Lyapunov-Krasovskii泛函中Jensen不等式和倒凸组合引理的运用

本人为研一小白，在看论文的过程中记录一下自己的学习过程和想法。

---

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$H_{\infty }$性能、$L_2-L_{\infty }$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$M\in {\mathbb{R}}^{m\times m}$，$M=M^T$，及所有连续可微的向量函数$\omega :[a,b]\in {\mathbb{R}}^m$使得下列的积分不等式成立$$\begin{array}{r}(b-a){\int }_a^b{\omega }^T(s)R\omega (s)ds\ge ({\int }_a^b\omega (s)ds{)}^{T}R({\int }_a^b\omega (s)ds)\end{array}.\text{\hspace{1em}(1)}$$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$$-\begin{array}{rl}& {\int }_a^b{\omega }^T(s)R\omega (s)ds\le -\frac{1}{b-a}({\int }_a^b\omega (s)ds{)}^{T}R({\int }_a^b\omega (s)ds)\end{array}.\text{\hspace{1em}(2)}$$ $$\begin{array}{rl}-(b-a){\int }_a^b{\dot{\omega }}^T(s)R\dot{\omega }(s)ds& \le -({\int }_a^b\dot{\omega }(s)ds{)}^{T}R({\int }_a^b\dot{\omega }(s)ds)\\ & =-[\omega (b)-\omega (a){]}^{T}R[\omega (b)-\omega (a)]\end{array}.\text{\hspace{1em}(3)}$$ $$\begin{array}{rl}-{\int }_{-\tau }^0{\int }_{t+\theta }^t{\omega }^T(s)R\omega (s)ds& \le -\frac{2}{{\tau }^2}({\int }_{-\tau }^0{\int }_{t+\theta }^t\omega (s)dsd\theta {)}^{T}R({\int }_{-\tau }^0{\int }_{t+\theta }^t\omega (s)dsd\theta )\end{array}.\text{\hspace{1em}(4)}$$

Proof 1. 我们可以通过$Schur$补引理来证明，我们有$$\left[\begin{array}{cc}{\omega }^T(s)R\omega (s)& {\omega }^T(s)\\ \omega (s)& R^{-1}\end{array}\right]\ge 0.\text{\hspace{1em}(5)}$$将式(5)从$a$到$b$进行积分$(a\le s\le b)$，可得$$\left[\begin{array}{cc}{\int }_a^b{\omega }^T(s)R\omega (s)& {\int }_a^b{\omega }^T(s)\\ {\int }_a^b\omega (s)& (b-a)R^{-1}\end{array}\right]\ge 0.\text{\hspace{1em}(6)}$$通过对式(6)使用$Schur$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$t+\theta$到$t$进行积分，这里$-\tau \le \theta \le 0$，我们有$$\left[\begin{array}{cc}{\int }_{t+\theta }^t{\omega }^T(s)R\omega (s)& {\int }_{t+\theta }^t{\omega }^T(s)\\ {\int }_{t+\theta }^t\omega (s)& -\theta R^{-1}\end{array}\right]\ge 0.\text{\hspace{1em}(7)}$$对式(7)从$-\tau$到$0$积分，我们有$$\left[\begin{array}{cc}{\int }_{-\tau }^0{\int }_{t+\theta }^t{\omega }^T(s)R\omega (s)& {\int }_{-\tau }^0{\int }_{t+\theta }^t{\omega }^T(s)\\ {\int }_{-\tau }^0{\int }_{t+\theta }^t\omega (s)& -{\int }_{-\tau }^0\theta R^{-1}\end{array}\right]\ge 0.\text{\hspace{1em}(8)}$$我们可以看出，式(8)和式(6)等价，即可以用$Schur$补引理来证明不等式(4)，证明过程这里不再给出，证毕$\square$

附： $Schur$补引理，读者可以根据$Schur$补引理直接写出不等式(1-4)

对给定的对称矩阵$S=\left[\begin{array}{cc}{S}_{11}& S_{12}\\ S_{21}& S_{22}\end{array}\right]$，其中$S_{11}$是$r\times r$维的，以下三个条件是等价的：$$\begin{array}{rl}& S<0\\ & S_{11}<0,S_{22}-S_{12}^T{S}_{11}^{-1}{S}_{12}<0\\ & S_{22}<0,S_{11}-S_{12}{S}_{22}^{-1}{S}_{12}^T<0\end{array}$$关于$Schur$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${\Phi }_1,{\Phi }_2,\cdots ,{\Phi }_N：{\mathbb{R}}^m\to {\mathbb{R}}^n$是给定的有限个函数，同时它们在$D\subset {\mathbb{R}}^m$上的取值为正值。那么，这些函数在集合$D$上的倒数凸组合是如下形式的函数$$\frac{1}{{\alpha }_1}{\Phi }_1+\frac{1}{{\alpha }_2}{\Phi }_2+\cdots +\frac{1}{{\alpha }_N}{\Phi }_N：D\to {\mathbb{R}}^n.\text{\hspace{1em}(9)}$$其中，实数${\alpha }_i>0,{\sum }_i{\alpha }_i=1.$

