Lyapunov判稳第一法(First Method)是利用齐次状态方程解的特性判断系统的内部稳定性,适用于线性定常、线性时变、线性离散以及可线性化的非线性系统。经典控制理论中关于线性系统稳定性的判别都可以看作是Lyapunov判稳第一法的工程应用。
线性定常系统的稳定性分析
- 线性定常连续系统稳定性的特征值判断依据
定理1 线性定常连续系统 x ˙ = A x \dot{x}=Ax x˙=Ax的零平衡状态 x e = 0 x_e=0 xe=0,是渐近平稳的充分必要条件是: A A A的所有特征值(Eigenvalue)具有负实部(Negative Real Part)。
渐近稳定考虑的是系统输入零响应,属于内部稳定性,又称之为状态稳定性。与此相对应的即为系统外部稳定性,即输入输出稳定(BIBO稳定性)考虑的是系统的零状态响应,其充分必要条件是 W ( s ) W(s) W(s)的所有极点具有负实部。
例1. 判断系统的渐近稳定性和输入输出稳定性。 A = [ 2 0 0 − 3 ] , b = [ 1 1 ] , c = [ 0 1 ] A=\left[ \begin{matrix} 2& 0\\ 0& -3\\ \end{matrix} \right] ,b=\left[ \begin{array}{c} 1\\ 1\\ \end{array} \right] ,c=\left[ \begin{matrix} 0& 1\\ \end{matrix} \right] A=[200−3],b=[11],c=[01]
解: 根据特征值的实部,判断系统状态 x 1 x_1 x1不稳定。
y = c x = [ 0 1 ] [ x 1 x 2 ] = x 2 y=cx=\left[ \begin{matrix} 0& 1\\ \end{matrix} \right] \left[ \begin{array}{c} x_1\\ x_2\\ \end{array} \right] =x_2 y=cx=[01][x1x2]=x2 lim t → ∞ y ( t ) = 0 \underset{t\rightarrow \infty}{\lim}y\left( t \right) =0 t→∞limy(t)=0
系统的输出稳定,即外部具有稳定性。系统的传递函数必然有零点对消。
例2. 判断系统的渐近稳定性和输入输出稳定性。
A = [ 0 6 1 − 1 ] , b = [ − 2 1 ] , c = [ 0 1 ] A=\left[ \begin{matrix} 0& 6\\ 1& -1\\ \end{matrix} \right] ,b=\left[ \begin{array}{c} -2\\ 1\\ \end{array} \right] ,c=\left[ \begin{matrix} 0& 1\\ \end{matrix} \right] A=[016−1],b=[−21],c=[01]
解: (1)外部具有稳定性(输入输出稳定性)
W ( s ) = c ( s I − A ) − 1 b = [ 0 1 ] [ s − 6 − 1 s + 1 ] [ − 2 1 ] W\left( s \right) =c\left( sI-A \right) ^{-1}b=\left[ \begin{matrix} 0& 1\\ \end{matrix} \right] \left[ \begin{matrix} s& -6\\ -1& s+1\\ \end{matrix} \right] \left[ \begin{array}{c} -2\\ 1\\ \end{array} \right] W(s)=c(sI−A)−1b=[01][s−1−6s+1][−21] = [ 0 1 ] [ s − 6 1 s ] ( s + 3 ) ( s − 2 ) [ − 2 1 ] = [ 1 s ] [ − 2 1 ] ( s + 3 ) ( s − 2 ) =\left[ \begin{matrix} 0& 1\\ \end{matrix} \right] \frac{\left[ \begin{matrix} s& -6\\ 1& s\\ \end{matrix} \right]}{\left( s+3 \right) \left( s-2 \right)}\left[ \begin{array}{c} -2\\ 1\\ \end{array} \right] =\frac{\left[ \begin{matrix} 1& s\\ \end{matrix} \right] \left[ \begin{array}{c} -2\\ 1\\ \end{array} \right]}{\left( s+3 \right) \left( s-2 \right)} =[01](s+3)(s−2)[s1−6s][−21]=(s+3)(s−2)[1s][−21] = s − 2 ( s + 3 ) ( s − 2 ) = 1 s + 3 =\frac{s-2}{\left( s+3 \right) \left( s-2 \right)}=\frac{1}{s+3} =(s+3)(s−2)s−2=s+31极点 − 3 -3 −3具有负实部,是输入输出稳定的。
