基于交叉格莱姆矩阵的最小信息损失模型降阶方法

摘要：

运用信息论的原理和方法研究以状态空间形式描述的线性定常系统的模型降阶问题.应用线性定常系统及其对偶系统的稳态状态信息熵规范了系统能控性信息和能观性信息的定义形式.基于交叉格莱姆矩阵的系统信息属性,定义了交叉格莱姆信息.通过分析系统稳态状态信息熵的信息描述形式,揭示了交叉格莱姆信息的状态物理含义.在基于最小信息损失的模型降阶过程中以交叉格莱姆信息损失最小为目标,提出了新的模型降阶方法--CGMIL方法.理论分析和仿真结果表明,交叉格莱姆信息是包含系统能控性信息和能观性信息的综合信息描述形式,CGMIL方法与基于最小信息损失的模型降阶方法相比能够获得更好的降阶性能.

关键词：模型降阶、最小信息损失、交叉格莱姆矩阵、能控性、能观性、线性随机系统

所属期刊栏目：43

分类号：TP14(自动化基础理论)

资助基金：国家自然科学基金;国家高技术研究发展计划（863计划）

在线出版日期：2009-07-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：817-821,826