4. 模型降阶数学基础

在HIL实时仿真中，被控对象模型往往来自有限元、多体动力学或电磁场仿真，阶数动辄数百到数千。实时步长通常要求50 μs甚至更小，而CPU单步计算预算只有几十微秒。模型降阶（Model Order Reduction, MOR）要做的，就是在保留输入输出关键动态的前提下，把高阶模型压缩到几十阶以内。理解降阶，必须先理解六组数学工具各自“看模型”的角度。

状态空间：降阶的统一语言

线性时不变系统最通用的描述是状态空间：

ẋ(t) = A x(t) + B u(t)
y(t)  = C x(t) + D u(t)

其中 x∈Rⁿ 是状态向量，n 即模型阶数；u 是输入，y 是输出。A 决定系统内部动态，B 决定输入如何激励状态，C 决定状态如何映射到输出。降阶的本质，就是寻找一个低维子空间，用 x≈V z（V∈R^{n×r}，r≪n）把原系统投影为：

ẋ_r = A_r z + B_r u,  y ≈ C_r z + D u
A_r = WᵀAV,  B_r = WᵀB,  C_r = CV

W 与 V 是左右投影矩阵。不同降阶方法的区别，几乎都落在“如何选 V 和 W”上。若 W=V，称为正交投影（Galerkin）；若 W≠V，称为Petrov-Galerkin投影。这一区分是后面Krylov方法与平衡截断的分水岭。

传递函数：从时域到频域的桥梁

对状态空间做拉普拉斯变换，得到传递函数 G(s)=C(sI−A)⁻¹B+D。它把系统看成“频率选择器”：输入正弦频率为ω时，输出幅值和相位由 G(jω) 决定。HIL中关注的往往是特定频段——例如电机电流环带宽约1 kHz、机械谐振在300～800 Hz。降阶是否成功，最直接的判据就是：在关注频段内，降阶模型的 G_r(jω) 与原模型 G(jω) 的幅频、相频误差是否可接受。传递函数也是平衡截断误差界和Krylov矩匹配的表述基础。

模态分析：按能量与时间尺度排序

对A做特征分解 A=ΦΛΦ⁻¹，特征值 λ_i 对应模态。实部决定衰减快慢（时间常数 τ=−1/Re(λ)），虚部决定振荡频率。若某些模态衰减极快（τ远小于仿真步长）或几乎不被输入激励、又极少出现在输出中，它们对输入输出行为的贡献就很小，可以截掉。模态分析给出的是“物理直觉版”的降阶依据：保留主导极点，丢弃快变或弱耦合模态。但它对“输入输出可控可观程度”的量化不够精细，于是需要奇异值分解。

奇异值分解：量化每个方向的能量

对矩阵做SVD：M=UΣVᵀ，奇异值 σ_i 非负且按降序排列。在降阶中，SVD有两种典型用法：一是对系统Gramian矩阵做SVD，得到各状态方向的可控性/可观性强度；二是对快照矩阵（如仿真得到的 x(t) 采样）做SVD，得到占能量主导的空间基，即本征正交分解（POD）。奇异值衰减越快，说明系统越“低秩”，越容易被少量基向量表示。σ_i 的衰减曲线是判断可降阶程度的第一手依据。

平衡截断：可控性与可观性的平衡

可控性Gramian P 满足 AP+PAᵀ+BBᵀ=0，可观性Gramian Q 满足 AᵀQ+QA+CᵀC=0。P 大表示该状态容易被输入驱动，Q 大表示该状态容易影响输出。但P和Q的特征方向通常不一致，直接截断任一坐标都不合理。平衡截断先做坐标变换，使 P=Q=Σ=diag(σ₁,…,σₙ)，这些 σ_i 称为Hankel奇异值。此时每个状态方向“既好控又好观”，按 σ_i 从大到小截断，保留前 r 个，即得降阶模型。其误差有严格上界：

‖G − G_r‖_∞ ≤ 2 Σ_{i=r+1}^{n} σ_i

这使平衡截断成为少数带全局误差保证的方法。代价是需要求解两个Lyapunov方程，对n很大的模型计算量高，通常先用Krylov或POD把阶数降到几百，再做平衡截断。

Krylov子空间方法：匹配矩，计算轻

Krylov方法不求解Gramian，而是从B出发构造子空间：

K_r(A, B) = span{B, AB, A²B, …, A^{r−1}B}

用该子空间作为投影基V，可证明降阶模型在 s=0 处的前若干阶矩（即传递函数泰勒展开系数）与原系统完全匹配。若在 s=σ 处展开，则匹配该点的矩，适合围绕关注频段做局部高精度逼近。常用实现包括Arnoldi算法（正交基）和Lanczos算法（三对角化）。Krylov方法只需矩阵-向量乘，适合稀疏大系统，计算成本远低于平衡截断，但一般没有全局误差上界，且稳定性不自动保证，需要检查降阶后极点是否落在左半平面。

两条主流路线的取舍

把上述工具串起来，实际工程中通常形成两条路线。第一条是“平衡截断路线”：先求Gramian，做平衡变换，按Hankel奇异值截断，优点是误差有界、稳定性保持，缺点是Lyapunov方程对大规模稀疏A代价高。第二条是“Krylov路线”：直接由B生成Krylov基，做Arnoldi正交化，优点是只需矩阵-向量乘、可处理上万阶稀疏系统，缺点是无全局误差界、可能失稳。折中做法是先用Krylov或POD把阶数从数千降到数百，再对中间模型做平衡截断，兼顾效率与精度。

一个可操作的降阶检查流程

假设有一个600阶的电机-机械耦合模型，目标降到20阶用于50 μs步长的HIL仿真。可按以下顺序推进：

1. 对A做特征值扫描，列出时间常数分布，标记τ小于步长1/10的模态为“快模态候选”。
2. 对快照矩阵做SVD，观察σ衰减曲线，若前20个奇异值已占总能量99.9%，说明POD基可行。
3. 用Arnoldi在s=0和s=j2π·1000两处分别构造Krylov基，比较两处矩匹配后的频响误差。
4. 若误差仍偏大，对Krylov中间模型（约100阶）做平衡截断，利用Hankel奇异值上界估计截断阶数。
5. 在关注频段扫频，对比原模型与降阶模型的幅频、相频曲线，确认误差在1 dB/5°以内。
6. 检查降阶模型极点实部是否全为负，并在目标步长下实测单步耗时。

这六类工具不是互斥的，而是从不同侧面回答同一个问题：哪些状态方向对输入输出行为贡献大，哪些可以安全丢弃。状态空间给出统一表述，传递函数给出频域判据，模态分析给出物理直觉，SVD给出能量排序，平衡截断给出有界误差，Krylov给出轻量计算。理解它们各自“看模型”的角度，才能在具体HIL项目中选对降阶路径。