【现代控制理论笔记】——第一章：线性定常系统的表示方法及运动分析

现代控制理论

第一章：

说明：

主要针对线性定常系统引入了两种描述，对其进行说明，进一步针对两种描述建立了相互转换关系。

然后，对系统进行了运动分析，分为连续系统和离散系统两类。运动分析涉及零输入、零状态及一般情况。

注意很多习题的核心在于：$e^{At}=L^{-1}[(sI-A{)}^{-1}]$

1.1 线性定常系统的基本数学描述

① 黑箱：传递函数描述，只表明输入输出特性

②白箱：状态空间描述，还表明内部特性

1.2 传递函数描述

1）常见的拉普拉斯变换

2）传递函数严格真或者真（m≤n）时是物理可实现的。

单输入单输出系统：

分母次数n>分子次数m为严格真；
分母次数n=分子次数m为真；

多输入多输出系统：

${\lim }_{s\to \infty }G(s)=$零矩阵，为严格真；
${\lim }_{s\to \infty }G(s)=$非零常数矩阵，为真；

1.3 状态空间描述

1）系统阶数n意味着系统只会有n个线性无关的状态变量。

2）$x=P\bar{x}$的物理意义：

$x$与$\bar{x}$是系统两个状态变量，其内部元素线性无关，因此x可以表示为$\bar{x}$元素线性组合，P即为系数矩阵。

3）动态系统的状态空间描述：

机理：

系统输入u引起系统状态x变化，系统状态x和输入u的变化引起系统输出的变化。

表现为：

$$\begin{gathered} \dot{x}=Ax+Bu \\ y=Cx+Du \end{gathered}$$

1.4 由输入输出描述推演出状态空间描述

相当于一个实现问题：

对于系统：

$$\begin{gathered} y^{(n)}+a_{n-1}{y}^{(n-1)}+\cdots +a_1{y}^{(1)}+a_{0}y \\ =b_m{u}^{(m)}+b_{m-1}{u}^{(m-1)}+\cdots +b_1{u}^{(1)}+b_{0}u \end{gathered}$$

传递函数：

$g(s)=\frac{Y(s)}{U(s)}=\frac{b_m{s}^m+b_{m-1}{s}^{m-1}+\cdots +b_{1}s+b_0}{s^n+a_{n-1}{s}^{n-1}+\cdots +a_{1}s+a_0}$

1）当m<n时：

$\{\begin{array}{ll}\dot{x}=\left[\begin{array}{cccc}0& 1& & \\ ⋮& & \ddots & \\ 0& & & 1\\ -a_0& -a_1& \cdots & -a_{n-1}\end{array}\right]x+\left[\begin{array}{c}0\\ ⋮\\ 0\\ 1\end{array}\right]u& \\ y=\left[\begin{array}{ccccccc}{b}_0& b_1& \cdots & b_m& 0& \cdots & 0\end{array}\right]x& \end{array}$

2）当m=n时：

先计算$li{m}_{s\to \infty }G(s)=d$，然后对$g_1(s)=g(s)-d$则有m<n，用上述方法。

3）当m=0时：

$\{\begin{array}{l}\dot{x}=\left[\begin{array}{cccc}0& 1& & \\ ⋮& & \ddots & \\ 0& & & 1\\ -a_0& -a_1& \cdots & -a_{n-1}\end{array}\right]x+\left[\begin{array}{c}0\\ ⋮\\ 0\\ b_0\end{array}\right]u\\ y=\left[\begin{array}{cccc}1& 0& \cdots & 0\end{array}\right]x\end{array}$

1.5 由状态空间描述推导出传递函数矩阵

对于状态空间描述：

$$\begin{gathered} \dot{x}=Ax+Bu \\ y=Cx+Du \end{gathered}$$

系统传递函数可以写作：

$G(s)=C(sI-A{)}^{-1}B+D$

其中，

$(sI-A{)}^{-1}=\frac{adj(sI-A)}{det(sI-A)}=\frac{adj(sI-A)}{|sI-A|}$

$det(sI-A)=\Pi (s-{\lambda }_i)$特征多项式

1.6 线性定常系统的坐标变换

对$\bar{x}=Px$，则两系统可以相互转换：

$$\begin{gathered} \dot{x}=Ax+Bu \\ y=Cx+Du \end{gathered}$$

$$\begin{gathered} \dot{\bar{x}}=\bar{A}\bar{x}+\bar{B}u \\ \bar{y}=\bar{C}\bar{x}+\bar{D}u \end{gathered}$$

