在诸如智能工厂、智能电网、多机器人协同系统等工业信息物理系统中，信息和物理进程的交互往往使系统同时呈现连续和离散动态行为（即混杂动态行为），这会导致许多计算建模方面的问题。比如，切换线性系统作为最简单的混杂动态系统，其系统辨识问题已被证明是NP困难的。在无可靠模型的情况下，对这类复杂系统的性能分析是自动控制领域长期存在的难题。

       近日，我院陈博教授课题组提出了一套完全基于数据驱动的复杂系统稳定性分析理论与方法（图1）。该方法采用情境最佳化思想构造了基于有限轨迹观测数据的稳定性分析问题，进而根据李雅普诺夫函数的几何属性建立稳定性判定（图2）。该方法能有效避免复杂（尤其是混杂动态系统）的建模误差，提高了稳定性判定的可靠性，这一结论得到了仿真实验的验证（图3）。

图1. 基于数据驱动的稳定性分析框架

图2. 李雅普诺夫函数泛化分析

图3. 对比仿真实验

       相关成果以“Learning stability of partially observed switched linear systems” 为题于2024年6月1日发表在自动控制领域国际顶尖期刊《Automatica》。浙江工业大学为第一完成单位。我院王浙明教授为第一作者，陈博教授为通讯作者。该研究得到了国家自然科学基金项目[62303416, 62073292]、浙江省重点研发计划项目[2023C01144]、浙江省领军型创新创业团队项目[2023R01006]的资助。

原文链接：https://doi.org/10.1016/j.automatica.2024.111643