求解大规模线性时不变系统的最优H<sub>2</sub>模型降阶问题的共轭梯度法

您当前的位置：

首页 >

文章列表页 >

求解大规模线性时不变系统的最优H₂模型降阶问题的共轭梯度法

研究论文 | 更新时间：2023-12-11

- 求解大规模线性时不变系统的最优H₂模型降阶问题的共轭梯度法
- A Conjugated Gradient Algorithm for Optimal H₂ Model Reduction of Large Scale Dynamical Systems
- 中山大学学报(自然科学版)(中英文) 2011年50卷第2期页码：1-5
- 作者机构：
  
  1. 中山大学数学与计算科学学院,广东,广州,510275
  2. 2广东药学院医药信息工程学院,广东,广州,510006
  3. 3佛山科学技术学院数学系,广东,佛山,528000
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版日期：2011，
  
  网络出版日期：2011-3-25，
扫描看全文
曾泰山, 鲁春元, 陈, 等. 求解大规模线性时不变系统的最优H₂模型降阶问题的共轭梯度法[J]. 中山大学学报(自然科学版)(中英文), 2011,50(2):1-5.

A Conjugated Gradient Algorithm for Optimal H₂ Model Reduction of Large Scale Dynamical Systems[J]. Acta Scientiarum Naturalium Universitatis SunYatseni, 2011,50(2):1-5.
曾泰山, 鲁春元, 陈, 等. 求解大规模线性时不变系统的最优H₂模型降阶问题的共轭梯度法[J]. 中山大学学报(自然科学版)(中英文), 2011,50(2):1-5. DOI：

A Conjugated Gradient Algorithm for Optimal H₂ Model Reduction of Large Scale Dynamical Systems[J]. Acta Scientiarum Naturalium Universitatis SunYatseni, 2011,50(2):1-5. DOI：

针对最优H

模型降阶问题，提出了适合大规模多输入多输出系统的共轭梯度法。该方法仅需利用一阶导数信息，存储量少，计算复杂度低，且具有超线性收敛性。实验结果显示了算法的有效性。

A conjugated gradient algorithm with superlinear convergence which is suitable for the optimal H

模型降阶共轭梯度法Grassmann流形线性时+不变系统

model reductionconjugated gradient methodGrassmann manifoldlinear time invariant system

浏览量

125

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据

求解大规模线性时不变系统的最优H2模型降阶问题的共轭梯度法