跳到主要内容

线性定常系统的综合

“分析”由已知系统求性质,“综合”则根据性能要求反求控制器。考虑

x˙=Ax+Bu,y=Cx+Du.\dot x=Ax+Bu,\qquad y=Cx+Du.

本章依次完成状态反馈、极点配置、镇定、参考跟踪、解耦、状态观测器以及基于观测器的反馈设计。贯穿算例采用

A=[01−2−3],B=[01],C=[10],D=0.A=\begin{bmatrix}0&1\\-2&-3\end{bmatrix},\quad B=\begin{bmatrix}0\\1\end{bmatrix},\quad C=\begin{bmatrix}1&0\end{bmatrix},\quad D=0.

6.1 状态反馈与闭环特征多项式​

取控制律

u=−Kx+Nr,K=[k1k2].u=-Kx+Nr,\qquad K=\begin{bmatrix}k_1&k_2\end{bmatrix}.

闭环系统为

x˙=(A−BK)x+BNr,y=Cx.\dot x=(A-BK)x+BNr,\qquad y=Cx.

因此状态反馈改变的是 A−BKA-BK 的特征值;它通常不改变系统阶数,也不会自动保证单位稳态增益。贯穿算例中

A−BK=[01−2−k1−3−k2],A-BK=\begin{bmatrix}0&1\\-2-k_1&-3-k_2\end{bmatrix},

故闭环特征多项式为

det⁡(sI−A+BK)=s2+(3+k2)s+(2+k1).\det(sI-A+BK)=s^2+(3+k_2)s+(2+k_1).rNΣ 被控对象ẋ=Ax+Buy K−状态 x

极点配置的前提​

可控性矩阵

C=[BAB⋯An−1B]\mathcal C=\begin{bmatrix}B&AB&\cdots&A^{n-1}B\end{bmatrix}

满秩,即 rank⁡C=n\operatorname{rank}\mathcal C=n,是任意配置全部闭环极点的充要条件。多输入系统也满足此结论,但 KK 往往不唯一。连续时间实系统的非实极点必须成共轭对。

若希望贯穿算例的闭环极点为 −4,−5-4,-5,目标多项式为

ϕd(s)=(s+4)(s+5)=s2+9s+20.\phi_d(s)=(s+4)(s+5)=s^2+9s+20.

比较系数得到 3+k2=9, 2+k1=203+k_2=9,\ 2+k_1=20,于是

K=[186].K=\begin{bmatrix}18&6\end{bmatrix}.

代回即得 A−BK=[01−20−9]A-BK=\begin{bmatrix}0&1\\-20&-9\end{bmatrix},迹为 −9-9、行列式为 2020,核对无误。

Ackermann 公式​

对单输入可控系统,设

ϕd(A)=An+αn−1An−1+⋯+α1A+α0I,\phi_d(A)=A^n+\alpha_{n-1}A^{n-1}+\cdots+\alpha_1A+\alpha_0I,

则

K=[0⋯01]C−1ϕd(A).K=\begin{bmatrix}0&\cdots&0&1\end{bmatrix}\mathcal C^{-1}\phi_d(A).

公式中的系数来自目标特征多项式;符号与本章 u=−Kxu=-Kx 的约定绑定。高阶系统直接求逆数值条件可能很差,工程计算宜使用可靠的极点配置算法。

6.2 镇定性:不能任意配置时还能否稳定​

“可控”要求所有模态都能被输入影响;“可镇定”只要求所有不稳定模态可控。连续系统中,(A,B)(A,B) 可镇定的 PBH 判据为

rank⁡[λI−AB]=nfor every Re⁡(λ)≥0.\operatorname{rank}\begin{bmatrix}\lambda I-A&B\end{bmatrix}=n \quad\text{for every }\operatorname{Re}(\lambda)\geq0.

