企业官网建设流程全解析

用Matlab LMI工具箱高效求解控制理论中的矩阵不等式

在控制理论的研究和工程实践中，矩阵不等式无处不在。从Lyapunov稳定性分析到H∞控制器设计，这些不等式构成了现代控制理论的数学基础。然而，随着系统复杂度的提升，手工推导和验证这些不等式变得越来越困难，不仅耗时耗力，还容易出错。这就是为什么我们需要掌握LMI（线性矩阵不等式）工具箱这样的专业工具。

Matlab的LMI工具箱为控制工程师和研究人员提供了一个强大的计算平台，能够将抽象的数学不等式转化为可执行的代码，并通过高效的数值算法求解。本文将带你深入理解如何将控制理论中的矩阵不等式"翻译"成LMI工具箱能够理解的指令，并通过实际案例演示完整的求解流程。

1. 为什么控制理论研究者需要掌握LMI工具箱

控制理论中的许多问题最终都可以归结为矩阵不等式的求解。以经典的Lyapunov稳定性分析为例，我们需要找到一个正定矩阵P满足AᵀP + PA < 0。对于简单的低阶系统，手工计算或许可行，但当系统维度增加或不等式结构复杂时，手工方法就显得力不从心了。

LMI工具箱的出现彻底改变了这一局面。它将矩阵不等式的求解过程标准化、自动化，让研究者可以专注于控制算法本身的设计，而不是陷入繁琐的数学推导中。以下是传统手工方法与LMI工具箱的对比：

在实际科研工作中，LMI工具箱特别适合以下场景：

• 快速验证控制器设计的可行性
• 参数化系统分析
• 鲁棒控制器的综合设计
• 系统性能指标的优化

% 一个简单的LMI初始化示例 setlmis([]); % 初始化LMI系统 P = lmivar(1,[2 1]); % 定义一个2×2的对称矩阵变量

2. LMI工具箱核心函数详解

要熟练使用LMI工具箱，必须深入理解几个关键函数的使用方法和原理。这些函数构成了LMI求解的基础框架。

2.1 lmivar：定义矩阵变量

lmivar函数用于声明LMI中的矩阵变量，这是构建不等式系统的第一步。它支持多种矩阵类型：

1. 对称矩阵：最常用的类型，适用于大多数Lyapunov不等式
2. 矩形矩阵：用于一般性矩阵变量
3. 结构矩阵：具有特定结构的矩阵，如对角矩阵

% 定义不同类型的矩阵变量示例 X = lmivar(1,[3 1]); % 3×3的对称矩阵 Y = lmivar(2,[2 3]); % 2×3的矩形矩阵 Z = lmivar(3,[1 0; 0 1]); % 具有特定结构的矩阵

2.2 lmiterm：构建不等式项

lmiterm是LMI工具箱中最核心的函数，用于构建不等式的每一项。它的参数设置需要特别注意：

• 第一个参数指定不等式编号和位置，如[1 1 1 X]表示第一个不等式的(1,1)位置，涉及变量X
• 's'选项表示对称项，会自动添加转置项
• 系数可以放在变量前或变量后，位置不同会影响最终表达式

% 构建一个Lyapunov不等式项的例子 lmiterm([1 1 1 X],1,A,'s'); % 相当于X*A + A'*X lmiterm([1 1 1 X],alpha,1); % 添加alpha*X项

2.3 feasp与mincx：求解器选择

LMI工具箱提供两种主要的求解器：

1. feasp：可行性求解器，寻找满足所有LMI的解
2. mincx：优化求解器，在满足LMI约束下最小化线性目标函数

% 使用feasp求解LMI系统的示例 lmisys = getlmis; % 获取构建好的LMI系统 [tmin,xfeas] = feasp(lmisys); % 求解可行性问题 if tmin < 0 P = dec2mat(lmisys,xfeas,X); % 提取解得的矩阵 end

3. 从理论不等式到LMI代码的转换技巧

将数学形式的不等式转换为LMI代码是使用工具箱的关键步骤。这个过程需要理解矩阵不等式的结构特点和LMI工具箱的表达方式。

3.1 常见不等式的LMI表达

控制理论中常见的几种不等式形式及其LMI实现：

1. Lyapunov不等式：AᵀP + PA < 0

   lmiterm([1 1 1 P],1,A,'s');

2. Riccati不等式：AᵀP + PA + PBR⁻¹BᵀP + Q < 0

   lmiterm([1 1 1 P],1,A,'s'); lmiterm([1 1 1 0],Q); lmiterm([1 1 2 P],1,B); lmiterm([1 2 2 0],-inv(R));

3. 线性性能指标约束：‖T‖∞ < γ

   lmiterm([1 1 1 P],1,A,'s'); lmiterm([1 1 2 P],1,B); lmiterm([1 1 3 0],C'); lmiterm([1 2 2 0],-gamma*eye(size(B,2))); lmiterm([1 2 3 0],D'); lmiterm([1 3 3 0],-gamma*eye(size(C,1)));

