自动控制原理 第十四讲 可控性和可观测性

合集下载

自动控制原理(课件)

自动控制原理(课件)
2
二、 线性系统的可控性与可观测性(2)
例: 给定系统的动态方程为
x1 4 0 x1 1 x 0 5 x 2 u 2 2 x1 y 0 6 x2
将其表示为标量方程组的形式,有
A 其中, (t ), B(t ), C (t )和D(t ) 分别为 (n n), (n p), ( q n)和( q p) 的满足状态方程解的存在惟一性条件的时变矩阵。状态方程 的解为 t
x(t ) (t, t 0 ) x 0 (t, ) B( )u( )d
8
二、 线性系统的可控性与可观测性(8)
2、可观测性
可观测性表征状态可由输出完全反映的性能,所以应同时考 虑系统的状态方程和输出方程
x(t ) A(t ) x(t ) B(t )u(t ), t Tt
y (t ) C (t ) x(t ) D(t )u(t ), x(t 0 ) x 0
t 0 , t1
3、线性定常连续系统的可控性判据
考虑线性定常连续系统的状态方程 其中 为 维状态向量; 为 维输入向量; 和 分别为 x 和 n 常阵。u p A B
x(t ) Ax(t ) Bu(t ), x(0) x 0 , t 0
(n n)
( n p)
12

9.2 线性系统的可控性和可观测性

9.2 线性系统的可控性和可观测性

则称t0时刻的状态x(t0)可控;
若对t0时刻的状态空间中的所有状态都可控,则称系统 在t0时刻状态完全可控;简称为系统可控。
对上述状态可控性的定义有如下讨论: 1. 控制时间[t0,t1]是系统状态由初始状态转移到原点所需的 有限时间。 对时变系统,控制时间的长短,即t1-t0的值,与初始时刻 t0有关。
阀门O均匀地输入等量液体,即其流量QO相同。
O QO 1 Q1 h1 h2 QO 2 Q2
图2 并联双水槽系统
当阀门1和2的开度不变时, 设它们在平衡工作点邻域 阀门阻力相等并可视为常 数,记为R。
O QO 1 Q1 h1 h2 QO 2 Q2
图中h1(t)和h2(t)分别为水槽液面高度,Q1(t)和Q2(t)分 别为流量。 该双水槽系统的状态可控性可分析如下: 对本例的流体力学系统,假设对两个水槽的流入和流出的 水流体已处于平衡。 下面仅考虑流量QO的变化量QO所引起的水槽水位 的变化。
例考虑右图所示的电网络系统由输出变量的值确定状态变量值的能力问输入电压ut0以及两个状态变量的初始状态x因此由恒为零的输出yt显然不能确定通过两个电感的电流值i这种能由输出变量值确定状态变量值的特性称为状态可观测若由输出变量值不能唯一确定出状态变量值的特性则称为状态不可观测
9-2 线性系统的可控性和 可观测性
一、 线性连续系统的可控性

(整理)自动控制原理讲义

(整理)自动控制原理讲义

自动控制原理:以自动控制系统为对象,学习研究从各类控制系统所抽象出来的,具有共性的规律(组成原理,数学模型,各种分析方法及基本设计方法)。抽象性、综合性较强,用较多的数学工具解决应用问题。

第一章

1.1 引言

1.1.1 基本概念

(1)自动控制:不需要人直接参与,而使被控量自动的按预定规律变化的过程,叫自动控制。

①不需要人直接参与;②被控量按预定规律变化。

(2)自动控制系统:为实现某一控制目标所需要的所有物理部件的有机组合体

①实体;②有机组合

1.1.2 自动控制技术及应用

自动控制应用极为广泛,在工业、国防、航空航天、交通、农业、经济管理、以及人们的日常生活,处处可见。

1.1.3 自动控制理论的发展 一般可分为三个阶段:

(1)第一阶段。时间为本世纪40~60年代,称为“经典控制理论”时期。

三大分析方法:时域分析法、根轨迹分析法、频域分析法.