(2) 内部稳定性分析,
∣ λ I − A ∣ = [ λ − 6 − 1 λ + 1 ] = λ 2 + λ − 6 = ( λ − 2 ) ( λ + 3 ) \left| \lambda I-A \right|=\left[ \begin{matrix} \lambda& -6\\ -1& \lambda +1\\ \end{matrix} \right] =\lambda ^2+\lambda -6=\left( \lambda -2 \right) \left( \lambda +3 \right) ∣λI−A∣=[λ−1−6λ+1]=λ2+λ−6=(λ−2)(λ+3)
系统渐近非稳定,但输入输出稳定。因为存在零极点对消,消掉了具有正实部的特征值 λ = 2 \lambda =2 λ=2 - 线性离散系统稳定性分析
定理2. 线性定常离散系统 x ( k + 1 ) = G x ( k ) x(k+1)=Gx(k) x(k+1)=Gx(k)的零平衡状态 x e x_e xe是渐近稳定的充分必要条件是:系统矩阵 G G G的所有特征值的模全部位于根平面的单位圆内,即
∣ λ i ∣ < 1 , i = 1 , 2 , 3...... \left| \lambda _i \right|<1,i=1,2,3...... ∣λi∣<1,i=1,2,3......
线性时变系统的稳定性分析
对于线性时变系统,同样具有两种方法判断系统平衡状态的稳定性,即基于状态转移的方法与基于Lyapunov判断依据的判断方法。
假设线性系统为:
x
˙
=
A
(
t
)
x
\dot{x}=A(t)x
x˙=A(t)x
系统的平衡状态为
x
e
=
0
x_e=0
xe=0,状态方程的解为
x
(
t
)
=
ϕ
(
t
,
t
0
)
x
(
t
0
)
,
t
≥
t
0
≥
0
x\left( t \right) =\phi \left( t,t_0 \right) x\left( t_0 \right) ,t\ge t_0\ge 0
x(t)=ϕ(t,t0)x(t0),t≥t0≥0
若有
lim
t
→
∞
∥
ϕ
(
t
,
t
0
)
∥
=
0
\underset{t\rightarrow \infty}{\lim}\lVert \phi \left( t,t_0 \right) \rVert =0
t→∞lim∥ϕ(t,t0)∥=0
则
lim
t
→
∞
x
(
t
)
=
0
\underset{t\rightarrow \infty}{\lim}x\left( t \right) =0
t→∞limx(t)=0必然成立,系统的平衡状态
x
e
=
0
x_e=0
xe=0在时刻
t
0
t_0
t0是渐近稳定的。
线性时变系统稳定性的相关结论如下:
(1).
∥
ϕ
(
t
,
t
0
)
∥
≤
β
(
t
0
)
,
∀
t
≥
t
0
,
∀
t
0
,
0
<
β
(
t
0
)
<
∞
,
β
(
t
0
)
是依赖于
t
0
的实数,则系统稳定;
\lVert \phi \left( t,t_0 \right) \rVert \le \beta \left( t_0 \right) ,\forall t\ge t_0,\forall t_0,0<\beta \left( t_0 \right) <\infty ,\beta \left( t_0 \right) \text{是依赖于}t_0\text{的实数,则系统稳定;}
∥ϕ(t,t0)∥≤β(t0),∀t≥t0,∀t0,0<β(t0)<∞,β(t0)是依赖于t0的实数,则系统稳定;(2).
∥
ϕ
(
t
,
t
0
)
∥
≤
β
,
∀
t
≥
t
0
,
∀
t
0
,
0
<
β
<
∞
,
β
是独立的实数,则系统一致稳定;
\lVert \phi \left( t,t_0 \right) \rVert \le \beta ,\forall t\ge t_0,\forall t_0,0<\beta <\infty ,\beta \text{是独立的实数,则系统一致稳定;}
∥ϕ(t,t0)∥≤β,∀t≥t0,∀t0,0<β<∞,β是独立的实数,则系统一致稳定;(3).
