Markov跳跃系统中的Riccati方程的超松弛迭代算法

来源 :哈尔滨工业大学 | 被引量 : 0次 | 上传用户:sswei1988
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
Markov跳跃系统是一类常见的随机控制系统,在多模态的控制系统中各子系统之间的跳跃转移具有马尔科夫性,因此可以用Markov模型描述系统的变化过程。当控制系统的状态发生跳跃转移时,为了使系统的代价函数最小,通常需要求解一个耦合代数矩阵Riccati方程,求解该方程的正定解就可以得到该控制系统在各个状态下的最优控制输入,使系统的代价函数最小。本文提出了两种求解上述Riccati方程的迭代算法,主要内容如下:把耦合代数矩阵Riccati方程转化为非耦合代数矩阵Lyapunov方程,再结合最新估计新息和超松弛迭代算法,得出了超松弛形式的Lyapunov迭代算法。当迭代初值满足一定的条件时,可以通过数学归纳法从理论上给出该算法的收敛性,经过多次迭代可以得到耦合代数矩阵Riccati方程的唯一可镇定的正定解。对于超松弛形式的Lyapunov迭代算法,本文给出了一种选择合适迭代初值的算法。耦合代数矩阵Riccati方程通过解耦也可以写成普通Riccati方程的迭代形式,迭代初值可以选为零矩阵。结合数学归纳法和代数Riccati方程的比较定理可以从理论上证明该迭代算法收敛,如果松弛因子选择合适,收敛精度和速度与Lyapunov迭代算法相差不大。针对以上两种求解耦合Riccati方程的超松弛迭代算法,通过MATLAB仿真可以发现,如果松弛因子选择合适,这两种算法都能加快收敛速度,通过选取不同的松弛因子多次仿真,可以得出最优的松弛因子的取值。
其他文献
本文讨论了Galton-Watson过程(后文简称G-W过程)的一个特例的相关问题,这个特例我们可以称为几何分布,这是目前唯一一个可以明确计算出fn(s)的例子。G-W过程是定义在非负整数
H-矩阵在经济学,统计学,工程技术等领域有着广泛的应用。作为H-矩阵在正定条件下的一种推广形式,广义H-矩阵在流体力学计算中2-D或3-D欧拉方程数值解,动力系统的不变环面的计
本文主要研究带几何突变线性生灭过程的有关性质,给出了常返性判别准则、拟平稳分布存在的充要条件以及构造了一个拟平稳分布。第一章是本文的绪论部分,介绍了带几何突变的线
本文讨论一种I型块-Sobolev空间的一些性质.设0 < p ≤ s ≤ ∞.如果 n(p/s - 1) ≤ α ≤ n(p - 1),或者 0 < p ≤ 1,n(p - 1) ≤ α < 0.得到了:(ⅰ)对于b(x) ∈ Cc∞(Ω)
鄂尔多斯盆地油气与铀矿产资源非常丰富,多种能源矿产叠置区反映了油气物质和铀酰化合物的迁移、富集成矿的地球化学演化过程。还原作用和配位作用是油气物质对铀酰化合物作
进来,随着自然科学的发展和科学技术的进步,人们对传统科学的研究都有所改变,开拓了很多新的科学领域,其中非线性科学就是浓墨重彩的一笔。然而,非线性科学一度被认为是神秘
量子色动力学(QCD)是描述强相互作用的基本理论,由于在低能区跑动耦合常数比较大,无法用微扰论求解。因此,人们发展了一些除格点理论之外的一些唯象模型。其中,幺正手征方法(
线性和非线性矩阵方程越来越多地出现在科学和工程计算领域,在控制理论,运输理论,系统理论,信号处理,动态规划,梯形网络,统计过滤和统计学等领域有着广泛的应用.因此,许多学
作为线性时变系统的最简单形式,线性周期系统由于其广泛的应用,一直是学者们研究的热点。线性周期系统,是一类系数矩阵带有周期性的线性系统,在各个领域中都有着广泛的应用。
精益生产方式不同于传统的生产方式,在经济高速增长时期,传统的生产企业制造商可以通过大批量的生产来提高产量降低成本。精益生产方式注重于全员参与,全员精益思想,持续改善,识别并剔除制造过程中各个环节的浪费。通过业务流程的优化,生产效率提升,质量改善,工艺流程优化等改善以降低成本,缩短交期,改善客户满意度以保持企业竞争力。精益成本管理以客户价值为导向,以企业整个价值流为核心,剔除整个价值链各个环节浪费。