线性控制系统教案6Lyapunov稳定性理论与最优控制_控制系统稳定性理论

2020-02-29 教案模板下载本文

线性控制系统教案6Lyapunov稳定性理论与最优控制由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“控制系统稳定性理论”。

进一步的学习

逆Nyquist 阵列(Inverse Nyquist array)Gershgorin’s Theorem: 设 Zmm是复矩阵，则 Zmm的特征值在m个圆的并集内，这m个圆的中心为 zii，半径为

m zij, i1,2,,mj1ji

H问题的解(Solution of the H problem)问题: 在镇定补偿器K上，最小化minimize Fl(P,K)

优化问题将转化为

minimizeT11T12QT21QHFl(P,K)，即

这是模型匹配问题(model-matching problem)继续转化为 Hankel 逼近问题，或 Nehari 扩展问题 Hankel approximation problem or Nehari extension problem minimizeT11T12QT21QH minimizeRQQH

We formulated the general H-inf problem as minimize Fl(P,K) Over stabilizing compensators K.第六章 Lyapunov稳定性理论与最优控制

6.1 李雅普诺夫意义下的稳定性

(t)f(x,t)设系统状态方程

x给定初始条件(初值)x(t0)x0 其解

x(t)(t,x0,t0)平衡状态

f(xc,t)0

线性定常系统当A为非奇异矩阵时只有一个平衡状态，非线性系统可以有一个或多个平衡状态。

李雅普诺夫意义下的稳定性

对于任意给定的正数0，总存在正数(,t0)0，使得当x(t0)xc时，在充分大的时间后，总有x(t)xc，则称系统的平衡状态xc是(李雅普诺夫意义下)稳定的。

渐近稳定性

若系统的平衡状态xc稳定，并且在其某邻域内的初始状态引起的系统响应x(t)，当t时趋于xc，则称系统的平衡状态是渐近稳定的。

大范围渐近稳定性

若系统的平衡状态xc稳定，并且对于任意初始状态引起的系统响应x(t)，当t时趋于xc，则称系统的平衡状态是大范围渐近稳定的。不稳定性

线性系统稳定性

6.2 判别系统稳定的李雅普诺夫方法李雅普诺夫第一法(间接法)

通过系统平衡状态附近线性化，得系统矩阵(雅可比矩阵)A(Af(x,t)xT)，若其特征值都具有负实部，则系统平衡状态渐近稳定。

正实部对应不稳定，零实部需要进一步判定。

李雅普诺夫第二法(直接法)

设V(x,t)是一个标量函数，满足下列条件：

(1)V(x,t)是正定的，即如果x0时，V(x,t)0，而在x0处，V(x,t)0；

(2)V(x,t)是负定的，即V(x,t)是正定的。

则在原点处的平衡状态是渐近稳定的。这时称即V(x,t)为李雅普诺夫函数。如果随着x，函数V(x,t)，则称系统在原点处的平衡状态是大范围渐近稳定的。

解释：正定函数，正半定函数，负(半)定函数，不定函数关于二次型函数，对称矩阵性质(略)例6.1 确定下列标量函数性质(正定性)(1)V(x)2x13x2;

(2)V(x)(x12x2);(3)V(x)2x13x1x2;(4)V(x)2x13x24x1x2.例6.2 设系统状态方程为

10x23x1x14x2 222222判定该系统的稳定性。解

2法一：求特征值sIAs4s30得s11, s23，系统渐近稳定。

法二：构造李雅普诺夫函数：V(x)x2212x1x22x2 V(x)x212x1x222x20

V(x)2x21x22x22x1(3x14x2)4x2(3x14x2)6x218x211x214x20系统渐近稳定。关键：选择适当的Lyapunov函数。法三：直接验证

x(t)(t)x(0)eAtx(0)3t1e3t1t1e3tA(2e22e23et3e3t1t3x1(0) 3tx2(0)222e2e也说明系统渐近稳定。

稳定性判定：

设V(x,t)是一个标量函数，满足(1)V(x,t)是正定的，(2)V(x,t)是负半定的，则在原点处的平衡状态是稳定的。而如果(3)当x时，V(x,t)，则此平衡状态是大范围渐近稳定的。

