2. 线性时不变系统的李雅普诺夫函数
承接上节
问题变成能否找到一个对称正定矩阵Q使它满足李雅普诺夫方程(3.15)。如果存在这样的Q,则V满足3.4节基本定理的条件,且故原点是全局渐近稳定的。但是这种“自然”的想法可能得不到想要的结果,即,甚至对稳定系统Q也可能不正定。(Q一定是对称的 (ATP+PA)T=ATP+PA)
一个利用二次函数研究给定线性系统的有用方法是:给定一个正定矩阵Q,而反过来找正定矩阵P,即
- 选择一个正定矩阵 Q
- 由李雅普诺夫方程(3.15)解出P
- 检验P是否正定
如果P正定,那么xTPx是线性系统的一个李雅普诺夫函数,从而保证了线性系统全局渐近稳定。与先给P再找Q不同,从Q找P的方法能保证给出线性系统是否稳定的结论。这是根据以下的定理。
定理3.6
一个线性时不变系统x˙=Ax渐近稳定的充要条件是,任给正定对称矩阵Q李雅普诺夫方程(3.15)有惟一矩阵解P,而且P是对称正定的。
P=∫0+∞eATtQeAtdt(3.16)
上述定理说明:任何正定矩阵Q都可以用来判定线性系统的稳定性。一个简便的选择是取Q为单位阵。
4.2.2 线性时变系统的李雅普诺夫分析
考虑如下形式的线性时变系统
x˙=A(t)x(4.17)
由于如果线性时不变系统的系统矩阵的所有特征值都具有负实部,那么该系统是渐近稳定的,人们很自然地猜想:如果对∀t⩾0,A(t)所有特征值都具有负实部,系统(4.17)是稳定的。如果确实如此,那么对线性时变系统的分析将是很容易的。然而,这一猜想不对。
e.g. 考虑系统
[x˙1x˙2]=[−10e2t−1][x1x2](4.18)
矩阵A(t)的所有特征值在所有的时间内都为-1,然而,首先解出x2,然后把x2代入到关于x1的方程中,原系统化为
x2=x2(0)e−t x˙1+x1=x2(0)et
因为x1可以视为一阶滤波器的输出,输入x2(0)et趋于无穷,所以系统是不稳定的。
然而,一个简单的结果是:时变系统(4.17)是渐近稳定的,如果对称矩阵A(t)+AT(t)的所有特征值(都是实数)在复左半开平面内,即
∃λ>0,∀t⩾0,λi(A(t)+AT(t))⩽−λ(4.19)
用李雅普诺夫函数V=xTx很容易说明这点,因为
V˙=xTx˙+x˙Tx=xT(A(t)+AT(t))x⩽−λxTx=−λV
因此
∀t⩾0,0⩽xTx=V(t)⩽V(0)e−λt
因此x指数趋近于零。
注意:这个结果提供了判别渐近稳定性的一个充分条件(对某些渐近稳定系统(4.19)式是不成立的)
4.5 用Barbalat引理作类李雅普诺夫分析
对自治系统而言,不变集定理是研究稳定性强而有力的工具,因为当V仅仅是半负定时,利用这个定理可以推出渐近稳定的结果。然而,不变集定理不能应用于非自治系统。因此,非自治系统的渐近稳定分析通常比自治系统的渐近稳定分析难得多,因为寻找具有负定导数的李雅普诺夫函数通常是很困难的。
一个重要而简单且能部分弥补这种情况的结果就是Barbalat引理。Barbalat引理是一个关于函数及其导数的渐近性质的纯粹的数学结果。当把这个引理适当地应用于动力系统,可以导致关于渐近稳定性问题的许多令人满意的解答。
4.5.1 函数及导数的渐进性质
- f˙→0×⇒f收敛
f˙(t)→0并不能推出当t→∞时f(t)存在极限。
几何上,导数趋于零意味着倾斜线越来越平。然而,这并不意味着这个函数存在极限。
例如:考虑函数f(t)=sin(ln(t)),而f˙(t)=tcos(log(t))→0,t→∞,但是函数f(t)一直是振荡的(速度越来越慢)。
- f收敛 ×⇒f˙→0
当t→∞时,f(t)存在有限极限并不意味着f˙(t)→0。例如:函数f(t)=e−tsin(e2t)趋近于零,而f˙=⋅⋅⋅+et(⋅⋅⋅)是无界的。
- 如果f有下界且是递减的(f˙⩽0),那么f存在极限
4.5.2 Barbalat引理
引理4.2 Barbalat
如果可微函数f(t),当t→∞时存在有限极限,且f¨有界(∃α>0,∀t⩾0,∣g¨(t)∣⩽α),那么当t→∞时f˙(t)→0。
引理4.3 类李雅普诺夫引理
对于系统x˙=f(x,t),如果标量函数满足下面的条件
- V(x,t)有下界
- V˙(x,t)半负定
- dx2d2V有界
那么V˙(x,t)→0,t→∞。
参考
【1】Applied Nonlinear Control,Slotine and Li,Prentice-Hall 1991:Sections 4.2 and 4.5
【2】https://www.bilibili.com/video/BV1Tk4y167kR?p=5&vd_source=b1a52fdb6c7481b4e8c78d03e9a9acb0