Control system
C 1
1.transfer function —>state space
1. 存在转化矩阵T,将X转化为X_bar, 对应的A,B,C,D也和转化矩阵T有相应关系(有相关证明)
2. G(s)推导,需牢记,G=C*([sI-A]-1)*D
3. 对状态变量进行nonsingular变换,不改变G
C2
2.1 关于系统可控可观的判断
1.controllability
1. S = [B, AB, A2B, …, A.pow(n-1)B]
2. 对特征方程进行nonsingular变换,不改变可控性
3. 状态方程的对角标准型:
A矩阵为对角为eigenvalue的对角矩阵
- eigenvalue由传函分母得来
- 由sI-A = 0得来
若A的eigenvalue不同,且所有b row不是0,则系统完全可控
4. controllability canonical form(对角型:满足则一定可控
2.observability
1. 定义:若x和y独立,则不客观
V = [C; CA; CA2; …; CA.pow(n-1)
3. 状态方程的对角标准型:
A矩阵为对角为eigenvalue的对角矩阵
- eigenvalue由传函分母得来
- 由sI-A = 0得来
若A的eigenvalue不同,且全部c 列不是0,则系统完全可观
4. 所有b行,c列无0,意味着no zero-pole cancel,zero-pole cancel意味着(不可观可控,可观不可控,不可观不可控)
3. 总结
可观性:可通过y反应状态
可控性:可通过u控制状态
2.2 可控可观性 decomposition:什么样的A,B,C矩阵意味着系统可控可观性
1. 可控性
1. 分解矩阵P:由S矩阵得来(S_rank的前m列+independent自己创造的列—>使得P矩阵rank为n)
2. 由P-1AP,P-1B来得到分解矩阵
3. A‘矩阵左下角矩阵块=0,且B中对应的矩阵下侧块为0–>说明该部分状态变量不可控
2. 可观性
Q-1 = [q1, q2, …qm, …, qn].T 注意是Q的逆,易错!!!!!qm~qn为自己加的。q.T为V中的行
2. 由Q-1AQ,CQ-1 来得到分解矩阵
3. A‘矩阵右上角矩阵块=0,且C中对应的矩阵右侧块为0–>说明该部分状态变量不可观
2.3 state feedback control
是由X返回u,并不从y返回,易错!!
定义: u = r - K.T * x, K.T = [K1, K2, … , Kn]
状态方程改变: X_dot = (A - BK.T) * X + Br
若系统可控:可根据系统特征根(poles)来求反馈gain (可控,pole可以任意配置,一种pole配置,对应一种反馈gain)
1. 先判断系统可控性,poles可任意配置
2.特征方程:|sI - (A - BK.T)|= 0
3.desired charac. Eq. : (s+p1)(s+p2)(s+p3)…(s+pn) = 0
4. 由上述两方程相等可得K
加入状态反馈的系统可观可控性重要结论
判断题必考
1. state feedback不改变系统可控性: 由判断矩阵S来证明,A变为(A-BK.T)
2. 状态反馈会改变可观性!!!(由于可控,poles可任意配置,当产生zero-pole cancel时—>不可观
3. s.f.不改变系统阶次(order),因为传函分母s.pow(n) 的系数为1, 故不会改变
2.4 output feedback
从y返回!!
定义: u = r - K*y, y = Cx
状态方程改变: X_dot = (A - BKC) * X + Br
加入输出反馈的系统可观可控性重要结论
判断题必考
1. 如果SISO sys可观可控,引入o.f.后仍可观可控
2. 如果SISO sys不可观(不可控),引入o.f.后仍不可观(不可控)
用闭环 t.f. G(s)来证明!!!!【G0(s) = C|sI-A|B】
2.5 S.F. with Integral Control
(用来Track 输入)
用途:当我们要求的poles个数>系统阶次
我们需要增加系统阶次,引入integral control来增加阶次
方法:1)引入新状态变量Xn+1
2)在u前面加入Xn+1和Xn+1.dot,同时保留原系统的原状态反馈
3)但引入新的输出反馈到Xn+1.dot = r - y = r - CX
1)几个重要矩阵的变化(由已知矩阵直接变换得来):A_bar = [A, 0; -C, 0]
B_bar = [B; 0]. C_bar = [C, 0]
2)u = -K.T * X - Kn+1 * Xn+1
= -K_bar * X_bar
K_bar = [K, Kn+1].T, X_bar = [X; Xn+1]
3) X_bar.dot = (A_bar - B_bar * K_bar.T * X_bar) + [0; r]
上述步骤存在易错部分!!!:
在求G(s)的时候所用的A_bar, C_bar可由上述得来,但是B_bar 不可直接用,而应选用 r 的系数作为B来计算!!!!
但对于特征方程
|sI - (A_bar - B_bar * K_bar.T)|中的B_bar是上述的B_bar
有反馈时,不管是状态还是输出反馈,状态方程中都没有u,用X或Y来替换
无反馈时,状态方程有u这个输入变量
2.6 state observer(又被称为estimator)
open loop(omitted)
2. Closed loop estimation
用原系统y和观测系统y_hat的差值:y~ = y-y_hat作为反馈—>给观测器X_hat
1. 公式:X_hat = AX_hat + Bu + Gy~
[y~ = y-C*X_hat]
so X_hat = (A - GC)*X_hat + Bu + Gy
2. 原理:当y~趋于0时,观测器输出与原输出相同,状态变量可观测,实现观测器作用
3. 观测器即与原系统由相同的状态方程
但同时有输出反馈(来自原系统)
4. 观测器存在定理
1. A-GC可以任意配置<=>A,C可观
2. 由对偶定理:(A.T,C.T) 可控
解题步骤:
1. 判断系统可观性
2. 写出特征方程:|sI-(A-GC)| = 0
3. 写出desired eq
两者相等,求出G:gain of the obverse
2.7 controller和observer共存下的极点配置
两者可以分别配置互不影响
1. 一个重要的新参数X~被引入,新系统状态变量为:【X;X~】X~ = X-X_hat
由状态方程推导有X可控但X~不可控(详见可控性分解)
特征方程:|sI-(A-BK.T)|*|sI-(A_GC)| = 0
故控制器和观测器可以任意分别配置,独立设计