#1_《经典控制理论复习》摘录

本文主要目的是复习经典控制理论的相关知识，主要参考知乎专栏 ¹。

作者声明不要私自转载，我这篇主要是摘录了部分，结合自己的理解进行了记录，并补充了一些我关心的内容。如果作者觉得不妥，请联系我，马上删除。

学控制的人，一定要对信号处理与系统有了解，信号处理，系统理论和动力学与自动控制理论都有紧密的联系。控制理论的研究如今偏向于数学化，有些著作初看已经与实际工程不容易联系在一起了，而经典方法在应用中非常实用，夯实基础是必要的。

推荐的经典教程有：
自动控制原理（胡寿松）、Signals & Systems(Alan V. Oppenheim)、Feedback Control of Dynamic Systems(Gene F. Franklin)。

1. 基本概念

控制系统的结构
闭环控制系统的目标是，使系统测量值等于系统的输入值，结构如下：

控制问题的三大类
①调节/镇定问题 Regulation
控制系统输出并保持到某一个预定的工作点（set point）。该问题中，reference input $R(s)$应当是一个已知的常值。Regulation的目标就是设计一个控制器（controller）或者叫补偿器（compensator），我们也常称调节问题的控制器为调节器（regulator），使得plant或者process能够维持在设定的set point（set point由reference input确定），并且在受到外来干扰时，控制器需要做出动作，自动调节系统状态以再次到达原来设定的set point。

我们希望调节的速度越快越好，调节的准确度越高越好，并且控制器输出信号功率越小越好（节能），这些指标反映了控制品质。

②跟踪问题 Tracking
实现控制系统的输出实时地跟踪参考输入信号，reference input是变化的。Tracking问题中，输入是未知的，可以视为随机的，我们往往知道这个随机信号的特征，例如函数形式等。实现Tracking的系统结构和Regulation相差是不大的。

③程序控制 Program-based control
这一类问题往往采用开环控制。程序控制中的参考信号一般都是预定规律随时间变化的函数，被控对象只需要复现此信号即可。举例：交通信号灯、自动门。在控制精度要求不高或者干扰很小、干扰可知的场合中，多数的程序控制问题会采用开环控制，这样系统的响应速度能大大加快。工业制造上的机械手，数控机床和PLC等都是程序控制的案例，它们根据事先编好的程序进行运行，而不需要输出信息来干预输入。

控制理论主要还是讨论①和②的情形。

控制系统的数学模型
系统可以用微分方程描述，在控制理论中多见的是常微分方程（Ordinary Differential Equation），ODE描述了系统的运动规律。ODE分为线性(Linear)和非线性(Nonlinear)的。在经典控制的范畴中，我们关注点主要在线性常系数ODE，也会涉及到非常系数的ODE。前者描述的系统我们称之为线性时不变系统，或者常称为线性定常系统（Linear Time-Invariant System，LTI System）。经典控制理论主要研究LTI系统，但是实际问题往往不符合LTI，因此常在工作点附近做线性化处理。

我的天，这博客太有启发了，之前相当于根本不懂啊，我只记录要点吧，博客还得反复看！

①经典控制理论主要关注SISO的LTI系统，我们需要从这个最简单情形出发思考控制问题；

②控制与数学是紧密结合的，SISO LTI系统和线性常系数ODE求解关系非常紧密，必须要认真对待数学(微分方程求解、矩阵)；

③如果系统是LTI的，那么系统响应完全可通过微分方程理解：
线性常系数ODE全解 = 齐次方程非零初始条件解 + 非齐次方程零初始条件解 →
LTI系统Complete response = Zero State Response+ Zero Input Response

④如果系统是非线性的，我们需要采用小扰动Taylor展开的方法，将其化为线性问题，这要求系统的解轨迹（trajectory）不远离展开点附近，那么：

1.原非线性方程解空间中这么多点，究竟要在哪个点进行线性化？
对于Regulation问题，我们需要在set point附近线性化，这个稳态时的点，也叫做系统的稳定平衡点（stable equilibrium）；对于Tracking问题，则首先改写为误差的微分方程，然后在0点展开(我们希望误差为0)。

