.png){kind=icon}
返回
A Modified AAA Algorithm for Learning Stable Reduced-Order Models from Data
.png){kind=icon}
OA
AI
DOI：10.1007/s10915-025-02825-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，自适应Antoulas-Anderson（AAA）算法已被广泛应用于从传递函数的测量值生成大规模线性时不变（LTI）系统的降阶模型（ROMs）。当用于渐近稳定系统的模型降阶（MOR）时，采用AAA生成的ROMs无法保证保留这一基本属性，从而使其在许多相关应用中不切实际。为克服此问题，我们提出了一种针对在AAA重心结构下表示的ROMs稳定性的新型代数表征。随后，我们将这种表征转化为一组凸半定约束，这些约束可以嵌入到AAA优化流程中，以在确保稳定性的同时显式地最大化模型精度。最后，我们将得到的建模框架推广，以允许对多输入多输出（MIMO）系统进行高效的稳定MOR。大量的数值实验为所提出方法的有效性提供了实践证据，并将其性能与现有最先进方法的性能进行了比较。
Keyword:
Reduced-order modeling
Data-driven method
Rational approximation
AAA algorithm
Frequency-domain data
Stability enforcement
Barycentric forms
期刊
IF:
3.3
论文数:
709
被引数:
9.6K
机构
引用论文
Handling Initial Conditions in Vector Fitting for Real Time Modeling of Power System Dynamics向量拟合中初始条件的处理用于电力系统动态的实时建模.png)
EnergiesOAAI
EnergiesIF0
OAAI分享收藏分享收藏
查看更多内容