当前课程知识点:自动控制理论(2) > 第2周:控制系统的状态空间表达式(2) > 5. 系统的等价变换及其应用(二) > 视频
下面我们给大家继续介绍
这个系统的等价变换及其应用
我们在这儿给大家介绍的是
首先是一个特征向量的概念
然后通过这个特征向量我们跟大家展示出来
如何把一个给定的状态空间表达式
化为约当标准型的形式
那我们来看就是前面我们定义了
这个给定系统矩阵A的特征值
也就是通过λI-A这个行列式等于0
这个特征方程来求取
接下来我们看就是我们对于一个
给定的矩阵A的话
和它一个相应的特征值λi
我们说如果有一个n维的向量Pi
这个非零的Pi向量
我们这儿有约定
它满足A乘以Pi等于λi乘以Pi
那么我们就把这样一个Pi
称为是矩阵A的对应于特征值λi的
一个特征向量
这个地方没有写但是特别要强调一下
就是说Pi一定不能是0向量
因为0向量代进去肯定满足
但是它是个平凡的情况
那我们从这个地方可以看出来
它的意义在于这个Pi这个特征向量
它经过A乘上去
其实就是用A来做一个线性变换以后
它得到的结果是一个λi乘以Pi
也就是保持方向不变
仅仅是增加了这个λi这么多个倍数
是一个数值的倍数
这就是特征向量
所以我们说对应于一个给定的λi
可能有很多的特征向量
比如说我们有如果Pi一定是满足的话
那我们2乘以Pi 两边乘上去也满足
所以特征向量肯定是不唯一的
但是我们属于不同的这个λi的话
也有不同的方向
那么这些方向分别对应于各自的这个特征值
下边我们就利用这个特征向量
来提出一种方法
这种方法可以把给定的某一个
状态空间的表达式化成一种标准型
也就是我们称为的约当标准型它的方法
那么这个具体的转换就是
恰恰是通过我们的代数等价变换
就是我们引入变换矩阵T
而这个T到底怎么构造呢
我们分成两种情况
对于一个矩阵如果它所有的特征值
一共n个 如果是n阶的
那么两两不同的话
那我们可以把它化成一个对角的标准型
如果它有重根
就是它的某个特征值是多重的
这个时候我们化成一般形式的约当标准型
下面我们就分别来看一下
当这个状态矩阵A是没有重根
也就是所有n个根相互不同的时候
我们通过引入这个变换阵
这个变换阵T就是分别对应于
这个λ1到λn
这n个不同的特征值的特征向量
而使得我们变化出来的这个结果
经过这个变换T逆乘以x
得到这个新的状态向量x_hat
那么在这个x_hat底下
就变成了一个对角化的这个A矩阵的形式
而对角线上恰恰是我们的n个不同的这个特征值
那么我们在这儿说了
这个T的构造实际上取决于我们的
属于这个λ1到λn的这个n个不同的特征向量
下边我们就具体地来看一下
为什么我们这么做
一定是能够达到这个目的
也就是个证明过程
首先我们就令这个Pi是A属于λi的
一个特征值的特征向量
那么我们这个地方把它的分量写出来
就是这个大的Pi它实际上是一个n维的列向量
那么因为这个λ1到λn是两两不同的
所以我们根据线性代数的基本结论
属于不同特征值的这个特征向量
它们一定是线性无关的
也就是说如果我们把这些P1到Pn
构成一个分块的一个矩阵T
它正好是一个n乘n的一个矩阵的话
那么我们可以知道就是说T矩阵
一定是一个非奇异矩阵
而我们如果把这个T就选取为
我们说的这个需要的这个变换矩阵的话
那我们下边就来看
我们这样的一个选取是合适的
使得我们的A_hat变换出来以后
是一个对角型的形式
那我们下边就来验证这一点
就是说根据这个特征向量的关系式
也就是说每一个Pi
它都满足A乘以Pi等于λi乘以Pi
那我们就有下边这个关系
就是A乘以T这个矩阵以后
乘出来的结果就是A乘以这个分块矩阵
P1到Pn
那么这个分别是n列
每一列是一个特征向量
我们可以按照分块矩阵相乘
就把A给乘进去
得到了AP1一直到APn这个新的分块矩阵
那我们又知道APi等于λPi
所以我们就说λ1P1一直到λnPn代入
就得到这样一个形式
而这个形式我们可以把它重新
写成这样一个P1到Pn这个分块矩阵 对吧
乘以这个λ1到λn这样一个对角矩阵
我们可以验证这样一个乘积的关系
恰好就等于这个λ1P1一直到λnPn
这样的话我们就看到了
我们又把这个P1到Pn
重新写回到T去
就得到了T乘以λ1一直到λn的
这个对角矩阵
这样我们就证明了一个关系
就是说我们的A乘以T
等于T乘以这个对角矩阵
那么我们如果把T
因为它本身是个非奇异矩阵
逆到这个左侧来
