1.1 非线性系统举例

水下车辆运动的一个简单模型可写为

v˙+vv=u(1.1)\dot{\boldsymbol {v} }+|\boldsymbol {v}|\boldsymbol {v} = \boldsymbol {u} \tag{1.1}

其中v\boldsymbol {v}是车速,u\boldsymbol {u}是控制输入,非线性vv|\boldsymbol {v}| \boldsymbol {v}对应平方阻力定律。

假设用单位阶跃函数作为推力u\boldsymbol {u},5秒钟后改为负单位阶跃函数。系统的响应见图。可以看出,系统对正阶跃函数的稳态响应比其后的负阶跃函数快得多。直观地说,它反映了如下事实:“等效阻尼”系数v|\boldsymbol {v}|在高速时比低速时大。

1

现在假定我们重复同样的实验但用振幅为10的大阶跃函数。可预见,对正阶跃和负阶跃的稳态时间差会更显著。而且,稳态速度vsv_s对于第一个阶跃的响应并不像在线性系统那样10倍于第一次实验中对第一个阶跃的响应。这可以直观地用下式描述

u=10+vsvs=1vs=1u=100+vsvs=10vs=103.2\begin{align*} &u =1 \Rightarrow 0+|v_s|v_s=1 \Rightarrow v_s=1\\ &u =10 \Rightarrow 0+|v_s|v_s=1 0\Rightarrow v_s=\sqrt{10} \approx3.2 \end{align*}

2

3.李雅普诺夫理论基础(Lyapunov theory)

3.1 非线性系统与平衡点

1. 非线性系统

一个非线性动力系统通常可以用以下的非线性微分方程描述

x˙=f(x,t)(3.1)\dot{\boldsymbol {x} }= \boldsymbol {f} ( \boldsymbol {x},t) \tag{3.1}

其中,f\boldsymbol {f}是一个n×1的非线性向量函数,而x\boldsymbol {x}是一个n×1的状态向量。

需要强调的是,虽然式(3.1)并不明显的包含控制变量,它还是可以直接用于反馈控制系统。因为该式可以代表一个反馈控制系统的闭环动态,这里控制输入是状态与时间的一个函数,所以被吸收到闭环系统的动态方程中去了。具体地说,如果系统的动态方程为

x˙=f(x,u,t)\dot{\boldsymbol {x} }= \boldsymbol {f} ( \boldsymbol {x}, \boldsymbol {u},t)

而设计的控制规律为

u=g(x,t)\boldsymbol {u} = \boldsymbol {g} ( \boldsymbol {x},t)

那么,闭环系统的动态方程为

x˙=f(x,g(x,t),t)\dot{\boldsymbol {x} }= \boldsymbol {f} ( \boldsymbol {x}, \boldsymbol {g} ( \boldsymbol {x},t),t)

它可以被改写成式(3.1)的形式

2. 自治系统与非自治系统

根据系统矩阵A是否随时间变化,线性系统可分为时变(time-variant)与时不变(time-invariant)系统。在一般的非线性系统研究中,这两个概念通常被称作"自治"(autonomous)与"非自治"(non-autonomous)。
概念:非线性系统(3.1)称为自治的,如果f\boldsymbol {f}不显含t,即如果系统方程可写作

x˙=f(x)(3.2)\dot{\boldsymbol {x} }= \boldsymbol {f} ( \boldsymbol {x}) \tag{3.2}

否则,该系统称为非自治的。

自治系统和非自治系统的基本区别在于:自治系统的状态轨线不依赖于初始时刻,而非自治系统一般不是这样。在本章的余下部分我们将重点分析由式(3.2)代表的自治系统。

3. 平衡点(equilibrium)

概念:状态x\boldsymbol {x^*}称为系统的一个平衡态(或平衡点)如果一旦x(t)=x\boldsymbol {x}(t)= \boldsymbol {x^*},则此后状态永远停留在x\boldsymbol {x^*}
数学上,这表明定常向量x\boldsymbol {x^*}满足

0=f(x)(3.3)\boldsymbol {0}= \boldsymbol{f} ( \boldsymbol {x^*}) \tag{3.3}

平衡点可通过解代数方程(3.3)求得。

e.g.: 摆

考查图所示的摆,它的性态可用以下的非线性自治方程来描述

MR2θ¨+bθ˙+MgRsinθ=0(3.5)MR^2 \ddot\theta+b\dot \theta+MgRsin\theta=0 \tag{3.5}

3

这里R是摆长、M是质量、b是铰链的摩擦系数、g是重力加速度(常数),记x1=θx_1=\theta,x2=θ˙x_2=\dot \theta。则相应的状态方程为

x˙1=x2x˙2=bMR2x2gRsinx1\begin{align*} &\dot x_1 =x_2 \tag{3.6a}\\ &\dot x_2=-\frac{b}{MR^2}x_2-\frac{g}{R}sinx_1 \tag{3.6b} \end{align*}

