Lyapunov判稳第一法

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

1. 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$\dot{x}=Ax$的零平衡状态$x_e=0$，是渐近平稳的充分必要条件是：$A$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$W(s)$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。$$A=\left[\begin{array}{cc}2& 0\\ 0& -3\end{array}\right],b=\left[\begin{array}{c}1\\ 1\end{array}\right],c=\left[\begin{array}{cc}0& 1\end{array}\right]$$
   解： 根据特征值的实部，判断系统状态$x_1$不稳定。
   $$y=cx=\left[\begin{array}{cc}0& 1\end{array}\right]\left[\begin{array}{c}{x}_1\\ x_2\end{array}\right]=x_2$$$$\underset{t\to \infty }{\lim }y\left(t\right)=0$$
   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。
   $$A=\left[\begin{array}{cc}0& 6\\ 1& -1\end{array}\right],b=\left[\begin{array}{c}-2\\ 1\end{array}\right],c=\left[\begin{array}{cc}0& 1\end{array}\right]$$
   解: (1)外部具有稳定性(输入输出稳定性)
   $$W\left(s\right)=c{\left(sI-A\right)}^{-1}b=\left[\begin{array}{cc}0& 1\end{array}\right]\left[\begin{array}{cc}s& -6\\ -1& s+1\end{array}\right]\left[\begin{array}{c}-2\\ 1\end{array}\right]$$$$=\left[\begin{array}{cc}0& 1\end{array}\right]\frac{\left[\begin{array}{cc}s& -6\\ 1& s\end{array}\right]}{\left(s+3\right)\left(s-2\right)}\left[\begin{array}{c}-2\\ 1\end{array}\right]=\frac{\left[\begin{array}{cc}1& s\end{array}\right]\left[\begin{array}{c}-2\\ 1\end{array}\right]}{\left(s+3\right)\left(s-2\right)}$$$$=\frac{s-2}{\left(s+3\right)\left(s-2\right)}=\frac{1}{s+3}$$极点$-3$具有负实部，是输入输出稳定的。
   (2) 内部稳定性分析，
   $$\left|\lambda I-A\right|=\left[\begin{array}{cc}\lambda & -6\\ -1& \lambda +1\end{array}\right]={\lambda }^2+\lambda -6=\left(\lambda -2\right)\left(\lambda +3\right)$$
   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$\lambda =2$
2. 线性离散系统稳定性分析
   定理2. 线性定常离散系统$x(k+1)=Gx(k)$的零平衡状态$x_e$是渐近稳定的充分必要条件是：系统矩阵$G$的所有特征值的模全部位于根平面的单位圆内，即
   $$\left|{\lambda }_i\right|<1,i=1,2,3......$$

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：
$$\dot{x}=A(t)x$$
系统的平衡状态为$x_e=0$，状态方程的解为
$$x\left(t\right)=\varphi \left(t,t_0\right)x\left(t_0\right),t\ge t_0\ge 0$$
若有$$\underset{t\to \infty }{\lim }\Vert \varphi \left(t,t_0\right)\Vert =0$$
则$\underset{t\to \infty }{\lim }x\left(t\right)=0$必然成立，系统的平衡状态$x_e=0$在时刻$t_0$是渐近稳定的。
线性时变系统稳定性的相关结论如下:
(1).$$\Vert \varphi \left(t,t_0\right)\Vert \le \beta \left(t_0\right),\forall t\ge t_0,\forall t_0,0<\beta \left(t_0\right)<\infty ,\beta \left(t_0\right)\text{是依赖于}{t}_0\text{的实数,则系统稳定;}$$(2).$$\Vert \varphi \left(t,t_0\right)\Vert \le \beta ,\forall t\ge t_0,\forall t_0,0<\beta <\infty ,\beta \text{是独立的实数,则系统一致稳定;}$$(3). $$\Vert \varphi \left(t,t_0\right)\Vert \to 0,t\to \infty ,\forall t_0,\text{则系统渐近稳定;}$$(4).$$\Vert \varphi \left(t,t_0\right)\Vert \le \beta e^{-c\left(t-t_0\right)},\forall t\ge t_0,\forall t_0,c>0,\beta >0,\text{则系统一致渐近稳定。}$$

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：$$\dot{x}=f(x)$$
当$n$维状态向量函数$f(x)$对$x$有连续的偏导数存在时，可将非线性向量函数$f(x)$在平衡状态$x_e$附近展开(Expand)为$taylor$级数。
$$\dot{x}=f\left(x\right)=f\left(x\right)|x_e+\frac{\partial f}{\partial x^T}|x_e\left(x-x_e\right)+\Delta \left(x\right)$$$$\frac{\partial f}{\partial x}={\left[\begin{array}{cccc}\frac{\partial f_1}{\partial x_1}& \frac{\partial f_1}{\partial x_2}& ...& \frac{\partial f_1}{\partial x_n}\\ \frac{\partial f_2}{\partial x_1}& \frac{\partial f_2}{\partial x_2}& ...& \frac{\partial f_2}{\partial x_n}\\ ...& ...& ...& ...\\ \frac{\partial f_n}{\partial x_1}& \frac{\partial f_n}{\partial x_2}& ...& \frac{\partial f_n}{\partial x_n}\end{array}\right]}_{n\times n}$$
其中$\frac{\partial f}{\partial x}$称为雅克比(Jacobian)矩阵，$\Delta \left(x\right)$为$Taylor$展开式中的二次以上的高次项。