我们就知道了是T逆乘以AT
它等于这个对角矩阵
那么这样的话我们就看到
刚才提到的这个关系
我们验证了这个A_hat
这个实际上是A_hat
那么这个A_hat就具有一个对角矩阵的形式
我们恰恰就在这儿这个位置
我们也可以知道这个B
有相应的T逆乘以B的变化
但是我们重要的是我们这个地方
就是想通过一个坐标变换阵
合适的T的选取
能够把A变成一个对角形式
我们达到了目的
我们在这给大家一个例子大家可以看
这是一个三阶的系统
这个A矩阵不是一个对角形式
那我们希望对它通过一个坐标变换
转化成为一个具有对角形式的
这样一个这个状态方程
那我们怎么做呢
我们先是把A的特征值给求出来
我们对这个A进行了行列式的计算
得到了它是这样一个经过
当然这个经过因式分解
我们得到了它是(λ-2)(λ+1)(λ-1)
所以我们知道这个A
它恰好有三个不同的特征值
由此我们知道我们可以应用前边的结果
我们就分别求取λ1 λ2 λ3所对应的
三个P1 P2 P3的三个特征向量
那我们计算过程是这样 对吧
我们首先把这个λi给代进去
我们对于这个λ1来说
我们得到这样一个关系
我们得到了这个λ1不是2嘛
所以我们要求这个P1和这个A相乘
等于2乘以P1
这样我们用待定系数法
我们分别列写两边相等的关系
这个时候就知道我们实际上
这个p21 p31这两个分量是0
然后p11是任意常数
当然这里边我们这个K不能取零
否则就是平凡的结果
那我们就取一个最简单的就取1
这样我们就求出来
属于λ1=2这个特征值的特征向量就是P1
它就是1 0 0
同理我们可以类似的方法可以计算出来
这个P2就是属于λ2的这个特征值的
这个特征向量可以取为1 0 1的形式
P3取为0 1 -1的形式
这样我们就可以知道T就是组成一个分块
我们把这三个列向量拼在一起
1 0 0 1 0 1和0 1 -1
那么我们知道这是一个非奇异矩阵
求它的逆
这样我们就可以去求变换以后的A_hat
它就是T逆乘以A乘以T
代入计算结果得到恰好是一个对角矩阵
这个上边是λ1 λ2和λ3
那我们的b做T逆乘以b的相应的变换
得到这样一个计算结果
这样我们就通过坐标变换转化出来了
在新的坐标底下
这个x_hat的导数
等于这样一个对角矩阵乘以x_hat
加上输入矩阵乘以u
那我们接下来再讨论一下
稍微复杂一点的情况
就是我们的A矩阵它是有重根的
也就是说它有多重的这个
在同一个点上有多重的这个特征值
这样的话就不能够
一般来说我们就不能够
把它直接化成一个对角型
那我们化出来的标准形式是什么呢
最简单的就是一个约当标准型
在这个里边我们假设A有k个不同的特征值
其中每一个λj的重数是mj重的
这个时候我们知道mj加在一起
它应该等于n
因为总共是n个特征值
那么这个时候我们说
我们的目标是找一个变换阵
通过变换以后
A_hat具有一个分块对角的形式
而每一块是具有一个
这个λj作为主对角线
然后次对角线上方有一个全1的
这样的一个辅对角线
然后其他位置全是0的
这样一个约当块的形式
那我们就说经过坐标变换
可以转化成为一个约当标准型这个
由约当块作为对角线形式的
这样一个约当标准型的形式
那这个时候我们涉及到问题
就变成了怎么样选取这个变换阵
当然呢因为我们前面对于对角化的时候
选取是比较直接的
就是把所有特征向量求出来
然后拼装成我们的变换阵
现在的情况复杂的
就体现在我们的特征值由于重复了以后
就无法得到n个线性无关的特征向量了
这个时候就不能套用原来方法
我们需要做一定的推广
怎么样推广
我们就是要求所谓的特征向量
以及广义特征向量
那我们就是对一个给定的特征值
它是m重的话
我们是首先先求出属于它的一个特征向量
比如说这个P1
那么其余的P2一直到Pm1我们怎么求呢
这都我们将来都把它称为
这是个广义特征向量
那我们就是由这个AT=TA_hat
将这个式子展开
我们去决定到底这些广义特征向量
P1到Pm1怎么来定
我们从这儿看出来
我们列出来这个式子
是要让这个A乘以这个T
等于这个T乘以我们的这个约当标准型的形式
那我们在这个里头关注的是
第一个约当块
假设我们对应的这个P2一直到Pm1
是我们的这个m1-1个这个待定的广义特征向量
那我们就把两边进行比较
我们分别给它乘开
就得到了这个AP2等于P1加上λ1乘以P2
这个地方是从我们第一个这个
就是第二行开始
我们可以得到这个式子
就是P2 A乘以P2以后
