Lyapunov函数对微分方程稳定性的判别

最新推荐文章于 2025-02-19 20:37:17 发布

Mr.zwX

最新推荐文章于 2025-02-19 20:37:17 发布

阅读量4.2k

点赞数 3

分类专栏：【深度学习/神经网络】Deep Learning 文章标签：线性代数机器学习矩阵

本文链接：https://blog.csdn.net/qq_16763983/article/details/105204097

版权

【深度学习/神经网络】Deep Learning 专栏收录该内容

91 篇文章

订阅专栏

Lyapunov函数（广义能量函数）稳定性判别定理

考虑系统 $\dot{x}=f(x)$ ,设 $x_e=0$ 为一平衡点，如果存在连续可微的标量函数 $V (x)$ 满足：
（1） $V (x)$ 正定
（2） $\dot{V}=\frac{\partial V(x)}{\partial x}f(x)$ 半负定
则系统的平衡点 $x_e=0$ 是Lyapunov稳定的。

Lyapunov函数渐进稳定性判别定理

考虑系统 $\dot{x}=f(x)$ ,设 $x_e=0$ 为一平衡点，如果存在连续可微的标量函数 $V (x)$ 满足：
（1） $V (x)$ 正定
（2） $\dot{V}=\frac{\partial V(x)}{\partial x}f(x)$ 半负定
（3）集合{ $x\in R^n|\dot{V}(x)=0$ }不包括系统的除平衡点以外的状态轨迹，则系统的平衡点 $x_e=0$ 是Lyapunov渐进稳定的。
进一步，若 $V (x)$ 半径无穷大，则系统的平衡点 $x_e=0$ 是Lyapunov全局渐进稳定的。

推论

考虑系统 $\dot{x}=f(x)$ ,设 $x_e=0$ 为一平衡点,如果存在连续可微的标量函数 $V (x)$ 满足：
（1） $V (x)$ 正定
（2） $\dot{V}=\frac{\partial V(x)}{\partial x}f(x)$ 负定
则系统的平衡点 $x_e=0$ 是Lyapunov渐进稳定的。

ps.判断稳定性是利用了线性代数中的二次型正定矩阵等知识来定号

例题

1

求单摆在（0，0）处的稳定性

\left\{ \begin{aligned} \dot{x_1} & = x_2\\ \dot{x_2} & = -\frac{g}{l}sinx_1-\frac{k}{m}x_2 \\ \end{aligned} \right.

选择V函数： $\frac{g}{l}(l-cosx_1)+\frac{x_2^2}{2}.$
其中，
$V (x) 正定$
$\dot{V}(x)=\frac{g}{l}sinx_1\dot{x}_1+x_2\dot{x}_2$
将 $\dot{x}_1,\dot{x}_2$ 代入上式，
$\dot{V}(x)=-\frac{k}{m}x_2^2半负定$
$\therefore 单摆在（0，0）处稳定$

2

已知系统方程如下，用Lyapunov函数判断稳定性
$\left\{ \begin{aligned} \dot{x_1} & = x_2-x_1(x_1^2+x_2^2)\\ \dot{x_2} & = -x_1-x_2(x_1^2+x_2^2) \\ \end{aligned} \right.$
寻找平衡点：
$\left\{ \begin{aligned} x_2-x_1(x_1^2+x_2^2)& =0\\ -x_1-x_2(x_1^2+x_2^2) & =0 \\ \end{aligned} \right. \Rightarrow x_1=x_2=0$
选择V函数:
$V(x)=x_1^2+x_2^2$
其中，
$V (x) 正定$
$\dot{V}(x)=2x_1\dot{x_1}+2x_2\dot{x_2}=-2(x_1^2+x_2^2)^2负定$
$\therefore 系统在(0,0)渐进稳定，又由于V(x)半径无穷大，故该点全局渐进稳定$

连续时间线性系统稳定性判别

线性时不变系统稳定判据的间接法

1

$\left\{ \begin{aligned} \dot{x_1} & = x_2\\ \dot{x_2} & = -x_1 \\ \end{aligned} \right.$
$\left[ \begin{matrix} 0 & 1 \\ -1 & 0 \end{matrix} \right]\Rightarrow det(\lambda I-A)=\lambda ^2+1\Rightarrow \lambda _{1,2}=\pm i$
$\Rightarrow 系统所有平衡点稳定$

2

$\left\{ \begin{aligned} \dot{x_1} & = -x_1+x_2\\ \dot{x_2} & = -x_1-x_2 \\ \end{aligned} \right.$
$\left[ \begin{matrix} -1 & 1 \\ -1 & -1 \end{matrix} \right]\Rightarrow det(\lambda I-A)=(\lambda+1) ^2+1\Rightarrow \lambda _{1,2}=-1\pm i$
$\Rightarrow 系统所有平衡点渐进稳定$

3

$\left\{ \begin{aligned} \dot{x_1} & = x_1+x_2\\ \dot{x_2} & = -x_1+x_2 \\ \end{aligned} \right.$
$\left[ \begin{matrix} 1 & 1 \\ -1 & 1 \end{matrix} \right]\Rightarrow det(\lambda I-A)=(\lambda-1) ^2+1\Rightarrow \lambda _{1,2}=1\pm i$
$\Rightarrow 系统所有平衡点不稳定$

线性时不变系统稳定性判据的直接法

考虑 $\dot{x}=Ax$ 的平衡点 $x_e=0$ 稳定性，选择Lyapunov函数： $V(x)=x^TPx$
其中，P是正定矩阵， $A^TP+PA$ 是负定矩阵
$\dot{V}(x)=\dot{x}^TPx+x^TP\dot{x}=x^TA^TPx+x^TPAx=x^T(A^TP+PA)x<0(x\ne0)$