(2)第二阶段。时间为本世纪60~70年代,称为“现代控制理论”时期。

(3)第三阶段。时间为本世纪70年代末至今。70年代末,控制理论向着“智能控制”方向发展。

(1

)被控对象(2)被控量(被调参数,输出量)(3)给定量(参考输入量,给定信号)(4)扰动量(扰动输入量,扰动信号,干扰量)(5)测量信号(6)偏差信号(详见课本)

1.2 自动控制技术中的基本控制方式

系统的基本控制方式按有无反馈,即按结构分为三大类:开环控制、闭环控制、复合控制。

1.2.1 开环控制系统 (1)定义

开环控制是一种最简单的控制方式,在控制器与被控对象之间只有正向控制作用而没有反馈控制作用,即系统的输出量对控制量没有影响。示意图:

自动控制原理课件Module14

自动控制原理课件Module14
At the end of this lecture students should be able to
• Determine the stability of a feedback control system by calculating the gain margin and phase margin of system
Module 14
Nyquist Analysis and Relative Stability
(1 hours)
• Gain Margin • Phase Margin
14.1 Conditional Stability (条件稳定性)
Example 1 (P272)
M
K
(2 )2 1 (3 )2 1
F(s)
K
s(2s 1)(3s 1)
GH 90 tg 12 tg 13
when 180
1
6
M 6K 5
when 6 K 1 (K 0.83) 5
The system is stable.
Conclusion ( P274: 1. ~ 5. )
1. Write the open-loop transfer function in Bode form, and
1)
GH (s)
K (T5s 1)(T6s 1)

自动控制原理知识点总结

自动控制原理知识点总结

@~@

自动控制原理知识点总结

第一章

1.什么是自动控制?(填空)

自动控制:是指在无人直接参与的情况下,利用控制装置操纵受控对象,是被控量等于给定值或按给定信号的变化规律去变化的过程。

2.自动控制系统的两种常用控制方式是什么?(填空)

开环控制和闭环控制

3.开环控制和闭环控制的概念?

开环控制:控制装置与受控对象之间只有顺向作用而无反向联系

特点:开环控制实施起来简单,但抗扰动能力较差,控制精度也不高。

闭环控制:控制装置与受控对象之间,不但有顺向作用,而且还有反向联系,既有被控量对被控过程的影响。

主要特点:抗扰动能力强,控制精度高,但存在能否正常工作,即稳定与否的问题。

掌握典型闭环控制系统的结构。开环控制和闭环控制各自的优缺点?

(分析题:对一个实际的控制系统,能够参照下图画出其闭环控制方框图。)

4.控制系统的性能指标主要表现在哪三个方面?各自的定义?(填空或判断)

(1)、稳定性:系统受到外作用后,其动态过程的振荡倾向和系统恢复平衡的能力

(2)、快速性:通过动态过程时间长短来表征的

e来表征的

(3)、准确性:有输入给定值与输入响应的终值之间的差值

ss

第二章

1.控制系统的数学模型有什么?(填空)

微分方程、传递函数、动态结构图、频率特性

2.了解微分方程的建立?

(1)、确定系统的输入变量和输入变量

(2)、建立初始微分方程组。即根据各环节所遵循的基本物理规律,分别列写出相应的微分方程,并建立微分方程组

(3)、消除中间变量,将式子标准化。将与输入量有关的项写在方程式等号的右边,与输出量有关的项写在等号的左边

现代控制理论能控性、能观测性

现代控制理论能控性、能观测性
即rank S0 =2
4. 定理3:
若A为约当型,则系统完全能观的 充要条件是:
C阵中与每个约当块的第一列相对 应的各列中,没有一列的元素全为零.
如:
.
x
1
0
1
1
0 b1
0
x
b2
u
0 0 2 b3
y
c11 c21
c12 c22
c13 c23
x
能观
c13 c23
0 0
例:设系统的状态方程为:
u只能控制 iL,
0
不可控,不可观测.
一、线性系统能控性和能观性的概念 含义:
能控性:u(t) x(t) 状态方程 能观性:y(t) x(t) 输出方程
1. 定义:
.
设 x Ax Bu
若存在一分段连续控制向量u(t),
能移在到任[t0意t终f ]内态将x系(t统f )从,任则意该系状统态x完(t0转全)
.
x
1
0
1
2
x
b1 b2
u
y c1 c2 x
判断系统的能观性.
解:
S0
[CT
AT
C
T
]
c1 c2
1c1
c1
1c2
S0 c12 rank S0 2
能观 c1 0
5. 约当型判据:

