无/有扰动超螺旋滑模观测器的有限时间收敛证明

---

前言`

本文将就超螺旋观测器的有限时间收敛性进行证明。读者可以认为是2012年文献[1]的英文翻译成中文，如果想看更原汁原味的文章可以直接看原文。

STA可以用以下公式进行描述：
$$\begin{array}{c}\begin{array}{rl}{\dot{x}}_1& =-k_1|x_1{|}^{1/2}\mathrm{sign}(x_1)+x_2+{\rho }_1(x,t)\\ {\dot{x}}_2& =-k_2\mathrm{sign}(x_1)+{\rho }_2(x,t)\end{array}\end{array}$$
其中，$x_i$是状态变量，$k_i$是要被设计的增益，${\rho }_i$是干扰项。

一、无扰动下的超螺旋滑模观测器

先考虑${\rho }_1(x,t)=0$，${\rho }_2(x,t)=0$的情况，于是系统可以简化成以下形式。
$$\begin{array}{c}\begin{array}{rl}{\dot{x}}_1& =-k_1|x_1{|}^{1/2}\mathrm{sign}(x_1)+x_2\\ {\dot{x}}_2& =-k_2\mathrm{sign}(x_1)\end{array}\end{array}$$

变量变形

假设新的变量为$z^{\mathrm{T}}=[z_1,z_2]=\left[|x_1{|}^{1/2}\mathrm{sign}(x_1),x_2\right]$,于是
$$\dot{z}=\frac{1}{|z_1|}Az，A=\left[\begin{array}{cc}-\frac{1}{2}{k}_1& \frac{1}{2}\\ -k_2& 0\end{array}\right]$$
其中，$|z_1|=|x_1{|}^{1/2}$，考虑李雅普诺夫函数
$$V(x)=z^{T}Pz$$
其中，$P$是一个常数、对称、正定的矩阵。对其求导得
$$\begin{array}{c}\dot{V}=-|x_1{|}^{-1/2}{z}^{T}Qz\end{array}$$
其中，$P$，$Q$满足代数李亚普诺夫Algebraic Lyapunov Equation (ALE)方程
$$A^{T}P+PA=-Q$$
当$k_1>0,k_2>0$时，$A$是Hurwitz矩阵（所有特征值为负），则对于任意的矩阵$Q=Q^T>0$,存在唯一矩阵$P=P^T>0$使其满足上式。接下来给出定理1。

定理

定理1.考虑无干扰的STO，具有固定增益$k_1$,$k_2$，具有以下性质：
1.原点$x=0$是有限时间稳定的。
2.矩阵$A$是Hurwitz矩阵，其所有特征值具有负实部。
3.增益$k_1>0,k_2>0$。
4.对于任意的矩阵$Q=Q^T>0$,存在唯一矩阵$P=P^T>0$满足ALE方程。

证明

定理中2、3、4的证明可以从线性时不变系统的李雅普诺夫稳定性中得到。因此主要证明定理中的性质1。$V(x)=z^{T}Pz=p_{11}|x_1|+2p_{12}{x}_2|x_1{|}^{1/2}\mathrm{sign}(x_1)+p_{22}{x}_2^2$，其中$p_{ij}$是矩阵$P$的分量。于是$V$是关于$x$的完全连续(Absolute Continuous,AC)函数，它是正定的且径向无界的。可以得到
$$\begin{array}{c}{\lambda }_{min}(P)||z|{|}^2\le V(x)\le {\lambda }_{max}(P)||z|{|}^2\end{array}$$
其中，$||z|{|}^2=|x_1|+x_2^2$，$\lambda (P)$为矩阵$P$的特性值。为了保证收敛到0，有必要证明沿着系统(2)的轨迹$\varphi (t,x_0)$,$V(\varphi (t,x_0))$会单调减少。当李雅普诺夫函数连续可微，或者至少是局部Lipschitz连续，通常借助李雅普诺夫定理。然而，$V(x)$在$x_1=0$处，其中的$|x_1{|}^{1/2}\mathrm{sign}(x_1)$项导致了其不满足前面的两个条件。
说明：Lipschitz连续即存在L使得$|f(x)-f(y)|\le L|x-y|$。显然$\left||x{|}^{1/2}\mathrm{sign}(x)-0\right|/|x|=x^{-1/2}\le L$，当$x$趋于0时，这样的$L$显然不存在。

