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:
x
˙
=
f
(
x
,
t
)
(1)
\dot{\boldsymbol{x}} = f(\boldsymbol{x}, t) \tag{1}
x˙=f(x,t)(1)
式中,
x
∈
R
n
x \in \mathbb{R}^n
x∈Rn为状态向量,
f
∈
R
n
f \in \mathbb{R}^n
f∈Rn是非线性函数。初始条件为
x
(
t
0
)
=
x
0
\boldsymbol{x} (t_0) = \boldsymbol{x}_0
x(t0)=x0.
自治系统是指非线性系统的参数不显含时间变量
t
t
t。考虑如下的一个自治系统:
x
˙
=
f
(
x
)
(2)
\dot{\boldsymbol{x}} = f(\boldsymbol{x}) \tag{2}
x˙=f(x)(2)
其中, x = ( x 1 , x 2 , . . . , x n ) T ∈ R n \boldsymbol{x} = (x_1,x_2, ..., x_n)^T \in \mathbb{R}^n x=(x1,x2,...,xn)T∈Rn, f : D → R n f:\mathbb{D} \rightarrow \mathbb{R}^n f:D→Rn是从定义域 D D D到 R n R^n Rn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 x ( t ) = x ∗ \boldsymbol{x} (t) = \boldsymbol{x}^* x(t)=x∗,并且在该时间之后系统状态会一直在 x ∗ \boldsymbol{x}^* x∗处保持不变,则称 x ∗ \boldsymbol{x}^* x∗是系统的一个平衡点。
定义2: 给定
∀
R
>
0
\forall R > 0
∀R>0,如果存在
r
>
0
r > 0
r>0,使得当
∥
x
(
t
)
∥
<
R
,
t
>
0
\left \| \boldsymbol{x} (t) \right \| < R, t > 0
∥x(t)∥<R,t>0,则
x
=
0
\boldsymbol{x} = 0
x=0为系统的稳定的平衡点。对于稳定的平衡点,如果
x
(
t
)
→
0
,
t
→
∞
\boldsymbol{x}(t) \rightarrow 0, t \rightarrow \infin
x(t)→0,t→∞,则平衡点是渐进稳定的。如果存在
α
>
0
,
λ
>
0
\alpha > 0, \lambda >0
α>0,λ>0使下式在平衡点的邻域内成立:
∥
x
(
t
)
∥
<
α
,
∥
x
(
t
0
)
∥
<
e
−
λ
t
,
∀
t
>
t
0
\left \| \boldsymbol{x} (t) \right \| < \alpha, \left \| \boldsymbol{x} (t_0) \right \| < e^{-\lambda t}, \forall t > t_0
∥x(t)∥<α,∥x(t0)∥<e−λt,∀t>t0
则称平衡点是指数稳定的。如果 r = R r = \mathbb{R} r=R且系统满足渐近(指数)稳定,则平衡点 x = 0 \boldsymbol{x} = 0 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
(
x
)
V(\boldsymbol{x})
V(x)满足
V
(
0
)
=
0
V(0)=0
V(0)=0,且
x
≠
0
⇒
V
(
x
)
>
0
\boldsymbol{x} \neq 0 \Rightarrow V(\boldsymbol{x}) > 0
x=0⇒V(x)>0,则
V
(
x
)
V(\boldsymbol{x})
V(x)是局部正定的。如果上述性质在整个状态空间成立,则
V
(
x
)
V(\boldsymbol{x})
V(x)是全局正定的。如果
V
(
0
)
=
0
,
x
≠
0
⇒
V
(
x
)
≥
