共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
利用逆矩阵的Neumann级数形式,将在离散时间跳跃线性二次控制问题中遇到的含未知矩阵之逆的离散对偶代数Riccati方程(DCARE)转化为高次多项式矩阵方程组,然后采用牛顿算法求高次多项式矩阵方程组的异类约束解,并采用修正共轭梯度法求由牛顿算法每一步迭代计算导出的线性矩阵方程组的异类约束解或者异类约束最小二乘解,建立求DCARE的异类约束解的双迭代算法.双迭代算法仅要求DCARE有异类约束解,不要求它的异类约束解唯一,也不对它的系数矩阵做附加限定.数值算例表明,双迭代算法是有效的. 相似文献
3.
4.
5.
本文研究了无限维离散时间代数Riccati方程(DARE)的非负自伴解,给出了(DARE)有非负 自伴解的充要条件.对幂可稳定化的离散时间系统∑d(A,B,-),若A是可逆的,B是紧的,给出 了(DARE)的非负解集的参数化刻画,并以A的有限维的含于反稳定的不可观察子空间中的不变子 空间为参数.该结果把[5]中关于有限维系统∑d(A,B,-)的结果推广到了一般的系统∑d(A,B,-) 中.最后,还给出了∑d(A,B,-)具有非负稳定化解的充要条件. 相似文献
6.
本文研究了无限维离散时间代数Riccati方程(DARE)的非负自伴解,给出了(DARE)有非负自伴解的充要条件.对幂可稳定化的离散时间系统∑d(A,B,-),若A是可逆的,B是紧的,给出了(DARE)的非负解集的参数化刻画,并以A的有限维的含于反稳定的不可观察子空间中的不变子空间为参数.该结果把[5]中关于有限维系统∑d(A,B,-)的结果推广到了一般的系统∑d(A,B,-)中.最后,还给出了∑d(A,B,-)具有非负稳定化解的充要条件. 相似文献
7.
8.
1.引言若不特别说明,以下记号都是常规的,可参见山.在最优控制中占有核心地位的代数Xiccati方程(ARE)有两种基本形式:连续型的ARE(CARE):离散型的**E(**RE):其中只兄见NE贮””,GIE皿””m,GZE*m”m,in<2,*T二K>风*T二N>几*2二*2>凡从应用角度看,主要关心**E的对称半正定解.对于**RE,已有大量的研究工作.特别,陈春晖门、徐树方问、Ghwimi-Laub同等研究了扰动理论.对于DARE,它与***E的一个明显区别是:**M是二次矩阵方程而***E具有高度非线性.这种区别使得DARE远为复杂… 相似文献
9.
本文讨论离散时间代数Riccati方程ATXA-X-(ATXB+L)(R+BTXB)^-1(LT+BTXA)+Q=0的唯一对称正定解的上界和下界。 相似文献
10.
11.
12.
13.
14.
本文给出了Riccati方程ω’=ω’+f(z)有形如的代数曲线解的充要条件及其求解方法,证明了有解时相应的Fuchs方程的单值群是可解的,并讨论了数学物理中的几个著名方程. 相似文献
15.
1.引言 关于代数Riccati方程(ARE)的研究是大量的.从数值角度看,有关数值方法,扰动理论的研究已比较深入.而关于条件数理论的研究则还不多[3],[6]. Ryers[1]研究了时连续代数 Riccati方程可稳解的条件数; Kenney和 Hewer[3]讨论了时连续代数 Riccati方程(以下简称 CTARE)可稳解的敏度分析,给出了一阶扰动界,引进了条件数; Sun[6]从最佳向后扰动理论角度研究了时离散代数Riccati方程(以下简称DTARE)可稳解的条件数;徐树方[8]针对 CTA… 相似文献
16.
17.
本文研究了Lyapunov矩阵方程.利用共轭梯度法,建立了求该矩阵方程双对称解的迭代算法.同时,也能给出指定矩阵的最佳逼近双对称矩阵. 相似文献
18.
基于求线性代数方程组的共轭梯度法的思想,建立一种求Lyapunov矩阵方程的双反对称解的迭代算法,对任意给定的初始双反对称矩阵,算法能够在有限步迭代计算后得到矩阵方程的极小范数双反对称解,同时在上述解集中也可得出指定矩阵的最佳逼近双反称矩阵.数值算例表明,迭代算法是有效的. 相似文献
19.
给出离散代数Riccati方程解的迹的上界和下界计算公式,较现有结果相比,该结果具有较高的估计精度,数值算例表明该方法的有效性。 相似文献
20.
本文首先根据Runge-Kutta方法的思想,结合Newton迭代法,提出了一类带参数的解非线性方程组F(x)=0的迭代算法,然后基于解非线性方程f(x)=0的King算法,给出第二类解非线性方程组的迭代算法,收敛性分析表明这两类算法都是五阶收敛的.其次给出了本文两类算法的效率指数,以及一些已知算法的效率指数,并且将本文算法的效率指数与其它方法进行详细的比较,通过效率比率R_(i,j)可知本文算法具有较高的计算效率.最后给出了四个数值实例,将本文两类算法与现有的几种算法进行比较,实验结果说明本文算法收敛速度快,迭代次数少,有明显的优势. 相似文献