【线性系统课件】线性系统的多项式矩阵描述

合集下载

线性系统理论全PPT课件

线性系统理论全PPT课件
17550机电系统状态空间描述的列写示例dtdi上式可表为形如ducxbuax27650连续时间线性系统的状态空间描述动态系统的结构动力学部件输出部件连续时间线性系统的状态空间描述线性时不变系统ducxbuax37750连续时间线性系统的方块图47850人口分布问题状态空间描述的列写示例假设某个国家城市人口为102的乡村人口迁移去城市整个国家的人口的自然增长率为1设k为离散时间变量城市人口迁移乡村而一个单位负控制措施会导致5x1010051005亦可表为57950离散时间线性系统的状态空间描述状态空间描述形式离散时间线性时不变系统671050离散系统状态空间描述的特点
若f(x,u,t),g(x,u,t)的全部组成元为x、u的 线性函数,该系统称为线性系统
A(t ) X B(t )u X 对于线性系统 Y C (t ) X D(t )u
1/ቤተ መጻሕፍቲ ባይዱ,12/50
若f(x,u,t),g(x,u,t)的全部或至少一个 组成元素为x、u的非线性函数,该系 统称为非线性系统 。 非线性系统可以用泰勒展 开方法化为线性系统。
线性系统理论
电子信息学院
1
1、线性系统理论的研究对象 • 系统是系统理论研究的对象; • 系统是由相互关联和相互作用的若干组 成部分按一定规律组合而成的具有特定 功能的整体; • 系统模型,是对系统或其简化形式的一 种描述;
2
• 动态系统---动力学系统 • 动力学系统--可用一组微分方程或差分方程 来描述; • 系统的线性性和非线性性; • 当数学方程具有线性属性时,相应的系统
5
• 建立数学模型 • 数学模型的基本要素是变量、参量、常数 和它们之间的关系 • 变量:状态变量、输入变量、输出变量、
扰动变量

第11章线性系统的多项式矩阵描述解析

第11章线性系统的多项式矩阵描述解析

强调:广义状态变量必须是独立的。对于方程中的 某个储能参数若多次引用,必须给予恰当处理。
例如若将电容C2两端短路,则
(L1s
1 C1s
)1
(s)
1 C1s
1
(s)
(
1 C1s
1 C1s L2s
2 (s) R1)2
U(s) (s)
0
仍按上面整理得:
3s2 1 1
6s2
1 3s
1 (s)
R(s)P1 (s)Q(s) W(s) C(sI A)1 B E
注意PMD的实现具有强不唯一性,结果不唯一,实 现的维数也不唯一。
二.构造PMD的实现方法
构造PMD的实现是基于矩阵分式描述MFD的规范 形,能控形,能观测类实现而建立的。含义是指 PMD的传递函数矩阵G(s)中包含的一个MFD的实 现,称为PMD实现的内核。
n degdetP(s)
4.由(Ao , Bo , Co )导 出PMD的 实 现(A, B, C, E) 直接取定 A Ao,B Bo
1
2
(s)
3s
0
U(s)
degdetP(s)=4,产生系统升级错误的原因是化 简过程中电容C1进行了两次通分运算。
若 将(1)式 改 写为
1 C1s
1
(s)
1 C1s
2
(s)
U(s)
L1s1
(s)
代 入(2)得
- U(s) L1s1(s) (L2s R1)2 (s) 0
3s2 1 1
3.对Pr-1(s)Qr (s)构 造 观 测 器 形 实 现(A o , Bo , Co ) 对 严 真Pr-1 (s)Qr (s),Pr (s)行 既 约 , 构 造 观 测 器 形实 现(A o , Bo , Co )

