我们先看一下稳定性,看下面的这幅图
A,B,C三个点都是平衡点,把小球放在三个点上,都不会动,A点和C点的区别就是C点是有摩擦的。如果我们让A点的小球小球偏离A点,小球就会无休止的摆下去,如果让B点的小球偏离,则小球永远不会回到B点,如果让C点的小球偏离,因为有摩擦力,偏离平衡点之后,最终小球会逐渐的回到C点。所以我们称A,C点是稳定点,B点不是一个稳定点。
在这里,提出一个不严谨的说法:一个稳定系统,在离开平衡点后的反应随时间衰减,至少不增加。
下面给出一个严谨的数学表达,先看几个符号:
∀
:
\forall:
∀: for all,对于任意给定
∃
:
\exist:
∃: at least one,至少存在一个
∣
∣
⋅
∣
∣
:
||\cdot||:
∣∣⋅∣∣: norm,范数,可以认为是欧式距离,
∣
∣
x
∣
∣
=
x
1
2
+
x
2
2
+
.
.
.
+
x
n
2
||x|| = \sqrt{x_1^2+x_2^2+…+x_n^2}
∣∣x∣∣=x12+x22+...+xn2
定义:李雅普诺夫意义下的稳定性
∀
t
0
,
∀
ϵ
>
0
,
∃
δ
(
t
0
,
ϵ
)
:
∣
∣
x
(
t
0
)
∣
∣
<
δ
(
t
0
,
ϵ
)
⇒
∀
t
≥
t
0
,
∣
∣
x
(
t
)
∣
∣
≤
ϵ
\forall_{t_0},\forall{\epsilon}>0, \exist\delta(t_0,\epsilon):||x(t_0)||<\delta(t_0,\epsilon) \Rightarrow \forall{t}\geq t_0,||x(t)||\leq\epsilon
∀t0,∀ϵ>0,∃δ(t0,ϵ):∣∣x(t0)∣∣<δ(t0,ϵ)⇒∀t≥t0,∣∣x(t)∣∣≤ϵ
定义:渐进稳定性
∃
δ
(
t
0
)
>
0
:
∣
∣
x
(
t
0
)
∣
∣
<
δ
(
t
0
)
⇒
lim
x
→
∞
∣
∣
x
(
t
)
∣
∣
=
0
\exist{\delta(t_0)}>0:||x(t_0)||<\delta(t_0)\Rightarrow\lim_{x \to \infty}||x(t)||=0
∃δ(t0)>0:∣∣x(t0)∣∣<δ(t0)⇒x→∞lim∣∣x(t)∣∣=0
上面的两个定义比较晦涩,下面这两幅图更容易看懂一些。假设有一个二维系统
x
˙
=
f
(
x
1
,
x
2
)
\dot{x} = f(x_1,x_2)
x˙=f(x1,x2),我们把它画在下面的二维系统中,半径分别为
δ
,
ϵ
\delta,\epsilon
δ,ϵ的两个圆,如果初始状态都在小圆内(D点和E点),李雅普诺夫下的稳定性是指最终稳定在大圆之内,渐进稳定性是指最终会回到原点。
LTI系统
之前提到的可以通过判断
x
˙
=
A
x
\dot{x} = Ax
x˙=Ax中的A矩阵的特征值判断稳定性,假设特征值
λ
=
a
+
b
i
\lambda=a+bi
λ=a+bi,在这里李雅普诺夫下的稳定性就是指所有的特征值只有非正的实部(
a
≤
0
a\leq0
a≤0),渐进稳定性是指所有特征值只有负实部(
a
<
0
a<0
a<0)。只要有一个特征值大于0就是不稳定的系统。
非线性系统
求解微分方程可以判断系统稳定性,但比较难,李雅普诺夫方法不用求解微分方程,也可以判断稳定性。
如果
x
˙
=
f
(
x
0
)
\dot{x} = f(x_0)
x˙=f(x0),
x
=
0
x=0
x=0是平衡点。
case1:
(i)
V
(
0
)
=
0
V(0)=0
V(0)=0
(ii)
V
(
x
)
≥
0
i
n
D
−
{
0
}
V(x)\geq0 \ in\ D-{0}
V(x)≥0 in D−{0},不包括0的定义域
(iii)
V
˙
(
x
)
≤
0
i
n
D
−
{
0
}
\dot{V}(x)\leq0 \ in\ D-{0}