故6.3线性定常系统李雅普诺夫方程

Ax，选李雅普诺夫函数设线性定常系统 x(x)xT(ATPPA)xxTQx。V(x)xPx，则VTAx的平衡状态大范围渐近稳定的充要所以，线性定常系统 x条件是：对于任意给定的对称正定矩阵Q，都存在唯一一个对称正定矩阵P，使得

APPAQ

这个方程称为李雅普诺夫方程。通常取QI。

离散系统：x(k1)Gx(k)的平衡状态大范围渐近稳定的充要条件是：对于任意给定的对称正定矩阵Q，都存在唯一一个对称正定矩阵P，使得GPGPQ。

TT6.4非线性系统李雅普诺夫函数例6.3 设非线性系统状态方程

21x2x1(x12x2x)22x1x2(x12x2x)

判别平衡状态的稳定性。

解

平衡状态xc0。选标量函数V(x)x1x2，则

2212x2x22(x12x2V(x)2x1x)

22由于V(x)正定，而V(x)负定，故系统的平衡状态是大范围渐近稳定的。

6.5 状态观测器设计 Design of State Observers AxBu, yCx，xˆ(AHC)xˆBuHy 设计观测器： xˆx e:x(AHC)e, e(0)xˆ(0)x(0)e(AHC)稳定，则 e(t)0, t。

用观测器的状态代替原系统状态：

AxBu,xBuHy,ˆ(AHC)xˆxˆ,uKxyCx.则

AxˆHCxxx:A ˆˆAHCBKxxBK分离定理： sIAsIABKsIAHC。

6.6 动态反馈镇定――补偿器的设计 Compensator’s design 设开环系统为

cAcxcBcyxAxBux，设计补偿器(控制器)uCxDy yCxccc则闭环系统为 ABDcCxxcBcCBCcxAcxc

控制器设计就是求Ac, Bc, Cc, Dc使得上面闭环系统稳定。观测器可以作为补偿器(控制器)使用。镇定与极点配置问题：状态反馈

uKx 静态输出反馈

uKy

cAcxcBcyx动态输出反馈

uK(s)yuCxDy

ccc(补偿器或称控制器)关于补偿器的阶的进一步说明

AxBu, yCx x00A...0a010...0a101...0a2...............000B......，10an110C1000

理论上存在n-1阶控制器。例6.4：设 0A04103001, B0, C12100

理论上2阶控制器就够了，但1阶控制器不能控制该系统。

sI(ABDcC)BcC10sBCc0s14dsIAc32s b 0000c as不存在a,b,c,d使闭环系统极点都在左半平面上。(自己验证)例6.5

设

0A3一阶控制器：

10, B, C1210

sI(ABDcC)detBcC32sBCcdet3dsIAcb1s200csas(2a)s(3d2a)sa(3d)bc可任意配置闭环系统极点。二阶控制器： sI(ABDcC)detBcCs22s3det143sBCc3det0sIAc1c1c2s1s2000c1sa2c21sa102sa1sa2s(a12)s(a22a13)s......也可任意配置闭环系统极点。6.7 最优控制问题

变分法极大值原理动态规划  最优控制通常情况下，最优控制问题的性能指标可表示为：

J(x(tf),tf)tft0L(x(t),u(t),t)dt

针对不同的具体问题，J一般可以取为不同的形式，例如：最短时间问题 J线性二次最优控制问题 J12tft0dttft0

tft0(XQXuRu)dt

TT最优控制问题求解：解析解，数值解。无约束的二次性能指标可以给出解析解。无限时间调节器问题的解 regulator 系统状态方程为： AxBu, x(0)x0, t0, x求控制uKx，使性能指标

J(u)为最小。

120(xQxuRu)dt

TT结论：最优控制为 u*(t)R1BPx(t)

T其中，P为矩阵黎卡提（Riccati）微分方程的正定对称解：

PAAPQPBR最优轨线x*(t)为： x*(t)eT0T1BP0

1T(ABRBP)tTx(0)

而最优性能指标为： J*xPx0。