数据驱动控制（3）

第一篇文章：Data-driven control for discrete-time piecewise affine systems第二部分

续接上文的基础公式推导部分：

       

上篇文章将李雅普诺夫函数的渐近稳定条件推导完毕了，那第一部分的工作也就完成了，也就是说我们用采样到的样本数据——Xi,0、Xi,1、Ui,0，这样我们就可以利用这几个采样数据来对系统进行稳定性判断，避免使用传统的通过A,B矩阵来判断。这就是数据驱动控制的便利之处。

好！现在我们进入下一阶段，这一段内容的意思就是我们构造出来了一个椭圆体，还记得之前提到的子空间的多面体吗，由于多面体的表达式非常的复杂，并且不利于计算，所以我们使用椭圆体来来无限逼近这个多面体，这样我们就可以用一个简单的椭圆体方程来表达子空间的形状和边界。基于高数的知识，可以得到椭圆体的表达式是x ,然后我们将其转化为二次型的形式就是图中公式（24）的情况，这个双竖杠代表的是范数的意思，然后（25）（26）就是对于这个椭圆体的描述，看不懂也没关系，只要知道这是个椭圆体就行。接着我们将公式（24）的展开结果转化为矩阵形式，就是公式（27）的样子，读者可自行验证。

 上图就是文章提出的第二个定理，这个大矩阵的意思就是先用椭圆体方程的边界判定条件带入公式（17），公式（17）在上篇文章中，读者可以自己去翻一下，将椭圆体方程替换掉多面体的方程，这样我们就将稳定条件转化成在椭圆体内进行判断。这应该很好理解吧？因为椭圆体的边界更好确定，利于我们后面的计算。下面我们开始对这个公式（28）进行推导。

我们开始推导！公式（33）就是公式（17）替换掉多面体后的形式。我们可以看到加号后面的矩阵变成了椭圆体矩阵。但是呢，基于矩阵理论的知识，公式（33）这个双线性矩阵不等式是非常难以求解的，哪怕是利用MATLAB也恐怕解不出来，实在是过于复杂。所以我们利用舒尔补定理（Schur Complement），这个东西非常的厉害，我们可以利用这个定理就能把双线性矩阵不等式转化为单个矩阵不等式，大大降低了求解难度。 这里我们先来介绍一下舒尔补定理：

也就是说公式（2.3）和公式（2.4）是等价的，可以互相转化。这样我们就可以把公式（33）当成这里的公式（2.4），把加号后面的当成一整个分块，这样就能推导出公式（34）了。读者可以自行验证。（上图截自Byod Stephen大佬的书：Linear Matrix Inequalities in System and Control Theory,这本书真的非常厉害！但目前只有英文版，我有pdf，免费赠于爱学习的同学，有需要的评论区留言。）

好！万事开头难，证明完了公式（34）后面就简单了。公式（35）就是将公式（34）左乘和右乘图中标红的对角矩阵。（可恶啊，这里是对角矩阵，我当时想了半天，我以为是一个行向量，我算了半天没搞出来，也没好意思问导师，还好又仔细看了一遍，真是被自己蠢到了：），如果你计算一遍就会发现，图中变红的那个Qi好像应该是Qi的转置，应该又是打印错误，要不然计算结果对不上。公式（36）就更简单了，你按照图中第二段话的要求，代换一下，在左右乘以那个对角矩阵，就能轻松得出公式（36），这里就不再赘述了。

公式（37）是公式（33）的另一种表达形式，至于为什么要这么表达呢，我也还没怎么搞明白，反正先按照这个意思算下去，你可以自己算一下，公式（37）展开后和（33）是一样的。再根据矩阵反演定理，我们就可以把（37）乘号后面的式子在变个样子（真不明白导师是为什么要把这个式子变来变去，其中的深意我还没搞明白），（38）应该很好看明白，一眼就看出来了。

 上图的过程就是把（38）带入了（37），但是我计算一遍发现（39）中的矩阵的0块应该不是0块，而且还有一个负号没对上，真奇怪，下面是我的推导过程：

 

 再把我们算出来的结果带到（37）中就可以得到上图中第一个矩阵不等式，再利用舒尔补定理，就能转化成（40）的样子，这应该很好看出来吧，把第一个矩阵的第三部分当作舒尔补定理中的公式（2.4），然后前面两个矩阵相加就行了。到此公式（28）中的两个矩阵不等式都推导完毕了（如有疑问，留言就行）。

整个定理2就结束了，定理2的意义是基于一组采样数据，提出了一种数据驱动控制方法，用来设计离散时间分段仿射系统的控制器。该方法可以保证闭环系统的渐近稳定性，并且可以通过求解一组线性矩阵不等式和方程来得到控制器增益。后面的第三部分会提出另一种方法，即不需要知道系统的矩阵信息，也不需要使用椭球来近似多面体子空间，而是直接考虑多面体子空间的情况，就可以判断系统是否渐近稳定。

第二部分就写到这里了，后面的文章内容我自己都还没看，我先去看文章了（苦命的研究牲）。