线性系统理论(第四章)线性系统的能控性和能观测性

线性系统理论(第四章)线性系统的能控性和能观测性
注: 在工程上,系统不完全可观也属于“奇异”情况。一个 实际系统为状态能观测的概率几乎等于1。
§4.2 线性定常连续系统能控性判据
一、格拉姆矩阵判据
格拉姆矩阵判据:线性定常系统为状态能控的充分必要条
件是下面的n × n 维格拉姆矩阵满秩(非奇异)。
证明:
WC (0, t1)
t1 0
充分性。已知 WC
号,总是有
x1 x2
例:考虑系统能否通过状态反馈镇定?
x1 2 0 0 x1 1
x
2
0
1
0
x
2
0
u
x3 0 0 3 x3 2
不完全能控,不能控的状态对应的特征值为-1。系统能够镇定。
1 1 0 0 0 1
x 0 0
1 0
0 1
0 x 1 0 1
1 u 0
y 1 0
0
0
Bu(t) d t]T x0
t1 0
u
T
(t)BT
e-ATt1
x0
d
t
0
与假设矛盾。
二、秩判据
能控性秩判据: 线性定常系统为状态能控的充分必要条件是
下面的n×nr 维能控性矩阵满秩。
S [B AB A2B
An1B]
rankS n
证明 充分性:已知 rankS n ,欲证系统完全可控。