第六章 线性系统的多项式矩阵理论 线性系统理论课件

第六章  线性系统的多项式矩阵理论 线性系统理论课件
G (s一) 个实现,则其最小实现的充分必要条件是(A,B)完全
能控,(A,C)完全能观测.
证: 先证必要性。已知(A,B,C)为最小实现,欲证(A, B)能控和(A,C)能观测。采用反证法,反设(A,B,C) 不是联合能控和能观测,则可通过系统结构规范分解找出其 能控和能观测部分 (A ~11,B ~1,,C ~1且) 必成立:
第六章 线性系统的多项式矩阵理论
在经典线性控制理论中,频率域方法曾是最为主要并占统 治地位的一类方法,研究对象为单输入单输出线性时不变系统, 系统描述为传递函数和频率响应,研究领域涉及系统性能的分 析和综合。
20世纪70年代以来,在线性系统状态空间方法的影响和推 动下,以多项式矩阵理论为基础的线性时不变系统的复频率域 理论得到很大发展,形成较为完整和成熟的现代线性系统复频 率域理论。罗森布罗克(H.H.Rosenbrock)和沃罗维奇 (W.A. Wolovich)在20世纪70年代前期的开创性研究是这 一理论发展的起点。
(A具0,有B0形,C式0):
10
0 0 0Iq
A0
Iq
1Iq
,
Iq
l1Iq
C0 0, , 0, Iq
P0
B0
P1
Pl1
(6-10)
而真传递函数矩阵 G (s的) 能观形实现为 (A0,B。0,C0,E)
6.2.3 传递函数矩阵的最小实现
设给定严真(真)有理函数矩阵G(s) ,利用6.2.1和 6.2.2中的
C d(sim I A )A )( d 1B i m A ~ C ~ 111 )(s ( IA ~ 11 )1B ~ 1G (s)
4
据定义, (A ~11,B ~也1,C 是~1) 的实G现(s,) 且具有更小维数。这表明, (A,B,C)不是 的最小实G现(,s) 矛盾于已知条件。反设不

《线性系统》课件

《线性系统》课件
NG
线性系统的控制目标
01
02
03
04
稳定性
确保系统在受到扰动后能够恢 复稳定状态。
跟踪性能
使系统输出能够跟踪给定的参 考信号。
抗干扰性
减小外部干扰对系统输出的影 响。
优化性能指标
最小化系统性能指标,如误差 、超调量等。
线性系统的控制设计方法
状态反馈控制
基于系统状态变量进行 反馈控制,实现最优控
稳定性分析
利用劳斯-赫尔维茨稳定判据等 工具,分析系统的稳定性。
最优性能分析
通过求解最优控制问题,了解 系统在最优控制下的性能表现

2023
PART 06
线性系统的应用实例
REPORTING
线性系统在机械工程中的应用
总结词
广泛应用、控制精度高
详细描述
线性系统在机械工程中有着广泛的应用,如数控机床、机器人、自动化生产线等。这些系统通过线性 控制理论进行设计,可以实现高精度的位置控制、速度控制和加速度控制,提高生产效率和产品质量 。
时域分析法
通过求解线性常微分方程或差分 方程,可以得到系统的动态响应
,包括瞬态响应和稳态响应。
频域分析法
通过分析系统的频率响应函数,可 以得到系统在不同频率下的动态响 应特性。
状态空间分析法
通过建立系统的状态方程和输出方 程,利用计算机仿真技术对系统的 动态响应进行模拟和分析。
2023
PART 05
2023
PART 02
线性系统的数学模型
REPORTING
线性系统的微分方程
总结词
描述线性系统动态行为的数学方程
详细描述
线性系统的微分方程是描述系统状态随时间变化的数学模型,通常采用常微分 方程或差分方程的形式。这些方程反映了系统内部变量之间的关系及其对时间 的变化规律。

【线性系统课件】线性系统概论

【线性系统课件】线性系统概论

四. 系统矩阵描述
• 一般形式
后者不但适用于描述线性定常系统,也适用于线性时变系统。 微分算子描述。
学习过程
• 郑大钟《线性系统理论》1-4章自学; • 重点讲述第五章及以后的频域理论。 • 参考书目
– Chi-Tsong Chen, Linear system theory and design
• 状态空间:
状态向量取值的空间是有限维的实向量空间(Rn,R),称 为状态空间.
• 动态方程:
----描述输入输出和状态之间唯一关系的方程组. ----动态方程都是因果的.
x (t ) f ( x , u , t ) y (t ) g ( x , u , t )
.
x (t 0 ) x 0
定义时不变性: 松驰系统是时不 变的,当且仅当 成立,否则称为时变的。
) u (t )
对任意的
HQ u Q H u
,u