于是，可以通过Zubov的理论[2,Theorem 20.2,p. 568.]，这个理论只需要李雅普诺夫函数的连续性来证明收敛性。
如果我们可以证明$V(\varphi (t,x_0))$时间的AC函数，则当且仅当$\dot{V}$几乎处处负定$V(\varphi (t,x_0))$是单调递减函数[3,p.207]。注意到$V(\varphi (t,x_0))=V\circ \varphi (t,x_0)$ 是函数 $V(x)$ 和 $\varphi (t,x_0)$ 的组合，其中 $V(x)$ 是关于 $x$ 的 AC 函数，而 $\varphi (t,x_0)$ 根据微分方程(1)包含的解的定义是关于时间的 AC 函数。然而两个AC函数的组合通常不是一个AC函数[4,p. 391]。两个AC函数的加发和乘法总是一个AC函数，但是两个（标量）AC函数$h\circ g$可以是AC函数，如果它们满足$h$是利普西茨或者$g$是单调的[4,p. 391]。在
$$V(\varphi (t,x_0))=p_{11}|{\varphi }_1(t,x_0)|+2p_{12}{\varphi }_2(t,x_0)|{\varphi }_1(t,x_0){|}^{1/2}\mathrm{sign}({\varphi }_1(t,x_0))+p_{22}{x}_2^2$$
中，确定$V(\varphi (t,x_0))$是AC函数的问题项是这一项，$|x_1{|}^{1/2}\mathrm{sign}(x_1)\circ {\varphi }_1(t,x_0)={\varphi }_1(t,x_0){|}^{1/2}\mathrm{sign}({\varphi }_1(t,x_0))$，并且$|x_1{|}^{1/2}\mathrm{sign}(x_1)$在$x_1=0$处是非利普西茨的。接下来，我们将说明当${\varphi }_1(t,x_0)$经过${\varphi }_1(t,x_0)=0$，它是单调的，这也就证明了$V(\varphi (t,x_0))$是$t$的AC函数，因此它的导数几乎处处都有定义。

为了证明${\varphi }_1(t,x_0)$经过0的时候是单调的，假设在$t=\tau$时刻，${\varphi }_1(\tau ,x_0)=0$,${\varphi }_2(t,x_0)\ne 0$。从微分方程可以得到${\dot{x}}_1\in -k_1|x_1{|}^{1/2}\mathrm{sign}(x_1)+x_2$。则${\varphi }_1(t,x_0)$在包含$\tau$的某个区间内单调递增或者递减。如果在$t=\tau$时刻，${\varphi }_1(\tau ,x_0)=0$,${\varphi }_2(t,x_0)=0$，${\varphi }_1(\tau ,x_0)$将已知保持在0处。在上述两种情况下$V(\varphi (t,x_0))$均是AC函数。

由于$V(\varphi (t,x_0))$并且$\dot{V}$(3)几乎处处不可微(n.d)，它遵循$V(\varphi (t,x_0))$是单调递减函数[3,p.207]。
此处为原文原话：Since $V(\varphi (t,x_0))$ is AC and $\dot{V}$(3) is n.d. almost everywhere, it follows that $V(\varphi (t,x_0))$ is a monotonically decreasing function [3, p. 207].

此外，从(4)式可知$|x_1{|}^{1/2}\le ||z||\le {\lambda }_{min}^{-1/2}(P)V^{1/2}$，于是$|x_1{|}^{-1/2}\ge {\lambda }_{min}^{1/2}(P)V^{-1/2}$。同理可以得到$z^{T}Qz\ge {\lambda }_{min}(Q)||z{|}^2\ge {\lambda }_{min}(Q){\lambda }_{max}^{-1}(P)V$，于是可以得到：
$$\begin{array}{c}\dot{V}=-|x_1{|}^{-1/2}{z}^{T}Qz\le -\sigma V^{1/2}\end{array}$$
其中 ，$\sigma =\frac{{\lambda }_{min}^{1/2}(P){\lambda }_{min}(Q)}{{\lambda }_{max}(P)}$。因为AC函数是它导数的积分，可以得到：
$$\begin{gathered} V(\varphi (t,x_0))-V(\varphi (0,x_0))={\int }_0^t\dot{V}(\varphi (\tau ,x_0))d\tau \\ \le -\sigma {\int }_0^t{V}^{1/2}(\varphi (\tau ,x_0))d\tau \end{gathered}$$
根据Bihari不等式[2, p.509]可以推出$V(\varphi (t,x_0))\le (V^{1/2}(x_0)-(\sigma /2)t{)}^2$，所以将在$T_{（}{x}_0）=\frac{2}{\sigma }{V}^{1/2}(x_0)$内收敛到0。

有关这里，可以使用换元法直接分析证明。针对（5）式进行变形。令$y=V^{1/2}>0$,则可以得到$\dot{y}=\frac{1}{2}\dot{V}{V}^{-1/2}$，于是$\dot{V}=2y\dot{y}$，带入(5)得，$2y\dot{y}\le -\sigma y$，于是$\dot{y}\le -\frac{\sigma }{2}$，于是$y\le y(0)-\frac{\sigma }{2}t$，于是$V\le (V(0)-\frac{\sigma }{2}t{)}^2$。