自动控制原理知识点汇总

自动控制原理知识点汇总

自动控制原理知识点汇总

自动控制原理是研究和设计自动控制系统的基础学科。它研究的是用

来实现自动化控制的基本概念、理论、方法和技术,以及这些概念、理论、方法和技术在工程实践中的应用。下面是自动控制原理的一些重要知识点

的汇总。

一、控制系统的基本概念

1.控制系统的定义:控制系统是用来使被控对象按照一定要求或期望

输出的规律进行运动或改变的系统。

2.控制系统的要素:输入、输出、被控对象、控制器、传感器、执行

器等。

3.控制系统的分类:开环控制和闭环控制。

4.控制系统的性能评价指标:稳定性、快速性、准确性、抗干扰性、

鲁棒性等。

二、数学建模

1.控制对象的数学建模方法:微分方程模型、离散时间模型、差分方

程模型等。

2.控制信号的形式化表示:开环信号和闭环信号。

三、传递函数和频率响应

1.传递函数:描述了控制系统输入和输出之间的关系。

2.传递函数的性质:稳定性、正定性、因果性等。

3.频率响应:描述了控制系统对不同频率输入信号的响应。

四、稳定性分析和设计

1.稳定性的定义:当外部扰动或干扰没有足够大时,系统的输出仍能

在一定误差范围内稳定在期望值附近。

2.稳定性分析的方法:根轨迹法、频域方法等。

3.稳定性设计的方法:规定根轨迹范围、引入正反馈等。

五、PID控制器

1.PID控制器的定义:是一种用于连续控制的比例-积分-微分控制器,通过调节比例、积分和微分系数来实现对系统的控制。

2.PID控制器的工作原理和特点:比例控制、积分控制、微分控制、

参数调节等。

六、根轨迹设计方法

1.根轨迹的定义:描述了系统极点随控制输入变化时轨迹的变化规律。

《自动控制原理》线性系统的可控性与可观测性

《自动控制原理》线性系统的可控性与可观测性

的存在惟一性条件的时变矩阵。式(9-77a)状态方程的解为
t
x(t) = (t,t0 )x0
+
(t, )B( )u( )d
t0
(9-78)
其中(t,t0 ) 为系统的状态转移矩阵。将式(9-78)代入式(9-77b)
输出方程,可得输出响应为
t
y(t) = C(t)(t,t0 )x0 + C(t) t0 (t, )B( )u( )d + D(t)u(t) (9-79)
ui (t)(i = 1,2,,,, p) 均在时间区间上平方可积,即
t
2
t0 ui (t) dt , t0 , t Tt
此外,对于线性时变系统,其可控性与初始时刻 t0 的选取有关,是
相对于Tt 中的一个取定时刻t0 来定义的。而对于线性定常系统,其
可控性与初始时刻t0 的选取无关。
状态与系统可达 对于式(9-76)所示线性时变系统,若存在能
④ 坐标变换
应当指出,上述对可控性和可观测性所作的直观说明,只是对
这两个概念直觉的但不严密的描述,而且也只能用来解释和判断非
常直观和非常简单系统的可控性和可观测性。为了揭示可控性和可
观测性的本质属性,并用于分析和判断更为一般和较为复杂的系统,
需要对这两个概念建立严格的定义,并在此基础上导出相应的判别
在上述定义中只要求系统在可找到的控制u(t) 的作用下,使 t0 时刻 的非零状态 x0 在Tt 上的一段有限时间内转移到状态空间的坐标原点, 而对于状态转移的轨迹则未加任何限制和规定。所以,可控性是表征 系统状态运动的一个定性特性。定义中对控制u(t) 的每个分量的幅值并 未加以限制,可为任意大的要求值。但u(t) 必须是容许控制,即u(t)的 每个分量

