大家好,欢迎来到IT知识分享网。
下面的所有讨论都是以线性连续定常系统为前提。
一、能控性的定义
一个线性定常连续系统:
x ˙ = A X + B u \pmb {\dot{x}}=\pmb{AX}+\pmb{Bu} x˙=AX+Bu
如果存在一个分段连续的输入 u ( t ) \pmb u(t) u(t),能在有限时间区间 [ t 0 , t f ] [t_0,t_f] [t0,tf]内,使系统由某一初始状态 x ( t 0 ) \pmb x(t_0) x(t0),转移到指定的任一终端状态 x ( t f ) \pmb x(t_f) x(tf),则称此状态空间是能控的。如果系统的所有状态变量都能控,则称此系统是完全能控的。
简单的说,能控性就是看一个系统的输入能否影响系统的内部状态。
二、能控性判据
这里列出了四个较为常见的能控性判据的结论,结论证明的篇幅较长先不说明。
1.格拉姆矩阵判据
[结论] 连续时间线性时不变系统为完全能控的充分必要条件是,存在时刻 t 1 t_1 t1>0,使如下定义的格拉姆矩阵
W e [ 0 , t 1 ] : = ∫ 0 t 1 e − A t B B T e − A T t d t W_e[0,t_1]:=\int_{0}^{t_1}e^{-At}BB^Te^{-A^Tt}dt We[0,t1]:=∫0t1e−AtBBTe−ATtdt为非奇异。
该判据具有理论意义,工程上并不会使用格拉姆矩阵判据。
2.秩判据
秩判据是利用格拉姆矩阵判据所推导出来的。
[结论] 对n维连续时间线性时不变系统,构造能控性判别矩阵: Q c = [ B A B . . . A n − 1 B ] \pmb Q_c=\begin{bmatrix}B&AB&…&A^{n-1}B\end{bmatrix} Qc=[BAB…An−1B]那么系统完全能控的充分必要条件为
r a n k ( Q c ) = r a n k ( [ B A B . . . A n − 1 B ] ) = n rank(\pmb Q_c)=rank(\begin{bmatrix}B&AB&…&A^{n-1}B\end{bmatrix})=n rank(Qc)=rank([BAB…An−1B])=n
3.PBH判据
[结论] 对n维连续时间线性时不变系统完全能控的充分必要条件为 r a n k ( s I − A , B ) = n , rank(s\pmb I-A,B)=n, rank(sI−A,B)=n,或 r a n k ( λ i I − A , B ) = n , i = 1 , 2 , . . . , n rank(\lambda _i\pmb I-A,B)=n,i=1,2,…,n rank(λiI−A,B)=n,i=1,2,…,n
其中 λ i \lambda _i λi为系统特征值。
4.约当规范形判据
由于约当规范形判据的结论比较抽象,在这里结合例子来说明约旦规范形判据的用法。
使用约旦规范形判据前需要将系统矩阵化为对角矩阵或约当矩阵。
【对角标准型判据】 当系统矩阵的特征值两两互异(系统矩阵可以化为对角矩阵)时,直接观察矩阵 B ˉ \bar B Bˉ中有没有全零行向量,若没有则说明系统是完全能控的。
例1 一个连续时间线性时不变系统,设其约当规范形状态方程为 [ x ˙ 1 x ˙ 2 x ˙ 3 ] = [ − 7 0 0 0 − 2 0 0 0 1 ] [ x 1 x 2 x 3 ] + [ 0 2 4 0 0 1 ] [ u 1 u 2 ] \begin{bmatrix} \dot{x}_1\\ \dot{x}_2 \\ \dot x_3\end{bmatrix}=\begin{bmatrix} -7&0&0\\0&-2&0\\0&0&1 \end{bmatrix}\begin{bmatrix} x_1\\ x_2 \\ x_3\end{bmatrix}+\begin{bmatrix} 0&2\\4&0\\0&1\end{bmatrix}\begin{bmatrix} u_1\\u_2 \end{bmatrix}
x˙1x˙2x˙3
=
−7000−20001
x1x2x3
+
040201
[u1u2]
直接观察矩阵 B ˉ \bar B Bˉ,因为矩阵 B ˉ \bar B Bˉ不包含全零行向量,因此系统完全能控。