接下来，为了更深刻地说明定理1的性质1和性质2是等价的，我们假设矩阵A不是赫尔维兹(Hurwitz)矩阵,我们将证明$x=0$对系统（2）来说不是渐近稳定的。接下来将讨论一下几种情况。假设矩阵A的特征值为${\lambda }_{1,2}=k_1/4\pm \sqrt{k_1^2/16-k_2/2}$
(1) ${\lambda }_{1,2}$是虚数,$k_1=0,k_2>0$。于是，对于ALE方程$Q=0$, P = diag { k 2 , 1 } P=\text{diag}\{k_2,1\} P=diag{k2​,1}。所以$V(x)$是局部利普西茨，以及正定(p.d.)的。并且$\dot{V}=0$，即$V(x)$为常数且无法收敛到0。
(2) ${\lambda }_{1,2}=0$,$k_1=0,k_2=0$，在这种情况下系统(2)是线性的，显然关于原点是不稳定的。
(3) ${\lambda }_{1,2}$是不同符号的实数，$k_1^2\ge 8k_2,k_2<0$，于是可以得到
$P_c=\left[\begin{array}{ll}-k_1& 1\\ 1& 0\end{array}\right],Q_c=\left[\begin{array}{ll}2k_2-k_1^2& k_1\\ k_1& -1\end{array}\right]<0$是ALE方程的解。 Chetaev的不稳定关系推广将在这里用来证明[5, Theorem 4.3]。对于函数$V_c(x)=z^T{P}_{c}z$，在集合$U=\left\{z\in {\mathbb{R}}^2\mid z_1\left(2z_2-k_1{z}_1\right)>0\right\}$中是正定的。$U$包含了原点附近的任意点，并且在$V_c(x)=0$处有边界 { z 1 = 0 } \{z_1=0\} {z1​=0}和 { 2 z 2 = k 1 z 1 } \{2 z_2=k_1 z_1\} {2z2​=k1​z1​}。
对于任意的初始点$x_0\in U\cap B_r$, B r = { z ∈ R 2 ∣ ∣ z ∣ ∣ ∣ ≤ r B_r=\{z\in \mathbb{R}^2 ||z||\mid \leq r Br​={z∈R2∣∣z∣∣∣≤r，$V_c(x_0)>0$，既然${\dot{V}}_c(x)=-|x_1{|}^{-1/2}{z}^T{Q}_{c}z>0$在$U$内，轨迹$V(\varphi (t,x_0))$必然会穿过$B_r$的边界离开$U\cap B_r$。因此原点是不稳定的。
注：此处和原文不一致。原文为For any initial point $x_0\in U\cap B_r$, with B r = { z ∈ R 2 ∣ ∣ z ∣ ∣ ∣ ≤ r B_r=\{z\in \mathbb{R}^2 ||z||\mid \leq r Br​={z∈R2∣∣z∣∣∣≤r, $V_c(x_0)>0$ , and,since${\dot{V}}_c(x)=z^T{Q}_{c}z>0$ in $U$, the trajectory $V(\varphi (t,x_0))$ has to leave $U\cap B_r$ through the boundary of $B_r$. This implies that the origin is unstable.
(4) ${\lambda }_{1,2}$其中一个数是负数，$k_1\ne 0,k_2=0$。则$z_2(t)$恒等于$z_2(0)$，所以不可能有渐进稳定性。
(5)${\lambda }_{1,2}$的实部均为正数。所以矩阵A是Anti-Hurwitz。解ALE得对每一个负定的矩阵Q，均有一个正定解P。因此系统是不稳定的。

目前有关带干扰的有限时间滑模观测器还未完成。文章中标黄的位置是笔者不理解的地方或者是自己思考后的心得，文章难免有疏漏之处，希望读者可以指出，谢谢。12.10日

三、参考文献

[1].J. A. Moreno and M. Osorio, “Strict Lyapunov Functions for the Super-Twisting Algorithm,” in IEEE Transactions on Automatic Control, vol. 57, no. 4, pp. 1035-1040, April 2012, doi: 10.1109/TAC.2012.2186179.
[2].A. S. Poznyak, Advanced Mathematical Tools for Automatic Control Engineers. Amsterdam, The Netherlands: Elsevier, 2008, vol. 1, Deterministic Techniques, p. 774.
[3].A. Baccioti and L. Rosier, Liapunov Functions and Stability in Control Theory, 2nd ed. New York: Springer-Verlag, 2005.
[4].V. I. Bogachev, Measure Theory. Berlin, Germany: Springer-Verlag,2007, vol. I, p. 491.
[5]. H. K. Khalil, Nonlinear Systems, Third ed. Upsaddle River, NJ: Prentice–Hall, 2002, p. 750.