2014《现代控制理论》学习指导书及部分题目答案

2014《现代控制理论》学习指导书及部分题目答案

现代控制理论学习指导书第一部分重点要点

线性系统理论

线性系统数学模型

稳定性、可控性和可观测性

单变量极点配置的条件和方法。

最优控制理论

变分法

极小值原理

最优性原理

动态规划

最优估计理论

参数估计方法

掌握最小方差估计和线性最小方差估计方法

状态估计方法

预测法,滤波

系统辨识理论

经典辨识方法

最小二乘辨识方法

系统模型确定方法

自适应控制理论

用脉冲响应求传递函数的原理和方法。

两种设计方法

智能控制理论

掌握智能控制的基本概念、基本方法以及智能控制的特点。

了解分级递阶智能控制、专家控制、神经网络控制、模糊控制、学习控制和遗传算法控制的基本概念

第二部分练习题

填空题

1.自然界存在两类系统:______静态系统____和______动态系统____。

2.系统的数学描述可分为___外部描述_______和___内部描述_______两种类型。

3.线性定常连续系统在输入为零时,由初始状态引起的运动称为___自由运动_______。

5.互为对偶系统的__特征方程________和___特征值_______相同。

6.任何状态不完全能控的线性定常连续系统,总可以分解成____完全能控______子系统和____完全不能控______ 子系统两部分。

7.任何状态不完全能观的线性定常连续系统,总可以分解成__完全能观测________子系统和____完全不能观测______子系统两部分。

8.对状态不完全能控又不完全能观的线性定常连续系统,总可以将系统分解___能控又能观测、能控但不能观测、不能控但能观测、不能控又不能观测四个子系统。

自动控制原理第14-15讲

自动控制原理第14-15讲

将ω = ω r
代入M表达式,得谐振峰值 M r =
1 2ξ 1 − ξ 2
2 M= 时的频率值 ω B 称截止频率。 2
时域指标与二阶系统参数 ξ , ω n 有下面的关系: π π −πξ / 1−ξ 2 tp = = σ%=e × 100% ωd ωn 1 − ξ 2 π −β π −β 3.5 tr = = ts = (∆ = 0.05, 0 < ξ < 0.9) 2 ωd ωn 1 − ξ ξω n 给出闭环频域指标 M r , ω r 和 ωb 中的任何两个,可以通过解 出 ξ , ω n 计算时间域指标;同样,给出时间域指标中的任 何两个,可以确定闭环频域指标。
M (ω ) = Φ( jω )
闭环系统对数幅频特性为 20 lg M (ω ) = 20 lg Φ( jω )
α (ω ) = ∠Φ ( jω )
开环幅频特性
G ( jω ) =
( jω )ν (T1 jω + 1)(T2 jω + 1) ⋯ (Tn −ν jω + 1)
K (τ 1 jω + 1)(τ 2 jω + 1) ⋯ (τ m jω + 1)
α (ω ) = − arctan T ω
闭环频域指标为
M (0) = 1
Mr =1
ωr = 0
σ% =0

可控性与可观性

可控性与可观性

x
5 u
0 0 1 7
(3)
(4)
7 0 0 0 1
7 0 0 0 1
x
0
5
0
x
4
0 u
x
0
5
0
x
0
0 u
0 0 1 7 5
0 0 1 7 5
解:
(1)状态方程为对角标准型,B阵中不含有元素全为零的行,故系统是可控的。
(2)状态方程为对角标准型,B阵中含有元素全为零的行,故系统是不可控的。
控 制
定义:若对系统{A,B,C,D},存在给定输入u(t),能在[ t0,tf )
理 论
有限时间内,由输出y(t)能任一确定系统初始状态x(t0),则系统
则系统各个状态都可观测,则称系统是状态完全可观测的,简
称系统可观测。
二、可观测性定理
x Ax Bu
定理1:线性定常连续系统 y Cx Du
rank CB CAB ... CAn1B D q
(q-输出变量个数)
一般而言,系统输出可控性和状态可控性之间没有什么必然的联系。 即输出可控不一定状态可控,状态可控不一定输出可控。
Modern Control Theory
Page: 10
连的续可系观统测连续时间系统的可观测性 性

代 一、定义
论 当A为对角阵且特征根互异时,输入矩阵B无全零行

自动控制原理状态观测器知识点总结

自动控制原理状态观测器知识点总结

自动控制原理状态观测器知识点总结自动控制原理状态观测器是自动控制系统中的重要组成部分,用于

实时地获取、估计和观测系统的状态信息。在控制系统中,状态观测

器的设计和性能直接影响系统的响应速度、稳定性和精度。本文将对

自动控制原理中的状态观测器进行知识点总结。

一、状态观测器的基本概念

在自动控制系统中,状态观测器的主要作用是通过利用系统的输出

信号来估计系统的状态变量,从而实现对系统状态的观测和监测。状

态观测器的设计目标是在系统的输出信号和已知的输入信号的基础上,使用数学模型来估计未知的状态变量。

二、状态观测器的数学模型

状态观测器的数学模型通常由状态方程和输出方程组成。状态方程

描述了系统状态的动态变化规律,而输出方程描述了系统输出与状态

之间的关系。通过状态方程和输出方程,可以得到一个关于状态变量

的估计值,从而实现对系统状态的观测。

三、状态观测器的设计原则

1. 可观测性:系统的状态观测器设计需要满足可观测性的要求,即

系统的状态变量可以通过系统的输出信号来观测和估计。如果系统是

可观测的,那么可以设计一个状态观测器来实现对系统状态的观测和

估计。

2. 稳定性:状态观测器设计需要保证系统的稳定性,即系统的状态估计值与实际状态之间的差距趋于稳定。稳定的状态观测器可以确保系统的控制效果和性能。

3. 收敛速度:状态观测器的设计需要考虑观测误差的收敛速度,即状态观测器对系统状态的估计速度。较快的收敛速度可以更准确地估计系统的状态,提高控制系统的响应速度和精度。

四、常见的状态观测器算法

1. 卡尔曼滤波器:卡尔曼滤波器是一种最优的状态观测器算法,适用于线性离散系统和线性连续系统。卡尔曼滤波器通过递推方式对系统的状态进行估计,具有较好的稳定性和收敛速度。

