现代控制理论 矩阵指数函数的计算方法PDF版
现代控制理论中的数学知识
Chapter0 数学知识0.1复数的指数形式如下图,复平面上的一个单位矢量,其长度为1,其方向与x 轴的夹角为θ,该矢量可以用指数形式θj e 来表示。
由此可以得到Euler 公式: θθθsin cos e j j +=实部和虚部分别为:θθsin cos ==y xjj j j j 2e e sin 2e e cos θθθθθθ---=+=著名的Euler 公式将“实函数”与“虚函数”联系起来。
例1:利用Euler 公式可以简便的得到三角函数的“倍角公式” 22)sin (cos )(θθθj e j +=,左边=θθθθ2sin 2cos )(22j e e j j +==,右边θθθθcos sin 2)sin (cos 22j +-=, 比较两边“实部”和“虚部”得 θθθθθθcos sin 22sin sin cos 2cos 22=-=定义:双曲余弦函数 2cosh x x e e x -+≡,双曲正弦函数 2sinh xx e e x --≡得到关系式: jx x cos cosh =,jx j x sin sinh -= 0.2矩阵知识 0.2.1 矩阵形式单位矩阵 ⎪⎪⎪⎭⎫⎝⎛=10000001 I , 纯量矩阵⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛==a a a aI A 00000010000001 ; 对角矩阵 0=ij a ,j i ≠ ⎪⎪⎪⎭⎫⎝⎛=n a a A 0000001 ;上(下)三角矩阵:0=ij a ,j i j i <>,⎪⎪⎪⎭⎫ ⎝⎛=nn n a a a A 000...111 上;⎪⎪⎪⎭⎫⎝⎛=nn n a a a A ...000111 下;jyθx对(反)称矩阵:jiij ji ij a a a a -==,⎪⎪⎪⎭⎫ ⎝⎛=nn n n a a a a A ......1111 对称;⎪⎪⎪⎭⎫ ⎝⎛-=nn n n a a a a A ......1111 反称; 任一矩阵都可分解为对称矩阵与反称矩阵之和:反称矩阵对称矩阵22TT A A A A A -++= A 、B 可交换(BA AB =)的充要条件是AB 为反称矩阵。
《现代控制理论》(刘豹_唐万生)
第1章 控制系统的状态空间表达式1-1试求图1-27系统的模拟结构图,并建立其状态空间表达式图1-27系统方块结构图解:系统的模拟结构图如下:图1-30双输入--双输出系统模拟结构图系统的状态方程如下:u K K x K K x K K x X K x K x x x x J K x J x J K x J K x x J K x x x pp p p n pb1611166131534615141313322211+--=+-==++--===••••••令θ(s)=y ,则y =x 1所以,系统的状态空间表达式及输出方程表达式为[ x 1•x 2•x 3•x 4•x 5•x 6•]=[ 01000000K b J 200000−K p J 1−K n J 11J K p J 100100000−K 100K 1−K 1p−K 1p ][ x 1x 2x 3x4x 5x 6]+[ 00000K 1K p ]uy =[100000][ x 1x 2x 3x 4x 5x 6]1-2有电路如图1-28所示。
以电压u(t)为输入量,求以电感中的电流和电容上的电压作为状态变量的状态方程,和以电阻R 2上的电压作为输出量的输出方程。
L1L2U图1-28 电路图解:由图,令i 1=x 1,i 2=x 2,u c =x 3,输出量y =R 2x 2 有电路原理可知:R 1x 1+L 1x 1•+x 3=uL 2x •2+R 2x 2=x 3x 1=x 2+Cx 3•既得 x 1•=−R1L 1x 1−1L 1x 3+1L 1ux •2=−R 2L 2x 2+1L 2x 3 x 3•=−1C x 1+1C x 2y =R 2x 2写成矢量矩阵形式为:[ x 1。
x 2。
x 3。
] =[−R 1L 10−1L 10−R 2L 21L 21C−1C 0][x 1x 2x 3]+[1L 100]u y =[0R 20][x 1x 2x 3] 1-3有机械系统如图1.29所示,M1和M2分别受外力f1和f2的作用.求以M1和M2的运动速度为输出的状态空间表达式.解:以弹簧的伸长度y 1,y 2 质量块M 1, M 2的速率c 1,c 2作为状态变量 即 x 1=y 1,x 2=y 2,x 3=c 1,x 4=c 2根据牛顿定律,对M 1有:M 1dc1dt =f 1-k 1(y 1-y 2)-B 1(c 1-c 2) 对M 2有:M 2dc2dt =f 2+k 1(y 1-y 2)+B 1(c 1-c 2)-k 2y 2-B 2c 2将x 1,x 2,x 3,x 4代入上面两个式子,得 M 1ẋ3=f 1-k 1(x 1-x 2)-B 1(x 3-x 4) M 2ẋ4=f 2+k 1(x 1-x 2)+B 1(x 3-x 4)-k 2x 2-B 2x 4B 1\y 2 c 2 y 1 c 1f 2(t)M 2M 1f 1(t) B 2 K 2K 1整理得 ẋ1=x 3ẋ2=x 4ẋ3=1M 1f 1-k 1M 1x 1+k 1M 1x 2-B 1M 1x 3+B1M 1x 4ẋ4=1M 2f 2+k1M 2x 1-k 1+k 2M 2x 2+B1M 2x 3-B 1+B 2M 2x 4输出状态空间表达式为 y 1=c 1=x 3 y 2=c 2=x 4 1-4两输入u 1,u 2,两输出y 1,y 2的系统,其模拟结构图如图1-30所示,试求其状态空间表达式和传递函数阵。
现代控制 第2章
而 b = x(0) 0
则线性定常系统齐次状态方程( 则线性定常系统齐次状态方程(1)的解为
1 22 1 k k x (t ) = ( I + At + A t + L + A t + L) x (0) 2! k!
