结构奇异值的数据驱动估计

估计建模误差的规模对于鲁棒控制至关重要。多年来，已developed许多度量来以控制相关的方式量化模型误差。最重要的度量之一是结构奇异值，因为它导致了确保在结构化模型不确定性下的反馈控制稳定性和鲁棒性的必要且充分条件。虽然结构奇异值的计算往往难以实现，但如果已知系统模型，通常可以获得其下界和上界。本文引入一种完全数据驱动的方法来估计结构奇异值的下界，方法通过对系统进行实验并对收集的数据应用幂迭代来实现。我们的数值仿真结果表明，该方法有效地对结构奇异值进行下界估计，结果可与 MATLAB 版 Robust Control Toolbox 的结果相媲美。