例2 一个连续时间线性时不变系统,设其约当规范形状态方程为 [ x ˙ 1 x ˙ 2 x ˙ 3 ] = [ − 7 0 0 0 − 2 0 0 0 1 ] [ x 1 x 2 x 3 ] + [ 0 2 0 0 0 1 ] [ u 1 u 2 ] \begin{bmatrix} \dot{x}_1\\ \dot{x}_2 \\ \dot x_3\end{bmatrix}=\begin{bmatrix} -7&0&0\\0&-2&0\\0&0&1 \end{bmatrix}\begin{bmatrix} x_1\\ x_2 \\ x_3\end{bmatrix}+\begin{bmatrix} 0&2\\0&0\\0&1\end{bmatrix}\begin{bmatrix} u_1\\u_2 \end{bmatrix}
x˙1x˙2x˙3
=
−7000−20001
x1x2x3
+
000201
[u1u2]
同样直接观察矩阵 B ˉ \bar B Bˉ,可以看到矩阵 B ˉ \bar B Bˉ的第二行是全零行向量,因此系统不完全能控。
【一般约旦标准型判据】 当系统矩阵的特征值为重根时或不能化为对角矩阵时,这时将其化为约当规范形: x ^ ˙ = A ^ x ^ + B ^ u \dot{\hat{x}}=\hat{A}\hat{x}+\hat{B}u x^˙=A^x^+B^u其中 A ^ = [ J 1 J 2 . . . J l ] n × n , B ^ = [ B ^ 1 B ^ 2 . . . B ^ l ] n × p \hat{A}=\begin{bmatrix} J_1& & & \\ & J_2 & & \\ & &…& \\ & & &J_l\end{bmatrix}_{n\times n},\hat{B}=\begin{bmatrix} \hat{B}_1\\ \hat{B}_2 \\ …\\\hat{B}_l\end{bmatrix}_{n\times p} A^=
J1J2…Jl
n×n,B^=
B^1B^2…B^l
n×p
由 B ^ i k ( k = 1 , 2 , . . . a ) \hat B_{ik}(k=1,2,…a) B^ik(k=1,2,…a)最后一行所组成的矩阵满足
则系统完全能观。
例3 一个连续时间线性时不变系统,设其约当规范形状态方程为 x ^ ˙ = [ − 2 1 0 − 2 − 2 − 2 3 1 0 3 3 ] x ^ + [ 0 0 0 1 0 0 0 4 0 0 0 7 0 0 0 1 1 0 0 4 1 ] \dot{\hat{x}}=\begin{bmatrix}-2&1& & \\ 0& -2& & \\ & &-2& \\ &&&-2\\&&&&3&1\\&&&&0&3\\&&&&&&3\end{bmatrix}\hat x+\begin{bmatrix}0&0&0\\1&0&0\\0&4&0\\0&0&7\\0&0&0\\1&1&0\\0&4&1\end{bmatrix} x^˙=
−201−2−2−230133
x^+
010001000400140007001
解: 由题可得,找出特征值-2对应的矩阵 B ^ σ 1 \hat B_{\sigma 1} B^σ1和特征值为3对应的矩阵 B ^ σ 2 \hat B_{\sigma 2} B^σ2,如下 B ^ σ 1 = [ 1 0 0 0 4 0 0 0 7 ] , B ^ σ 2 = [ 1 1 0 0 4 1 ] \hat B_{\sigma 1}=\begin{bmatrix}1&0&0\\0&4&0\\0&0&7 \end{bmatrix},\hat B_{\sigma 2}=\begin{bmatrix}1&1&0\\0&4&1\end{bmatrix} B^σ1=
100040007
,B^σ2=[101401]
因为 r a n k ( B ^ σ 1 ) = 3 , r a n k ( B ^ σ 2 ) = 2 rank(\hat B_{\sigma 1})=3,rank(\hat B_{\sigma 2})=2 rank(B^σ1)=3,rank(B^σ2)=2
B ^ σ 1 \hat B_{\sigma 1} B^σ1和 B ^ σ 2 \hat B_{\sigma 2} B^σ2都满秩,因此系统完全能控。
例4 一个连续时间线性时不变系统,设其约当规范形状态方程为 x ^ ˙ = [ − 2 1 0 − 2 − 2 − 2 3 1 0 3 3 ] x ^ + [ 0 0 0 1 0 0 0 4 0 0 0 7 0 1 1 0 0 0 0 4 1 ] \dot{\hat{x}}=\begin{bmatrix}-2&1& & \\ 0& -2& & \\ & &-2& \\ &&&-2\\&&&&3&1\\&&&&0&3\\&&&&&&3\end{bmatrix}\hat x+\begin{bmatrix}0&0&0\\1&0&0\\0&4&0\\0&0&7\\0&1&1\\0&0&0\\0&4&1\end{bmatrix} x^˙=