现代控制理论_线性控制系统的能控性与能观性基础知识

现代控制理论_线性控制系统的能控性与能观性基础知识

点 击 观 看
例 函数记录仪(电桥控制式)
本章主要内容:
• 线性定常系统的能控性的定义及判别
• 线性定常系统的能观性的定义及判别
• 能控性与能观性的对偶原理
• 能控标准型和能观标准型
• 线性系统的结构分解
例:已知系统的状态方程,判断其能控性,能观性。
1 4 0 x1 1 x1 x u y 0 6 x x2 2 0 5 x2 1
状态能控 状态能达
x1
x(t0 ) 0
x(t0 ) 0
x(t1 ) 0 x(t1 ) 0
t0
t1
t
x2
线性定常系统:能控性与能达性等价
推论: (1)根据定义,如果系统在(t0,tf)时间间 隔内完全能控,那么对于t2 > tf,该系统在(t0,t2) 时间间隔内也一定完全能控。 (2)如果在系统的状态方程右边迭加一项不 依赖于控制u(t)的干扰f(t),那么,只要f(t)是绝对 可积函数,就不会影响系统的能控性。
1 0 x x u 2 b2
y c1 c2 x
系统不能控!
1 1 x1 x 2 2 x2 b2u x y c1 x1 c2 x2
x1
1 x

1
c1
y
u 与 x1 无任何联系

9-8_系统的可控制性与可观测性

9-8_系统的可控制性与可观测性
d t A t Bet 设系统的状态方程 dt
即:当A为对角阵形式时, B中的0元素对应不可控因素。
2.可控阵满秩判别法
即: 若有M=(B|AB|A2B|…|Ak-1B) ,则连续系统完全 可控的充要条件是:M矩阵满秩。 M称为系统的可控制判别矩阵,即可控阵。 例9-8-1 例9-8-2
t1
A B ci e d
i t1 i 0 0
k 1
a

w i t 1

t1
0
c i e d
则(a)式为: 0 A i B w i t 1
i0
k 1
若系统状态完全可控,必须有
w 0 t 1 w t B | AB | ... | A k 1 B 1 1 ... w k 1 t 1
(1) 检查系统的可控性和可观性。 (2) 求可控与可观的状态变量个数。 (3) 求系统的输入—输出转移函数。 (1)按系统可控性判据,即M是否满秩。为此求:
M B | AB| A B
2

