【现代控制理论基础】一、线性系统的状态空间描述

AXYZdong

已于 2022-01-24 14:09:39 修改

阅读量4.3k

点赞数 6

分类专栏：大学课程 # 【现代控制理论基础】文章标签：线性代数

于 2021-05-31 22:54:37 首次发布

本文链接：https://blog.csdn.net/qq_43328313/article/details/113447673

版权

大学课程同时被 2 个专栏收录

14 篇文章 18 订阅

订阅专栏

【现代控制理论基础】

4 篇文章 3 订阅

订阅专栏

Author：AXYZdong 自动化专业工科男
有一点思考，有一点想法，有一点理性！
定个小小目标，努力成为习惯！在最美的年华遇见更好的自己！
CSDN@AXYZdong，CSDN首发，AXYZdong原创
唯一博客更新的地址为： 👉 AXYZdong的博客 👈
B站主页为：AXYZdong的个人主页

文章目录

1.1 状态空间分析法

状态变量
$\to \begin{cases} 1、足以完全确定系统运动状态 \\ 2、个数又是最小 \end{cases}$
$\begin{cases} 1、x_{t=t_0} \\ 2、t \geq t_0 时刻的输入I_t \end{cases} \to完全确定在任何t \geq t_0 时刻的状态 x_t$
类似于函数： $x_t=f(x_{t_0},I_t)$
状态矢量
如果 $n$ 个状态变量用 $x_1(t),x_2(t),...,x_n(t)$ 表示，并把这些状态变量看作是矢量 $x (t)$ 的分量，则称 $x (t)$ 为状态矢量，记作：
$x(t)=\begin{pmatrix} x_1(t) \\ x_2(t)\\ \vdots \\ x_n(t) \\ \end{pmatrix}$
状态空间
以状态变量用 $x_1(t),x_2(t),...,x_n(t)$ 为坐标轴所构成的 $n$ 维空间，称为状态空间。
状态方程
由系统的状态变量构成的一阶微分方程组称为系统的状态空间。

例：以 $R - L - C$ 电路说明如何用状态变量描述系统
在这里插入图片描述

^{▲ 图1}

$\begin{cases} C\cdot\frac{du_c}{dt}=i \\[2ex] L\cdot\frac{di}{dt}+Ri+u_c=u \end{cases} \implies \begin{cases} \acute{u}_c=\frac{1}{C}\cdot i \\[2ex] \acute{i}=-\frac{1}{L}u_c-\frac{R}{L}i+\frac{1}{L}u \end{cases} \tag1$
$\begin{cases} x_1=u_c \\[2ex] x_2=i \end{cases} \implies \begin{pmatrix} \acute{x_1}\\[2ex] \acute{x_2}\\ \end{pmatrix} = \begin{pmatrix} 0 & \large\frac{1}{C}\\[2ex] \large-\frac{1}{L} & \large-\frac{R}{L}\\ \end{pmatrix} \begin{pmatrix} x_1\\[2ex] x_2\\ \end{pmatrix} + \begin{pmatrix} 0\\[2ex] \large\frac{1}{L}\\ \end{pmatrix}u \tag2$
$\acute{x}=Ax+bu$
$其中：\acute{x}= \begin{pmatrix} \acute{x_1}\\[2ex] \acute{x_2}\\ \end{pmatrix}， A= \begin{pmatrix} 0 & \large\frac{1}{C}\\[2ex] \large-\frac{1}{L} & \large-\frac{R}{L}\\ \end{pmatrix}， b= \begin{pmatrix} 0\\[2ex] \large\frac{1}{L}\\ \end{pmatrix}$
上述（1）和（2）式分别为图1中系统的 状态方程 和 状态方程的矩阵表达形式。

