1. 模态的概念
模态是系统中的某个子运动(相对于整体运动而言),系统整体的动态特性是由一个个子运动所组成的(可以类比于空间中的向量基的概念)。
显然,对于某个系统,其运动由特征方程的极点来决定,而不同的极点(如 s i = λ i s_i = \lambda _i si=λi)则在时域中对应着 C i e λ i t C_i e^{\lambda _i t} Cieλit的运动分量。因此,在时域中,模态可以简单理解为极点 λ i \lambda_i λi所对应的运动模态 e λ i t e^{\lambda _i t} eλit。
值得注意的是,一般地,若系统的特征方程为
Δ
(
s
)
=
∏
i
=
1
n
(
s
−
λ
i
)
\Delta (s) = \prod _{i=1} ^n \left( s - \lambda_i \right)
Δ(s)=i=1∏n(s−λi)则其时域中的运动可以表示为
x
(
t
)
=
∑
i
=
1
n
C
i
e
λ
i
t
=
∑
i
=
1
n
x
i
(
t
)
x(t) = \sum _{i=1} ^n C_i e^{\lambda _i t} = \sum _{i=1} ^n x_i (t)
x(t)=i=1∑nCieλit=i=1∑nxi(t)其中
C
i
C_i
Ci是系数,但同样可以理解为不同子运动模态在整个运动
x
(
t
)
x(t)
x(t)中所占的权重。因此,当讨论模态本身时,我们所讨论的是
e
λ
i
t
e^{\lambda _i t}
eλit项,而非
C
i
e
λ
i
t
C_i e^{\lambda _i t}
Cieλit。
2. 模态反馈控制的思想及控制量 u u u设计
模态控制的思想可以用一句话表述:通过设计反馈回路中的增益矩阵 K K K,使得系统具有期望的模态分布(即具有期望的极点分布)。与补偿的思想类似——补偿是通过向系统中添加零极点,实现数学上的传递函数零极点相消的操作,进而使得系统具有期望的零极点。
一般地,系统的动态特性可以由以下方程表示
{
x
˙
=
A
x
+
B
u
y
=
C
x
(1)
\begin{cases} \dot x = Ax + Bu \\ y = Cx \tag{1} \end{cases}
{x˙=Ax+Buy=Cx(1)该形式又被称为柯西形式。
设 u = − K y (2) u=-Ky \tag{2} u=−Ky(2)则 x ˙ = A x + B u = A x + B ( − K y ) = A x − B K y = A X − B K ( C x ) = ( A − B K C ) x = A ~ x ⟶ A ~ = A − B K C (3) \begin{aligned} \dot x &= Ax + Bu = Ax + B \left( -Ky \right) = Ax - BKy = AX - BK \left( Cx \right) \\ &= \left( A - BKC \right) x = \tilde A x \longrightarrow \tilde A = A-BKC \tag{3} \end{aligned} x˙=Ax+Bu=Ax+B(−Ky)=Ax−BKy=AX−BK(Cx)=(A−BKC)x=A~x⟶A~=A−BKC(3)通过式(2)这种手段,可以将表达式中的 u u u消去,得到仅含有状态量 x x x的式(3)。可以看出,式(2)是将系统输出 y y y经过一个增益 K K K后,作为输入 u u u直接负反馈到了输入端,这就是模态反馈控制中“反馈”的含义。
当输出即为状态量,也就是
y
=
x
y=x
y=x时,
C
=
I
C = I
C=I,
u
=
−
K
x
,
A
~
=
A
−
B
K
x
˙
=
A
~
x
=
(
A
−
B
K
)
x
(4)
u = - K x, \\ \tilde A = A - BK \\ \dot x = \tilde A x = \left( A - BK \right) x \tag{4}
u=−Kx,A~=A−BKx˙=A~x=(A−BK)x(4)
对于原方程(1),可以写出其特征方程
Δ
(
s
)
=
det
(
s
I
−
A
)
\Delta (s) = \det \left( sI - A \right)
Δ(s)=det(sI−A)那么同样,对于加入了反馈控制
u
=
−
K
x
u=-Kx
u=−Kx的系统(4),其特征方程为
Δ
(
s
)
=
det
(
s
I
−
A
~
)
=
det
(
s
I
−
A
+
B
K
)
\Delta (s) = \det \left( sI - \tilde A \right) = \det \left( sI - A + BK \right)
Δ(s)=det(sI−A~)=det(sI−A+BK)若对于该系统有期望的极点
λ
i
∗
\lambda_i^*
λi∗,则该系统期望的特征方程为
Δ
∗
(
s
)
=
∏
i
=
1
n
(
s
−
λ
i
∗
)
\Delta^* (s) = \prod _{i=1} ^n \left( s - \lambda_i^* \right)
Δ∗(s)=i=1∏n(s−λi∗)那么仅需使
Δ
(
s
)
=
Δ
∗
(
s
)
\Delta (s) = \Delta^* (s)
Δ(s)=Δ∗(s),即
det
(
s
I
−
A
+
B
K
)
=
∏
i
=
1
n
(
s
−
λ
i
∗
)
(5)
\det \left( sI - A + BK \right) = \prod _{i=1} ^n \left( s - \lambda_i^* \right) \tag{5}
det(sI−A+BK)=i=1∏n(s−λi∗)(5)反解出
K
K
K,即可得到负反馈通路。而这种利用
u
=
−
K
x
u=-Kx
u=−Kx进行控制的形式,称为模态反馈控制。
3. 模态反馈控制举例
