2003~2010中国科学技术大学845自动控制理论证明题

2003 七、

1.系统的能控标准型
$$\begin{array}{rl}\dot{x}& =\left[\begin{array}{ccc}0& 1& 0\\ 0& 0& 1\\ -4& -3& -2\end{array}\right]x+\left[\begin{array}{c}0\\ 0\\ 1\end{array}\right]u\\ y& =\left[\begin{array}{ccc}1& 3& 2\end{array}\right]x\end{array}$$
2.闭环系统为
$$\begin{array}{rl}\dot{x}& =(A+bk)x+bv\\ y& =cx\end{array}$$
闭环系统一定能控，因为
$a$.能控标准型一定能控；
$b$.状态反馈不改变系统的能控性。
3.闭环系统不一定能观，因为可通过选择$k$使闭环极点得以任意配置，而闭环零点位置不变，当闭环零极点相同时，对消，能控能观性之一被破坏，因闭环系统一定能控，只能是能观性被破坏。综上所述，符合要求的期望特征多项式为
$$f(s)=(s^2+3s+2)(s+1)=s^3+4s^2+5s+2$$
当$k=\left[\begin{array}{ccc}{k}_1& k_2& k_3\end{array}\right]$时，闭环系统的特征多项式为
$$f(s)=\det (\lambda I-A-bk)=s^3+(k_2+2)s^2+(k_3+3)s+(k_1+4)$$
比较系数得
$$k=\left[\begin{array}{ccc}{k}_1& k_2& k_3\end{array}\right]=\left[\begin{array}{ccc}-2& 2& 2\end{array}\right]$$
此时闭环系统的传递函数为
$$G_0(s)=\frac{1}{s+1}$$

2004 七、

1.系统的能控矩阵
$$Q_c=\left[\begin{array}{ccccc}b& Ab& A^{2}b& \cdots & A^{n-1}b\end{array}\right]$$
系统的能观矩阵
$$Q_o=\left[\begin{array}{c}c\\ cA\\ c{A}^2\\ ⋮\\ c{A}^{n-1}\end{array}\right]$$
得
$$Q_o{Q}_c=\left[\begin{array}{ccccc}cb& cAb& c{A}^{2}b& \cdots & c{A}^{n-1}b\\ cAb& c{A}^{2}b& c{A}^{3}b& \cdots & c{A}^{n}b\\ c{A}^{2}b& c{A}^{3}b& c{A}^{4}b& \cdots & c{A}^{n+1}b\\ ⋮& ⋮& ⋮& \ddots & ⋮\\ c{A}^{n-1}b& c{A}^{n}b& c{A}^{n+1}b& \cdots & c{A}^{2(n-1)}b\end{array}\right]$$
法一：
当$c{A}^{i}b=0(i=1,2,\cdots ,n-2)$，$c{A}^{n-1}b\ne 0$时，$|Q_o{Q}_c|=|Q_o|\cdot |Q_c|\ne 0$，即$|Q_o|\ne 0$，$|Q_c|\ne 0$，此时$Q_c$和$Q_o$均满秩，故系统既能控又能观。
法二：
$$Q_o{Q}_c=\left[\begin{array}{ccccc}0& 0& 0& \cdots & c{A}^{n-1}b\\ 0& 0& 0& \cdots & c{A}^{n}b\\ 0& 0& c{A}^{n-1}b& \cdots & c{A}^{n+1}b\\ ⋮& ⋮& ⋮& \ddots & ⋮\\ c{A}^{n-1}b& c{A}^{n}b& c{A}^{n+1}b& \cdots & c{A}^{2(n-1)}b\end{array}\right]$$
这个是下三角矩阵，反对角线上元素全非零，矩阵满秩。根据矩阵理论必有$Q_c$、$Q_o$必满秩。所以系统既能控又能观。
2.系统的传递函数为
$$G(s)=c(sI-A{)}^{-1}b=\frac{N(s)}{D(s)}$$
其分母的首一多项式为
$$D(s)=\det (sI-A)$$
构造单位输出正反馈
$$u=v+y$$
闭环系统的状态空间方程为
$$\begin{array}{rl}\dot{x}& =(A+bc)x+bv\\ y& =cx\end{array}$$
其传递函数为
$$G_0(s)=c(sI-A-bc{)}^{-1}b=\frac{N_0(s)}{D_0(s)}$$
分母的首一多项式为
$$D_0(s)=\det (sI-A-bc)$$
$G(s)$与$G_0(s)$的关系为
$$G(s)=\frac{N(s)}{D(s)}=\frac{G_0(s)}{1+G_0(s)}=\frac{N_0(s)}{D_0(s)+N_0(s)}=\frac{D(s)-D_0(s)}{D(s)}$$
代入上述结果得
$$G(s)=\frac{N(s)}{D(s)}=\frac{\det (sI-A)-\det (sI-A-bc)}{\det (sI-A)}$$