乘出来的结果就等于这边
那么我们得到的这个关系
那我们AP2等于P1加上λ1P2的话
我们可以看出来
如果我们已经把这个P1这个特征向量
给求出来了
那我就可以利用这个信息
和我的A和λ1的信息我去确定这个P2
通过这个式子可以解出P2来
同理我们解出P2以后
根据这个P3和A相乘
等于这个P2加上λ1乘以P3这个关系
我们进而确定P3
依此类推我们可以最后把Pm1给求出来
这样的话我们就通过待定系数的方法
分析出来就是我们这些广义特征向量
是如何确定的
有了我们的这个广义特征向量以后
那我们总共这个加上我们已知的
这个P1这个特征向量
我们这样的话前面我们展示的这个
求解的过程
就是这样一个从P1已知以后
逐渐确定P2一直到Pm1的过程
那么就可以确定出来
这个m1个独立的这个向量
这里头是有一个特征向量
加上这个m1-1个这个广义特征向量
这是对于一个约当块
也就是对于一个重的特征值
那我们对每一个有重根的特征值
都如此进行这个推导
那么可以得出所有的广义特征向量
那么这样我们就可以组成完整的
n个这个相互独立的特征向量
加上广义特征向量的组合
就可以组成我们的非奇异的变换阵T
好 那我们前面给大家介绍的
就是我们怎么样通过这个系统的坐标变换
来引入这个特征向量
进而基于特征向量
来把一个一般形式的状态空间模型
给转化成这个具有对角型
或者是这种分块对角
也就是约当型的这样的一个标准形式的
状态空间描述
那么有了这样一个形式
我们对于便于我们开展理论分析
和我们的设计都有好处
我们后边会提到
-1. 状态、状态空间、状态空间描述
--视频
-1. 状态、状态空间、状态空间描述--作业
-2. 高阶微分方程、传递函数矩阵与状态方程的互相转换(一):多输入多输出系统的空间表达式及传递函数阵
--视频
-2. 高阶微分方程、传递函数矩阵与状态方程的互相转换(一):多输入多输出系统的空间表达式及传递函数阵--作业
-3. 高阶微分方程、传递函数矩阵与状态方程的互相转换(二):组合系统的空间表达式及传递函数阵
--视频
-3. 高阶微分方程、传递函数矩阵与状态方程的互相转换(二):组合系统的空间表达式及传递函数阵--作业
-4. 高阶微分方程、传递函数矩阵与状态方程的互相转换(三):系统的时域描述及状态空间表达式(一)
--视频
-4. 高阶微分方程、传递函数矩阵与状态方程的互相转换(三):系统的时域描述及状态空间表达式(一)--作业
-5. 高阶微分方程、传递函数矩阵与状态方程的互相转换(四):系统的时域描述及状态空间表达式(二)
--视频
-5. 高阶微分方程、传递函数矩阵与状态方程的互相转换(四):系统的时域描述及状态空间表达式(二)--作业
-1. 由模拟结构图写出状态空间表达式(一):基于串并联分解
--视频
-1. 由模拟结构图写出状态空间表达式(一):基于串并联分解--作业
-2. 由模拟结构图写出状态空间表达式(二):基于部分分式分解
--视频
-2. 由模拟结构图写出状态空间表达式(二):基于部分分式分解--作业
-3. 由模拟结构图写出状态空间表达式(三):基于积分器串+常值反馈
--视频
-3. 由模拟结构图写出状态空间表达式(三):基于积分器串+常值反馈--作业
-4. 系统的等价变换及其应用(一)
--视频
-4. 系统的等价变换及其应用(一)--作业
-5. 系统的等价变换及其应用(二)
--视频
-5. 系统的等价变换及其应用(二)--作业
-1. 线性连续定常系统状态方程的解(一):齐次方程
--视频
-1. 线性连续定常系统状态方程的解(一):齐次方程--作业
-2. 线性连续定常系统状态方程的解(二):非齐次方程
--视频
-2. 线性连续定常系统状态方程的解(二):非齐次方程--作业
-3. 状态转移矩阵的定义、性质及算法(一):状态转移矩阵的定义
--视频
-3. 状态转移矩阵的定义、性质及算法(一):状态转移矩阵的定义--作业
-4. 状态转移矩阵的定义、性质及算法(二):状态转移矩阵的性质
--视频
-4. 状态转移矩阵的定义、性质及算法(二):状态转移矩阵的性质--作业
-5. 状态转移矩阵的定义、性质及算法(三):状态转移矩阵的算法
--视频
-5. 状态转移矩阵的定义、性质及算法(三):状态转移矩阵的算法--作业
-1. 能控性与能观测性的定义(一):能控性与能观性
--Video