输出方程
在指定系统输出的情况下，该输出与状态变量间的函数关系式，称为系统的输出方程。
在例中系统中，若指定 $x_1=u_c$ ，则输出方程 $y=u_c$ $y=x_1\tag3$
矩阵表示形式：
$\begin{pmatrix} 1,0 \end{pmatrix} \begin{pmatrix} x_1\\ x_2 \end{pmatrix}\tag4$
状态空间表达式
状态方程和输出方程总合起来，构成对一个系统完整的动态描述称为系统的状态空间表达式。
如式（1）和式（3）所示，而式（2）和式（4）就是图1系统的状态空间表达式。
单输入——单输出定常系统，矢量矩阵表示时的状态空间表达式为：
$\acute{x}=Ax+bu\\ y=cx \tag5$
式中， $x=\begin{pmatrix} x_1 \\ x_2\\ \vdots \\ x_n \\ \end{pmatrix} 为 n 维状态矢量；\\[3ex] A=\begin{pmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n1} & a_{n2} & \cdots & a_{nn} \\ \end{pmatrix}为系统内部状态的联系，称为系统矩阵,为n\times n方阵； \\[3ex] b=\begin{pmatrix} b_1 \\ b_2\\ \vdots \\ b_n \\ \end{pmatrix} 为输入对状态的作用，称为输入矩阵或控制矩阵，这里为n\times 1的列阵； \\[3ex] c=\begin{pmatrix} c_1 , c_2 ,...,c_n \\ \end{pmatrix} 为输出矩阵，这里为1\times n的行阵。$
多输入——多输出定常系统，矢量矩阵表示时的状态空间表达式为：
$\acute{x}=Ax+Bu\\ y=Cx+Du\tag6$
$A同单输入系统，分别n维状态矢量和n\times n系统矩阵$
$u=\begin{pmatrix} u_1 \\ u_2\\ \vdots \\ u_r \\ \end{pmatrix} 为 r 维输入矢量； y=\begin{pmatrix} y_1 \\ y_2\\ \vdots \\ y_m \\ \end{pmatrix} 为 m 维输出矢量；\\[3ex] B=\begin{pmatrix} b_{11} & b_{12} & \cdots & b_{1r} \\ b_{21} & b_{22} & \cdots & b_{2r} \\ \vdots & \vdots & \ddots & \vdots \\ b_{n1} & b_{n2} & \cdots & b_{nr} \\ \end{pmatrix}为n\times r输入矩阵；\\[3ex] C=\begin{pmatrix} c_{11} & c_{12} & \cdots & c_{1n} \\ c_{21} & c_{22} & \cdots & c_{2n} \\ \vdots & \vdots & \ddots & \vdots \\ c_{m1} & c_{m2} & \cdots & c_{mn} \\ \end{pmatrix}为m\times n输出矩阵； \\[3ex] D=\begin{pmatrix} d_{11} & d_{12} & \cdots & d_{1r} \\ d_{21} & d_{22} & \cdots & d_{2r} \\ \vdots & \vdots & \ddots & \vdots \\ d_{m1} & d_{m2} & \cdots & d_{mr} \\ \end{pmatrix}为m\times r直接传递矩阵。\\[2ex] 为了简便，一般不考虑输入矢量的直接传递，即令D=0$
状态空间表达式的系统框图

^{▲ 式5框图}

在这里插入图片描述

^{▲ 式6框图}

图中单箭头表示标量信号，双箭头表示矢量信号。

1.2 状态结构图

状态空间描述的结构图绘图步骤：

画出所有积分器；（积分器的个数等于状态变量的个数，每个积分器的输出表示相应的某个状态变量）
根据状态方程和输出方程，画出相应的加法器和比例器；
用箭头将这些器件按照一定的顺序连接起来。

常用符号：
在这里插入图片描述

例：一阶标量微分方程： $\acute{x}=ax+bu$

在这里插入图片描述

^{▲ 一阶标量微分方程模拟结构图}

已知状态空间表达式
$\acute{x_1}=x_2\\ \acute{x_2}=x_3\\ \acute{x_3}=-6x_1-3x_2-2x_3+u\\ y=x_1+x_2$
则系统的模拟结构图为：在这里插入图片描述

1.3 状态空间描述的建立

1.3.1 由系统框图建立空间状态描述

在这里插入图片描述

^{▲ a) 系统框图；b)系统模拟结构图}

由图可知：
$\begin{cases} \acute{x_1}=\frac{K_3}{T_3}x_2\\[2ex] \acute{x_2}=-\frac{1}{T_2}x_2+\frac{K_2}{T_2}x_3\\[2ex] \acute{x_3}=-\frac{1}{T_1}x_3-\frac{K_1K_4}{T_1}x_1+\frac{K_1}{T_1}u\\ \end{cases}\\[2ex] 输出方程：y=x_1$
写成矢量矩阵形式：
$\acute{x} = \begin{pmatrix} 0 & \large\frac{K_3}{T_3} & 0\\[2ex] 0 & \large-\frac{1}{T_2} & \large\frac{K_2}{T_2}\\[2ex] \large-\frac{K_1K_4}{T_1} & 0 & \large-\frac{1}{T_1} \\ \end{pmatrix} x + \begin{pmatrix} 0\\[2ex] 0\\[2ex] \large\frac{K_1}{T_1}\\ \end{pmatrix}u \\[2ex] y= \begin{pmatrix} 1 ， 0， 0 \end{pmatrix}x_1$
注：带零点环节的处理方法

