基础-Lyapunov稳定性相关的理论

Lyapunov稳定性相关的理论

在控制理论中，经常遇到的几个关键词：
稳定性：
一致性：与初始时刻无关
渐近性：时间趋于无穷
鲁棒性：
可以对上述关键词前加修饰限定词：
渐近稳定性：
一致稳定性：
全局稳定性：
指数稳定性：指数是指收敛速度
全局渐近稳定、全局渐近一致稳定，等等。
随机稳定、依概率渐近稳定，等等，以后再添加。

基本概念

非线性系统可以用下式来描述¹：
$$\dot{\mathbf{x}}=f(\mathbf{x},t)\text{\hspace{1em}(1)}$$

式中，$x\in {\mathbb{R}}^n$为状态向量，$f\in {\mathbb{R}}^n$是非线性函数。初始条件为$\mathbf{x}(t_0)={\mathbf{x}}_0$.
自治系统是指非线性系统的参数不显含时间变量$t$。考虑如下的一个自治系统：
$$\dot{\mathbf{x}}=f(\mathbf{x})\text{\hspace{1em}(2)}$$

其中，$\mathbf{x}=(x_1,x_2,...,x_n{)}^T\in {\mathbb{R}}^n$，$f:\mathbb{D}\to {\mathbb{R}}^n$是从定义域$D$到$R^n$上的局部Lipschitz映射，满足微分方程解的唯一性。

定义1： 如果系统状态满足$\mathbf{x}(t)={\mathbf{x}}^{\ast }$，并且在该时间之后系统状态会一直在${\mathbf{x}}^{\ast }$处保持不变，则称${\mathbf{x}}^{\ast }$是系统的一个平衡点。

定义2： 给定$\forall R>0$，如果存在$r>0$，使得当$\Vert \mathbf{x}(t)\Vert <R,t>0$，则$\mathbf{x}=0$为系统的稳定的平衡点。对于稳定的平衡点，如果$\mathbf{x}(t)\to 0,t\to \infty$，则平衡点是渐进稳定的。如果存在$\alpha >0,\lambda >0$使下式在平衡点的邻域内成立：
$$\Vert \mathbf{x}(t)\Vert <\alpha ,\Vert \mathbf{x}(t_0)\Vert <e^{-\lambda t},\forall t>t_0$$

则称平衡点是指数稳定的。如果$r=\mathbb{R}$且系统满足渐近（指数）稳定，则平衡点$\mathbf{x}=0$是全局渐近（指数）稳定的。（对这一块存疑！）

定义3： 如果一个连续标量函数$V(\mathbf{x})$满足$V(0)=0$，且$\mathbf{x}\ne 0\Rightarrow V(\mathbf{x})>0$，则$V(\mathbf{x})$是局部正定的。如果上述性质在整个状态空间成立，则$V(\mathbf{x})$是全局正定的。如果$V(0)=0,\mathbf{x}\ne 0\Rightarrow V(\mathbf{x})\ge 0$，则$V(\mathbf{x})$是半正定的。
使用相似的规则可以得到负定和半负定函数的定义。此外，如果$\Vert \mathbf{x}\Vert \to \infty$时，$V(\mathbf{x})\to \infty$，则称函数$V(\mathbf{x})$是径向无界的。

定义4： 对于一个动态系统，如果从集合$\Omega$中某点出发的轨线永远在$\Omega$中，则称$\Omega$是这个动态系统的不变集。

定义5： 对于一个方阵$\mathbf{H}=(h_{ij}{)}_{n\times n}$，如果$\mathbf{H}={\mathbf{H}}^T$，即$h_{ij}=h_{ji}$，则$\mathbf{H}$为对称矩阵；反之，如果$\mathbf{H}=-{\mathbf{H}}^T$，则$\mathbf{H}$为反对称矩阵。此外，如果对于$\mathbf{x}\ne 0$，有${\mathbf{x}}^T\mathbf{H}\mathbf{x}>0$成立，则矩阵$\mathbf{H}$为正定矩阵。如果$\mathbf{H}$对称正定，则满足：
$${\lambda }_{min}(\mathbf{H}){\Vert \mathbf{x}\Vert }^2\le {\mathbf{x}}^T\mathbf{H}\mathbf{x}\le {\lambda }_{max}(\mathbf{H}){\Vert \mathbf{x}\Vert }^2$$

定义6： 对于一个连续时间线性系统$\dot{\mathbf{x}}=\mathbf{H}\mathbf{x}(t)$，如果矩阵$\mathbf{H}$的所有特征值均含有负实部，则称矩阵$\mathbf{H}$是Hurwitz稳定的，并且存在一个对称正定矩阵$\mathbf{P}$，满足${\mathbf{H}}^T\mathbf{P}+\mathbf{P}\mathbf{H}<0$。

定理1： （Lyapunov定理） 对于非线性系统$(1)$，如果存在一个定义在原点邻域$U_0\subset U$内的正定标量函数$V(\mathbf{x})>0$，且$V(\mathbf{x})$一阶连续可导，其导数$\dot{V}(\mathbf{x})$在$U_0$内半负定，那么原点$\mathbf{x}=0$是Lyapunov稳定的，称$V(\mathbf{x})$为Lyapunov函数。如果$\dot{V}(\mathbf{x})$在$U_0$内是负定的，那么系统在$\mathbf{x}=0$处是局部渐近稳定稳定的。如果将邻域$U_0$扩充到整个状态空间，即$U_0=U=\mathbb{R}$，则系统在$\mathbf{x}=0$处是全局渐近稳定的。

