 3. 我们将通过式(16)为例进行证明。
Lemma 3. 对于给定的两个非负标量
τ
‾
,
τ
ˉ
\underline{\tau},\bar{\tau}
τ,τˉ满足
τ
‾
≤
τ
ˉ
\underline{\tau}\leq\bar{\tau}
τ≤τˉ,一个标量时变函数
d
t
∈
[
τ
‾
,
τ
ˉ
]
d_t \in [\underline{\tau},\bar{\tau}]
dt∈[τ,τˉ],一个向量值函数
ω
˙
:
[
−
τ
‾
,
−
τ
ˉ
]
→
R
n
\dot{\omega}:[-\underline{\tau},-\bar{\tau}]\rightarrow \mathbb{R}^n
ω˙:[−τ,−τˉ]→Rn,存在一个常数矩阵
R
=
R
T
∈
R
n
×
n
R=R^T\in \mathbb{R}^{n \times n}
R=RT∈Rn×n,
S
∈
R
n
×
n
S\in \mathbb{R}^{n \times n}
S∈Rn×n,
[
R
S
∗
R
]
≥
0
\begin{bmatrix}R&S \\ *&R\end{bmatrix}\geq0
[R∗SR]≥0使得下面的积分不等式成立
−
(
τ
ˉ
−
τ
‾
)
∫
t
−
τ
ˉ
t
−
τ
‾
ω
˙
T
(
s
)
R
ω
˙
(
s
)
d
s
≤
−
ξ
1
T
R
ξ
1
−
ξ
2
T
R
ξ
2
+
ξ
1
T
S
ξ
2
+
ξ
2
T
S
T
ξ
1
(17)
-(\bar{\tau}-\underline{\tau})\int^{t-\underline{\tau}}_{t-\bar{\tau}}\dot{\omega}^T(s)R\dot{\omega}(s)ds\leq-\xi_1^TR\xi_1-\xi_2^TR\xi_2+\xi_1^TS\xi_2+\xi_2^TS^T\xi_1\tag{17}
−(τˉ−τ)∫t−τˉt−τω˙T(s)Rω˙(s)ds≤−ξ1TRξ1−ξ2TRξ2+ξ1TSξ2+ξ2TSTξ1(17)这里
ξ
1
=
ω
(
t
−
d
t
)
−
ω
(
t
−
τ
‾
)
,
ξ
2
=
ω
(
t
−
τ
ˉ
)
−
ω
(
t
−
d
t
)
.
\xi_1=\omega(t-d_t)-\omega(t-\underline{\tau}),\xi_2=\omega(t-\bar{\tau})-\omega(t-d_t).
ξ1=ω(t−dt)−ω(t−τ),ξ2=ω(t−τˉ)−ω(t−dt).
Proof. 当
d
t
=
τ
‾
d_t=\underline{\tau}
dt=τ(或者
d
t
=
τ
ˉ
d_t=\bar{\tau}
dt=τˉ),可以得到
ξ
1
=
0
\xi_1=0
ξ1=0(或者,
ξ
2
=
0
\xi_2=0
ξ2=0)。这时式(17)将退化为Jensen不等式(Lemma 1)。因此,式(17)仍然成立。接下来我们讨论
τ
‾
<
d
t
<
τ
ˉ
\underline{\tau}< d_t< \bar{\tau}
τ<dt<τˉ的情况,这里我们定义
ξ
3
=
d
t
−
τ
‾
τ
ˉ
−
τ
‾
,
ξ
4
=
τ
ˉ
−
d
t
τ
ˉ
−
τ
‾
\xi_3=\frac{d_t-\underline{\tau}}{\bar{\tau}-\underline{\tau}},\xi_4=\frac{\bar{\tau}-d_t}{\bar{\tau}-\underline{\tau}}
ξ3=τˉ−τdt−τ,ξ4=τˉ−ττˉ−dt,运用Jensen不等式,我们将得到
−
(
τ
ˉ
−
τ
‾
)
∫
t
−
τ
ˉ
t
−
τ
‾
ω
˙
T
(
s
)
R
ω
˙
(
s
)
d
s
=
−
(
τ
ˉ
−
τ
‾
)
∫
t
−
d
t
t
−
τ
‾
ω
˙
T
(
s
)
R
ω
˙
(
s
)
d
s
−
(
τ
ˉ
−
τ
‾
)
∫
t
−
τ
ˉ
t
−
d
t
ω
˙
T
(
s
)
R
ω
˙
(
s
)
d
s
≤
−
(
1
+
ξ
4
ξ
3
)
ξ
1
T
R
ξ
1
−
(
1
+
ξ
3
ξ
4
)
ξ
2
T
R
ξ
2
.