其中，

$\bar{A}=PA{P}^{-1},\bar{B}=PB,\bar{C}=C{P}^{-1},\bar{D}=D$

两系统若满足上式，则是代数等价的，其特征值、传递函数具有一致性。

1.7 线性定常连续系统的运动分析

对系统$\dot{x}=Ax+Bu$，分类讨论：

1） 零输入$u\equiv 0,x(0)=x_0$，则自治方程：

$\dot{x}=Ax$的解为：$x(t)=e^{At}{x}_0$

2）零状态$x(0)\equiv 0$，则强迫方程：

$\dot{x}=Ax+Bu$的解为：${\int }_0^t{e}^{A(t-\tau )}u(\tau )d\tau$

3）其他情形，系统特征方程的解：

$x(t)=e^{A(t-t_0)}{x}_0+{\int }_{t_0}^t{e}^{A(t-\tau )}Bu(\tau )d\tau$

系统输出：$y(t)=Cx(t)+Du(t)$

4）更特别的，若系统为：$\dot{x}=Ax+Bu+f$，则系统运动轨迹为：

$x(t)=e^{At}{x}_0+{\int }_0^t{e}^{A(T-\tau )}(Bu(\tau )+f)d\tau$

1.8 线性定常系统的脉冲响应矩阵

对于系统：

$$\begin{gathered} \dot{x}=Ax+Bu \\ y=Cx+Du \end{gathered}$$

其脉冲相应矩阵（时间域）可写成：

$G(t)=C{e}^{At}B+D\delta (t)$

脉冲相应矩阵和传递函数矩阵之间的关系为：

$$\begin{gathered} L[G(t)]=G(s) \\ {L}^{-1}[G(s)]=G(t) \end{gathered}$$

因为$L(e^{At})=(sI-A{)}^{-1}$

1.9 线性定常离散系统的运动分析

对于系统：

$\begin{array}{rl}x(k+1)=& Gx(k)+Hu(k)\\ \text{y(k) =}& Cx(k)+Du(k)\end{array}$

其解与连续系统类似：

$x(k)=G^k{x}_0+{\Sigma }_{i=0}^{k-1}{G}^{i}Hu(k-i-1)$

对于离散系统而言，其传递函数矩阵写作：

$G(z)=C(zI-G{)}^{-1}H+D$

习惯称为脉冲传递函数矩阵。

1.10 连续系统的离散化

实际计算机应用时用采样器和保持器来对连续系统进行离散化。

对于一般的运动状态：

$x(t)=e^{A(t-t_0)}{x}_0+{\int }_{t_0}^t{e}^{A(t-\tau )}Bu(\tau )d\tau$

有：

$\begin{array}{rl}x[(k+1)T]& =e^{A(k+1)T}{x}_0+{\int }_0^{(k+1)T}{e}^{A[(k+1)T-\tau ]}Bu(\tau )d\tau \\ & =e^{AT}{e}^{AkT}{x}_0+{\int }_0^{kT}{e}^{A[(k+1)T-\tau ]}Bu(\tau )d\tau \\ & +{\int }_{kT}^{(k+1)T}{e}^{A[(k+1)T-\tau ]}Bu(\tau )d\tau \\ & =\underset{=x[kT]}{\underbrace{e^{AT}\left(e^{AkT}{x}_0+{\int }_0^{kT}{e}^{A(kT-\tau )}Bu(\tau )d\tau \right)}}+{\int }_0^T{e}^{At}dtBu(k)\end{array}$

（这里换元是怎么把$u(\tau )$提出来变成$u(k)$的？）

因此有连续系统和离散系统间的矩阵转换关系：

$G=e^{AT},H={\int }_0^T{e}^{At}dtB，C=C,D=D$