2005 七、

1.系统的线性变换为
$$x=P\bar{x}$$
线性变换后系统的特征多项式为
$$\begin{array}{rl}|\lambda I-\bar{A}|& =|\lambda I-P^{-1}AP|\\ & =|P^{-1}\lambda P-P^{-1}AP|\\ & =|P^{-1}(\lambda I-A)P|\\ & =|P^{-1}||\lambda I-A||P|\\ & =|\lambda I-A|\end{array}$$
上式表明，系统的非奇异线性变换不改变系统的特征多项式和特征值，而系统渐近稳定性取决于系统的特征值，则非奇异线性变换不改变系统的渐近稳定性。
2. { A , b } \{A,b\} {A,b}能控，则一定能通过非奇异线性变换转换为能控标准型，设变换矩阵为$P$，则
$$\begin{gathered} \bar{A}=P^{-1}AP=\left[\begin{array}{cccccc}0& 1& 0& 0& \cdots & 0\\ 0& 0& 1& 0& \cdots & 0\\ 0& 0& 0& 1& \cdots & 0\\ ⋮& ⋮& ⋮& ⋮& \ddots & 1\\ -a_n& -a_{n-1}& -a_{a-2}& -a_{a-3}& \cdots & -a_1\end{array}\right] \\ \bar{b}=P^{-1}b=\left[\begin{array}{c}0\\ 0\\ 0\\ ⋮\\ 1\end{array}\right] \end{gathered}$$
不妨取
$$\bar{c}=cP=\left[\begin{array}{cccccc}1& 0& 0& 0& \cdots & 0\end{array}\right]$$
而此时能观性矩阵为
$$Q_o=\left[\begin{array}{c}c\\ cA\\ c{A}^2\\ ⋮\\ c{A}^{n-1}\end{array}\right]=\left[\begin{array}{ccccc}1& 0& 0& \cdots & 0\\ 0& 1& 0& \cdots & 0\\ 0& 0& 1& \cdots & 0\\ ⋮& ⋮& ⋮& \ddots & ⋮\\ 0& 0& 0& \cdots & 1\end{array}\right]$$
系统能观，非奇异线性变换不改变系统的能控性和能观性，则原系统一定存在行向量$c$，使得 { A , c } \{A,c\} {A,c}能观。

2006 七、

1.系统的传递函数为
$$G(s)=\frac{b_{n-1}{s}^{n-1}+b_{n-2}{s}^{n-2}+\cdots +b_{1}s+b_0}{s^n+a_{n-1}{s}^{n-1}+a_{n-2}{s}^{n-2}+\cdots +a_{1}s+a_0}$$
因为系统能控，存在非奇异线性变换$\bar{x}=P^{-1}x$，可将系统变换为能控标准型系统，即
$$\begin{array}{rl}\bar{A}& =P^{-1}AP=\left[\begin{array}{ccccc}0& 1& 0& \cdots & 0\\ 0& 0& 1& \cdots & 0\\ ⋮& ⋮& ⋮& \ddots & ⋮\\ 0& 0& 0& \cdots & 1\\ -a_0& -a_1& -a_2& \cdots & -a_{n-1}\end{array}\right],\bar{b}=P^{-1}b=\left[\begin{array}{c}0\\ 0\\ ⋮\\ 0\\ 1\end{array}\right]\\ \bar{c}& =cP=\left[\begin{array}{ccccc}{b}_0& b_1& b_2& \cdots & b_{n-1}\end{array}\right]\end{array}$$
可知，传递函数的分子多项式的系数全部位于能控标准型系统的输出矩阵$\bar{c}$中。状态反馈$u=-Kx=-\bar{K}\bar{x}$，其中
$$\bar{K}=KP=\left[\begin{array}{ccccc}{k}_0& k_1& k_2& \cdots & k_{n-1}\end{array}\right]$$
状态反馈后，闭环系统 { A ˉ − b ˉ K ˉ , b ˉ , c ˉ } \{\bar{A}-\bar{b}\bar{K},\bar{b},\bar{c}\} {Aˉ−bˉKˉ,bˉ,cˉ}仍然时能控标准型，$\bar{c}$不变，从而系统的传递函数的分子不变，系统的零点不变。
2.系统不能控时，结论仍然正确，可对系统先进行能控性分解，再证明。