于是,平衡点满足

x2=0,sinx1=0x_2=0,sinx_1=0

因此,平衡点为(0[2π2\pi],0)及(π[2π]\pi [2\pi],0),从物理意义上讲,它们分别对应摆的垂直向上及垂直向下的位置。

从上题可以看出:一个非线性系统可以有几个(甚至无穷多个)孤立的平衡点

3.2 稳定的概念

1. 稳定性与不稳定性

概念:一个平衡点x=0x=0称为稳定的,如果任给R>0R>0,总存在r>0r>0,使当x(0)<r||x(0)||<r时,x(t)<R||x(t)|| <R,t>0t>0。如果x=0x=0不是稳定的,则称为不稳定平衡点。稳定平衡点也可以记为

R>0,r>0,x(0)<rt0,x(t)<R\forall R>0,\exists r>0,||\boldsymbol{x}(0)|| <r \Rightarrow \forall t \geq 0,||\boldsymbol{x}(t)|| <R

  • 本质上,稳定(也称李雅普诺夫意义下的稳定或李雅普诺夫稳定)表示只要系统初始状态与原点足够接近,则系统轨线也可以任意接近原点。更严格地说,定义说"原点是稳定的"表示,如果我们想让轨线x(t)\boldsymbol{x}(t)保持在任意指定半径的BR\boldsymbol{B}_R球内,可以找到一个值r(R)r(R),使得当初始状态从球BR\boldsymbol{B}_R内出发时,整个轨线都会留在BR\boldsymbol{B}_R球内。(记BR\boldsymbol{B}_R为状态空间的球形区域x<R||\boldsymbol{x}||< RSRS_R为球面x=R||\boldsymbol{x}||=R)

  • 反之,一个平衡点称为不稳定的,如果至少有一个球BR\boldsymbol{B}_R,使得对每一个r>0r>0,不管rr多么小,总有一条轨线,它从球BR\boldsymbol{B}_R内某一点出发,最终要离开球BR\boldsymbol{B}_R

  • 必须指出“不稳定”和“逃逸”有本质的不同(“逃逸”指轨线从零点附近不断走远,直到无穷远)。对于线性系统,它们是等价的,因为不稳定极点会使系统状态指数增长。但对非线性系统,逃逸只是不稳定的一种

2. 渐近稳定(asymptonic stability)

概念: ​平衡点0称为渐近稳定的,如果它是稳定的,而且存在r>0r>0 使当 x(0)<r||\boldsymbol {x}(0)||<r 时,x(t)0\boldsymbol{x}(t) \rightarrow \boldsymbol{0}tt \rightarrow \infty

{r>0x(0)<rstableequilibium{x(t)0as  t\begin{equation*} \left\{ \begin{aligned} &\exists r>0 \quad ||\boldsymbol{x}(0)||<r \\ &stable \quad equilibium\\ \end{aligned} \right . \end{equation*} \Rightarrow \begin{equation*} \left\{ \begin{aligned} &\boldsymbol{x}(t) \rightarrow0 \\ &as ~~ t \rightarrow \infty \\ \end{aligned} \right . \end{equation*}

  • 渐近稳定意味着平衡点0不仅是稳定的,而且从邻近0的点出发的轨线当时间tt趋于无穷时将收敛于0
  • 一个李雅普诺夫稳定而又不是渐近稳定的平衡点称为临界平衡点

4

3. 全局稳定(global asymptonic stability)

概念: 如果对任何初值渐近(或指数)稳定成立,则这样的平衡点称为大范围渐近(或指数)稳定,也称全局渐近(指数)稳定

4. 指数稳定(exponential stability)

概念: 平衡点0称为指数稳定的,如果存在两个正数α\alphaλ\lambda使得

t>0,x(t)α x(0) eλt(3.7)\forall t>0,||\boldsymbol{x}(t)|| \leq \alpha ~||\boldsymbol {x}(0)||~e^{-\lambda t} \tag{3.7}

在原点附近的某个球BR\boldsymbol{B}_R内成立。

  • 概而言之,式(3.7)表示指数稳定系统的状态向量收敛于原点的速度比某个指数函数快。正数λ\lambda称为指数收敛率。
  • 注意,指数稳定蕴涵渐近稳定,但渐近稳定却不保证指数稳定。

参考

【1】Applied Nonlinear Control,Slotine and Li,Prentice-Hall 1991:Example 1.1,Sections 3.1,3.2
【2】https://www.bilibili.com/video/BV1Tk4y167kR/?vd_source=b1a52fdb6c7481b4e8c78d03e9a9acb0