现代控制理论公式大赏

经典控制理论

常用物理公式

平移和旋转牛顿第二定律公式：$m{x}^{\prime \prime }=F-kx-c{x}^{\prime },J{\theta }^{\prime \prime }=T-k\theta -c{\theta }^{\prime }$
电机的反电动势和转矩：设电机的反电动势常数为C_e，转矩常数为C_m，则其反电动势（消耗电压）为e=C_eθ’，转矩为T=C_mi
电容、电感中的电流电压关系：$i_C=C{u}_C^{\prime },u_L=L{i}_L^{\prime }$

状态空间模型的图示

在状态空间分析中，常以状态变量图来表示系统各变量之间的关系，它由积分环节、加法环节和放大环节构成。别忘了积分环节的传递函数是$\frac{1}{s}$。

传递函数的计算

前馈为G、负反馈为H的结构的传递函数为$\frac{G}{1+GH}$。
梅森公式为$G(s)=\frac{\sum P_i{\Delta }_i}{1-\sum \circlearrowleft +\sum \circlearrowleft \circlearrowleft -\cdots }$，其中：
整个公式的分母被称为特征式，记作Δ。
P_i为每条前向通路的总增益，Δ_i为Δ中去除第i条前向通路后剩下的部分。
↺为回路增益，↺↺为两互不接触的回路的增益之积，以此类推，要算入符号。

劳斯稳定判据

系统的特征方程：系统开环传递函数的分子+系统开环传递函数的分母=0
劳斯稳定判据指出，系统稳定的充要条件是系统的特征方程的系数全为正，且劳斯表第一列的元素全为正。
劳斯表第一列元素全为正代表特征方程的根的实部皆为负。第一列元素变号几次，就有几个正实部的根。
具体计算方法见后面的例题。

PID控制器

PID参数
K_p为比例控制器的比例系数
K_i=K_p/t_i，t_i为积分时间常数，积分环节通过对误差进行累计，以对系统进行相应的控制，迫使其误差回复至0为止
K_d=K_pt_d，t_d为微分时间常数，使控制器能够预测信号变化趋势，及时采取对系统进行有效控制的措施
PID控制的特点
（1）PID算法蕴含了动态控制过程中过去、现在和将来的主要信息
（2）PID控制适应性好，有较强的鲁棒性
（3）PID算法简单明了，形成了完整的设计和参数调整方法
（4）根据不同的要求，形成了一系列改进的PID算法
缺点：对存在大滞后环节、参数变化较大甚至结构也变化的对象，以及系统复杂、环境复杂、控制性能要求高的场合， PID控制不适用。

控制系统的状态空间描述

状态空间模型

系统的基本概念
（1）系统是由相互制约的各个部分有机结合，且具有一定功能的整体。
（2）在任意时刻，输出只取决于同一时刻的输入的系统称为静态系统，也叫无记忆系统，其输入与输出的关系可写成代数方程。
（3）在任意时刻，系统的输出不仅取决于同一时刻的输入，还与t时刻以前的累积有关的系统称为动态系统，这种累积在t0(t0<t)时刻通过初值体现出来。
由于t0时刻的初值含有过去运动的累积，故动态系统亦称为有记忆系统。动态系统的输入、输出关系可写成微分方程。

动态系统的两类数学描述
（1）外部描述：通常称为输入、输出描述，这种描述把系统的输出取为系统外部输入的直接响应，显然这种描述回避了表征系统内部的动态过程即把系统当成一个“黑匣”，认为系统的内部结构和内部信息全然不知，系统描述直接反映了输出变量与输入变量间的动态因果关系。
（2）内部描述：状态空间描述是内部描述的基本形式，这种描述是基于系统内部结构分析的一类数学模型。其由两个数学方程组成: 一个是反映系统内部状态变量x₁,x₂,⋯,x_n和输入变量u₁,u₂,⋯,u_r间因果关系的数学表达式，称为状态方程，其数学表达式的形式对于连续时间系统为一阶微分方程组，对于离散时间系统为一阶差分方程组；另一个是表征系统内部状态变量x₁,x₂,⋯,x_n及输入变量u₁,u₂,⋯,u_r与输出变量y₁,y₂,⋯,y_m 转换关系的数学表达式，称为输出方程，其数学表达式的形式为代数方程。