1 2 1 2 5 1 3 AB 0 3 0 0 0 2 1 2 1 2 1 1 2 1 2 13 0 3 0 1 9 A 2B 0 3 0 0 0 2 0 0 2 1 4 2 5 13 M 1 3 9 1 2 4
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
0
B → CT Wc → Wo
c
K. J. Åström August, 2001
2
System Structure
The coordinates can be chosen so that a linear system has the following structure
d dt
xc xc ¯
Duality
Controllability of
dx = Ax + Bu dt is the same as observability for
dx = AT x dt y = BTx
Canonical Forms
Controllable canonical form
− a1 − a2 . . . − an 1 1 0 0 0 dz 0 1 0 = z+ u . . . dt . . . 0 0 0 0 y = b1 b2 . . . bn z + Du
Theme: A closer look at the controllability and observability and the structure of linear systems.
Introduction
• The concepts of controllability and observability introduced as conditions to solve problems of state feedback and observers • More insight • Kalmans decomposition • System structures • Cancellation of poles and zeros
xo x0 ¯
y = ( C1
where the state vector has been partitioned as x T
co ¯ x co x=
where the states xo are observable and xo ¯ not observable (quiet)
dx ˜ + B ( Lxm + lr r) = ( A − B L) x + B x dt ˜ dx ˜ = ( A − K C) x dt
The transfer function is given by the subsystem Sco
Observer error not controllable from r. Makes a lot of sense because we do not want reference signals to generate observer errors!
Controllability to observability through the transformation
A→A
T
Observable canonical form
− a1 1 − a 0 2 dz . . = . dt a − n−1 0 − an 0 y = 1 0 0... ... 0 b1 1 0 b2 . . z + u . 0 1 0 0 bn 0 z + Du
xc ¯o xc ¯o ¯
Kalmans Decomposition
Partitioning of state space • Sco controllable and observable • Sc o ¯ controllable not observable • Sc ¯o not controllable observable • Sc ¯o ¯ not controllable not observable
-Soc u Soc
System with State Feedback and Observers
Σ
Soc
y
dx = Ax + Bu dt y = Cx ˆ ) + lr r u = L( x m − x ˆ dx ˆ + Bu + K ( y − C x ˆ) = Ax dt
Soc
ˆ by x ˜ =x−x ˆ Replace x
dx1 = − x1 + u dt dx2 = − x2 + u dt y = x1 + x2
S
u
S Σ S
y
The linear combination x1 + x2 is controllable
S
The linear combination x1 − x2 is not observable
→ y(t) = u(t) + constant
The system can be written as
d dt x v
Take Laplace transforms (assuming all initial values zero)
A 0 B 0 0) x v x v
=
+
B 0
u
sY (s) = sU (s), → Y (s) = U (s)
c K. J. Åström August, 2001 3
Disturbance Observer
The following system has been used to model constant load disturbances
dx = Ax + B (u + v) dt dv =0 dt y = Cx
The Concepts
dx = Ax dt y = Cx
Algebraic Criteria
The system
dx = Ax + Bu, dt is controllable if the matrix y = Cx
Controllability: Assume that the system is at the origin initially. Can we find a control signal so that the state reaches a given position at a fixed time? Notice we do not require that it stays there! Observability: Can the state x be determined from observations of the output y over some time interval.
Kalmans Decomposition
A linear system can be transformed to the form
A dx 21 = 0 dt
0 y = ( C1 0 A11 0 A22 0 0 C2 A13 A23 A33 A43 0) x 0


=
A11 0
A12 A22
xc xc ¯
+
B1 0
u
B A24 2 x+ u 0 0
A44 0
B1

where the states xc are controllable and xc ¯ are non-controllable.
d dt xo xo ¯
=
A11 A21
0 A22 xo 0) xo ¯
Prototype of Non-controllable System
Two identical systems driven by the same input. Intuitively: no way to make the systems move in opposite ways. A simple example
u
s+a s+b
υ
s+b s+a
y
The system has the transfer function G (s) = 1. Natural questions: • Is the system equivalent to the system y = u? • What happens with the modes that are cancelled?
dx1 = − x1 + u dt dx2 = − x2 + u dt
Prototype of Non-observable System
Two identical systems whose outputs are added. Intuitively: no way to find out which system generated the output. A simple example
Wc = ( B AB A2 B . . . An−1 B )
has full rank. The system observable if the matrix C CA CA2 Wo = . . .
CAn−1
has full rank.
c K. J. Åström August, 2001 1
Example of Cancellation
Consider the system
Example of Cancellation ...
Introduce the state representation
dx1 = −ax1 + ( b − a)( x2 + u) dt dx2 = −bx2 + ( a − b)u dt y = x1 + v = x1 + x2 + u v = x2 + u
Lecture 14 - Controllability and Observability
K. J. Åström 1. Introduction 2. The Concepts 3. Structure of Linear Systems 4. Cancellation of Poles and Zeros 5. Summary
Cancellation of Poles and Zeros
Formal calculations with Laplace transforms sometimes leads to cancellation of poles and zeros. Consider the system
dy du = dt dt
→ y(t) = u(t)
y = (C
Notice that the state v which models the load disturbance is not controllable from u.
There are also design methods where it is deliberately attempted to cancel poles and zeros. It is important to understand what happens when this is done. The decomposition of a linear system gives good insight into what happens when working with transfer functions.
Change coordinates to
1 (Leabharlann Baidux1 + x2 ) 2 1 z2 = ( x1 − x2 ) 2 z1 = x1 = z1 + z2 x2 = z1 − z2
c
K. J. Åström August, 2001
4
Example of Cancellation ...
u
Example of Cancellation ...
相关文档
最新文档