松驰、线性、时不变系统
Q g ( , ) Q H ( t ) HQ ( t ) H ( t ( )) g ( , ) t
对动力学系统,若初始状态未知,或 t1 之前的输入未知,则
u [ t1 , ) y [ t1 , ) 不一一对应,
这样对研究系统的关键性质无用。 假定:系统是初始松驰的,输出只由此后的输入唯一地确定 工程上,常假定系统在负无穷时间是松驰的 在松驰性的假定下,有
y Hu
H 为某一算子或函数 称在负无穷时初始松驰的系统为松驰系统。 线性: 因果性 松驰性 时不变性
t0
综上,线性、因果、
t0
时 松 驰 的 系 统 , 其 I/O 描 述 为

线性时不变系统的多项式矩阵描述PPT课件

线性时不变系统的多项式矩阵描述PPT课件

-总之
Co (sI Ao )1 Bou(s) Y (s)u(s)
y(s) R(s) (s) W (s)u(s)
R(s)Co (sI Ao )1 Bou(s) [R(s)Y (s) W (s)]u(s)
X (s)(sI Ao )C
C(sI Ao )1 Bou(s) [ X (s)Bo R(s)Y (s) W (s)]u(s)
2020/12/29
7
(3)前两种情况的组合
P(s),Q(s)非左互质,消去其gcld H(s), 得
H 1(s)P(s) (s) H 1(s)Q(s)u(s)
y(s)
R(s)
(s)
W
(s)u(s)
再消去H 1(s)P(s)和R(s)的gcrd F (s) ,即做代换
(s) F (s) (s)
的实现。 • 步骤:
– 先把 P1(s)Q化(s)成满足左MFD求实现的条件,即 P(s)化为行既约, Pr1(s)严Qr (格s) 真;
(s) P1(s)Q(s)u(s) [M (s)P(s)]1 [M (s)Q(s)]u(s)
Pr (s)
Qr (s)
Pr1(s)Qr (s)u(s) [Y (s) Pr1(s)Qr (s)]u(s)
P(s)F (s) (s) Q(s)u(s)
y(s)
R
(s)F
(s)
(设 (s) F (s) (s),则
P(s) (s) Q(s)u(s)
y(s) R(s) (s) W (s)u(s)
不可简约
rank P(s) Q(s) rank P(s) Q(s) ,故P(s),Q(s)左互质.
右互质
不可简约PMD不唯一
{P(s),Q(s),R(s),W(s)}不可简约

第二章线性系统的数学模型ppt课件

第二章线性系统的数学模型ppt课件

传递函数的定义:零初始条件下系统输出与输入函 数的拉氏变换之比为系统的传递函数。
传递函数有如下性质: (1) Xo(S)= G(S)Xi(S),信号传递的性质。
用方框图表示:
Xi(S)
G(S)
Xo(S)
病原体侵入机体,消弱机体防御机能 ,破坏 机体内 环境的 相对稳 定性, 且在一 定部位 生长繁 殖,引 起不同 程度的 病理生 理过程
ia(t)CJm ddn(tt)iL(t)
(2-3)
病原体侵入机体,消弱机体防御机能 ,破坏 机体内 环境的 相对稳 定性, 且在一 定部位 生长繁 殖,引 起不同 程度的 病理生 理过程
ua(t)R aia(t)Ladd a(it)tea(t)
ea(t)Cen(t)
(2-1) (2-2)
J dn(t) ia(t)Cm dt iL(t)
令:
Tm
(t)
JRa CeCm
(机电时间常数)
Ti (t)
La Ra
(电磁时间常数)
T m T id d 2 n ( 2 t)t T m d d ( t)n tn ( t) C 1 eu a ( t) T m J C m iL ( t) d d L ( t) i t
输出 输入
负载扰动
(2-3)
将式(2-2)、 (2-3)一起代入式(2-1)中,消去中间
变量得:
L C a m Jd d 2 n 2 ( t)t R C a m Jd d ( t)n tC e n ( t) u a ( t) L ad d L ( t) i tR a iL ( t)
令:
Tm
(t)
JRa CeCm
(机电时间常数)
整理得:

