基于交叉Gram矩阵的双侧H2最优模型降阶方法

摘要：

针对单输入单输出(SISO)线性时不变系统,提出了Grassmann流形上基于交叉Gram矩阵的双侧H2最优模型降阶方法.首先,将误差系统的H2范数通过交叉Gram矩阵表示,并且把它看成关于变换矩阵的代价函数.其次,引入Grassmann流形,将代价函数看作是定义在Grassmann流形上的非负实值函数.然后,在Grassmann流形上进行线性搜索,寻找使得代价函数尽可能小的一组变换矩阵.运用此方法对大规模SISO线性时不变系统进行降阶,可以得到精度较高的降阶系统.最后,数值算例验证了该算法的近似效果.

关键词：模型降阶、H2最优、交叉Gram矩阵、Grassmann流形

所属期刊栏目：39

分类号：O242(计算数学)

资助基金：国家自然科学基金11371287,61663043

在线出版日期：2018-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2203-2209