2.线性化后得到的线性方程，怎么保证解就能在原来展开点的附近呢(这样线性化处理才有意义)？
对于一个非线性微分方程，可能本身就存在自身稳定平衡点(在该点附近，系统会自动落向该点，该区域叫做吸引域)，也可能不存在，但是我们却希望在指定点附近线性化，那么就需要通过设计控制器改变系统的微分方程(系统结构)，使其在我们期望的点上出现稳定平衡点。由于要线性化，那么要求系统状态要被约束在吸引域，一旦在干扰等原因下跑出去，就会发散掉，那么我们就希望加入控制器后，系统的吸引域大一些(更鲁棒)！当然，系统可能无论如何也不能把稳定平衡点调整到期望的点上，这就涉及到可控性问题。

经典控制理论的发展历史
自1783年James Watt改良可实用的蒸汽机后，John Rennie采用了离心调速器（Centrifugal Governor）自动控制了蒸汽机的轻质节流阀（throttle valve）。后续人们又开发出了类似的离心调速器，但是节流阀的控制却出现了不稳定现象，这一直困扰着工程师。直到大名鼎鼎的 J.C. Maxwell通过建立微分方程，发现只有系统微分方程的各根具有负实部才能保证系统的稳定性。

1877年数学家Edward John Routh和后来1895年数学家Adolf Hurwitz都贡献了通过特征方程系数判断稳定性的方法，一般可以把他们的成果合称为 Routh-Hurwitz Criteria。

1922年俄国人 Nicolas Minorsky发表论文阐述PID控制律。

1927年Bell Labs的Harold Black发明了负反馈放大器(Negative Feedback Amplifer)。

1932年物理学博士Harry Nyquist发表频域稳定性判据：Nyquist Criterion。

1938年物理学博士Hendrik Bode提出Bode plot，1940发表阐述Bode定理，相位裕度(Phase Margin)和幅值裕度(Gain Margin)用于控制系统分析与设计。

1942年Ziegler和Nichols发表Ziegler-Nichols Method，用于整定PID控制器参数。Nichols 后提出了Nichols Chart，成为控制图解设计的重要工具。

1940年代末期，Evans提出Root Locus理论。

2. 线性系统

2.1. 传递函数

emmm，好懵逼，关键是数学上理解不到位吧，，，不过还是有所收获，简要总结一下，日后回过头来深入研究。

对于一个LTI系统，在零初态情况下：
①任意输入的相应都能分解成卷积的形式：


其中，$u(t)$是输入函数，$h(t)$是系统单位脉冲响应(得求解微分方程得到输出的函数，然后根据单位脉冲响应的筛选性质即可得到，参考这里)，$y(t)$是系统输出。

②为了简化计算，从时域变换到s域：

Laplace变换：函数$y(t)$的Laplace变换为：
$Y(s)={\int }_0^{\infty }y(t)e^{-st}dt$

对上述卷积进行Laplace变换，有：

可见在s域形式非常简单，称其中的$H(s)$为传递函数，也即单位脉冲响应的Laplace变换，直接由系统结构决定，注意前提是零初始条件。

传递函数既然要满足零初始条件，那利用传递函数显然只能得到零状态响应，也就是只关心输入对系统输出造成的影响。因此必须讨论零初态假设的合理性。

对于一个LTI系统而言，初始状态并不会影响其本身具有的某些性质，比如稳定性，我们认为传递函数足以能够让我们能够研究一个LTI系统中我们所关心的性质。从微分方程解的角度来讲，零状态响应的解结构与全响应解结构是一样的，都是通解+特解的组合，只是零状态响应的系数发生了变化。