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${\Phi }_i$的一个下界。
Lemma 2. 令${\Phi }_i=f_i$，设$f_1,f_2,\cdots ,f_N：D\to {\mathbb{R}}^n$在$D\subset {\mathbb{R}}^m$上的取值为正值。然后，$f_i$在$D$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,∑i​αi​=1}min​i∑​αi​1​fi​(t)=i∑​fi​(t)+gi,j​(t)max​i=j∑​gi,j​(t).(10)这里的约束条件为$$st.\{g_{i,j}:{\mathbb{R}}^m\to \mathbb{R},g_{j,i}(t)\triangleq g_{i,j}(t),\left[\begin{array}{cc}{f}_i(t)& g_{i,j}(t)\\ g_{i,j}(t)& f_j(t)\end{array}\right]\ge 0\}.\text{\hspace{1em}(11)}$$Proof. 对于式(11)的约束，我们可知$${\left[\begin{array}{c}\sqrt{\frac{{\alpha }_j}{{\alpha }_i}}\\ -\sqrt{\frac{{\alpha }_i}{{\alpha }_j}}\end{array}\right]}^T\left[\begin{array}{cc}{f}_i(t)& g_{i,j}(t)\\ g_{i,j}(t)& f_j(t)\end{array}\right]\left[\begin{array}{c}\sqrt{\frac{{\alpha }_j}{{\alpha }_i}}\\ -\sqrt{\frac{{\alpha }_i}{{\alpha }_j}}\end{array}\right]\ge 0.\text{\hspace{1em}(12)}$$对于式(12)，我们可以得到下面的关系$$\frac{{\alpha }_i}{{\alpha }_j}{f}_j(t)+\frac{{\alpha }_j}{{\alpha }_i}{f}_i(t)-2g_{i,j}(t)\ge 0\Rightarrow \frac{1}{2}(\frac{{\alpha }_j}{{\alpha }_i}{f}_i(t)+\frac{{\alpha }_i}{{\alpha }_j}{f}_i(t))\ge g_{i,j}(t).\text{\hspace{1em}(13)}$$然后，我们有$$\begin{array}{rl}\sum _i\frac{1}{{\alpha }_i}{f}_i(t)& =\sum _i\frac{{\alpha }_j}{{\alpha }_i}{f}_i(t)\\ & =\sum _i{f}_i(t)+\frac{1}{2}\sum _{i\ne j}(\frac{{\alpha }_j}{{\alpha }_i}{f}_i(t)+\frac{{\alpha }_i}{{\alpha }_j}{f}_i(t))\\ & \ge \sum _i{f}_i(t)+\sum _{i\ne j}{g}_{i,j}(t)\end{array}.\text{\hspace{1em}(14)}$$当等式成立时$${\alpha }_j=\frac{\sqrt{f_i(t)}}{{\sum }_j\sqrt{f_j(t)}},g_{i,j}(t)=\sqrt{f_i(t)f_j(t)}\text{\hspace{1em}(15)}$$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$a=t-h$，$b=t$，$t-h\le d_t\le t$，我们得到
$$\begin{array}{rl}-h{\int }_{t-h}^t{\dot{\omega }}^T(s)R\dot{\omega }(s)ds& \le -({\int }_{t-h}^t\dot{\omega }(s)ds{)}^{T}R({\int }_{t-h}^t\dot{\omega }(s)ds)\\ & =-[\omega (t)-\omega (t-h){]}^{T}R[\omega (t)-\omega (t-h)]\end{array}.\text{\hspace{1em}(16)}$$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$\underline{\tau },\bar{\tau }$满足$\underline{\tau }\le \bar{\tau }$，一个标量时变函数$d_t\in [\underline{\tau },\bar{\tau }]$，一个向量值函数$\dot{\omega }:[-\underline{\tau },-\bar{\tau }]\to {\mathbb{R}}^n$，存在一个常数矩阵$R=R^T\in {\mathbb{R}}^{n\times n}$，$S\in {\mathbb{R}}^{n\times n}$，$\left[\begin{array}{cc}R& S\\ \ast & R\end{array}\right]\ge 0$使得下面的积分不等式成立$$-(\bar{\tau }-\underline{\tau }){\int }_{t-\bar{\tau }}^{t-\underline{\tau }}{\dot{\omega }}^T(s)R\dot{\omega }(s)ds\le -{\xi }_1^{T}R{\xi }_1-{\xi }_2^{T}R{\xi }_2+{\xi }_1^{T}S{\xi }_2+{\xi }_2^T{S}^T{\xi }_1\text{\hspace{1em}(17)}$$这里${\xi }_1=\omega (t-d_t)-\omega (t-\underline{\tau }),{\xi }_2=\omega (t-\bar{\tau })-\omega (t-d_t).$
