可以使用此LMI进行多面体二次稳定性控制器综合,需要有关
,
,
和
矩阵的信息。

其中
,
,在任何
。
该系统包含以下形式的不确定性

其中
,
,
以及 
此 LMI 所需的矩阵为
,
,
以及 
优化和 LMI: 使用多面体二次稳定性定理的控制器合成 LMI
[编辑 | 编辑源代码]
存在一个 K 使得

对于
是二次稳定的,当且仅当存在一些 P>0 以及 Z 使得

控制器增益矩阵提取为 
请注意,这里控制器不依赖于 
- 如果您希望 K 依赖于
,问题会更难。
- 但这将需要实时感知
。
此实现需要 Yalmip 和 Sedumi。 https://github.com/JalpeshBhadra/LMI/blob/master/quadraticpolytopicstabilization.m
二次多胞体
控制器
二次多胞体
控制器