第9章 线性定常系统的多项式矩阵描述

第9章 线性定常系统的多项式矩阵描述

( sI A) ( s) Bu( s) y( s) C ( s) D( s)u ( s)
(9 14)
其中, ξ(s) = x(s)为n×1广义状态,PMD的各个系数矩阵为
P( s) ( sI A), Q( s) B W ( s ) D( s ) R( s ) C , (9 15)
P( s) Dl (s), Q(s) N l ( s) W ( s) E (s) R( s ) I ,
(9 18)
其中, ξ(s) = Dr-1(s)Nl(s)u(s)为q×1广义状态,PMD的各个系数矩阵为
(9 19)
证 对Nr(s)Dr-1(s)+E(s),可以导出 y(s) = [Nr(s)Dr-1(s)+E(s)]u(s) = Nr(s)Dr-1(s)I u(s) +E(s)u(s) (9-20) 将上式与PMD的传递函数矩阵(9-12)相比较,就可导出系数矩阵关系式(9-17) 。基于此,令ξ(s) = Dr-1(s)Iu(s),可得式(9-16)。 类似地,可以证明式(9-18)。证毕。
Ax Bu x y Cx D( p)u (9 39)
的传递函数阵与式(9-38)所示PMD的传递函数阵相等,即 R(s)P-1(s)Q(s) + W(s) = C(sI - A)-1B + D(s) (9-40) 则,称式(9-39)为式(9-38)给出的PMD的一个实现。其中,D(s) = D(p)|p=s。 2 构造PMD实现的方法 对线性定常系统的PMD (P(s), Q(s), R(s), W(s)),表P-1(s)Q(s) = Pl-1(s)Ql(s) 1 1 P ,其中Pl(s)为行既约, l (s)Ql (s) P l (s)Ql (s) Y (s) ,而(Ao, Bo, Co)为严格真 Pl 1 (s)Ql (s) 的观测器型实现,则PMD的一个实现(A, B, C, D(p))为 A Ao , B Bo (9 58) C [ R( s)Co ]s A D( p ) D ( s ) | s p

线性系统理论全PPT课件

线性系统理论全PPT课件
详细描述
稳定性是线性系统的一个重要性质,它决定了系统在受到外部干扰后能否恢复到原始状态。如果一个系统是稳定 的,那么当外部干扰消失后,系统将逐渐恢复到原始状态。而不稳定的系统则会持续偏离原始状态。
03
线性系统的数学描述
状态空间模型
01
定义
状态空间模型是一种描述线性动态系统的方法,它通过状态变量和输入
航空航天控制系统的线性化分析
线性化分析
在航空航天控制系统中,由于非线性特性较强,通常需要进行线性化分析以简化系统模 型。通过线性化分析,可以近似描述系统的动态行为,为控制系统设计提供基础。
线性化方法
常用的线性化方法包括泰勒级数展开、状态空间平均法和庞德里亚金方法等。这些方法 可以将非线性系统转化为线性系统,以便于应用线性系统理论进行控制设计。
线性系统理论全ppt课件
• 线性系统理论概述 • 线性系统的基本性质 • 线性系统的数学描述 • 线性系统的分析方法 • 线性系统的设计方法 • 线性系统的应用实例
01
线性系统理论概述
定义与特点
定义
线性系统理论是研究线性系统的 数学分支,主要研究线性系统的 动态行为和性能。
特点
线性系统具有叠加性、时不变性 和因果性等特性,这些特性使得 线性系统理论在控制工程、信号 处理等领域具有广泛的应用。
线性系统的动态性能分析
动态性能指标
描述线性系统动态特性的性能指 标,如超调量、调节时间、振荡
频率等。
状态空间分析法
通过建立和解决线性系统的状态方 程来分析系统的动态性能,可以得 到系统的状态轨迹和响应曲线。
频率域分析法
通过分析线性系统的频率特性来描 述系统的动态性能,可以得到系统 的频率响应曲线和稳定性边界。

