本章研究线性定常(LTI)系统
x˙(t)=Ax(t)+Bu(t),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)∈Rn 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。A 描述系统内部运动,B 描述输入如何进入状态,C 把状态映射到输出,D 表示输入到输出的直接通道。
给定初始时刻 t0、初始状态 x(t0)=x0 和输入 u(t),状态方程是一阶向量微分方程。若 u(t)≡0,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的解为
x(t)=eA(t−t0)x0.这里的 eAt 不是逐元素取指数,而是矩阵函数。可以直接验证:
dtdeA(t−t0)x0=AeA(t−t0)x0,eA(t0−t0)x0=x0.2.2.1 状态转移矩阵的定义
状态转移矩阵 Φ(t,t0) 把 t0 时刻的状态映射到 t 时刻:
x(t)=Φ(t,t0)x(t0).它是矩阵微分方程
∂t∂Φ(t,t0)=A(t)Φ(t,t0),Φ(t0,t0)=I的唯一解。对 LTI 系统,
Φ(t,t0)=Φ(t−t0)=eA(t−t0).2.2.2 基本性质
令各时刻均处于定义域内,则:
- 单位性:Φ(t0,t0)=I。
- 可逆性:Φ−1(t,t0)=Φ(t0,t);LTI 情形下 e−At=(eAt)−1。
- 组合性:Φ(t2,t0)=Φ(t2,t1)Φ(t1,t0)。
- 行列式非零:det(eAt)=etr(A)t=0。
- 与 A 可交换:AeAt=eAtA。
- 导数与积分:
dtdeAt=AeAt=eAtA,∫0teAτdτ=A−1(eAt−I)其中积分公式要求 A 可逆;A 奇异时仍可用级数或增广矩阵计算。
2.3 矩阵指数的计算
2.3.1 幂级数法
定义式为
eAt=I+At+2!A2t2+3!A3t3+⋯.它适合 A 的幂很快呈现规律的情形。例如若 A2=0,则 eAt=I+At;若 A2=−ω2I,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}.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−1,其中
Λ=diag(λ1,…,λn),则
eAt=PeΛtP−1,eΛt=diag(eλ1t,…,eλnt).若 A 不可对角化,取 A=PJP−1。对大小为 r 的约旦块
Jλ=λI+N,其中 Nr=0,有
eJλt=eλt(I+Nt+2!N2t2+⋯+(r−1)!Nr−1tr−1).2.3.4 Cayley–Hamilton 法
若特征多项式为
p(λ)=λn+an−1λn−1+⋯+a0,则 Cayley–Hamilton 定理给出 p(A)=0。因此所有 Ak(k≥n)都能化为
I,A,…,An−1 的线性组合,从而
eAt=α0(t)I+α1(t)A+⋯+αn−1(t)An−1.若特征值互异,把每个 λi 代入
eλit=α0(t)+α1(t)λi+⋯+αn−1(t)λin−1即可解出系数;重根还需加入对 λ 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=[0010].因为 A2=0,级数立即给出
eAt=I+At=[10t1].拉普拉斯法中
(sI−A)−1=[s0−1s]−1=[s−10s−2s−1],逐项反变换仍得同一结果。该矩阵本身是特征值 0 的二阶约旦块,
J=N=A,故约旦公式给出 eAt=I+At。其特征多项式
p(λ)=λ2,由 Cayley–Hamilton 定理 A2=0,故指数必为
α0I+α1A;在 λ=0 处匹配函数及一阶导数得到
α0=1,α1=t。
若 x(0)=[x10,x20]T,则
x(t)=[10t1][x10x20]=[x10+tx20x20].2.4 非齐次方程、卷积与常值输入
对
x˙(t)=Ax(t)+Bu(t),x(t0)=x0,使用常数变易法可得
x(t)=eA(t−t0)x0+∫t0teA(t−τ)Bu(τ)dτ.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
eAtB 与输入的卷积。输出为
y(t)=CeA(t−t0)x0+∫t0tCeA(t−τ)Bu(τ)dτ+Du(t).若 u(t)=uˉ 在区间内为常值且 A 可逆,则
x(t)=eA(t−t0)x0+A−1(eA(t−t0)−I)Buˉ.若输入在 t0<t1<⋯ 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˙ 跳变。
2.4.1 完整受迫响应算例
仍取
A=[0010],B=[01],x(0)=[10],并令 u(t)=2。因为
eA(t−τ)B=[10t−τ1][01]=[t−τ1],所以
x(t)=[10]+∫0t[2(t−τ)2]dτ=[1+t22t].代回可验算:
x˙=[2t,2]T=Ax+Bu,且 x(0)=[1,0]T。
若输入改为 u(t)=1(0≤t<1)和 u(t)=0(t≥1),先算
x(1)=[3/21],再从 t=1 作零输入传播:
x(t)=eA(t−1)x(1)=[t+1/21],t≥1.2.5 精确离散化与离散系统解
以采样周期 T 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)、uk=u(kT),则精确离散模型为
xk+1=Φxk+Γuk,其中
Φ=eAT,Γ=∫0TeAτBdτ.若 A 可逆,可用 Γ=A−1(Φ−I)B。更通用且不怕 A 奇异的增广矩阵公式是
exp([A0B0]T)=[Φ0ΓI].离散 LTI 系统
xk+1=Axk+Buk迭代 k 次得到
xk=Akx0+i=0∑k−1Ak−1−iBui.注意这里的离散系统矩阵若直接记作 A,它与连续模型中的 A 含义不同;从连续模型离散化后应使用 Φ。
2.5.1 离散化算例
对上一节的双积分器取 T=0.1,有
Φ=[100.11],Γ=∫00.1[τ1]dτ=[0.0050.1].若 x0=0,且 uk=2,则
x1=Γu0=[0.010.2],x2=Φx1+Γu1=[0.040.4].这与连续解 x(t)=[t2,2t]T 在 t=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
- eAt 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)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)B,不是 eAτB;变量替换后上下限也要相应改变。
- 常值输入公式中的 A−1 仅在 A 可逆时可用,积分定义始终有效。
- 欧拉近似 I+AT、BT 不是精确的 Φ,Γ;只有 T 很小时才近似成立。