基于 Matlab的LMI矩阵理论与算法、矩阵不等式 待求矩阵在lmi中的一个小矩阵中

基于 Matlab的LMI矩阵理论与算法、矩阵不等式 待求矩阵在lmi中的一个小矩阵中 区间观测器设计

LMI这玩意儿搞控制的老铁肯定不陌生，尤其是设计观测器的时候总得和矩阵不等式打交道。最近帮学弟调区间观测器代码，发现有个坑特别容易踩——待求矩阵被嵌套在LMI的小块矩阵里，这时候用Matlab的LMI工具箱处理起来得讲究点技巧。

先举个栗子，假设咱们要处理形如A'P + PA + Q < 0这种经典不等式，这时候直接上feasp或者mincx可能没啥问题。但实际情况往往更复杂，比如观测器增益矩阵L被藏在某个子矩阵块里：

[ A'P + PA - C'L' - LC * ]

[ B'P -γI ]

基于 Matlab的LMI矩阵理论与算法、矩阵不等式 待求矩阵在lmi中的一个小矩阵中 区间观测器设计

这种结构下，传统写法容易把变量位置搞错。这时候就得用lmivar的三明治操作了——先定义矩阵块结构，再通过偏移量定位变量位置。

setlmis([]); P = lmivar(1,[n 1]); % 对称正定矩阵 L = lmivar(2,[m,n]); % 全矩阵结构 % 构建块矩阵 lmiterm([1 1 1 P],A',1,'s'); % A'P + PA lmiterm([1 1 1 L],-1,C); % -LC lmiterm([1 1 1 0],Q); % +Q lmiterm([1 2 2 0],-gamma*eye(p));

这里有个骚操作：当L出现在非对角线位置时，得注意转置顺序。比如- C'L'其实等价于转置后的结构，这时候用lmiterm的参数顺序调整比手动转置更安全。

遇到变量耦合的情况，建议先纸上推导分块结构，标出每个块的变量依赖关系。比如观测误差动态方程中的交叉项处理：

% 处理观测误差中的耦合项 lmiterm([-2 1 1 P],1,1); % P > 0 lmiterm([3 1 1 P],1,A,'s'); % P(A-LC) + (A-LC)'P lmiterm([3 1 1 L],-1,C); % 关键在这行，隐含了PL的耦合

这时候如果直接写P(A-LC)会出大事，得拆解成多个lmiterm。有个验证技巧：把生成的LMI用getlmis检查矩阵块维度是否匹配，特别是变量块的位置是否产生冲突。

最后上求解器前，记得用decinfo检查决策变量映射关系。曾经有个bug折腾了我两小时，最后发现是L变量被错误映射到了P的对称位置。代码检查阶段可以这样操作：

LMIsys = getlmis; [P_idx, L_idx] = decinfo(LMIsys); disp('决策变量结构:'); disp([P_idx; L_idx]);

解出来后用dec2mat提取变量时，注意维度对齐。特别是当L被多个不等式约束时，可能出现解不唯一的情况，这时候加个迹最小化的目标函数会更稳。

总之，处理嵌套变量的LMI就像搭乐高，得先看清图纸结构再动手码代码。多试几个测试用例，用issymmetric检查生成矩阵的对称性，能省下不少debug时间。