定理2： （LaSalle不变集原理） 对于非线性自治系统$(2)$，$f(\mathbf{x})$是连续函数，$V(\mathbf{x})$具有一阶连续偏导数且径向无界。存在一个正数$c>0$，通过$V(\mathbf{x})<c$可以定义一个有界区域$U_c$，且对于$\forall \mathbf{x}\in U_c$，均有$\dot{V}(\mathbf{x})\le 0$。记$U_0$为所有满足$\dot{V}(\mathbf{x})=0$的点的集合，$U_1$为$U_0$中最大的不变集，则当$t\to \infty$时，系统的状态将全局收敛于$U_1$。

定理3： （Schur补定理） 对于对称分块矩阵$\mathbf{H}$：
$$\mathbf{H}=\left[\begin{array}{lc}{\mathbf{H}}_{11}& {\mathbf{H}}_{12}\\ {\mathbf{H}}_{21}& {\mathbf{H}}_{22}\end{array}\right]$$

式中，矩阵${\mathbf{H}}_{11}$和${\mathbf{H}}_{22}$为方阵，${\mathbf{H}}_{21}={\mathbf{H}}_{12}^T$。当满足下列条件时，矩阵$\mathbf{H}$是正定的：
$$\{\begin{array}{rl}{\mathbf{H}}_{11}-{\mathbf{H}}_{12}{\mathbf{H}}_{22}^{-1}{\mathbf{H}}_{21}& >0,{\mathbf{H}}_{22}>0\\ {\mathbf{H}}_{22}-{\mathbf{H}}_{21}{\mathbf{H}}_{11}^{-1}{\mathbf{H}}_{12}& >0,{\mathbf{H}}_{11}>0\end{array}$$

引理1： 如果存在${ϵ}_1>0$，${ϵ}_2>0$，$0<\rho <1$，则下式成立：
$$({ϵ}_1+{ϵ}_2{)}^{\rho }\le {ϵ}_1^{\rho }+{ϵ}_2^{\rho }$$

引理2： 对于任意向量$\mathbf{x}=[x_1,x_2,...,x_n{]}^T\in {\mathbb{R}}^n$，存在$0<\rho <2$，使得下式成立：
$${\Vert \mathbf{x}\Vert }^{\rho }\le {\Sigma }_{i=1}^n|({\mathbf{x}}_i){|}^{\rho }$$

以上两个引理不是柯西不等式的推广形式吗？

引理3： (Barbalat引理) 若函数$f(t)$在$t\in \left[0,\infty \right)$上一阶连续可导，且极限${\lim }_{t\to \infty }f(t)$存在，且对任意的$t\in \left[0,\infty \right)$，$\dot{f}(t)$均一致连续，则${\lim }_{t\to \infty }\dot{f}(t)=0$。

引理4： $f(t)$在$t\in \left[0,\infty \right)$上一阶连续，且$\exists p\in \left[1,\infty \right)$，使得$f(t),\dot{f}(t)\in L_{\infty }$，$\dot{f}(t)\in L_p$，则${\lim }_{t\to \infty }f(t)=0$，其中：
$$L_p=\left\{x\mid x:\left[1,\infty \right),{\left({\int }_0^{\infty }|x(t){|}^{p}dt\right)}^{1/p}<\infty \right\}$$

这个有点没看懂哇

有限时间稳定理论

定义7： （有限时间稳定性） 存在一个连续函数 T ( x ) : U 0 ∖ { 0 } → ( 0 , + ∞ ) \boldsymbol{T} (\boldsymbol{x}): U_0 \setminus \{ 0 \} \rightarrow (0, + \infin) T(x):U0​∖{0}→(0,+∞)，使得当$t\in [0,\mathbf{T}({\mathbf{x}}_0)]$时，有${\lim }_{t\to \mathbf{T}({\mathbf{x}}_0)}\mathbf{x}(t,{\mathbf{x}}_0)=0$。当$t>\mathbf{T}({\mathbf{x}}_0)$后，系统状态一直处于平衡点，即$\mathbf{x}(t,{\mathbf{x}}_0)=0$。当$U_0=U={\mathbb{R}}^n$，系统是全局有限时间收敛的。

有限时间稳定性理论常用方法有：最小能量法、最优控制理论、齐次性理论、Lyapunov稳定性理论 等。

引理5： （Lyapunov有限时间稳定理论） 假定存在一个连续正定的函数$V(\mathbf{x}):{\mathbb{R}}^n\to \mathbb{R}$，满足下式：
V ˙ ( x ) + α 1 V ( x ) + α 2 V α ( x ) ≤ 0 , x ∈ U 0 ∖ { 0 } , U 0 ∈ U \dot{V} (\boldsymbol{x}) + \alpha_1 V(\boldsymbol{x}) + \alpha_2 V^{\alpha} (\boldsymbol{x}) \leq 0, \boldsymbol{x} \in U_0 \setminus \{ 0 \}, U_0 \in U V˙(x)+α1​V(x)+α2​Vα(x)≤0,x∈U0​∖{0},U0​∈U

式中，${\alpha }_1>0$，${\alpha }_2>0$，$0<\alpha <2$。则系统$(1)$是有限时间稳定的，收敛时间满足：
$$t_f\le t_0+\frac{1}{{\alpha }_1(1-\alpha )}\ln \frac{{\alpha }_1{V}^{1-\alpha }({\mathbf{x}}_0)+{\alpha }_2}{{\alpha }_2}$$

如果$U_0=U={\mathbb{R}}^n$，则上述结论可以扩充至${\mathbb{R}}^n$全集，即称系统在$\mathbf{x}=0$处是全局有限时间稳定的。

注释：不止这一种Lyapunov有限时间稳定方法。

参考文献

1. 张剑桥. 航天器姿轨一体化建模与控制方法研究[D].哈尔滨工业大学,2020.