由于
e
At
= 1+ At +
1 2!
A t
2
2
+L +
1 k!
A t
k
k
+L
则
x(t) = e x(0)
At
则
如果 0
t ≠0
x (t ) = e
A ( t −t 0 )
x (t0 )
将上式代入(1)式验证 将上式代入(
d A ( t −t 0 ) & x (t ) = x (t ) = A e x (t0 ) = Ax (t ) dt
和
x (t ) t =t = e
0
A ( t0 −t 0 )
x (t0 ) = x (t0 )
0 −1 0 P −3t e
5 −t 3 −3t −t −2t −3t −2t −t −2t −3t e − 4e + e −2e +3e − e 3e −3e + e 2 2 −t −3t −2t −3t −2t −3t = −6e + 6e −8e +9e 6e −6e −t 5 −t 27 −3t −2t −3t e −16e−2t + e −2e−t +12e−2t −9e−3t 3e −12e + 9e 2 2
3、可逆性
e
《现代控制理论基础》第三章(讲义)
第一和第二讲小结一、状态空间表达式的标准形式能控标准形能观测标准形对角线标准形Jordan标准形二、矩阵的特征值及对角线化矩阵是能控标准形时的变换矩阵求法(1)特征值互异(2)重根(3)一般情形三、利用MATLAB进行系统模型之间的相互转换[A, B, C, D] = tf2ss (num, den)[num,den] = ss2tf [A,B,C,D,iu]四、时域分析的基本概念状态转移矩阵及其性质,凯莱-哈密尔顿定理最小多项式五、矩阵指数计算级数法,对角线标准形与Jordan标准形法拉氏变换法凯莱-哈密尔顿定理II、分析部分第三章线性多变量系统的能控性与能观测性分析能控性(controllability)和能观测性(observability)深刻地揭示了系统的内部结构关系,由R.E.Kalman于60年代初首先提出并研究的这两个重要概念,在现代控制理论的研究与实践中,具有极其重要的意义,事实上,能控性与能观测性通常决定了最优控制问题解的存在性。
例如,在极点配置问题中,状态反馈的的存在性将由系统的能控性决定;在观测器设计和最优估计中,将涉及到系统的能观测性条件。
在本章中,我们的讨论将限于线性系统。
将首先给出能控性与能观测性的定义,然后推导出判别系统能控和能观测性的若干判据。
3.1 线性连续系统的能控性3.1.1 概述能控性和能观测性就是研究系统这个“黑箱”的内部的状态是否可由输入影响和是否可由输出反映。
例1. 给定系统的描述为u x x xx⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡-=⎥⎦⎤⎢⎣⎡2150042121 []⎥⎦⎤⎢⎣⎡-=2160x x y将其表为标量方程组的形式,有:u x x+=114 u x x2522+-= 26x y -=例3-2:判断下列电路的能控和能观测性)(t u +yCR )(t uR L y23.1.2 能控性的定义考虑线性时变系统的状态方程∑:Bu x t A x+=)( , u t D x t C t y )()()(+=,00)(x t x =,J t ∈ (3.1.1)其中,x 为n 维状态向量,u 维p 维输入向量,J 为时间定义区间,B A ,分别为n n ⨯和p n ⨯的元为t 的连续函数的矩阵。
现代控制理论(第二章)讲解
sI
A 1
s 2
s3
1 1 s 3
(s
1)(s 2
2)
(s 1)(s 2)
1
(s
1)(s s
2)
(s 1)(s 2)
s3
e At
L1
(s
1)( s 2
2)
(s 1)(s 2)
EAST CHINA INSTITUTE OF TECHNOLOgy
第二章 控制系统状态空间表达式的解
2.1 线性定常齐次状态方程的解(自由解) 2.2 矩阵指数函数——状态转移矩阵 2.3 线性定常系统非齐次方程的解 2.4 * 线性时变系统的解 2.5 * 离散时间系统状态方程的解 2.6* 连续时间状态空间表达式的离散化
(s
1)( s 2
2)
(s 1)(s 2)
1
(s
1)( s s
2)
(s 1)(s 2)
eAt L1
sI A 1
2et e2t 2et 2e2t
et e2t
et
2e2t
et
2e2t
例2-6,利用凯莱-哈密顿定理— -----------------自学! 例2-3与例2-7也请注意自学!