线性系统理论Chapter7多项式矩阵理论

线性系统理论Chapter7多项式矩阵理论
第七章 数学基础:多项式矩阵理论
7.1 多项式矩阵
7.9 互质性
7.2 奇异和非奇异 7.10 列次数和行次数
7.3 线性相关和无关 7.11 既约性
7.4 秩
7.12 史密斯形
7.5 单模矩阵
7.13 波波夫形
7.6 初等变换
7.14 矩阵束和克罗内克尔形
7.7 埃尔米特形 7.15 小结和评述
7.8 公因子和最大公因子
一个重要性质
结论7.1 给定方多项式矩阵Q(s)为单模阵,当且仅当其逆Q1(s)也是一个多项式矩阵。
8
其它推论
若Q(s)为单模阵,则Q(s)必是非奇异的。但是,反命题一般 不成立; 任意两个同维的单模阵的乘积阵也必为单模阵; 单模阵Q(s)的逆矩阵Q-1(s)也一定是单模阵; 方多项式矩阵的奇异性、非奇异性和单模性之间,存在如 下对应关系
பைடு நூலகம்
q2(s),…,qm(s)为线性无关的。
向量表示:称多项式向量组q1(s),q2(s),… ,qm(s)为线性
相关,当且仅当存在p维多项式向量a(s) 0,使成立
[q1(s) q2(s) … qm(s)]a(s) = 0
反之,如果仅当
a(s) = 0时上式才成立,称多项式向量组q1(s),q2(s),… ,
1
7.1 多项式矩阵
多项式:d(s) = dmsm + dm-1sm-1 + … + d1s + d0
di(i = 0,1,… ,m)R,sC; 若dm0,则称d(s)的次数为m,记为deg d(s) = m; dm称首系数,若dm=1,称d(s)为首1多项式。
多项式矩阵:元为多项式的矩阵。
Q(s)行列式 = detQ(s) = 多项式

线型代数课件第一章

线型代数课件第一章
线型代数课件第一章
这是线性代数课件的第一章。我们将探讨线性代数的基本概念和应用。
什么是线性代数
线性代数是研究向量空间及其上的线性变换的学科。它是现代数学及其应用领域中的重要工具之一。
向量和线性相关性
向量是物理和几何中的重要概念。线性相关性描述向量之间的关系,它对于 理解向量空间的性质非常重要。
矩阵和矩阵方程组
特征值和特征向量
特征值和特征向量是线性变换中的重要概念。它们可以帮助我们个领域都有广泛的应用。例如在图像处理、机器学习和密码学 等领域中,线性代数都起着重要的作用。
矩阵是由数字按照一定规则排列成的二维数组。矩阵方程组描述了多个线性 方程的集合,并可以通过矩阵运算进行求解。
行列式和逆矩阵
行列式是一个与矩阵相关的数值,它具有很多重要的性质。逆矩阵是指对于 某个矩阵存在一个矩阵使得两者相乘得到单位矩阵。
线性变换的代数表示
线性变换将一个向量空间的向量映射到另一个向量空间。它可以用矩阵来表 示,并具有一些重要的性质。

线性系统-(4)

线性系统-(4)

三、线性相关和线性无关 当且仅当存在一组多项式 1 s, 2 s,, p s 若 1 s 2 s p s 0 时,上式成立,则为线性无关。
p 个多项式向量 q1 s, q2 s,, qp s 为线性相关
1 sq1 s 2 sq2 s p sqp s 0
则称R为两个多项式矩阵的一个右公因子。
Rs W s R1 s
则称R为最大右公因子,记gcrd。
定理( gcrd构造定理):对给定的N,D, 如果存在单模阵 U,满足 Ds Rs
U(s) 0 N s
则称R为N,D的一个最大右公因子。
任 意 多 项 式 阵 推论6: Qsmr , R(s)r p 为
sRs minrankQs, rankRs rankQ
五、单模矩阵
Qs 为单模阵,当且仅当其行列式是独立于s的非零常数。
推论1: Qs 为单模阵,当且仅当其逆是一多项式阵 推论2: Qs 为单模阵,则 Qs 是非奇异,反之未必 推论3: 两个单模阵的乘积也是单模阵
七、 Hermite 定理和 Smith 定理(埃尔米特、史密斯)
Hermite 定理 设 Qs为多项式矩阵,并且第一行(列)不恒为零,其
秩为k,则必存在一个下(或上)三角形多项式矩阵 Qs与 Qs 列(或行)等价,并且 Qs具有如下性质:
(1)若 k r ,则的最后r-k列全为零; (2)若1 j k ,则第j行第j列上元素是首1多项式,并且 其是该行中的行次最高的; (3)若 1 j k ,则第j行第j列上元素为1时,该行中的其 它元素全为零。
s minm,r 推论3: Qs 满秩,当且仅当 rankQ 推论4: Qs 为 m m方阵,Qs 非奇异等价于 rankQs m