若且唯若 (A,B)(A,B) 可镇定,才存在 KK 使 A−BKA-BK 为 Hurwitz 矩阵。不可控但本来稳定的模态可以保留,所以可镇定严格弱于可控。离散时间将“不稳定区域”改为 ∣λ∣≥1|\lambda|\geq1。

极点选得很靠左虽可加快理想模型响应,却会提高控制增益,放大噪声、激发未建模动态并导致执行器饱和;极点配置不是“越快越好”。

6.3 参考输入、前置补偿与积分器​

常值参考的前置增益​

当 D=0D=0、A−BKA-BK 可逆且参考为常值时,稳态满足

0=(A−BK)xss+BNr,yss=Cxss.0=(A-BK)x_{\rm ss}+BNr,\qquad y_{\rm ss}=Cx_{\rm ss}.

令 yss=ry_{\rm ss}=r,得到

N=−1C(A−BK)−1BN=-\frac{1}{C(A-BK)^{-1}B}

(SISO 情形且分母非零)。贯穿算例用 K=[18 6]K=[18\ 6],有 C(A−BK)−1B=−1/20C(A-BK)^{-1}B=-1/20,所以 N=20N=20。该前置补偿依赖模型准确性,不能自动消除参数误差或恒值扰动造成的稳态误差。

加入误差积分器​

定义

ξ˙=r−y,u=−Kx+kIξ.\dot \xi=r-y,\qquad u=-Kx+k_I\xi.

忽略参考的齐次增广系统为

[x˙ξ˙]=[A−BKBkI−C0][xξ].\begin{bmatrix}\dot x\\\dot\xi\end{bmatrix} = \begin{bmatrix}A-BK&Bk_I\\-C&0\end{bmatrix} \begin{bmatrix}x\\\xi\end{bmatrix}.

设计前必须检查增广对的可控性;若系统在原点有阻断零点,常值跟踪的积分增广可能不可控。实际系统还应考虑积分饱和保护。

6.4 状态反馈解耦​

对方阵多输入多输出系统,目标是让每个输入通道主要影响对应输出。若各输出的相对阶为 rir_i,定义解耦矩阵

E=[c1Ar1−1B⋮cmArm−1B].E= \begin{bmatrix} c_1A^{r_1-1}B\\ \vdots\\ c_mA^{r_m-1}B \end{bmatrix}.

当 EE 非奇异时,可通过静态状态反馈 u=Fx+Gvu=Fx+Gv 令高阶输出导数中的输入通道解耦,常取 G=E−1G=E^{-1},并用 FF 指定相应动态。基本限制是:

  • 输入数与需独立控制的输出数应匹配,且 EE 必须满秩;
  • 解耦只描述输入输出通道,不等于内部状态稳定;
  • 系统零动态若不稳定,精确解耦可能产生内部不稳定;
  • 参数摄动会破坏精确抵消,非最小相位零点不能用稳定因果控制器随意消去。

所以“传递矩阵变成对角阵”并不足以证明整个闭环可用。

6.5 全维状态观测器​

状态不可全部测量时,用模型和输出校正构造 Luenberger 观测器:

x^˙=Ax^+Bu+L(y−Cx^).\dot{\hat x}=A\hat x+Bu+L(y-C\hat x).

令估计误差 e=x−x^e=x-\hat x,则

e˙=(A−LC)e.\dot e=(A-LC)e.

因此观测器设计与状态反馈对偶:(A,C)(A,C) 可观,等价于 (AT,CT)(A^\mathsf{T},C^\mathsf{T}) 可控,此时可任意配置 A−LCA-LC 的极点。Ackermann 公式可用于对偶系统,先算出行向量,再转置得到 LL。

贯穿算例的可观性矩阵为

O=[CCA]=[1001],\mathcal O=\begin{bmatrix}C\\CA\end{bmatrix} =\begin{bmatrix}1&0\\0&1\end{bmatrix},

故系统可观。令 L=[l1 l2]TL=[l_1\ l_2]^\mathsf{T},则

det⁡(sI−A+LC)=s2+(l1+3)s+(3l1+l2+2).\det(sI-A+LC)=s^2+(l_1+3)s+(3l_1+l_2+2).