(18)
\begin{aligned}-(\bar{\tau}-\underline{\tau})\int^{t-\underline{\tau}}_{t-\bar{\tau}}\dot{\omega}^T(s)R\dot{\omega}(s)ds&=-(\bar{\tau}-\underline{\tau})\int^{t-\underline{\tau}}_{t-d_t}\dot{\omega}^T(s)R\dot{\omega}(s)ds-(\bar{\tau}-\underline{\tau})\int^{t-d_t}_{t-\bar{\tau}}\dot{\omega}^T(s)R\dot{\omega}(s)ds \\ &\leq-(1+\frac{\xi_4}{\xi_3})\xi_1^TR\xi_1-(1+\frac{\xi_3}{\xi_4})\xi_2^TR\xi_2\end{aligned}\tag{18}.
−(τˉ−τ)∫t−τˉt−τω˙T(s)Rω˙(s)ds=−(τˉ−τ)∫t−dtt−τω˙T(s)Rω˙(s)ds−(τˉ−τ)∫t−τˉt−dtω˙T(s)Rω˙(s)ds≤−(1+ξ3ξ4)ξ1TRξ1−(1+ξ4ξ3)ξ2TRξ2.(18)这里用倒数凸组合的证明方法,对于
[
R
S
∗
R
]
≥
0
\begin{bmatrix}R&S \\ *&R\end{bmatrix}\geq0
[R∗SR]≥0,我们有
[
ξ
4
ξ
3
ξ
1
ξ
3
ξ
4
ξ
2
]
T
[
R
S
∗
R
]
[
ξ
4
ξ
3
ξ
1
ξ
3
ξ
4
ξ
2
]
≥
0.
(19)
\begin{bmatrix}\sqrt{\frac{\xi_4}{\xi_3}}\xi_1\\ \sqrt{\frac{\xi_3}{\xi_4}}\xi_2\end{bmatrix}^T\begin{bmatrix}R&S \\ *&R\end{bmatrix}\begin{bmatrix}\sqrt{\frac{\xi_4}{\xi_3}}\xi_1\\ \sqrt{\frac{\xi_3}{\xi_4}}\xi_2\end{bmatrix}\geq0.\tag{19}
ξ3ξ4ξ1ξ4ξ3ξ2
T[R∗SR]
ξ3ξ4ξ1ξ4ξ3ξ2
≥0.(19)计算式(19)并等价改写为
−
ξ
4
ξ
3
ξ
1
T
R
ξ
1
−
ξ
3
ξ
4
ξ
1
T
R
ξ
2
≤
ξ
1
T
S
ξ
2
+
ξ
2
T
S
T
ξ
1
(20)
-\frac{\xi_4}{\xi_3}\xi_1^TR\xi_1-\frac{\xi_3}{\xi_4}\xi_1^TR\xi_2\leq \xi_1^TS\xi_2+\xi_2^TS^T\xi_1\tag{20}
−ξ3ξ4ξ1TRξ1−ξ4ξ3ξ1TRξ2≤ξ1TSξ2+ξ2TSTξ1(20)这里我们合并式(18)和式(20)就会得到式(17),证毕
□
\square
□
这里我们给出一般计算的矩阵形式,这更有利于我们进行推导和计算.