设有系统
{
x
˙
1
=
−
1
T
x
1
+
1
T
u
x
˙
2
=
x
1
\begin{cases} \dot x_1 = - \frac{1}{T} x_1 + \frac{1}{T} u \\ \dot x_2 = x_1 \end{cases}
{x˙1=−T1x1+T1ux˙2=x1对其设计模态控制器,使得其拥有期望极点
λ
1
∗
,
λ
2
∗
\lambda_1^*, \lambda_2^*
λ1∗,λ2∗。
由该系统的柯西形式可以写出
A
=
[
−
1
T
0
1
0
]
,
B
=
[
1
T
0
]
A = \left[ \begin{matrix} -\frac{1}{T} & 0 \\ 1 & 0 \end{matrix} \right], B = \left[ \begin{matrix} \frac{1}{T} \\ 0 \end{matrix} \right]
A=[−T1100],B=[T10]设计模态反馈控制器为
u
=
−
K
x
u=-Kx
u=−Kx,由于
x
∈
R
2
×
2
,
u
∈
R
1
×
1
x \in \mathbb{R}^{2 \times 2}, u \in \mathbb{R}^{1 \times 1}
x∈R2×2,u∈R1×1,故
K
∈
R
1
×
2
K \in \mathbb{R}^{1 \times 2}
K∈R1×2,即
K
=
[
K
1
K
2
]
K = \left[ \begin{matrix} K_1 & K_2 \end{matrix} \right]
K=[K1K2]那么
det
(
s
I
−
A
+
B
K
)
=
det
(
[
s
0
0
s
]
−
[
−
1
T
0
1
0
]
+
[
1
T
0
]
⋅
[
K
1
K
2
]
)
=
det
(
[
s
+
1
T
0
−
1
s
]
+
1
T
[
K
1
K
2
0
0
]
)
=
∣
s
+
K
1
+
1
T
K
2
T
−
1
s
∣
=
s
2
+
K
1
+
1
T
s
+
K
2
T
\begin{aligned} \det \left( sI - A + BK \right) &= \det \left( \left[ \begin{matrix} s & 0 \\ 0 & s \end{matrix} \right] - \left[ \begin{matrix} -\frac{1}{T} & 0 \\ 1 & 0 \end{matrix} \right] + \left[ \begin{matrix} \frac{1}{T} \\ 0 \end{matrix} \right] \cdot \left[ \begin{matrix} K_1 & K_2 \end{matrix} \right] \right) \\ &= \det \left( \left[ \begin{matrix} s + \frac{1}{T} & 0 \\ -1 & s \end{matrix} \right] + \frac{1}{T} \left[ \begin{matrix} K_1 & K_2 \\ 0 & 0 \end{matrix} \right] \right) \\ &= \Bigg\lvert \begin{matrix} s + \frac{K_1 + 1}{T} & \frac{K_2}{T} \\ -1 & s \end{matrix} \Bigg\rvert \\ &= s^2 + \frac{K_1 + 1}{T} s + \frac{K_2}{T} \end{aligned}
det(sI−A+BK)=det([s00s]−[−T1100]+[T10]⋅[K1K2])=det([s+T1−10s]+T1[K10K20])=
s+TK1+1−1TK2s
=s2+TK1+1s+TK2则
s
2
+
K
1
+
1
T
s
+
K
2
T
=
(
s
−
λ
1
∗
)
(
s
−
λ
2
∗
)
=
s
2
−
(
λ
1
∗
+
λ
2
∗
)
s
+
λ
1
∗
λ
2
∗
s^2 + \frac{K_1 + 1}{T} s + \frac{K_2}{T} = \left( s - \lambda_1^* \right) \left( s - \lambda_2^* \right) = s^2 - \left( \lambda_1^* + \lambda_2^*\right) s + \lambda_1^* \lambda_2^*
s2+TK1+1s+TK2=(s−λ1∗)(s−λ2∗)=s2−(λ1∗+λ2∗)s+λ1∗λ2∗对应系数可以得
{
K
1
+
1
T
=
−
(
λ
1
∗
+
λ
2
∗
)
K
2
T
=
λ
1
∗
λ
2
∗
\begin{cases} \frac{K_1 + 1}{T} = - \left( \lambda_1^* + \lambda_2^*\right) \\ \frac{K_2}{T} = \lambda_1^* \lambda_2^* \end{cases}
{TK1+1=−(λ1∗+λ2∗)TK2=λ1∗λ2∗解得
K
1
=
−
T
(
λ
1
∗
+
λ
2
∗
)
−
1
,
K
2
=
T
λ
1
∗
λ
2
∗
K_1 = -T \left( \lambda_1^* + \lambda_2^*\right) - 1, \quad K_2 = T \lambda_1^* \lambda_2^*
K1=−T(λ1∗+λ2∗)−1,K2=Tλ1∗λ2∗那么,负反馈通路上的增益矩阵
K
=
[
K
1
K
2
]
K = \left[ \begin{matrix} K_1 & K_2 \end{matrix} \right]
K=[K1K2]即可使得系统具有期望的极点
λ
1
∗
,
λ
2
∗
\lambda_1^*, \lambda_2^*
λ1∗,λ2∗。