3.2 Schur补技巧的应用

对于包含非线性项的不等式，如PBBᵀP，直接表达在LMI中是不可能的。这时需要使用Schur补技巧将其转化为等价的线性矩阵不等式。

原始不等式： PA + AᵀP - PBBᵀP + βP < 0

使用Schur补后的等价形式： ⎡AᵀP + PA + βP -PB⎤ ⎢ ⎥ < 0 ⎣ BᵀP -I⎦

% Schur补形式的LMI实现 lmiterm([1 1 1 P],1,A,'s'); % A'P + PA lmiterm([1 1 1 P],beta,1); % + beta*P lmiterm([1 1 2 P],1,-B); % -PB lmiterm([1 2 1 P],B',1); % B'P lmiterm([1 2 2 0],-1); % -I

4. 实战案例：H∞控制器设计

让我们通过一个完整的H∞控制器设计案例，展示LMI工具箱在实际控制问题中的应用。

4.1 问题描述

考虑一个状态空间系统： ẋ = Ax + B₁w + B₂u z = C₁x + D₁₁w + D₁₂u y = C₂x + D₂₁w

设计一个H∞控制器，使得闭环系统的L₂增益小于给定的γ。

4.2 LMI公式推导

H∞控制问题可以转化为以下LMI条件： ⎡AᵀX + XA XB₁ C₁ᵀ⎤ ⎢ B₁ᵀX -γI D₁₁ᵀ⎥ < 0 ⎣ C₁ D₁₁ -γI⎦

X > 0

4.3 Matlab实现代码

function [K,X] = hinf_controller(A,B1,B2,C1,D11,D12,C2,D21,gamma) setlmis([]); % 定义变量 X = lmivar(1,[size(A,1) 1]); Y = lmivar(1,[size(A,1) 1]); M = lmivar(2,[size(B2,2) size(A,1)]); N = lmivar(2,[size(A,1) size(C2,1)]); % 第一个LMI lmiterm([1 1 1 X],A,1,'s'); lmiterm([1 1 2 X],1,B1); lmiterm([1 1 3 0],C1'); lmiterm([1 2 2 0],-gamma*eye(size(B1,2))); lmiterm([1 2 3 0],D11'); lmiterm([1 3 3 0],-gamma*eye(size(C1,1))); % 第二个LMI lmiterm([-2 1 1 X],1,1); % 求解LMI lmisys = getlmis; [tmin,xfeas] = feasp(lmisys); if tmin < 0 X = dec2mat(lmisys,xfeas,X); Y = dec2mat(lmisys,xfeas,Y); M = dec2mat(lmisys,xfeas,M); N = dec2mat(lmisys,xfeas,N); % 计算控制器参数 Dk = zeros(size(D12,2),size(D21,1)); Ck = (M - Dk*C2*X)*inv(Y - X); Bk = inv(Y)*(N - X*B2*Dk); Ak = inv(Y)*(A*X + Y*A + B2*M + N*C2 + B2*Dk*C2*X)*inv(X); K = ss(Ak,Bk,Ck,Dk); else error('LMI不可行，无法找到满足条件的控制器'); end end

4.4 结果分析与验证

求解完成后，需要对结果进行验证：

1. 检查闭环系统的稳定性
2. 验证H∞范数是否小于指定的γ
3. 分析控制器的鲁棒性

% 验证闭环系统性能 P = ss(A,[B1 B2],[C1;C2],[D11 D12;D21 zeros(size(D21,1),size(D12,2)))]); K = hinf_controller(A,B1,B2,C1,D11,D12,C2,D21,1.5); T = lft(P,K); hinfnorm(T) % 应小于指定的gamma值

5. 高级技巧与常见问题解决

在实际使用LMI工具箱时，会遇到各种技术问题和性能挑战。掌握以下技巧可以显著提高工作效率。

5.1 提高求解效率的方法

1. 变量缩放：对矩阵变量进行适当的缩放，改善数值条件
2. 初始值选择：为迭代算法提供合理的初始猜测
3. 问题分解：将大问题分解为多个小问题求解

% 变量缩放的例子 scale_factor = 100; setlmis([]); X = lmivar(1,[size(A,1) 1],1/scale_factor); % 缩放变量定义

5.2 常见错误与调试技巧

1. LMI不可行：

   • 检查不等式形式是否正确
   • 尝试放宽约束条件
   • 验证问题本身是否有解

2. 数值不稳定：

   • 检查矩阵条件数
   • 尝试不同的求解器选项
   • 调整LMI精度参数

3. 结果不符合预期：

   • 验证解是否满足所有LMI
   • 检查变量提取是否正确
   • 确认矩阵维度匹配

5.3 与其他工具箱的联合使用

LMI工具箱可以与其他Matlab工具箱结合，构建更完整的控制设计流程：

1. 与Control System Toolbox集成：用于系统分析和仿真验证
2. 与Optimization Toolbox结合：处理混合整数LMI问题
3. 与Simulink配合：实现控制算法的快速原型开发

% 与Control System Toolbox集成的例子 sys = ss(A,B,C,D); [K,~,gamma] = hinfsyn(sys,1); % 使用鲁棒控制工具箱的H∞综合

在实际工程应用中，我发现将LMI工具箱与Simulink结合使用特别高效。可以先在LMI框架下完成控制器的设计和验证，然后通过Matlab Function模块直接嵌入到Simulink模型中，实现从设计到仿真的无缝衔接。这种方法在最近的无人机控制系统开发中，帮助我们缩短了近40%的开发周期。