第十一章-线性系统的多项式矩阵描述

第十一章-线性系统的多项式矩阵描述

第十一章 线性时不变系统的多项式矩阵描述多项式矩阵描述方法是20世纪60年代中期由英国学者(H. H. Rosonbrock)提出来的。

首先多项式矩阵描述是对系统描述方法的一个丰富;其次多项式矩阵描述是对线性时不变系统更为普遍的一种描述;再者多项式矩阵描述为将来研究广义系统奠定了基础。

11.1 多项式矩阵描述多项式矩阵描述(Polynomial Matrix Descriptions ,PMD )是除了线性系统的三种原有的描述方式:状态空间描述、传递函数矩阵描述和矩阵分式描述以外,一种新的描述方法。

例如:下图所示的系统:我们取两个回路电流12, i i 作为描述系统的变量;以最右边的电感两端的电压作为系统的输出ui i dt didti d 369211212=-++ 0436222221=+++-i dt didt i d i (11.1)2()2di y t dt= 引入微分算子:222()()(), ()dx t d x t dx t d x t dt dt将式(11.1)表示如下: 21221212(961)()()3()()(634)()0()0()2()0()d d i t i t du t i t d d i t y t i t di t u t ++-=-+++==++ (11.2)将上式写成矩阵形式:[][]212212()39611()()01634()()020()()i t d d d u t i t d d i t y t d u t i t ⎡⎤++-⎡⎤⎡⎤=⎢⎥⎢⎥⎢⎥-++⎣⎦⎣⎦⎣⎦⎡⎤=+⎢⎥⎣⎦ (11.3)一般地我们有:()()()()P d t Q d u t ζ=()()()()()y t R d t W d u t ζ=+ (11.4)(),(),()()P Q R W ⋅⋅⋅⋅和分别为, , , m m m p q m q p ⨯⨯⨯⨯的微分算子多项式矩阵。

第3讲线性代数和多项式

第3讲线性代数和多项式

4
1

3 / 4 1

0


0
2

1/ 4 0

1

所以方程的通解为
解 线 性 方
x1 4 0

x2 x3 x4


k1
3 / 4
1

0


k2
1/ 4
0
plot(x,y,'rp',x1,y2,’g-’,x1,y3,’b--’,x1,y7,’k-.’)
Legend(‘拟合点’,’二次拟合’,’三次拟合’,’七次拟 合’)
预测模型实验
北京科技大学数学实验
人口预测
问题的提出:
据考古学家论证,地球上出现生命距今已有20亿年, 而人类的出现距今却不足200万年。纵观人类人口总数的增 长情况,我们发现:1000年前人口总数为2.75亿。经过漫 长的过程到1830年,人口总数达10亿;又经过100年,在 1930年,人口总数达20亿;30年后,在1960年,人口总数 为30亿;又经过15年,1975年的人口总数是40亿;12年之 后即1987年,人口已达50亿。
>> p=[2,-1,0,3]; >> x=2;polyval(p,x) 15 >> x=[-1, 2;-2,1];polyval(p,x) [0 15;-17 4]
多项式四则运算
多项式加减运算:Matlab没有提供专门进行多项式 加减运算的函数,事实上,多项式的加减就是其所对 应的系数向量的加减运算。
向量x,y具有相同的维数; n为正整数,n值越大则拟和的精度越好; p为多项式的系数向量。
  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)。
rank [ P ( s ) Q ( s )] m , s C
所以,输入零点又等于使[P(s) Q(s)]行降秩的s值。
2. 输出解耦零点(output decoupling zero)
若P(s)和R(s)存在非单模的gcrd F(s)
P (s) P (s)F (s) R (s) R (s)F (s) 则 G ( s ) [ R ( s ) F ( s )][ P ( s ) F ( s )] Q ( s ) W ( s ) R (s)P (s) Q (s) W (s) 可见 , F ( s ) 被消去了 . 定义 : det F ( s ) 0的根为输出解耦零点 同前 , 输出解耦零点又等同于 . s值 .
10.3 PMD的互质性和状态空间表达的能控性、能观性
• 互质性与能控性、能观性的等价性 1. 给定{P(s),Q(s),R(s),W(s)},其维数为n=deg detP(s)=dim A的 一个实现为{A,B,C,E(p)},则 {P(s),Q(s)}左互质{A,B}能控 {P(s),R(s)}右互质{A,C}能观 1 1 N (s)D (s) N (s)D (s)I E (s) 2. 对右MFD, 能控类实现:{A,B,C,E},dim A=deg detD(s) 则:{D(s),N(s)}右互质{A,C}能观 (已经能控) 1 1 对左MFD, D L ( s ) N L ( s ) ID L ( s ) N ( s ) E ( s ) { 能观类实现: A , B , C , E }, dim A deg det D L ( s ), 则
g ( s ) c ( sI A ) b
1
c adj ( sI A ) b det( sI A )