−
(
τ
ˉ
−
τ
‾
)
∫
t
−
τ
ˉ
t
−
τ
‾
ω
˙
T
(
s
)
R
ω
˙
(
s
)
d
s
≤
−
ξ
1
T
R
ξ
1
−
ξ
2
T
R
ξ
2
+
ξ
1
T
S
ξ
2
+
ξ
2
T
S
T
ξ
1
=
−
[
ω
(
t
−
d
t
)
−
ω
(
t
−
τ
‾
)
]
T
R
[
ω
(
t
−
d
t
)
−
ω
(
t
−
τ
‾
)
]
−
[
ω
(
t
−
τ
ˉ
)
−
ω
(
t
−
d
t
)
]
T
R
[
ω
(
t
−
τ
ˉ
)
−
ω
(
t
−
d
t
)
]
+
[
ω
(
t
−
d
t
)
−
ω
(
t
−
τ
‾
)
]
T
S
[
ω
(
t
−
τ
ˉ
)
−
ω
(
t
−
d
t
)
]
+
[
ω
(
t
−
τ
ˉ
)
−
ω
(
t
−
d
t
)
]
T
S
T
[
ω
(
t
−
d
t
)
−
ω
(
t
−
τ
‾
)
]
(21)
\begin{aligned}-(\bar{\tau}-\underline{\tau})\int^{t-\underline{\tau}}_{t-\bar{\tau}}\dot{\omega}^T(s)R\dot{\omega}(s)ds\leq&-\xi_1^TR\xi_1-\xi_2^TR\xi_2+\xi_1^TS\xi_2+\xi_2^TS^T\xi_1 \\ = &-[\omega(t-d_t)-\omega(t-\underline{\tau})]^TR[\omega(t-d_t)-\omega(t-\underline{\tau})] \\&-[\omega(t-\bar{\tau})-\omega(t-d_t)]^TR[\omega(t-\bar{\tau})-\omega(t-d_t)] \\&+[\omega(t-d_t)-\omega(t-\underline{\tau})]^TS[\omega(t-\bar{\tau})-\omega(t-d_t)] \\ &+[\omega(t-\bar{\tau})-\omega(t-d_t)]^TS^T[\omega(t-d_t)-\omega(t-\underline{\tau})]\end{aligned}\tag{21}
−(τˉ−τ)∫t−τˉt−τω˙T(s)Rω˙(s)ds≤=−ξ1TRξ1−ξ2TRξ2+ξ1TSξ2+ξ2TSTξ1−[ω(t−dt)−ω(t−τ)]TR[ω(t−dt)−ω(t−τ)]−[ω(t−τˉ)−ω(t−dt)]TR[ω(t−τˉ)−ω(t−dt)]+[ω(t−dt)−ω(t−τ)]TS[ω(t−τˉ)−ω(t−dt)]+[ω(t−τˉ)−ω(t−dt)]TST[ω(t−dt)−ω(t−τ)](21)对式(21)进行整理,我们得到
−
(
τ
ˉ
−
τ
‾
)
∫
t
−
τ
ˉ
t
−
τ
‾
ω
˙
T
(
s
)
R
ω
˙
(
s
)
d
s
≤
Ξ
T
(
t
)
Θ
Ξ
(
t
)
=
Ξ
T
(
t
)
[
−
R
∗
∗
R
−
S
−
2
R
+
S
+
S
T
∗
S
T
R
−
S
T
−
R
]
Ξ
(
t
)
(22)
-(\bar{\tau}-\underline{\tau})\int^{t-\underline{\tau}}_{t-\bar{\tau}}\dot{\omega}^T(s)R\dot{\omega}(s)ds\leq \Xi^T(t)\Theta\Xi(t)=\Xi^T(t)\begin{bmatrix}-R&*&* \\ R-S&-2R+S+S^T&*\\ S^T&R-S^T&-R\end{bmatrix}\Xi(t)\tag{22}
−(τˉ−τ)∫t−τˉt−τω˙T(s)Rω˙(s)ds≤ΞT(t)ΘΞ(t)=ΞT(t)
−RR−SST∗−2R+S+STR−ST∗∗−R
Ξ(t)(22)这里
Ξ
(
t
)
=
c
o
l
{
ω
(
t
−
τ
‾
)
,
ω
(
t
−
d
t
)
,
ω
(
t
−
τ
ˉ
)
}
.
\Xi(t)=col\{\omega(t-\underline{\tau}),\omega(t-d_t),\omega(t-\bar{\tau})\}.
Ξ(t)=col{ω(t−τ),ω(t−dt),ω(t−τˉ)}.
证明稳定性及性能的过程中对Lyapunov-Krasovskii泛函导数进行放缩时运用的数学引理及计算推导过程至此结束!
参考文献:
Jensen不等式提出论文.
Reciprocally convex approach to stability of systems with time-varying delays.
Distributed event-triggered H ∞ H_\infty H∞ filtering over sensor networks with communication delays.
Delay-dependent stability and stabilization of neutral time-delay systems.
参考书籍和资料:
[俞立.鲁棒控制——线性矩阵不等式[M]. 北京:清华大学出版社, 2002.]
时滞系统—3.4 时滞相关稳定性条件.