状态的基本概念
（1）状态 是完全地描述动态系统运动状况的信息，系统在某一时刻的运动状况可以用该时刻系统运动的一组信息表征，定义系统运动信息的集合为状态。
（2）状态变量指完全表征动态系统时间域运动行为的信息组中的元素。状态变量组常用符号x₁(t),x₂(t),⋯,x_n(t)表示，且它们相互独立（即变量的数目最小）。
（3）将上述状态变量看做向量x(t)的分量，则x(t)就称为状态向量，记为$x(t)=\left[\begin{array}{c}{x}_1(t)\\ x_2(t)\\ \cdots \\ x_n(t)\end{array}\right]$。
（4）以x₁(t),x₂(t),⋯,x_n(t)为坐标轴构成的n维欧氏空间被称为状态空间。
（5）状态向量的端点在状态空间中的位置代表了某一特定时刻系统的状态。系统的状态是时间t的函数。在不同时刻，系统状态不同，则随着t的变化,状态向量的端点不断移动，其移动的路径就称为系统的状态轨迹。
（6）描述系统状态变量间或状态变量与系统输入变量间关系的一个一阶微分方程组（连续系统）或一阶差分方程组（离散系统）被称为状态方程。
（7）状态方程和输出方程合起来构成对一个动态系统完整的描述，称为动态系统的状态空间表达式。

状态空间表达式的建立

状态空间表达式：描述系统u(t)、x(t)、y(t)之间关系的状态方程和输出方程总和，构成了对系统动态行为的完整描述。
状态方程：描述系统状态与输入之间关系的一阶微分方程（组）${\vec{x}}^{\prime }(t)=A\vec{x}+B\vec{u}$
输出方程：描述系统输出与状态、输入之间关系的数学表达式$\vec{y}(t)=C\vec{x}+D\vec{u}$
其中，A为系统矩阵/状态矩阵，B为输入矩阵/控制矩阵，C为输出矩阵/观测矩阵，D为直接传递矩阵。
若向量方程x’=f(x,u,t)和y=g(x,u,t)的所有组成元都是x₁~x_n和u₁~u_n的线性函数，则称相应的系统为线性系统，其状态空间可用方程组$\{\begin{array}{c}{\vec{x}}^{\prime }(t)=A\vec{x}+B\vec{u}\\ \vec{y}(t)=C\vec{x}+D\vec{u}\end{array}$描述。
若上述系统的A、B、C、D不随时间变化而变化，则为线性定常系统，否则为线性时变系统。
若系统的输出与输入无直接关系（即D=O），则为惯性系统，否则为非惯性系统。
若系统的各个变量只在离散的时刻取值，则为离散系统。
按输入和输出，也可把系统分为单输入单输出（SISO）、单输入多输出（SIMO）、多输入单输出（MISO）和多输入多输出（MIMO）。

状态变量的选取
（1）状态变量的选取不唯一。
（2）动态方程或状态空间描述不唯一。
（3）完全描述一个动态系统所需状态变量的个数由系统的阶次决定，状态变量必须是相互独立的。
（4）一般来说，状态变量不一定是有实际物理意义或可以测量的量，但是从工程实际的角度出发，总是选择物理上有意义或可测量的量作为状态变量。

能控性和能观性

定义

线性系统的能控性
在输入端施加适当的控制作用后，如果系统状态能在有限时间内从任一初始状态转移到希望的状态上，则系统是状态完全能控的，否则不完全能控。

线性系统的能观测性
如果通过在一段时间内对系统输出的观测，系统的任何内部运动状态变化都可由系统的外部输出和输入唯一地确定，那么称系统是状态完全能观测的，否则不完全能观测。