先展开部分分式
得到等效方块图
再变换成模拟结构图
$\frac{s+z}{s+p}=1+\frac{z-p}{s+p}$

1.3.2 由系统机理建立空间状态描述

步骤：

根据系统机理建立微分方程或者差分方程
选择有关的物理量作为状态变量
导出状态空间表达式

例：电网络如图所示，输入量为电流源，并指定电容 $C_1$ 和 $C_2$ 上的电压作为输出，求此网络的状态空间表达式。在这里插入图片描述
解：从节点 $a 、 b 、 c$ ，按基尔霍夫电流定律列出电流方程：
$\begin{cases} i+i_3+i_1-C_2\acute{u_{c2}}=0\\[2ex] C_1\acute{u_{c1}}+i_1+i_2=0\\[2ex] C_2\acute{u_{c2}}+i_2-i_4=0\\ \end{cases}$
选取状态变量：
$x=\begin{pmatrix} x_1 \\ x_2\\ x_3 \\ x_4 \\ \end{pmatrix} = \begin{pmatrix} u_{c_1} \\ u_{c_2}\\ i_1 \\ i_2 \\ \end{pmatrix}$
上述电流方程则变为：
$\begin{cases} i+i_3+x_3-C_2\acute{x_2}=0\\[2ex] C_1\acute{x_1}+x_3+x_4=0\\[2ex] C_2\acute{x_2}+x_4-i_4=0\\ \end{cases}\tag7$
从回路 $l_1、l_2、l_3$ ，按基尔霍夫电压定律列出电压方程：
$\begin{cases} -L_1\acute{x_3}+x_1+R_1i_3=0\\[2ex] -x_1+L_2\acute{x_4}+R_2i_4=0\\[2ex] x_2-L_2\acute{x_4}+L_1\acute{x_3}=0\\ \end{cases}\tag8$
（7）和（8）式联立消去独立变量 $i_3、i_4$ 得：
$\begin{cases} \acute{x_1}=-\frac{1}{C_1}x_3-\frac{1}{C_1}x_4\\[2ex] R_1C_2\acute{x_2}-L_1\acute{x_3}=-x_1+R_1x_3+R_1i\\[2ex] R_2C_2\acute{x_2}+L_2\acute{x_4}=x_1-R_2x_4\\[2ex] -L\acute{x_3}+L_2\acute{x_4}=x_2 \end{cases}\tag9$
（9）式解出 $\acute{x_1}、\acute{x_2}、\acute{x_3}、\acute{x_4}$ ，得到状态空间表达式：

在这里插入图片描述

1.4 化输入-输出描述为状态空间描述及其几种标准形式

1.4.1 传递函数没有零点的实现

系统微分方程为：
$y^{(n)}+a_{n-1}y^{(n-1)}+...+a_1\acute{y}+a_0y=b_0u(t)$
相应系统传递函数：
$W(s)=\frac{b_0}{s^n+a_{n-1}s^{n-1}+...+a_1s+a_0}$
可选取一组状态变量：
$\acute{x_1}=x_2\\[2ex] \acute{x_2}=x_3\\ \vdots \\ \acute{x_{n-1}}=x_n\\[2ex] \acute{x_n}=-a_0x_1-a_1x_2-...-a_{n-2}x_{n-1}-a_{n-1}x_n+u$
输出方程： $y=b_0x_1$
表示成矩阵形式：
$\begin{pmatrix} \acute{x_1} \\[2ex] \acute{x_2}\\[2ex] \vdots \\[2ex] \acute{x_{n-1}} \\[2ex] \acute{x_n} \\ \end{pmatrix} =\begin{pmatrix} 0 & 1 & 0 &\cdots & 0 \\[2ex] 0 & 0 & 1 &\cdots & 0 \\[2ex] \vdots & \vdots & \vdots & \ddots & \vdots \\[2ex] 0 & 0 & 0 &\cdots & 1 \\[2ex] -a_{0} & -a_{1} & -a_2 & \cdots & -a_{n-1} \\ \end{pmatrix} \begin{pmatrix} x_1 \\[2ex] x_2\\[2ex] \vdots \\[2ex] x_{n-1}\\[2ex] x_n \\ \end{pmatrix} + \begin{pmatrix} 0 \\[2ex] 0\\[2ex] \vdots \\[2ex] 0\\[2ex] 1 \\ \end{pmatrix}u\tag{10}$
$\acute{x}=Ax+bu\\[2ex] y=\begin{pmatrix} b_0，0 ， 0，\cdots， 0 \end{pmatrix}x_1 \\[2ex]$