N (s) (s)
则 {系统完全能控且能观} g(s)无零极点相消 {系统完全能控} adj(sI-A)b和(s)无零极对消现象 {系统完全能观} c adj(sI-A)和(s)无零极对消现象
1 1
P ( s ) P2 ( s ) L ( s ) 则
1
R ( s ) R1 ( s ) L ( s )
G ( s ) R ( s ) P1 ( s ) Q 1 ( s ) W ( s ) R 1 ( s ) P2 ( s ) Q ( s ) W ( s )
1
显然,L(s)的零点都是解耦点,并且既是i.d.z., 又是o.d.z. 这样的L(s) 的零点称为输入输出解耦零点,i.o.d.z
系统极点并不全是传递函数矩阵的极点,因求传递函 数矩阵时可能发生零极对消。
对消掉的零极点不包含在传递函数矩阵中,成为系统 的解耦零点。
1. 输入解耦零点(input decoupling zero)
若{P(s),Q(s),R(s),W(s)}中,P(s)、Q(s)存在非单模的gcld H(s), 即 P ( s ) H ( s ) P ( s ), Q ( s ) H ( s ) Q ( s ), 则
1
( s ), 得
(2) P(s),Q(s)左互质,P(s),R(s)非右互质 P(s),R(s)有非单模的gcrd, 设为F(s), 必非奇
P (s) P (s)F (s) R (s) R (s)F (s) P ( s ), R ( s ) 右互质 原描述可写成 P ( s ) F ( s ) ( s ) Q ( s ) u ( s ) y ( s ) R ( s ) F ( s ) ( s ) W ( s ) u ( s ) ~ 设 ( s ) F ( s ) ( s ), 则 ~ P ( s ) ( s ) Q ( s ) u ( s ) ~ y ( s ) R ( s ) ( s ) W ( s ) u ( s ) 不可简约 rank P ( s ) Q ( s ) rank P ( s ) Q ( s ) , 故 P ( s ), Q ( s ) 左互质 .
• 注: – 求传递函数矩阵时,应消去P(s)与Q(s)的左公因子和 P(s)和R(s)的右公因子,使传递函数矩阵的零极点不 包含解耦零点。 – 若记P和Z为传递矩阵的极点、零点,则系统的极点 Ps和零点Zs分别为
• 实现不唯一,有维数最小的一类实现,称为最小实现。最小 实现能控且能观,不同的最小实现间代数等价。 二 . 算法:以构造观测器形实现为最简便 已知:{P(s),Q(s),R(s),W(s)}, 求实现
• 思路: – 前面已讲过的MFD实现方法,要求分母矩阵行(列)既约, 严格真; 1 ( s ) P ( s )Q ( s )u ( s ) 的 – 在P(s)(s)=Q(s)u(s)中,先求
• 由可简约PMD求不可简约PMD (1){P(s),Q(s)}非左互质,{P(s),R(s)}右互质 此时,P(s),Q(s)有非单模的gcld, 设为H(s), 非奇 则
P (s) H (s)P (s) Q ( s ) H ( s )Q ( s ) P ( s ), Q ( s ) 左互质 P ( s ) ( s ) Q ( s ) u ( s ) 两边左乘 H P ( s ) ( s ) Q ( s ) u ( s ) y ( s ) R ( s ) ( s ) W ( s ) u ( s ) 不可简约 P (s) P (s) rank , 故 P ( s ), R ( s ) 右互质 . rank R (s) R (s)
实现。 • 步骤: – 先把 P 1 ( s ) Q ( s ) 化成满足左MFD求实现的条件,即P(s)化 P 为行既约,r 1 ( s ) Q r ( s ) 严格真;
( s ) P ( s ) Q ( s ) u ( s ) [ M ( s ) P ( s )] [ M ( s ) Q ( s )] u ( s )