0
V(0)=0, \boldsymbol{x} \neq 0 \Rightarrow V(\boldsymbol{x}) \geq 0
V(0)=0,x=0⇒V(x)≥0,则
V
(
x
)
V(\boldsymbol{x})
V(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
∥
x
∥
→
∞
\left \| \boldsymbol{x} \right \| \rightarrow \infin
∥x∥→∞时,
V
(
x
)
→
∞
V(\boldsymbol{x}) \rightarrow \infin
V(x)→∞,则称函数
V
(
x
)
V(\boldsymbol{x})
V(x)是径向无界的。
定义4: 对于一个动态系统,如果从集合 Ω \Omega Ω中某点出发的轨线永远在 Ω \Omega Ω中,则称 Ω \Omega Ω是这个动态系统的不变集。
定义5: 对于一个方阵
H
=
(
h
i
j
)
n
×
n
\boldsymbol{H} = (h_{ij})_{n \times n}
H=(hij)n×n,如果
H
=
H
T
\boldsymbol{H} = \boldsymbol{H}^T
H=HT,即
h
i
j
=
h
j
i
h_{ij} = h_{ji}
hij=hji,则
H
\boldsymbol{H}
H为对称矩阵;反之,如果
H
=
−
H
T
\boldsymbol{H} = - \boldsymbol{H}^T
H=−HT,则
H
\boldsymbol{H}
H为反对称矩阵。此外,如果对于
x
≠
0
\boldsymbol{x} \neq 0
x=0,有
x
T
H
x
>
0
\boldsymbol{x}^T \boldsymbol{H} \boldsymbol{x} > 0
xTHx>0成立,则矩阵
H
\boldsymbol{H}
H为正定矩阵。如果
H
\boldsymbol{H}
H对称正定,则满足:
λ
m
i
n
(
H
)
∥
x
∥
2
≤
x
T
H
x
≤
λ
m
a
x
(
H
)
∥
x
∥
2
\lambda_{min}(\boldsymbol{H}) \left \| \boldsymbol{x} \right \| ^2 \leq \boldsymbol{x}^T \boldsymbol{H} \boldsymbol{x} \leq \lambda_{max}(\boldsymbol{H}) \left \| \boldsymbol{x} \right \| ^2
λmin(H)∥x∥2≤xTHx≤λmax(H)∥x∥2
定义6: 对于一个连续时间线性系统 x ˙ = H x ( t ) \dot{\boldsymbol{x}} = \boldsymbol{H} \boldsymbol{x}(t) x˙=Hx(t),如果矩阵 H \boldsymbol{H} H的所有特征值均含有负实部,则称矩阵 H \boldsymbol{H} H是Hurwitz稳定的,并且存在一个对称正定矩阵 P \boldsymbol{P} P,满足 H T P + P H < 0 \boldsymbol{H}^T \boldsymbol{P} + \boldsymbol{P} \boldsymbol{H} < 0 HTP+PH<0。
定理1: (Lyapunov定理) 对于非线性系统 ( 1 ) (1) (1),如果存在一个定义在原点邻域 U 0 ⊂ U U_0 \subset U U0⊂U内的正定标量函数 V ( x ) > 0 V(\boldsymbol{x}) > 0 V(x)>0,且 V ( x ) V(\boldsymbol{x}) V(x)一阶连续可导,其导数 V ˙ ( x ) \dot{V} (\boldsymbol{x}) V˙(x)在 U 0 U_0 U0内半负定,那么原点 x = 0 \boldsymbol{x} = 0 x=0是Lyapunov稳定的,称 V ( x ) V(\boldsymbol{x}) V(x)为Lyapunov函数。