$具有A=\begin{pmatrix} 0 & 1 & 0 &\cdots & 0 \\[2ex] 0 & 0 & 1 &\cdots & 0 \\[2ex] \vdots & \vdots & \vdots & \ddots & \vdots \\[2ex] 0 & 0 & 0 &\cdots & 1 \\[2ex] -a_{0} & -a_{1} & -a_2 & \cdots & -a_{n-1} \\ \end{pmatrix}时，称为友矩阵。$
友矩阵的特点为：

主对角线上方元素均为1
最后一行的元素可去任意值
其余元素均为0

在这里插入图片描述

^{▲ 系统模拟结构图}

1.4.2 传递函数有零点的实现

系统微分方程为：
$y^{(n)}+a_{n-1}y^{(n-1)}+...+a_1\acute{y}+a_0y=b_mu^{(m)}+b_{m-1}u^{(m-1)}+...+b_1\acute{u+}b_0u$
相应系统传递函数：
$W(s)=\frac{b_ms^m+b_{m-1}s^{m-1}+...+b_1s+b_0}{s^n+a_{n-1}s^{n-1}+...+a_1s+a_0}，m\leq n$
在这种包含有输人函数导数情况下的实现问题，与前述实现的不同点主要在于选取合适的结构，使得状态方程中不包含输入函数的导数项，否则将给求解和物理实现带来麻烦。

为了说明方便，又不失一般性，这里先从三阶微分方程出发，找出其实现规律，然后推广到 n 阶系统。

设系统传递函数：
$W(s)=\frac{Y(s)}{U(s)}=\frac{b_3s^3+b_{2}s^{2}+b_1s+b_0}{s^3+a_{2}s^{2} +a_1s+a_0}，m=n=3$
上式可变换为：
$W(s)=b_3+\frac{(b_2-a_2b_3)s^2+(b_1-a_1b_3)s+(b_0-a_0b_3)}{s^3+a_{2}s^{2} +a_1s+a_0}，m=n=3\\[3ex] 令：Y_1(s)=\frac{1}{s^3+a_{2}s^{2} +a_1s+a_0}U(s)\\[2ex] 则：Y(s)=b_3U(s)+Y_1(s)[(b_2-a_2b_3)s^2+(b_1-a_1b_3)s+(b_0-a_0b_3)]\\[2ex] 对上式求拉式反变换，可得：\\[2ex] y=b_3u+(b_2-a_2b_3)y^{(2)}_1+(b_1-a_1b_3)\acute{y_1}+(b_0-a_0b_3)y_1$
可得系统模拟结构图：
在这里插入图片描述

^{▲ 系统模拟结构图}

选取状态变量：
$\acute{x_1}=x_2\\[2ex] \acute{x_2}=x_3\\[2ex] \acute{x_3}=-a_0x_1-a_1x_2-a_{2}x_{3}+u\\[2ex] y=b_3u+(b_2-a_2b_3)x_3+(b_1-a_1b_3)x_2+(b_0-a_0b_3)x_1$
表示成矩阵形式：
$\begin{pmatrix} \acute{x_1} \\[2ex] \acute{x_2}\\[2ex] \acute{x_3} \\ \end{pmatrix} =\begin{pmatrix} 0 & 1 & 0 \\[2ex] 0 & 0 & 1 \\[2ex] -a_{0} & -a_{1} & -a_2 \\ \end{pmatrix} \begin{pmatrix} x_1 \\[2ex] x_2\\[2ex] x_3 \\ \end{pmatrix} + \begin{pmatrix} 0 \\[2ex] 0\\[2ex] 1 \\ \end{pmatrix}u\tag{11}$
$y=\begin{pmatrix} (b_0-a_0b_3)，(b_1-a_1b_3)，(b_2-a_2b_3) \end{pmatrix}\begin{pmatrix} x_1 \\[2ex] x_2\\[2ex] x_3 \\ \end{pmatrix}+b_3u \\[2ex]$
推广到 n 阶系统
$\begin{pmatrix} \acute{x_1} \\[2ex] \acute{x_2}\\[2ex] \vdots \\[2ex] \acute{x_{n-1}} \\[2ex] \acute{x_n} \\ \end{pmatrix} =\begin{pmatrix} 0 & 1 & 0 &\cdots & 0 \\[2ex] 0 & 0 & 1 &\cdots & 0 \\[2ex] \vdots & \vdots & \vdots & \ddots & \vdots \\[2ex] 0 & 0 & 0 &\cdots & 1 \\[2ex] -a_{0} & -a_{1} & -a_2 & \cdots & -a_{n-1} \\ \end{pmatrix} \begin{pmatrix} x_1 \\[2ex] x_2\\[2ex] \vdots \\[2ex] x_{n-1}\\[2ex] x_n \\ \end{pmatrix} + \begin{pmatrix} 0 \\[2ex] 0\\[2ex] \vdots \\[2ex] 0\\[2ex] 1 \\ \end{pmatrix}u\\[3ex] y=\begin{pmatrix} (b_0-a_0b_n)，(b_1-a_1b_n)，...，(b_{n-1}-a_{n-1}b_n) \end{pmatrix}\begin{pmatrix} x_1 \\ x_2\\ \vdots \\ x_{n-1}\\ x_n \\ \end{pmatrix}+b_nu \\[2ex]$