取观测器极点为 −10,−11-10,-11,目标多项式为 s2+21s+110s^2+21s+110。比较系数得

L=[1854].L=\begin{bmatrix}18\\54\end{bmatrix}.

观测器极点通常比控制极点快若干倍,但过快会使 LL 过大并放大测量噪声。

6.6 降维观测器​

若 y=Cxy=Cx 已直接给出 pp 个独立状态组合,就没有必要再估计它们。经可逆坐标变换可写成

x˙m=A11xm+A12xu+B1u,x˙u=A21xm+A22xu+B2u,y=xm,\begin{aligned} \dot x_m&=A_{11}x_m+A_{12}x_u+B_1u,\\ \dot x_u&=A_{21}x_m+A_{22}x_u+B_2u,\qquad y=x_m, \end{aligned}

其中 xmx_m 可测、xux_u 不可测。一个避免直接使用 y˙\dot y 的降维观测器可令

z=x^u−Lryz=\hat x_u-L_r y

并构造

z˙=(A22−LrA12)z+(A21−LrA11+(A22−LrA12)Lr)y+(B2−LrB1)u,\dot z=(A_{22}-L_rA_{12})z+ \left(A_{21}-L_rA_{11}+(A_{22}-L_rA_{12})L_r\right)y+ (B_2-L_rB_1)u,

最后由 x^u=z+Lry\hat x_u=z+L_ry 恢复估计。误差矩阵为 A22−LrA12A_{22}-L_rA_{12},降维观测器阶数为 n−pn-p。其优点是阶数低且不重复估计已测信息;代价是坐标分解与实现更复杂,对测量噪声仍需谨慎。

6.7 基于观测器的状态反馈与分离原理​

实际控制律使用估计状态:

u=−Kx^+Nr.u=-K\hat x+Nr.

以 xx 和 e=x−x^e=x-\hat x 为状态,忽略参考时

[x˙e˙]=[A−BKBK0A−LC][xe].\begin{bmatrix}\dot x\\\dot e\end{bmatrix} = \begin{bmatrix} A-BK&BK\\ 0&A-LC \end{bmatrix} \begin{bmatrix}x\\e\end{bmatrix}.

矩阵为块上三角,因此闭环极点恰是 A−BKA-BK 与 A−LCA-LC 的特征值并集。这就是分离原理:在线性定常、模型匹配的条件下,控制器增益 KK 与观测器增益 LL 可分别设计。贯穿算例最终极点为

{−4,−5}∪{−10,−11}.\{-4,-5\}\cup\{-10,-11\}.

分离原理保证内部渐近稳定,不保证噪声抑制、鲁棒裕度、输入不饱和或瞬态峰值满足要求。

NrΣ被控对象 A, B, Cy观测器 A, B, C, LK− uyx̂

6.8 常见误区与复习流程​

  1. 先配极点、后查可控性:顺序应相反;不可控系统不能任意配置。
  2. 混淆可控与可镇定:不可控的稳定模态不妨碍镇定。
  3. 漏掉负号约定:u=−Kxu=-Kx 与 u=Kxu=Kx 对应不同公式,代回 A−BKA-BK 最可靠。
  4. 把前置增益当积分器:NN 只校正标称模型的静态增益;积分器才提供对常值误差的内模。
  5. 观测器直接写成开环模型:必须有创新项 L(y−Cx^)L(y-C\hat x) 才能修正初值误差。
  6. 观测器极点无限快:大增益会放大噪声并带来 peaking。
  7. 误解分离原理:它给出极点并集和稳定性,不自动给出鲁棒性与良好瞬态。
  8. 只看解耦后的传递关系:还要检查零动态、内部稳定性和模型不确定性。

考试设计题可按“可控/可观检查 → 目标多项式 → 求 K/LK/L → 代回核对特征多项式 → 求 NN 或增广积分器 → 说明稳定性与限制”的顺序作答。