如果 V ˙ ( x ) \dot{V} (\boldsymbol{x}) V˙(x)在 U 0 U_0 U0内是负定的,那么系统在 x = 0 \boldsymbol{x} = 0 x=0处是局部渐近稳定稳定的。如果将邻域 U 0 U_0 U0扩充到整个状态空间,即 U 0 = U = R U_0 = U = \mathbb{R} U0=U=R,则系统在 x = 0 \boldsymbol{x} = 0 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 ) (2) (2), f ( x ) f(\boldsymbol{x}) f(x)是连续函数, V ( x ) V(\boldsymbol{x}) V(x)具有一阶连续偏导数且径向无界。存在一个正数 c > 0 c > 0 c>0,通过 V ( x ) < c V(\boldsymbol{x}) < c V(x)<c可以定义一个有界区域 U c U_c Uc,且对于 ∀ x ∈ U c \forall \boldsymbol{x} \in U_c ∀x∈Uc,均有 V ˙ ( x ) ≤ 0 \dot{V} (\boldsymbol{x}) \leq 0 V˙(x)≤0。记 U 0 U_0 U0为所有满足 V ˙ ( x ) = 0 \dot{V} (\boldsymbol{x}) = 0 V˙(x)=0的点的集合, U 1 U_1 U1为 U 0 U_0 U0中最大的不变集,则当 t → ∞ t \rightarrow \infin t→∞时,系统的状态将全局收敛于 U 1 U_1 U1。
定理3: (Schur补定理) 对于对称分块矩阵
H
\boldsymbol{H}
H:
H
=
[
H
11
H
12
H
21
H
22
]
\boldsymbol{H} = \left[ \begin{array}{l} \boldsymbol{H}_{11} & \boldsymbol{H}_{12} \\ \boldsymbol{H}_{21} & \boldsymbol{H}_{22} \end{array} \right]
H=[H11H21H12H22]
式中,矩阵
H
11
\boldsymbol{H}_{11}
H11和
H
22
\boldsymbol{H}_{22}
H22为方阵,
H
21
=
H
12
T
\boldsymbol{H}_{21} = \boldsymbol{H}_{12}^T
H21=H12T。当满足下列条件时,矩阵
H
\boldsymbol{H}
H是正定的:
{
H
11
−
H
12
H
22
−
1
H
21
>
0
,
H
22
>
0
H
22
−
H
21
H
11
−
1
H
12
>
0
,
H
11
>
0
\left \{ \begin{aligned} \boldsymbol{H}_{11} - \boldsymbol{H}_{12} \boldsymbol{H}_{22}^{-1} \boldsymbol{H}_{21} &> 0, \boldsymbol{H}_{22} > 0 \\ \boldsymbol{H}_{22} - \boldsymbol{H}_{21} \boldsymbol{H}_{11}^{-1} \boldsymbol{H}_{12} &> 0, \boldsymbol{H}_{11} > 0 \end{aligned} \right.
{H11−H12H22−1H21H22−H21H11−1H12>0,H22>0>0,H11>0
引理1: 如果存在
ϵ
1
>
0
\epsilon_1 > 0
ϵ1>0,
ϵ
2
>
0
\epsilon_2 > 0
ϵ2>0,
0
<
ρ
<
1
0 < \rho < 1
0<ρ<1,则下式成立:
(
ϵ
1
+
ϵ
2
)
ρ
≤
ϵ
1
ρ
+
ϵ
2
ρ
(\epsilon_1 + \epsilon_2)^{\rho} \leq \epsilon_1^{\rho} + \epsilon_2^{\rho}
(ϵ1+ϵ2)ρ≤ϵ1ρ+ϵ2ρ
引理2: 对于任意向量
x
=
[
x
1
,
x
2
,
.
.
.