2007 七、

1.系统的状态方程的解为
$$x(t)=e^{At}x(0)+{\int }_0^t{e}^{At}bu(t-\tau )\text{d}\tau$$
在零初始态且输入为单位阶跃信号时，系统的输出响应为
$$y(t)=cx=c\left({\int }_0^t{e}^{At}b\cdot 1\text{d}\tau \right)=c\left({\int }_0^t{e}^{At}\text{d}\tau \right)b$$
令方阵函数$H(t)=A^{-1}(e^{At}-I)$，则$H(0)=\mathbf{O}$且
$$\frac{\text{d}}{\text{d}t}H(t)=\frac{\text{d}}{\text{d}t}(A^{-1}{e}^{At}-A^{-1})=A^{-1}\frac{\text{d}}{\text{d}t}(e^{At})=A^{-1}\cdot A{e}^{At}=e^{At}$$
对上式两端自$0$至$t$积分，得
$${\int }_0^t{e}^{A\tau }\text{d}\tau ={\int }_0^t\frac{\text{d}}{\text{d}\tau }H(\tau )\text{d}\tau =H(t)-H(0)=H(t)=A^{-1}(e^{At}-I)$$
将结果代入输出响应，可得要证明的结果
$$y(t)=c{A}^{-1}(e^{At}-I)b$$
2.反证法：
若矩阵$[A-\lambda Ib]$不满秩，则存在一个实数$\lambda$及一个$1\times n$向量$q\ne 0$使得
$$q[A-\lambda Ib]=0$$
则$qA=\lambda q$且$qb=0$，所以$q$是$A$的左特征向量，$\lambda$是$A$的特征值。进而可得
$$q{A}^2=(qA)A=({\lambda }_{1}q)A={\lambda }_1^{2}q\cdots \cdots$$
如此下去，有$q{A}^k={\lambda }_1^{n}q$。因此，有
$$q[bAb\cdots A^{n-1}b]=[qb{\lambda }_{1}qb\cdots {\lambda }_1^{n-1}qb]$$
这表明系统的能控性矩阵不满秩，它与系统能控的假设矛盾。命题得证。

2008 七、

1.若系统的能控性使用$PBH$判别法鉴别，由于
$$\left[\begin{array}{cc}sI-A& B\end{array}\right]=\left[\begin{array}{cc}sI-A-Bk& B\end{array}\right]\left[\begin{array}{cc}{I}_n& 0\\ k& I_m\end{array}\right]$$
$\left[\begin{array}{cc}{I}_n& 0\\ k& I_m\end{array}\right]$
满秩，可得
$$\rho \left[\begin{array}{cc}sI-A-Bk& B\end{array}\right]=\rho \left[\begin{array}{cc}sI-A& B\end{array}\right]$$
所以得到结论，状态反馈不改变系统能控性。
2.同一传递函数的两个最小实现具有相同的阶，也都能控，于是都存在状态变换使之与相应的能控标准型等价。设实现至能控标准型等价的变换矩阵分别为$P_1$及$P_2$，则两个实现之间的变换矩阵为$P_1{P}_2^{-1}$。