③零极点
由$H(s)=\frac{Y(s)}{U(s)}$
使得$分子=0$的点为零点，使得$分母=0$的点为极点。而极点是微分方程的特征根，因此极点数值和数量决定了ODE解的模态结构，更进一步地，模态的结构最后影响了系统响应的动态和稳态。

具体的：

零点会对每个模态的大小产生影响，与极点接近时会引起零极点相消，从而减小该极点对应模态的影响。

④实际系统的传递函数，分子的阶次不应大于分母的阶次，并且所有物理系统系统都是满足分子阶次小于等于分母的。如果分子的阶次大于分母，那么任何一个常值信号，或者阶跃信号都会使系统响应无限增长，这样的系统现实中是不存在的。

2.2. 稳定性

设计控制器首要目标就是让系统稳定，然后在此基础上改善性能。

这一小节梳理了稳定性的各种概念，简述如下：

①一些概念：
平衡状态：系统各个状态的变化率为0时的系统状态。对于LTI系统而言，只有一个平衡态或者无穷多个平衡态或者没有平衡态三种可能。而非线性系统则可能有多个平衡态。

平衡态稳定性：系统在平衡状态下如果受到一定程度的扰动而偏离了原来的平衡状态，当扰动消失后仍然能恢复到原有平衡状态的能力。

运动稳定性：线性系统由线性微分方程所描述，其稳定性也就是线性微分方程解的稳定性，即给定初值，在无输入的情况下，当时间趋于无穷时解是否渐进收敛于某个值。对于LTI系统来讲，就是考察其齐次微分方程的通解的稳定性，即零输入响应的稳定性。

BIBO稳定性：BIBO稳定性被称为外部稳定性，因其由输入与输出所定义，这正是传递函数的定义方式，输出对应系统零状态响应。LTI系统的内部稳定性，即平衡状态稳定性由其特征值来决定。这两种稳定性在没有零极点相消时，即零状态响应完整地表现了原有系统的模态时，是等价的。如果内部稳定显然可以推得外部稳定。

前馈与反馈：feedforward vs. feedback = 开环 vs. 闭环。

②如果LTI系统只有唯一个平衡态，且证明其特征值实部均为负，那么其所有解一定具有运动稳定性，可称系统也具有运动稳定性，而该平衡态（零）是稳定性的，系统也由此认为是平衡态稳定的。最后可以得出，满足这样条件的LTI系统稳定。

在非线性系统里系统的初值对最后解的去向和结构是存在重大影响的，这一点也线性系统有很大的差别。在线性系统中解的稳定性是由系统的结构和参数确定的，而与初值无关（但是特殊初值会改变解的组成）。

③经典控制理论中的稳定性主要都是指BIBO稳定性，这是由传递函数自身反映系统的能力决定的。用传递函数来判断平衡态稳定性，隐含的条件就是系统没有发生零极点相消，此时内部稳定等于外部稳定。

如果设计补偿器与开环系统串联能够消除其传递函数中的不稳定极点，则系统是BIBO稳定的。但是注意，这里的“消除”只是因为在零初始条件下，系统响应中的不稳定模态前的系数刚好为0。因此开环不稳定系统只能采用闭环控制策略。

④判断微分方程稳定性(内稳定)的方法：
Routh Array，Hurwitz criterion，Root Locus等工具。

2.3. 稳态误差

对于如下结构的系统，定义误差为输入和输出之差，那么误差为：

首先判断系统稳定性！如果系统是稳定的，稳态误差可以直接使用终值定理计算：

$e_{ss}={\lim }_{s\to 0}sE(s)$

假设输入是多项式形式的，我们可以只考虑最高次数的项分析稳态误差，设其传递函数为：$R(s)=\frac{1}{s^{k+1}}$，$k$表示输入阶次，例如对于阶跃信号，$k=0$，斜坡信号$k=1$。我们假设系统开环传递函数有$n$个积分环节，该系统为Type n，即：$G{D}_{cl}=\frac{G{D}_{c{l}^{\prime }}}{s^n}$