−201−2−2−230133
x^+
010000000401040007101
解: 由题可得,找出特征值-2对应的矩阵 B ^ σ 1 \hat B_{\sigma 1} B^σ1和特征值为3对应的矩阵 B ^ σ 2 \hat B_{\sigma 2} B^σ2,如下 B ^ σ 1 = [ 1 0 0 0 4 0 0 0 7 ] , B ^ σ 2 = [ 0 0 0 0 4 1 ] \hat B_{\sigma 1}=\begin{bmatrix}1&0&0\\0&4&0\\0&0&7 \end{bmatrix},\hat B_{\sigma 2}=\begin{bmatrix}0&0&0\\0&4&1\end{bmatrix} B^σ1=
100040007
,B^σ2=[000401]
因为 r a n k ( B ^ σ 1 ) = 3 , r a n k ( B ^ σ 2 ) = 1 < 2 rank(\hat B_{\sigma 1})=3,rank(\hat B_{\sigma 2})=1<2 rank(B^σ1)=3,rank(B^σ2)=1<2
B ^ σ 2 \hat B_{\sigma 2} B^σ2不满秩,因此系统不完全能控。
三、MATLAB仿真
在MATLAB中提供了求解系统能控性矩阵 Q c Q_c Qc的函数(秩判据):ctrb(A,B)。对于单输入单输出系统可以直接根据det(ctrb(A,B))是否为零来判断系统的能控性,或利用rank(ctrb(A,B))求出能控性矩阵 Q c Q_c Qc的秩来判断系统的能控性。对于多输入多输出系统可以用det(ctrb(A,B)*ctrb(A,B)‘)是否为零来判断系统的能控性,或利用rank(ctrb(A,B)*ctrb(A,B)’)求出能控性矩阵 Q c Q_c Qc的秩来判断系统的能控性。
例1 已知线性定常系统的状态空间模型为 [ x ˙ 1 x ˙ 2 ] = [ 0 1 − 1 − 2 ] [ x 1 x 2 ] + [ 1 0 1 1 ] [ u 1 u 2 ] [ y 1 y 2 y 3 ] = [ 3 1 1 2 − 2 − 1 ] [ x 1 x 2 ] + [ 1 0 0 0 0 1 ] [ u 1 u 2 ] \begin{bmatrix} \dot{x}_1\\ \dot{x}_2 \end{bmatrix}=\begin{bmatrix} 0 & 1\\ -1 & -2 \end{bmatrix}\begin{bmatrix} x_1\\ x_2 \end{bmatrix}+\begin{bmatrix} 1 & 0\\ 1 & 1 \end{bmatrix}\begin{bmatrix} u_1\\ u_2 \end{bmatrix} \\\begin{bmatrix}y_1\\ y_2 \\ y_3 \end{bmatrix}=\begin{bmatrix} 3 & 1\\ 1 & 2 \\ -2 & -1\end{bmatrix}\begin{bmatrix} x_1\\ x_2 \end{bmatrix}+\begin{bmatrix} 1 & 0\\ 0 & 0 \\ 0 & 1\end{bmatrix}\begin{bmatrix} u_1\\ u_2 \end{bmatrix} [x˙1x˙2]=[0−11−2][x1x2]+[1101][u1u2]
y1y2y3
=
31−212−1
[x1x2]+
100001
[u1u2]求解程序如下
clear all; A=[0 1;-1 -2]; B=[1 0;1 1]; n=size(B,1); Qc=ctrb(A,B); if rank(Qc)==n%判断能控性矩阵Qc是否列满秩 fprintf('系统完全能控\n') else fprintf('系统不完全能控\n') end
运行结果:
Qc = 1 0 1 1 1 1 -3 -2 系统完全能控
总结
利用matlab判断系统的能控性一般是利用秩判据。
免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://haidsoft.com/158038.html