1. Koopman算子与非线性系统线性化
1.1 Koopman算子的数学基础
Koopman算子是分析非线性动力系统的强大工具,它通过无限维线性算子来描述非线性系统的演化。具体来说,对于一个离散时间非线性动力系统:
xₖ₊₁ = f(xₖ)
其中x∈M是状态空间M上的点。Koopman算子K作用于可观测函数g:M→ℝ,定义为:
Kg = g(f(x))
这个定义表明Koopman算子通过可观测函数的复合运算,将非线性动态转化为线性动态。关键特性包括:
- 线性性:K(αg₁ + βg₂) = αKg₁ + βKg₂
- 无限维:即使原系统是有限维的,Koopman算子通常作用在无限维函数空间上
- 谱特性:Koopman算子的特征函数φ和特征值λ满足Kφ = λφ
1.2 数据驱动的有限维近似
在实际应用中,我们需要计算Koopman算子的有限维近似。扩展动态模态分解(EDMD)是常用的方法:
- 数据收集:采集状态轨迹数据X = [x₁, x₂, ..., xₘ]和Y = [y₁, y₂, ..., yₘ],其中yᵢ = f(xᵢ)
- 基函数选择:选取一组基函数ψ = [ψ₁, ψ₂, ..., ψ_N]^T
- 矩阵计算:构建矩阵
G = Ψ(X)Ψ(X)^T
A = Ψ(Y)Ψ(X)^T - Koopman近似:求解广义特征值问题A^T v = λG v
常用的基函数包括:
- 多项式基:ψ(x) = [1, x, x², ...]
- 径向基函数(RBF):ψ(x) = exp(-||x-c||²/σ²)
- 薄板样条:ψ(x) = ||x-c||² log(||x-c||)
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 受控系统的Koopman扩展
2.1 控制系统的Koopman表述
对于受控系统xₖ₊₁ = f(xₖ, uₖ),我们需要扩展Koopman算子框架:
- 状态-输入提升:定义扩展状态z = (x, u)
- 扩展观测函数:ψ(x, u) = [ψ_x(x)^T, ψ_u(u)^T]^T
- 线性近似模型:得到提升空间中的线性系统
ψ(xₖ₊₁) ≈ Aψ(xₖ) + Buₖ