秩判据

线性连续定常n状态系统$\{\begin{array}{c}{\vec{x}}^{\prime }=A\vec{x}+Bu\\ \vec{y}=C\vec{x}\end{array}$完全能控的充要条件是矩阵$M=[B,AB,A^{2}B,\cdots ,A^{n-1}B]$的秩为n，完全能观的充要条件是矩阵$N=\left[\begin{array}{c}C\\ CA\\ C{A}^2\\ \cdots \\ C{A}^{n-1}\end{array}\right]$的秩为n。

单输入单输出（SISO）系统的能控与能观标准型

对于$\{\begin{array}{c}{\vec{x}}^{\prime }=A\vec{x}+\vec{b}u\\ \vec{y}=C\vec{x}\end{array}$型系统，有如下四种变换。
使用上述四种变换中的某种变换T时，上述方程组将变为$\{\begin{array}{c}{T}^{-1}{\vec{x}}^{\prime }=T^{-1}AT\cdot T^{-1}\vec{x}+T^{-1}\vec{b}u\\ \vec{y}=CT\cdot T^{-1}\vec{x}\end{array}$。
因此，标准型为$\tilde{x}=T^{-1}x,\tilde{A}=T^{-1}AT,\tilde{b}=T^{-1}\vec{b},\tilde{C}=CT$。
一般大题中所说的标准型都是第II型。

（1）能控标准I型：$\tilde{A}=\left[\begin{array}{ccccc}& & & & -a_n\\ 1& & & & -a_{n-1}\\ & 1& & & -a_{n-2}\\ & & \ddots & & \cdots \\ & & & 1& -a_1\end{array}\right],\tilde{b}=\left[\begin{array}{c}1\\ 0\\ 0\\ \cdots \\ 0\end{array}\right]$，此处的A被称为友矩阵的转置。
变换$T_{c1}=M$可将完全能控系统转换为能控标准I型。

（2）能控标准II型：$\tilde{A}=\left[\begin{array}{ccccc}& 1& & & \\ & & 1& & \\ & & & \ddots & \\ & & & & 1\\ -a_n& -a_{n-1}& -a_{n-2}& \cdots & -a_1\end{array}\right],\tilde{b}=\left[\begin{array}{c}0\\ 0\\ 0\\ \cdots \\ 1\end{array}\right]$，此处的A被称为友矩阵。
变换$T_{c2}={\left[\begin{array}{c}T\\ TA\\ T{A}^2\\ \cdots \\ T{A}^{n-1}\end{array}\right]}^{-1}$可将完全能控系统转换为能控标准II型，其中$T=[0,0,0,\cdots ,1]M^{-1}$。

（3）能观测标准I型：$\tilde{A}=\left[\begin{array}{ccccc}& 1& & & \\ & & 1& & \\ & & & \ddots & \\ & & & & 1\\ -a_n& -a_{n-1}& -a_{n-2}& \cdots & -a_1\end{array}\right],\tilde{C}=[1,0,0,\cdots ,0]$
变换$T_{o1}=N^{-1}$可将完全能观测系统转换为能观测标准I型。

（4）能观测标准II型：$\tilde{A}=\left[\begin{array}{ccccc}& & & & -a_n\\ 1& & & & -a_{n-1}\\ & 1& & & -a_{n-2}\\ & & \ddots & & \cdots \\ & & & 1& -a_1\end{array}\right],\tilde{C}=[0,0,0,\cdots ,1]$
变换$T_{o2}=[T,AT{A}^{2}T,\cdots ,A^{n-1}T]$可将完全能观测系统转换为能观测标准II型，其中$T=N^{-1}\left[\begin{array}{c}0\\ 0\\ 0\\ \cdots \\ 1\end{array}\right]$。

能控/能观测系统的矩阵可以转换为相应的标准型，具有能控/能观测标准型矩阵的系统也必然能控/能观。
若两个系统满足$A_2=A_1^T,B_2=B_1^T,C_2=C_1^T$，则称这两个系统对偶。
因为同型的能控和能观测标准型矩阵对偶，所以完全能控/能观测系统的对偶系统完全能观测/能控。

