跳到主要内容

第 2 章 控制系统状态空间表达式的解

本章研究线性定常(LTI)系统

x˙(t)=Ax(t)+Bu(t),y(t)=Cx(t)+Du(t)\dot{x}(t)=Ax(t)+Bu(t),\qquad y(t)=Cx(t)+Du(t)

的状态响应。复习时应抓住一条主线:矩阵指数给出零输入运动,卷积给出输入在各时刻产生的状态增量。

2.1 状态变量与状态空间表达式​

状态 x(t)∈Rnx(t)\in\mathbb{R}^n 是能够与未来输入共同决定系统未来行为的最小信息集合。AA 描述系统内部运动,BB 描述输入如何进入状态,CC 把状态映射到输出,DD 表示输入到输出的直接通道。

给定初始时刻 t0t_0、初始状态 x(t0)=x0x(t_0)=x_0 和输入 u(t)u(t),状态方程是一阶向量微分方程。若 u(t)≡0u(t)\equiv0,称为齐次方程或零输入响应;否则为非齐次方程。

2.2 连续 LTI 齐次状态方程​

齐次方程

x˙(t)=Ax(t),x(t0)=x0\dot{x}(t)=Ax(t),\qquad x(t_0)=x_0

的解为

x(t)=eA(t−t0)x0.x(t)=e^{A(t-t_0)}x_0.

这里的 eAte^{At} 不是逐元素取指数,而是矩阵函数。可以直接验证:

ddteA(t−t0)x0=AeA(t−t0)x0,eA(t0−t0)x0=x0.\frac{\mathrm d}{\mathrm dt}e^{A(t-t_0)}x_0 =Ae^{A(t-t_0)}x_0,\qquad e^{A(t_0-t_0)}x_0=x_0.

2.2.1 状态转移矩阵的定义​

状态转移矩阵 Φ(t,t0)\Phi(t,t_0) 把 t0t_0 时刻的状态映射到 tt 时刻:

x(t)=Φ(t,t0)x(t0).x(t)=\Phi(t,t_0)x(t_0).

它是矩阵微分方程

∂∂tΦ(t,t0)=A(t)Φ(t,t0),Φ(t0,t0)=I\frac{\partial}{\partial t}\Phi(t,t_0)=A(t)\Phi(t,t_0), \qquad \Phi(t_0,t_0)=I

的唯一解。对 LTI 系统,

Φ(t,t0)=Φ(t−t0)=eA(t−t0).\Phi(t,t_0)=\Phi(t-t_0)=e^{A(t-t_0)}.

2.2.2 基本性质​

令各时刻均处于定义域内,则:

  1. 单位性:Φ(t0,t0)=I\Phi(t_0,t_0)=I。
  2. 可逆性:Φ−1(t,t0)=Φ(t0,t)\Phi^{-1}(t,t_0)=\Phi(t_0,t);LTI 情形下 e−At=(eAt)−1e^{-At}=(e^{At})^{-1}。
  3. 组合性:Φ(t2,t0)=Φ(t2,t1)Φ(t1,t0)\Phi(t_2,t_0)=\Phi(t_2,t_1)\Phi(t_1,t_0)。
  4. 行列式非零:det⁡(eAt)=etr⁡(A)t≠0\det(e^{At})=e^{\operatorname{tr}(A)t}\ne0。
  5. 与 AA 可交换:AeAt=eAtAAe^{At}=e^{At}A。
  6. 导数与积分:
ddteAt=AeAt=eAtA,∫0teAτ dτ=A−1(eAt−I)\frac{\mathrm d}{\mathrm dt}e^{At}=Ae^{At}=e^{At}A, \qquad \int_0^t e^{A\tau}\,\mathrm d\tau =A^{-1}(e^{At}-I)

其中积分公式要求 AA 可逆;AA 奇异时仍可用级数或增广矩阵计算。

初始状态 x(t₀)Φ(t,t₀)当前状态 x(t)输入卷积项传播叠加

2.3 矩阵指数的计算​

2.3.1 幂级数法​

定义式为

eAt=I+At+A2t22!+A3t33!+⋯ .e^{At}=I+At+\frac{A^2t^2}{2!}+\frac{A^3t^3}{3!}+\cdots.

它适合 AA 的幂很快呈现规律的情形。例如若 A2=0A^2=0,则 eAt=I+Ate^{At}=I+At;若 A2=−ω2IA^2=-\omega^2I,将偶次与奇次项分组可得正弦、余弦形式。

2.3.2 拉普拉斯变换法​

由

L{eAt}=(sI−A)−1\mathcal{L}\{e^{At}\}=(sI-A)^{-1}

可先求逆矩阵,再对每个元素作拉普拉斯反变换:

eAt=L−1{(sI−A)−1}.e^{At}=\mathcal{L}^{-1}\{(sI-A)^{-1}\}.