1.5 由状态空间表达式求传递函数阵

$\begin{cases} \acute{x}=Ax+Bu\\[2ex] y=Cx+Du \end{cases}$
根据传递函数定义，对上式进行拉氏变换，并令 $x(0)=x_0=0$ ，得：
$\begin{cases} sX(s)=AX(s)+BU(s)\\[2ex] Y(s)=CX(s)+DU(s) \end{cases}$
整理上式得：
$Y(s)=[C(sI-A)^{-1}B+D]U(s)$
定义传递函数矩阵：
$W(s)=\frac{Y(s)}{U(s)}=C(sI-A)^{-1}B+D =\begin{pmatrix} W_{11} & W_{12} & \cdots & W_{1r} \\ W_{21} & W_{22} & \cdots & W_{2r} \\ \vdots & \vdots & \ddots & \vdots \\ W_{m1} & W_{m2} & \cdots & W_{mr} \\ \end{pmatrix}$
说明：

$dim(W(s))=m\times r，其中 dim(\cdot) 表示的 \cdot 维数\\[2ex]$
$W_{ij}=\frac{Y_i(s)}{U_j(s)}，它表征第 j 个输入对第 i 个输出的传递关系。\\[2ex]$
$同一系统，不同的状态空间表达式对应的 W (s) 是相同的。$

1.6 状态矢量的线性变换

1.6.1 系统状态空间表达式的非唯一性

对于一个给定的定常系统，可以选取许多种状态变量，相应地有许多种状态空间表达式描述同一系统，也就是说系统可以有多种结构形式。所选取的状态矢量之间，实际上是一种矢量的线性变换（或称坐标变换)。
$\begin{cases} \acute{x}=Ax+Bu，x(0)=x_0\\[2ex] y=Cx+Du \end{cases}\tag{12}$
可以找到任意一个非奇异矩阵 $T$ ，将原状态矢量 $x$ ，作线性变换，得到另一状态矢量 $z$ ，设变换关系为：
$x=Tz，即：z=T^{-1}x$
代入式（12），得到新的状态空间表达式：
$\begin{cases} \acute{z}=T^{-1}ATz+T^{-1}Bu，z(0)=T^{-1}x(0)=T^{-1}x_0\\[2ex] y=CTz+Du \end{cases}$
由于 $T$ 为非奇异矩阵，故状态空间表达式为非唯一的。通常称 $T$ 为变换矩阵。

1.6.2 系统特征值的不变性及系统的不变量

系统特征值
$\begin{cases} \acute{x}=Ax+Bu\\[2ex] y=Cx+Du \end{cases}$
系统特征值就是系统矩阵 $A$ 的特征值，也即特征方程：
$|\lambda I-A|=0 \tag{13}$
的根。
系统的不变量与特征值的不变性
同一系统，经非奇异变换后，得：
$\begin{cases} \acute{z}=T^{-1}ATz+T^{-1}Bu，\\[2ex] y=CTz+Du \end{cases}$
其特征方程为：
$|\lambda I-T^{-1}AT|=0\tag{14}$
式（13）与式（14）形式虽然不同，但实际是相等的，即系统的非奇异变换，其特征值是不变的。
特征矢量
对于系统矩阵 $A$ ，若存在一非零向量 $p$ ，使得 $Ap=\lambda p$ ，则称 $p$ 为系统矩阵 $A$ 对应于特征值 $\lambda$ 的特征矢量。