∥
ϕ
(
t
,
t
0
)
∥
→
0
,
t
→
∞
,
∀
t
0
,
则系统渐近稳定;
\lVert \phi \left( t,t_0 \right) \rVert \rightarrow 0,t\rightarrow \infty ,\forall t_0,\text{则系统渐近稳定;}
∥ϕ(t,t0)∥→0,t→∞,∀t0,则系统渐近稳定;(4).
∥
ϕ
(
t
,
t
0
)
∥
≤
β
e
−
c
(
t
−
t
0
)
,
∀
t
≥
t
0
,
∀
t
0
,
c
>
0
,
β
>
0
,
则系统一致渐近稳定。
\lVert \phi \left( t,t_0 \right) \rVert \le \beta e^{-c\left( t-t_0 \right)},\forall t\ge t_0,\forall t_0,c>0,\beta >0,\text{则系统一致渐近稳定。}
∥ϕ(t,t0)∥≤βe−c(t−t0),∀t≥t0,∀t0,c>0,β>0,则系统一致渐近稳定。
非线性系统的稳定性分析
由于非线性系统的可能存在多个平衡态,而且每一个平衡态的稳定性可能不同,因此,需要对非线性系统的每个平衡态分别研究。
假设一非线性系统为:
x
˙
=
f
(
x
)
\dot{x}=f(x)
x˙=f(x)
当
n
n
n维状态向量函数
f
(
x
)
f(x)
f(x)对
x
x
x有连续的偏导数存在时,可将非线性向量函数
f
(
x
)
f(x)
f(x)在平衡状态
x
e
x_e
xe附近展开(Expand)为
t
a
y
l
o
r
taylor
taylor级数。
x
˙
=
f
(
x
)
=
f
(
x
)
∣
x
e
+
∂
f
∂
x
T
∣
x
e
(
x
−
x
e
)
+
Δ
(
x
)
\dot{x}=f\left( x \right) =f\left( x \right) \left| x_e+\frac{\partial f}{\partial x^T}\left| x_e\left( x-x_e \right) +\varDelta \left( x \right) \right. \right.
x˙=f(x)=f(x)∣∣∣∣xe+∂xT∂f∣xe(x−xe)+Δ(x)
∂
f
∂
x
=
[
∂
f
1
∂
x
1
∂
f
1
∂
x
2
.
.
.
∂
f
1
∂
x
n
∂
f
2
∂
x
1
∂
f
2
∂
x
2
.
.
.
∂
f
2
∂
x
n
.
.
.
.
.
.
.
.
.
.
.
.
∂
f
n
∂
x
1
∂
f
n
∂
x
2
.
.
.
∂
f
n
∂
x
n
]
n
×
n
\frac{\partial f}{\partial x}=\left[ \begin{matrix} \frac{\partial f_1}{\partial x_1}& \frac{\partial f_1}{\partial x_2}& ...& \frac{\partial f_1}{\partial x_n}\\ \frac{\partial f_2}{\partial x_1}& \frac{\partial f_2}{\partial x_2}& ...& \frac{\partial f_2}{\partial x_n}\\ ...& ...& ...& ...\\ \frac{\partial f_n}{\partial x_1}& \frac{\partial f_n}{\partial x_2}& ...& \frac{\partial f_n}{\partial x_n}\\ \end{matrix} \right] _{n\times n}
∂x∂f=⎣⎢⎢⎢⎡∂x1∂f1∂x1∂f2...∂x1∂fn∂x2∂f1∂x2∂f2...∂x2∂fn............∂xn∂f1∂xn∂f2...∂xn∂fn⎦⎥⎥⎥⎤n×n
其中
∂
f
∂
x
\frac{\partial f}{\partial x}
∂x∂f称为雅克比(Jacobian)矩阵,
Δ
(
x
)
\varDelta \left( x \right)
Δ(x)为
T
a
y
l
o
r
Taylor
Taylor展开式中的二次以上的高次项。