2009 七、

1.设系统状态变换前后的状态空间方程为
$$\begin{array}{rl}\dot{x}& =Ax+Bu\\ y& =Cx+Du\end{array},\begin{array}{rl}\dot{\bar{x}}& =\bar{A}\bar{x}+\bar{B}u\\ y& =\bar{C}\bar{x}+\bar{D}u\end{array}$$
变换矩阵为
$$\dot{x}=P\dot{\bar{x}}$$
则
$$\begin{array}{rl}\bar{A}& =P^{-1}AP\\ \bar{C}& =CP\end{array}\begin{array}{rl}\bar{B}& =P^{-1}B\\ \bar{D}& =D\end{array}$$
状态变换后系统的特征值为
$$\begin{array}{rl}\bar{f}(\lambda )& =\det (\lambda I-\bar{A})\\ & =\det (\lambda I-P^{-1}AP)\\ & =\det [P^{-1}(\lambda I-A)P]\\ & =det(P^{-1})det(\lambda I-A)\det (P)\\ & =det(\lambda I-A)\\ & =f(\lambda )\end{array}$$
系统的渐进稳定性和李雅普诺夫意义下的稳定性取决于特征值的分布，由上式可知，它们均不会因状态变换而改变。
状态变换后的系统传递函数为
$$\begin{array}{rl}\bar{G}(s)& =\bar{C}(sI-\bar{A}{)}^{-1}\bar{B}+\bar{D}\\ & =CP(sI-P^{-1}AP{)}^{-1}{P}^{-1}B+D\\ & =CP(P{)}^{-1}(sI-A{)}^{-1}(P^{-1}{)}^{-1}{P}^{-1}B+D\\ & =C(sI-A{)}^{-1}B+D\end{array}$$
系统的$BIBO$稳定性完全取决于系统既约传递函数的极点分布，由上式可知，它们均不会因状态变换而改变。
2.系统的能控性矩阵和能观性矩阵分别是
$$Q_c=\left[\begin{array}{ccccc}b& Ab& A^{2}b& \cdots & A^{n-1}b\end{array}\right],Q_o=\left[\begin{array}{c}c\\ cA\\ c{A}^2\\ ⋮\\ c{A}^{n-1}\end{array}\right]$$
它们的乘积为
$$\begin{array}{rl}{Q}_C{Q}_O& =bc+AbcA+A^{2}bc{A}^2+\cdots +A^{n-1}bc{A}^{n-1}\\ & =bc+bcAA+bc{A}^2{A}^2+\cdots +bc{A}^{n-1}{A}^{n-1}\\ & =ba(I+A^2+A^4+\cdots +A^{2(n-1)})\end{array}$$
所以
$$rank(Q_c{Q}_o)⩽rank(bc)⩽1$$
即当$n⩾2$时，乘积矩阵不满秩，则其中至少一个不满秩，能控性与能观性至少有一个被破坏，系统不可能是既是能控又能观， { A , b , c } \{A,b,c\} {A,b,c}不是其传递函数的最小实现。

2010 七、

1.因为 { A , b , c } \{A,b,c\} {A,b,c}是传递函数$\hat{g}(s)$的一个实现，故有
KaTeX parse error: Expected '}', got 'EOF' at end of input: …=c(sI-A)^{-1]b
而系统 { A T , c T , b T } \{A^T,c^T,b^T\} {AT,cT,bT}的传递函数为
$${\hat{g}}_T(s)=b^T(sI-A^T{)}^{-1}{c}^T=[c(sI-A{)}^{-1}b{]}^T=[\hat{g}(s){]}^T=\hat{g}(s)$$
这说明系统 { A T , c T , b T } \{A^T,c^T,b^T\} {AT,cT,bT}也是$\hat{g}(s)$的一个实现，上式中最后一个等式能成立是因为传递函数$\hat{g}(s)$是标量。
2.系统 { A , b , c } \{A,b,c\} {A,b,c}能达是指对状态空间中的任意状态$x_r$，存在一定义在有限时间域$[0,t_f]$上的控制函数$u_r(t)$，使得
$$x_r={\int }_0^{t_f-\tau }{e}^{At}B{u}_r(\tau )\text{d}\tau$$
而系统 { A T , c T , b T } \{A^T,c^T,b^T\} {AT,cT,bT}能控是指对状态空间中的任意状态$x_c$，存在一定义在有限时间域$[0,t_f]$上的控制函数$u_c(t)$，使得
$$x(t_f)=e^{A{t}_f}{x}_c+{\int }_0^{t_f-\tau }{e}^{A\tau }b{u}_c(t)\text{d}\tau =0$$
即
$$-e^{A{t}_f}{x}_c=e^{A{t}_f}{x}_c+{\int }_0^{t_f-\tau }{e}^{A\tau }b{u}_c(t)\text{d}\tau$$
显然，为了针对指定的传状态$x_c$求实现能控的$u_c(t)$，可化归为针对目标状态$-e^{A{t}_f}{x}_c$求实现能达的$u_c(t)$；同样为了针对指定的目标状态$x_r$求实现能达的$u_r(t)$，可化归为针对目标状态$-e^{A{t}_f}{x}_r$求实现能控的$u_c(t)$；由于$-e^{A{t}_f}{x}_c$和$-e^{A{t}_f}{x}_r$满秩，故上述两种化归均可顺利实现，即$-e^{A{t}_f}{x}_c$和$-e^{A{t}_f}{x}_r$都仍然能够保证在状态空间中的任意选取。