Приблизительно решите постоянную матрицу, верхняя граница µ-synthesis проблема
[QOPT,BND] = cmsclsyn(R,U,V,BlockStructure); [QOPT,BND] = cmsclsyn(R,U,V,BlockStructure,opt); [QOPT,BND] = cmsclsyn(R,U,V,BlockStructure,opt,qinit); [QOPT,BND] = cmsclsyn(R,U,V,BlockStructure,opt,'random',N)
cmsclsyn приблизительно решает постоянную матрицу, верхняя граница µ-synthesis проблема минимизацией,
для данных матриц R ∊ Cnxm, U ∊ Cnxr, V ∊ Ctxm и набор Δ ⊂ Cmxn. Это применяется к постоянным матричным данным в R, U и V.
[QOPT,BND] = cmsclsyn(R,U,V,BlockStructure) минимизирует, по выбору Q. QOPT оптимальное значение Q, верхняя граница mussv(R+U*Q*V,BLK), BND. Матрицы R,U and V постоянные матрицы соответствующей размерности. BlockStructure матрица, задающая возмущение blockstructure, как задано для mussv.
[QOPT,BND] = cmsclsyn(R,U,V,BlockStructure,OPT) использует опции, заданные OPT в вызовах mussv. Смотрите mussv для получения дополнительной информации. Значение по умолчанию для OPT 'cUsw'.
[QOPT,BND] = cmsclsyn(R,U,V,BlockStructure,OPT,QINIT) инициализирует итеративный расчет от Q = QINIT. Из-за невыпуклости полной проблемы различные начальные точки часто дают к различным окончательным ответам. Если QINIT массив N-D, затем итеративный расчет выполняется многократно - i'оптимизация th инициализируется в Q = QINIT(:,:,i). Выходные аргументы сопоставлены с лучшим решением, полученным в этом методе решения "в лоб".
[QOPT,BND] = cmsclsyn(R,U,V,BlockStructure,OPT,'random',N) инициализирует итеративный расчет от N случайные экземпляры QINIT. Если NCU количество столбцов U, и NRV количество строк V, затем приближение к решению постоянной матрицы µ проблема синтеза является двукратным: только верхняя граница для µ минимизирована, и минимизация не выпукла, следовательно оптимум обычно не находится. Если U полный ранг столбца или V полный ранг строки, затем проблема может (и быть) бросок как выпуклая проблема, [Паккард, Чжоу, Пэнди и Беккер], и глобальный оптимизатор (для верхней границы для µ) вычисляется.
cmsclsyn алгоритм является итеративным, альтернативно содержа Q зафиксированный, и вычисляя mussv верхняя граница, сопровождаемая путем содержания множителей верхней границы, зафиксированных и минимизации связанного, подразумеваемого по выбору Q. Если U или V является квадратным и обратимым, затем оптимизация повторно сформулирована (точно) как линейное матричное неравенство и решена непосредственно, не обращаясь к итерации.
Паккард, A.K., К. Чжоу, П. Пэнди и Г. Беккер, “Набор устойчивого продвижения управления задач к LMI”, 30-я Конференция по IEEE по Решению и Управлению, Брайтону, Великобритания, 1991, p. 1245–1250.