,
x
n
]
T
∈
R
n
\boldsymbol{x} = [x_1, x_2, ..., x_n]^T \in \mathbb{R}^n
x=[x1,x2,...,xn]T∈Rn,存在
0
<
ρ
<
2
0 < \rho < 2
0<ρ<2,使得下式成立:
∥
x
∥
ρ
≤
Σ
i
=
1
n
∣
(
x
i
)
∣
ρ
\left \| \boldsymbol{x} \right \| ^{\rho} \leq \Sigma_{i = 1} ^n |(\boldsymbol{x}_i)|^{\rho}
∥x∥ρ≤Σi=1n∣(xi)∣ρ
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 ) f(t) f(t)在 t ∈ [ 0 , ∞ ) t \in \left [ 0, \infin \right ) t∈[0,∞)上一阶连续可导,且极限 lim t → ∞ f ( t ) \lim_{t \rightarrow \infin} f(t) limt→∞f(t)存在,且对任意的 t ∈ [ 0 , ∞ ) t \in \left [ 0, \infin \right ) t∈[0,∞), f ˙ ( t ) \dot{f}(t) f˙(t)均一致连续,则 lim t → ∞ f ˙ ( t ) = 0 \lim_{t \rightarrow \infin} \dot{f}(t) = 0 limt→∞f˙(t)=0。
引理4:
f
(
t
)
f(t)
f(t)在
t
∈
[
0
,
∞
)
t \in \left [ 0, \infin \right )
t∈[0,∞)上一阶连续,且
∃
p
∈
[
1
,
∞
)
\exists p \in \left [1, \infin \right )
∃p∈[1,∞),使得
f
(
t
)
,
f
˙
(
t
)
∈
L
∞
f(t), \dot{f}(t) \in L_{\infin}
f(t),f˙(t)∈L∞,
f
˙
(
t
)
∈
L
p
\dot{f}(t) \in L_p
f˙(t)∈Lp,则
lim
t
→
∞
f
(
t
)
=
0
\lim_{t \rightarrow \infin} f(t) = 0
limt→∞f(t)=0,其中:
L
p
=
{
x
∣
x
:
[
1
,
∞
)
,
(
∫
0
∞
∣
x
(
t
)
∣
p
d
t
)
1
/
p
<
∞
}
L_p = \left \{ x \mid x: \left [1, \infin \right ), \left ( \int_0^{\infin}|x(t)|^p dt \right )^{1/p} < \infin \right \}
Lp={x∣x:[1,∞),(∫0∞∣x(t)∣pdt)1/p<∞}
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 ∈ [ 0 , T ( x 0 ) ] t \in [0, \boldsymbol{T} (\boldsymbol{x}_0)] t∈[0,T(x0)]时,有 lim t → T ( x 0 ) x ( t , x 0 ) = 0 \lim_{t \rightarrow \boldsymbol{T} (\boldsymbol{x}_0)} \boldsymbol{x} (t, \boldsymbol{x}_0) = 0 limt→T(x0)x(t,x0)=0。当 t > T ( x 0 ) t > \boldsymbol{T} (\boldsymbol{x}_0) t>T(x0)后,系统状态一直处于平衡点,即 x ( t , x 0 ) = 0 \boldsymbol{x} (t, \boldsymbol{x}_0) = 0 x(t,x0)=0。当 U 0 = U = R n U_0 = U = \mathbb{R}^n U0=U=Rn,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
(
x
)
:
R
n
→
R
V(\boldsymbol{x}): \mathbb{R}^n \rightarrow \mathbb{R}
V(x):Rn→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)+α1V(x)+α2Vα(x)≤0,x∈U0∖{0},U0∈U
式中,
α
1
>
0
\alpha_1 > 0
α1>0,
α
2
>
0
\alpha_2 > 0
α2>0,
0
<
α
<
2
0 < \alpha < 2
0<α<2。则系统
(
1
)
(1)
(1)是有限时间稳定的,收敛时间满足:
t
f
≤
t
0
+
1
α
1
(
1
−
α
)
ln
α
1
V
1
−
α
(
x
0
)
+
α
2
α
2
t_f \leq t_0 +\frac{1}{\alpha_1 (1 - \alpha)} \ln \frac{\alpha_1 V^{1 - \alpha} (\boldsymbol{x}_0) + \alpha_2}{\alpha_2}
tf≤t0+α1(1−α)1lnα2α1V1−α(x0)+α2
如果 U 0 = U = R n U_0 = U = \mathbb{R}^n U0=U=Rn,则上述结论可以扩充至 R n \mathbb{R}^n Rn全集,即称系统在 x = 0 \boldsymbol{x} = 0 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.