Análisis asintótico y de perturbación probabilística de subespacios controlables
Autores: Angelova, Vera; Konstantinov, Mihail; Petkov, Petko
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Análisis asintótico y de perturbación probabilística de subespacios controlables
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Sistemas
Palabras clave
Sensibilidad
Subespacios controlables
Pequeñas perturbaciones
Matrices del sistema
Límites probabilísticos
Transformación ortogonal
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 21
Citaciones: Sin citaciones
En este documento, consideramos la sensibilidad de los subespacios controlables de sistemas de control lineal de entrada única a pequeñas perturbaciones de las matrices del sistema. El análisis se basa en los límites asintóticos estrictos por componente de la matriz de la transformación ortogonal a forma canónica derivada por el método de los operadores de división. Los límites asintóticos se utilizan para obtener límites probabilísticos sobre los ángulos entre los subespacios controlables perturbados y no perturbados implementando la desigualdad de Markoff. Se demuestra que los límites de probabilidad nos permiten obtener estimaciones de sensibilidad que son mucho más ajustadas que los límites determinísticos habituales. El análisis se ilustra con un ejemplo de alto orden.
Descripción
En este documento, consideramos la sensibilidad de los subespacios controlables de sistemas de control lineal de entrada única a pequeñas perturbaciones de las matrices del sistema. El análisis se basa en los límites asintóticos estrictos por componente de la matriz de la transformación ortogonal a forma canónica derivada por el método de los operadores de división. Los límites asintóticos se utilizan para obtener límites probabilísticos sobre los ángulos entre los subespacios controlables perturbados y no perturbados implementando la desigualdad de Markoff. Se demuestra que los límites de probabilidad nos permiten obtener estimaciones de sensibilidad que son mucho más ajustadas que los límites determinísticos habituales. El análisis se ilustra con un ejemplo de alto orden.