控制系统的稳定性分析

若给定初始时间t₀和初始状态x₀时，任意的t都唯一地对应一个状态x，则称t变化时x形成一条状态轨迹，且这一映射被记作x=Φ(t;x₀,t₀)。
若存在不随时间t变化的状态矢量x_e，则称其为系统的平衡状态，令${\vec{x}}^{\prime }=\vec{0}$即可求出系统的平衡状态。

系统的自由响应有界是指t→∞时状态轨迹陷入某个小球域S(ε)中，即$\forall t\ge t_0,\exists \epsilon >0,||\vec{x}-{\vec{x}}_e||\le \epsilon$。
上式也被记作$\forall t\ge t_0,\exists \epsilon \ge 0,||\Phi (t;{\vec{x}}_0,t_0)-{\vec{x}}_e||\le \epsilon$，其中的范数为2-范数。
李雅普诺夫意义下稳定是指对于任意初始状态x₀出发的解都满足$\forall t\ge t_0,\forall \epsilon >0,\exists \delta (\epsilon ,t_0)>0,||\Phi (t;{\vec{x}}_0,t_0)-{\vec{x}}_e||\le \delta$。
一致稳定是指在李雅普诺夫意义下稳定的基础上，δ与t₀无关。
渐进稳定是指在某些初始状态下，状态轨迹不仅不超出小球域S(ε)，最终还收敛于x_e。
大范围渐进稳定是指无论在状态空间中取哪一初始状态，状态轨迹最终都收敛于x_e。
不稳定是指存在从球域S(δ)内出发并超出球域S(ε)的状态轨迹。

李雅普诺夫第二法

李雅普诺夫第二法的基本思想就是通过定义和分析一个在平衡态邻域的关于运动状态的广义能量函数来分析平衡态的稳定性。
如果存在一个满足下列条件标量函数V(x)：
（1）V(x)对x的各个分量都有连续的一阶偏导数；
（2）V(x)是正定的，即V(x)≥0，仅当x的各阶分量为0时它才为0；
（3）V(x)沿状态轨迹方向计算的时间导数V’(x)分别满足下列条件：
（3-1）稳定判据：若V’(x)为半负定（且不渐进稳定），那么平衡状态x_e是李雅普诺夫意义下稳定的。
（3-2）渐进稳定判据：若V’(x)为负定，或者V’(x)即使半负定，但对任意非零初始状态来说V’(x)不恒为0，那么原点处的平衡状态是渐进稳定的。如果还有||x||→∞时V(x)→∞，则原点处的平衡状态是大范围渐进稳定的。
（3-3）不稳定判据：若V’(x)正定，则平衡状态x_e不稳定。

一般设标量函数V(x)=∑x_i²，再求其导数$V^{\prime }(\vec{x})={\vec{x}}^{T}P\vec{x}$，通过P的特征值判断系统的稳定性。

例题

劳斯稳定判据

若系统的特征方程为$s^4+4s^3+13s^2+36s+K=0$，那么K为多少时系统稳定？
解：列出劳斯表：
$\begin{array}{cccc}{s}^4|& 1& 13& K\\ s^3|& 4& 36& \\ s^2|& \frac{13\times 4-1\times 36}{4}=4& \frac{4K-1\times 0}{4}=K& \\ s^1|& \frac{36\times 4-4K}{4}=36-K& & \\ s^0|& K& & \end{array}$
显然，系统稳定时满足K>0和36-K>0，所以答案为0<K<36。