V˙(x)≤0 in D−{0}
我们称
x
=
0
x=0
x=0是一个稳定的平衡点。
case2:
(i)
V
(
0
)
=
0
V(0)=0
V(0)=0
(ii)
V
(
x
)
>
0
i
n
D
−
{
0
}
V(x)>0 \ in\ D-{0}
V(x)>0 in D−{0}
(iii)
V
˙
(
x
)
<
0
i
n
D
−
{
0
}
\dot{V}(x)<0 \ in\ D-{0}
V˙(x)<0 in D−{0}
我们称
x
=
0
x=0
x=0是一个渐进稳定的平衡点。
这里有两个概念:PSD(positive semi definition)半正定,NSD(negative semi definition)半负定。
举例LTI系统
看一个弹簧阻尼系统
这样的一个LTI系统的微分方程是
m
x
¨
+
B
x
˙
+
K
x
=
0
m\ddot{x}+B\dot{x}+Kx= 0
mx¨+Bx˙+Kx=0
写成状态方程的形式就是
[
z
1
˙
z
2
˙
]
=
[
0
1
−
K
m
−
B
m
]
[
z
1
z
2
]
\left[
[z1˙z2˙]=[0−mK1−mB][z1z2]
平衡点是
z
1
=
z
2
=
0
z_1=z_2=0
z1=z2=0。
我们可以用矩阵特征值的性质来判断一下矩阵特征值的符号,我们知道
λ
1
+
λ
2
=
0
+
(
−
B
m
)
=
−
B
m
<
0
\lambda_1+\lambda_2 = 0+(-\frac{B}{m})=-\frac{B}{m}<0
λ1+λ2=0+(−mB)=−mB<0
λ
1
×
λ
2
=
∣
A
∣
=
k
m
>
0
\lambda_1\times \lambda_2 = |A|=\frac{k}{m}>0
λ1×λ2=∣A∣=mk>0
由上面的两个公式可以推出
λ
1
,
λ
2
<
0
\lambda_1,\lambda_2<0
λ1,λ2<0,系统稳定。从实际中也可以知道,无论弹簧的初始状态怎么样,弹簧虽然会震荡,但最终会稳定。
举例非线性系统
假设上面的弹簧拥有了这样的性质
f
k
=
k
x
3
f_k= kx^3
fk=kx3
系统就变成了下面这种形式
m
x
¨
+
B
x
˙
+
k
x
3
=
0
m\ddot{x} + B\dot{x}+kx^3 = 0
mx¨+Bx˙+kx3=0
我们可以设
V
=
1
2
m
x
˙
2
+
1
4
k
x
4
V=\frac{1}{2}m\dot{x}^2+\frac{1}{4}kx^4
V=21mx˙2+41kx4,这个公式满足
V
(
0
)
=
0
,
V
>
0
V(0)=0, V>0
V(0)=0,V>0在
D
−
{
0
}
D-{0}
D−{0},所以
V
V
V是一个正定函数。再看一下
V
˙
\dot{V}
V˙。
V
˙
=
m
x
˙
x
¨
+
k
x
3
x
˙
=
m
x
˙
(
−
k
x
3
m
−
B
x
˙
m
)
+
k
x
3
x
˙
=
−
k
x
3
x
˙
−
B
x
˙
2
+
k
x
3
x
˙
=
−
B
x
˙
2
<
0
\dot{V} = m\dot{x}\ddot{x} + kx^3\dot{x} = m\dot{x}(-\frac{kx^3}{m}-\frac{B\dot{x}}{m})+kx^3\dot{x}=-kx^3\dot{x}-B\dot{x}^2+kx^3\dot{x}=-B\dot{x}^2<0
V˙=mx˙x¨+kx3x˙=mx˙(−mkx3−mBx˙)+kx3x˙=−kx3x˙−Bx˙2+kx3x˙=−Bx˙2<0
V
˙
\dot{V}
V˙是一个负定的函数,符合上面的case2的情况,系统是一个渐进稳定的系统。这里面比较难的是如何寻找李雅普诺夫函数,这是一个有技巧性的东西。
评论(0)
您还未登录,请登录后发表或查看评论