Proof. 当$d_t=\underline{\tau }$(或者$d_t=\bar{\tau }$)，可以得到${\xi }_1=0$(或者，${\xi }_2=0$)。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$\underline{\tau }<d_t<\bar{\tau }$的情况，这里我们定义${\xi }_3=\frac{d_t-\underline{\tau }}{\bar{\tau }-\underline{\tau }},{\xi }_4=\frac{\bar{\tau }-d_t}{\bar{\tau }-\underline{\tau }}$，运用Jensen不等式，我们将得到$$\begin{array}{rl}-(\bar{\tau }-\underline{\tau }){\int }_{t-\bar{\tau }}^{t-\underline{\tau }}{\dot{\omega }}^T(s)R\dot{\omega }(s)ds& =-(\bar{\tau }-\underline{\tau }){\int }_{t-d_t}^{t-\underline{\tau }}{\dot{\omega }}^T(s)R\dot{\omega }(s)ds-(\bar{\tau }-\underline{\tau }){\int }_{t-\bar{\tau }}^{t-d_t}{\dot{\omega }}^T(s)R\dot{\omega }(s)ds\\ & \le -(1+\frac{{\xi }_4}{{\xi }_3}){\xi }_1^{T}R{\xi }_1-(1+\frac{{\xi }_3}{{\xi }_4}){\xi }_2^{T}R{\xi }_2\end{array}.\text{\hspace{1em}(18)}$$这里用倒数凸组合的证明方法，对于$\left[\begin{array}{cc}R& S\\ \ast & R\end{array}\right]\ge 0$，我们有$${\left[\begin{array}{c}\sqrt{\frac{{\xi }_4}{{\xi }_3}}{\xi }_1\\ \sqrt{\frac{{\xi }_3}{{\xi }_4}}{\xi }_2\end{array}\right]}^T\left[\begin{array}{cc}R& S\\ \ast & R\end{array}\right]\left[\begin{array}{c}\sqrt{\frac{{\xi }_4}{{\xi }_3}}{\xi }_1\\ \sqrt{\frac{{\xi }_3}{{\xi }_4}}{\xi }_2\end{array}\right]\ge 0.\text{\hspace{1em}(19)}$$计算式(19)并等价改写为$$-\frac{{\xi }_4}{{\xi }_3}{\xi }_1^{T}R{\xi }_1-\frac{{\xi }_3}{{\xi }_4}{\xi }_1^{T}R{\xi }_2\le {\xi }_1^{T}S{\xi }_2+{\xi }_2^T{S}^T{\xi }_1\text{\hspace{1em}(20)}$$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.
$$\begin{array}{rl}-(\bar{\tau }-\underline{\tau }){\int }_{t-\bar{\tau }}^{t-\underline{\tau }}{\dot{\omega }}^T(s)R\dot{\omega }(s)ds\le & -{\xi }_1^{T}R{\xi }_1-{\xi }_2^{T}R{\xi }_2+{\xi }_1^{T}S{\xi }_2+{\xi }_2^T{S}^T{\xi }_1\\ =& -[\omega (t-d_t)-\omega (t-\underline{\tau }){]}^{T}R[\omega (t-d_t)-\omega (t-\underline{\tau })]\\ & -[\omega (t-\bar{\tau })-\omega (t-d_t){]}^{T}R[\omega (t-\bar{\tau })-\omega (t-d_t)]\\ & +[\omega (t-d_t)-\omega (t-\underline{\tau }){]}^{T}S[\omega (t-\bar{\tau })-\omega (t-d_t)]\\ & +[\omega (t-\bar{\tau })-\omega (t-d_t){]}^T{S}^T[\omega (t-d_t)-\omega (t-\underline{\tau })]\end{array}\text{\hspace{1em}(21)}$$对式(21)进行整理，我们得到$$-(\bar{\tau }-\underline{\tau }){\int }_{t-\bar{\tau }}^{t-\underline{\tau }}{\dot{\omega }}^T(s)R\dot{\omega }(s)ds\le {\Xi }^T(t)\Theta \Xi (t)={\Xi }^T(t)\left[\begin{array}{ccc}-R& \ast & \ast \\ R-S& -2R+S+S^T& \ast \\ S^T& R-S^T& -R\end{array}\right]\Xi (t)\text{\hspace{1em}(22)}$$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！

---

创作不易，希望大家支持，多多点赞收藏！！！！非常感谢！！！！

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 $H_{\infty }$ 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.