该方法对低阶、传递函数分解容易的矩阵尤其方便。

2.3.3 对角化与约旦法​

若 A=PΛP−1A=P\Lambda P^{-1},其中 Λ=diag⁡(λ1,…,λn)\Lambda=\operatorname{diag}(\lambda_1,\ldots,\lambda_n),则

eAt=PeΛtP−1,eΛt=diag⁡(eλ1t,…,eλnt).e^{At}=Pe^{\Lambda t}P^{-1}, \qquad e^{\Lambda t}=\operatorname{diag} (e^{\lambda_1t},\ldots,e^{\lambda_nt}).

若 AA 不可对角化,取 A=PJP−1A=PJP^{-1}。对大小为 rr 的约旦块 Jλ=λI+NJ_\lambda=\lambda I+N,其中 Nr=0N^r=0,有

eJλt=eλt(I+Nt+N2t22!+⋯+Nr−1tr−1(r−1)!).e^{J_\lambda t} =e^{\lambda t} \left(I+Nt+\frac{N^2t^2}{2!}+\cdots+ \frac{N^{r-1}t^{r-1}}{(r-1)!}\right).

2.3.4 Cayley–Hamilton 法​

若特征多项式为

p(λ)=λn+an−1λn−1+⋯+a0,p(\lambda)=\lambda^n+a_{n-1}\lambda^{n-1}+\cdots+a_0,

则 Cayley–Hamilton 定理给出 p(A)=0p(A)=0。因此所有 AkA^k(k≥nk\ge n)都能化为 I,A,…,An−1I,A,\ldots,A^{n-1} 的线性组合,从而

eAt=α0(t)I+α1(t)A+⋯+αn−1(t)An−1.e^{At}=\alpha_0(t)I+\alpha_1(t)A+\cdots+ \alpha_{n-1}(t)A^{n-1}.

若特征值互异,把每个 λi\lambda_i 代入

eλit=α0(t)+α1(t)λi+⋯+αn−1(t)λin−1e^{\lambda_i t} =\alpha_0(t)+\alpha_1(t)\lambda_i+\cdots+ \alpha_{n-1}(t)\lambda_i^{n-1}

即可解出系数;重根还需加入对 λ\lambda 求导后的条件。

2.3.5 完整算例:四种方法得到同一结果​

设

A=[0100].A=\begin{bmatrix}0&1\\0&0\end{bmatrix}.

因为 A2=0A^2=0,级数立即给出

eAt=I+At=[1t01].e^{At}=I+At =\begin{bmatrix}1&t\\0&1\end{bmatrix}.

拉普拉斯法中

(sI−A)−1=[s−10s]−1=[s−1s−20s−1],(sI-A)^{-1} =\begin{bmatrix}s&-1\\0&s\end{bmatrix}^{-1} =\begin{bmatrix}s^{-1}&s^{-2}\\0&s^{-1}\end{bmatrix},

逐项反变换仍得同一结果。该矩阵本身是特征值 00 的二阶约旦块, J=N=AJ=N=A,故约旦公式给出 eAt=I+Ate^{At}=I+At。其特征多项式 p(λ)=λ2p(\lambda)=\lambda^2,由 Cayley–Hamilton 定理 A2=0A^2=0,故指数必为 α0I+α1A\alpha_0I+\alpha_1A;在 λ=0\lambda=0 处匹配函数及一阶导数得到 α0=1,α1=t\alpha_0=1,\alpha_1=t。

若 x(0)=[x10,x20]Tx(0)=[x_{10},x_{20}]^{\mathsf T},则

x(t)=[1t01][x10x20]=[x10+tx20x20].x(t)= \begin{bmatrix}1&t\\0&1\end{bmatrix} \begin{bmatrix}x_{10}\\x_{20}\end{bmatrix} =\begin{bmatrix}x_{10}+tx_{20}\\x_{20}\end{bmatrix}.

2.4 非齐次方程、卷积与常值输入​

对

x˙(t)=Ax(t)+Bu(t),x(t0)=x0,\dot{x}(t)=Ax(t)+Bu(t),\qquad x(t_0)=x_0,

使用常数变易法可得

x(t)=eA(t−t0)x0+∫t0teA(t−τ)Bu(τ) dτ.x(t)=e^{A(t-t_0)}x_0+ \int_{t_0}^{t}e^{A(t-\tau)}Bu(\tau)\,\mathrm d\tau.

第一项是零输入响应,第二项是零状态响应。后一项是矩阵脉冲响应 eAtBe^{At}B 与输入的卷积。输出为

y(t)=CeA(t−t0)x0+∫t0tCeA(t−τ)Bu(τ) dτ+Du(t).y(t)=Ce^{A(t-t_0)}x_0+ \int_{t_0}^{t}Ce^{A(t-\tau)}Bu(\tau)\,\mathrm d\tau+Du(t).

若 u(t)=uˉu(t)=\bar{u} 在区间内为常值且 AA 可逆,则

x(t)=eA(t−t0)x0+A−1(eA(t−t0)−I)Buˉ.x(t)=e^{A(t-t_0)}x_0+ A^{-1}\left(e^{A(t-t_0)}-I\right)B\bar{u}.