-1. 能控性与能观测性的定义(一):能控性与能观性--作业
-2. 能控性与能观测性的定义(二):能控性概念
--Video
-2. 能控性与能观测性的定义(二):能控性概念--作业
-3. 能控性与能观测性的定义(三):能观性概念
--Video
-3. 能控性与能观测性的定义(三):能观性概念--作业
-1. 能控性与能观测性的判据(一):状态能控判据形式之一(模态判据)
--Video
-1. 能控性与能观测性的判据(一):状态能控判据形式之一(模态判据)--作业
-2. 能控性与能观测性的判据(二):状态能控判据形式之二(代数判据)
--Video
-2. 能控性与能观测性的判据(二):状态能控判据形式之二(代数判据)--作业
-3. 能控性与能观测性的判据(三):状态能观判据形式之一(模态判据)
--Video
-3. 能控性与能观测性的判据(三):状态能观判据形式之一(模态判据)--作业
-4. 能控性与能观测性的判据(四):状态能观判据形式之二(代数判据)
--Video
-4. 能控性与能观测性的判据(四):状态能观判据形式之二(代数判据)--作业
-5. 对偶性原理
--Video
-5. 对偶性原理--作业
-1. 定常系统的状态空间结构(一):能控状态分解
--Video
-1. 定常系统的状态空间结构(一):能控状态分解--作业
-2. 定常系统的状态空间结构(二):能观状态分解
--Video
-2. 定常系统的状态空间结构(二):能观状态分解--作业
-3. 能控标准型和能观标准型:能控标准型和能观标准型
--Video
-3. 能控标准型和能观标准型:能控标准型和能观标准型--作业
-4. 实现问题、最小实现(一):单变量系统的能控实现、能观实现
--Video
-4. 实现问题、最小实现(一):单变量系统的能控实现、能观实现--作业
-5. 实现问题、最小实现(二):多变量系统的能控实现、能观实现
--Video
-5. 实现问题、最小实现(二):多变量系统的能控实现、能观实现--作业
-6. 实现问题、最小实现(三):最小实现问题
--Video
-6. 实现问题、最小实现(三):最小实现问题--作业
-1.状态反馈和输出反馈
--视频
-1.状态反馈和输出反馈--作业
-2. 反馈对能控性和能观测性的影响
--视频
-2. 反馈对能控性和能观测性的影响--作业
-3. 极点配置算法(一):极点配置算法
--视频
-3. 极点配置算法(一):极点配置算法--作业
-4.极点配置算法(二):极点配置举例
--视频
-4.极点配置算法(二):极点配置举例--作业
-5.极点配置算法(三):极点配置算法
--视频
-5.极点配置算法(三):极点配置算法--作业
-6. 状态空间中系统的镇定问题
--视频
-6. 状态空间中系统的镇定问题--作业
-1. 状态观测器的基本概念
--视频
-1. 状态观测器的基本概念--作业
-2. 全维观测器的设计
--视频
-2. 全维观测器的设计--作业
-3. 降维观测器
--视频
-3. 降维观测器--作业
-4. 重构状态反馈控制系统
--视频
-4. 重构状态反馈控制系统--作业
-5. 扰动量的观测
--视频
-5. 扰动量的观测--作业
-1. 基本概念
--视频
-1. 基本概念--作业
-2. 对外扰的完全不变性
--视频
-2. 对外扰的完全不变性--作业
-3. 输出对外扰的静态不变性
--视频
-3. 输出对外扰的静态不变性--作业
-4. 状态和外扰可直接测量时的抗外扰控制
--视频
-4. 状态和外扰可直接测量时的抗外扰控制--作业
-1. 带观测器的抗外扰控制
--视频
-1. 带观测器的抗外扰控制--作业
-2. 常值扰动下的鲁棒抗外扰控制
--视频
-2. 常值扰动下的鲁棒抗外扰控制--作业
-3. 一般扰动下的鲁棒抗外扰控制
--视频
-3. 一般扰动下的鲁棒抗外扰控制--作业
-1. 基本概念
--视频
-1. 基本概念--作业
-2. 李雅普诺夫方法
--视频
-2. 李雅普诺夫方法--作业
-3. 构造李雅普诺夫函数的方法
--视频
-3. 构造李雅普诺夫函数的方法--作业
-1. 线性定常系统的稳定性
--视频
-1. 线性定常系统的稳定性--作业
-2. 离散系统的稳定性
--视频
-2. 离散系统的稳定性--作业