求电路的控制模型

设上述电路的输入为e，输出为y，则可列四个方程：
$\{\begin{array}{c}e=i{R}_0+L{i}_L^{\prime }\\ L{i}_L^{\prime }=u_C+y\\ i=i_L+C{u}_C^{\prime }\\ y=R_{1}C{u}_C^{\prime }\end{array}$
为了使状态变量最少，可把i消去，变成只剩i_L和u_C两个状态变量：
$\{\begin{array}{c}e=R_0{i}_L+R_{0}C{u}_C^{\prime }+L{i}_L^{\prime }\\ L{i}_L^{\prime }=u_C+y\\ y=R_{1}C{u}_C^{\prime }\end{array}$
将其整理成x’=Ax+Bu，y=Cx+Du的形式即为：
$\left[\begin{array}{c}{i}_L^{\prime }\\ u_C^{\prime }\end{array}\right]=\left[\begin{array}{cc}-\frac{R_0{R}_1}{(R_0+R_1)L}& \frac{R_0}{(R_0+R_1)L}\\ -\frac{R_0}{(R_0+R_1)C}& -\frac{1}{(R_0+R_1)C}\end{array}\right]\left[\begin{array}{c}{i}_L\\ u_C\end{array}\right]+\left[\begin{array}{c}\frac{R_1}{(R_0+R_1)L}\\ \frac{1}{(R_0+R_1)C}\end{array}\right]e,y=[-\frac{R_0{R}_1}{R_0+R_1},-\frac{R_1}{R_0+R_1}]\left[\begin{array}{c}{i}_L\\ u_C\end{array}\right]+\frac{R_1}{R_0+R_1}e$
写成状态空间的一般表达式为：
$\left[\begin{array}{c}{x}_1^{\prime }\\ x_2^{\prime }\end{array}\right]=\left[\begin{array}{cc}-\frac{R_0{R}_1}{(R_0+R_1)L}& \frac{R_0}{(R_0+R_1)L}\\ -\frac{R_0}{(R_0+R_1)C}& -\frac{1}{(R_0+R_1)C}\end{array}\right]\left[\begin{array}{c}{x}_1\\ x_2\end{array}\right]+\left[\begin{array}{c}\frac{R_1}{(R_0+R_1)L}\\ \frac{1}{(R_0+R_1)C}\end{array}\right]u,y=[-\frac{R_0{R}_1}{R_0+R_1},-\frac{R_1}{R_0+R_1}]\left[\begin{array}{c}{x}_1\\ x_2\end{array}\right]+\frac{R_1}{R_0+R_1}u$

画状态变量图

设三阶系统状态空间表达式为$\{\begin{array}{c}{x}_1^{\prime }=x_2\\ x_2^{\prime }=x_3\\ x_3^{\prime }=-6x_1-3x_2-2x_3+u\\ y=x_1+x_3\end{array}$
对前三个式子积分得$x_1=\int x_2\mathrm{d}x,x_2=\int x_3\mathrm{d}x,x_3=\int (-6x_1-3x_2-2x_3+u)\mathrm{d}x$
则其状态变量图为：

能控性和能观性

解该电路得$\left[\begin{array}{c}{i}_1^{\prime }\\ u_C^{\prime }\end{array}\right]=\left[\begin{array}{cc}-\frac{R_1}{L}& 0\\ 0& -\frac{1}{R_{2}C}\end{array}\right]\left[\begin{array}{c}{i}_1\\ u_C\end{array}\right]+\left[\begin{array}{c}\frac{1}{L}\\ \frac{1}{R_{2}C}\end{array}\right]u$，输出为$i=[1,-\frac{1}{R_2}]\left[\begin{array}{c}{i}_1\\ u_C\end{array}\right]+\frac{u}{R_2}$。
所以，$A=\left[\begin{array}{cc}-\frac{R_1}{L}& 0\\ 0& -\frac{1}{R_{2}C}\end{array}\right],B=\left[\begin{array}{c}\frac{1}{L}\\ \frac{1}{R_{2}C}\end{array}\right],C=[1,-\frac{1}{R_2}]$。
为了使系统能控，需使矩阵$M=[B,AB]=\left[\begin{array}{cc}\frac{1}{L}& -\frac{R_1}{L^2}\\ \frac{1}{R_{2}C}& -\frac{1}{R_2^2{C}^2}\end{array}\right]$满秩，解之得$R_1{R}_{2}C\ne L$。
为了使系统能观，需使矩阵$N=\left[\begin{array}{c}C\\ CA\end{array}\right]=\left[\begin{array}{cc}1& -\frac{1}{R_2}\\ -\frac{R_1}{L}& \frac{1}{R_2^{2}C}\end{array}\right]$满秩，解出来依然是$R_1{R}_{2}C\ne L$。