若输入在 t0<t1<⋯t_0<t_1<\cdots 上分段常值,应在每个区间使用相应常值输入,并把上一段终点状态作为下一段初值。状态通常连续;输入跳变可能使 x˙\dot{x} 跳变。

2.4.1 完整受迫响应算例​

仍取

A=[0100],B=[01],x(0)=[10],A=\begin{bmatrix}0&1\\0&0\end{bmatrix},\quad B=\begin{bmatrix}0\\1\end{bmatrix},\quad x(0)=\begin{bmatrix}1\\0\end{bmatrix},

并令 u(t)=2u(t)=2。因为

eA(t−τ)B=[1t−τ01][01]=[t−τ1],e^{A(t-\tau)}B =\begin{bmatrix}1&t-\tau\\0&1\end{bmatrix} \begin{bmatrix}0\\1\end{bmatrix} =\begin{bmatrix}t-\tau\\1\end{bmatrix},

所以

x(t)=[10]+∫0t[2(t−τ)2] dτ=[1+t22t].x(t)= \begin{bmatrix}1\\0\end{bmatrix} +\int_0^t \begin{bmatrix}2(t-\tau)\\2\end{bmatrix}\,\mathrm d\tau =\begin{bmatrix}1+t^2\\2t\end{bmatrix}.

代回可验算: x˙=[2t,2]T=Ax+Bu\dot{x}=[2t,2]^{\mathsf T}=Ax+Bu,且 x(0)=[1,0]Tx(0)=[1,0]^{\mathsf T}。

若输入改为 u(t)=1u(t)=1(0≤t<10\le t<1)和 u(t)=0u(t)=0(t≥1t\ge1),先算

x(1)=[3/21],x(1)= \begin{bmatrix}3/2\\1\end{bmatrix},

再从 t=1t=1 作零输入传播:

x(t)=eA(t−1)x(1)=[t+1/21],t≥1.x(t)=e^{A(t-1)}x(1) =\begin{bmatrix}t+1/2\\1\end{bmatrix},\qquad t\ge1.

2.5 精确离散化与离散系统解​

以采样周期 TT 对连续系统作零阶保持(每个采样区间内输入不变),记 xk=x(kT)x_k=x(kT)、uk=u(kT)u_k=u(kT),则精确离散模型为

xk+1=Φxk+Γuk,x_{k+1}=\Phi x_k+\Gamma u_k,

其中

Φ=eAT,Γ=∫0TeAτB dτ.\Phi=e^{AT},\qquad \Gamma=\int_0^T e^{A\tau}B\,\mathrm d\tau.

若 AA 可逆,可用 Γ=A−1(Φ−I)B\Gamma=A^{-1}(\Phi-I)B。更通用且不怕 AA 奇异的增广矩阵公式是

exp⁡([AB00]T)=[ΦΓ0I].\exp\left( \begin{bmatrix}A&B\\0&0\end{bmatrix}T \right) = \begin{bmatrix}\Phi&\Gamma\\0&I\end{bmatrix}.

离散 LTI 系统

xk+1=Axk+Bukx_{k+1}=Ax_k+Bu_k

迭代 kk 次得到

xk=Akx0+∑i=0k−1Ak−1−iBui.x_k=A^kx_0+\sum_{i=0}^{k-1}A^{k-1-i}Bu_i.

注意这里的离散系统矩阵若直接记作 AA,它与连续模型中的 AA 含义不同;从连续模型离散化后应使用 Φ\Phi。

2.5.1 离散化算例​

对上一节的双积分器取 T=0.1T=0.1,有

Φ=[10.101],Γ=∫00.1[τ1] dτ=[0.0050.1].\Phi= \begin{bmatrix}1&0.1\\0&1\end{bmatrix}, \qquad \Gamma=\int_0^{0.1} \begin{bmatrix}\tau\\1\end{bmatrix}\,\mathrm d\tau =\begin{bmatrix}0.005\\0.1\end{bmatrix}.

若 x0=0x_0=0,且 uk=2u_k=2,则

x1=Γu0=[0.010.2],x_1=\Gamma u_0= \begin{bmatrix}0.01\\0.2\end{bmatrix},x2=Φx1+Γu1=[0.040.4].x_2=\Phi x_1+\Gamma u_1 =\begin{bmatrix}0.04\\0.4\end{bmatrix}.

这与连续解 x(t)=[t2,2t]Tx(t)=[t^2,2t]^{\mathsf T} 在 t=0.1,0.2t=0.1,0.2 处完全一致,体现了零阶保持下“精确离散化”的含义。

2.6 复习清单​

  • eAte^{At} 是矩阵指数,不是元素指数。
  • 时变系统一般不能直接写成 e∫A(t)dte^{\int A(t)\mathrm dt};只有满足额外交换条件时才可这样化简。
  • 卷积核是 eA(t−τ)Be^{A(t-\tau)}B,不是 eAτBe^{A\tau}B;变量替换后上下限也要相应改变。
  • 常值输入公式中的 A−1A^{-1} 仅在 AA 可逆时可用,积分定义始终有效。
  • 欧拉近似 I+ATI+AT、BTBT 不是精确的 Φ,Γ\Phi,\Gamma;只有 TT 很小时才近似成立。