C o ( sI A o ) B o u ( s ) Y ( s ) u ( R ( s ) ( s ) W ( s ) u ( s ) R ( s )C o
X ( s )( sI A o ) C o
( sI A o ) B o u ( s ) [ R ( s )Y ( s ) W ( s )] u ( s )
G ( s ) R ( s )[ H ( s ) P ( s )] [ H ( s ) Q ( s )] W ( s ) R (s)P (s) Q (s) W (s)
1 1
可见,H(s)中的gcld H(s)在传递函数矩阵中消失了,这导 致了零极点对消。 定义:det H(s)=0的根为输入解耦零点。 意义:这种对消的零极点使系统的输入与分状态之间解除了 耦合,即输入信号不能影响这些极点所对应的状态。 由于 [ P ( s ) Q ( s )] H ( s )[ P ( s ) Q ( s )]
1 1
P (s) 使 降秩的所有 R (s)
意义:输出解耦零点使输出与分状态之间的耦合解除了,即分 状态不完全反映到系统输出中去。
3. 输入输出解耦零点
若P(s)和Q(s)存在非单模的左公因子L(s), (不一定gcld) 同时P(s)和R(s)也存在非单模的右公因子L(s) 即 P (s) L(s)P (s) Q ( s ) L ( s )Q ( s )
1
10.2 PMD的状态空间实现
一. 定义 给定{P(s),Q(s),R(s),W(s)},若能找到状态空间描述 {A,B,C,E(p)},使
R (s)P
1
( s ) Q ( s ) W ( s ) C ( sI A )
1
B E (s)
则称 { A , B , C , E ( p )} 为给定 PMD 的实现 .
10.4 系统的零极点
• 一般地,系统的零、极点与传递函数矩阵的零极点不 是等同的,后者包含在前者之中,是前者的一个子集。 同一系统,其PMD为{P(s),Q(s),R(s),W(s)}, 系统极点是det P(s)=0的根 状态空间描述为{A,B,C,E} 系统极点是det(sI-A)=0的根 以上二者是等同的。
1 1
1
C o ( sI A o ) B o u ( s ) [ X ( s ) B o R ( s )Y ( s ) W ( s )] u ( s ) C o ( sI A o ) B o u ( s ) E ( s ) u ( s )
– 实现为 { Ao , B o , C o , E ( p )} 三. 最小实现 当且仅当PMD为不可简约时,其维数为n=deg detP(s) 的任何实现均为最小实现。
{ A o , B o , C o },
1
求观测器形实现(利用上节方法), 必有
C o ( sI A o ) 1 B o Pr 1 ( s ) Q r ( s ) ( A o , C o ) observable
( s ) [ Pr ( s ) Q r ( s ) Y ( s )] u ( s )

Pr ( s ) 1 1 1 1

Qr (s )
Pr ( s ) Q r ( s ) u ( s ) [Y ( s ) Pr ( s ) Q r ( s ) ]u ( s )
strictly proper
– 对 得
Pr ( s ) Q r ( s )
第10章 线性系统的多项式矩阵描述
10.1 多项式矩阵描述
• 前已讲过,多项式矩阵描述(PMD) P(s)(s)=Q(s)u(s) y(s)=R(s) (s)+W(s)u(s) 它是系统的内部描述,是最一般的描述。 • 不可简约PMD {P(s),Q(s)}左互质,且{P(s),R(s)}右互质 • 不可简约PMD不唯一 {P(s),Q(s),R(s),W(s)}不可简约 {U(s)P(s)V(s),U(s)Q(s),R(s)V(s),W(s)}不可简约 U(s),V(s)为单模矩阵
相关文档
最新文档