EAST CHINA INSTITUTE OF TECHNOLOgy
2.3 线性定常系统非齐次方程的解
现在讨论线性定常系统在控制作用 方程为非齐次矩阵微分方程:
《现代控制理论》课后习题全部答案最完整打印版.pdf
第一章习题答案
1-1试求图1-27系统的模拟结构图,并建立其状态空间表达式。
解:系统的模拟结构图如下:
系统的状态方程如下:
阿
令,则
所以,系统的状态空间表达式及输出方程表达式为
状态变量的状态方程,和以电阻上的电压作为输出量的输出方程。
解:由图,令,输出量
有电路原理可知:既得
写成矢量矩阵形式为:
1-3参考例子1-3(P19).
1-4两输入,,两输出,的系统,其模拟结构图如图1-30所示,试求其状态空
间表达式和传递函数阵。
解:系统的状态空间表达式如下所示:
1-5系统的动态特性由下列微分方程描述
列写其相应的状态空间表达式,并画出相应的模拟结构图。
解:令,则有
相应的模拟结构图如下:
1-6(2)已知系统传递函数,试求出系统的约旦标准型的实现,并画出相应的模拟结构图
解:
1-7给定下列状态空间表达式
(1)画出其模拟结构图
(2)求系统的传递函数
解:
(2)
1-8求下列矩阵的特征矢量
(3)
解:A的特征方程
解之得:
当时,
解得:令得
(或令,得)
当时,
解得:令得(或令,得)
当时,
解得:令得
1-9将下列状态空间表达式化成约旦标准型(并联分解)
(2)
解:A的特征方程
当时,
解之得令得
当时,
解之得令得
当时,
解之得令得。
现代控制理论 矩阵指数函数的计算方法PDF版
《现代控制理论》MOOC课程第二章系统状态空间表达式的解三. 矩阵指数函数的计算方法根据矩阵指数函数的定义:方法一e At=I+At+12!A2t2+⋯=k=0∞1k!A k t k直接计算。
方法二将A阵化为对角标准型或约当标准型求解1. A的特征值不存在重根若A的n个特征值不存在重根,则在求出使A阵实现对角化λ1,λ2,⋯,λnT−1AT=λ1λ2⋱λn的变换阵后,即有指数函数矩阵:T−1、T e At=T eλ1teλ2t⋱eλn tT−1证明:T −1AT=λ1λ2⋱λn 由可得A =Tλ1λ2⋱λnT −1eAt=k=0∞1k!A k t k =k=0∞1k!Tλ1λ2⋱λnT−1kt k=k=0∞1k!Tλ1λ2⋱λnkT −1t k=Tk=0∞1k!λ1k tk k=0∞1k!λ2k tk ⋱k=0∞1k!λn k tk T −1=Te λ1te λ2t⋱e λn tT −1得证2. A的特征值存在重根若A的l组不同特征值为:λ1,λ2,⋯,λl,代数重数分别为σ1,σ2,⋯,σl(σ1+σ2+⋯+σl=n)且几何重数均为1,则在求出使A阵为约当标准型:J=T−1AT=J1J2⋱J l其中J i=λi1λi⋱⋱1λi为维矩阵σi×σi的变换阵后,即有指数函数矩阵:T−1、Te At=T e J1te J2t⋱e J l tT−1其中e J i t=eλi t1t12!t2⋯1(σi−1)!tσi−101t⋯1(σi−2)!tσi−2⋮⋮⋮⋯⋯⋯⋮t1证明:证明的思路与1相同,略去。
拉氏变换法:方法三e At =L −1(sI −A)−1证明:由矩阵指数函数的定义:e At=I +At +12!A 2t 2+⋯=k=0∞1k!A k tk取拉氏变换L(e At )=1s I +1s 2A +1s 3A 2+⋯=k=0∞1s(k+1)A k =s −1k=0∞s −1Ak =s −1I −s −1A−1=sI −A−1取拉氏反变换e At =L −1(sI −A)−1得证L t k k!=1sk+11+x +x 2+⋯+x k+⋯=k=0∞x k=11−x =(1−x)−1方法四应用凯莱-哈迷尔顿定理将表示为一个多项式e At e At =a 0t I +a 1t A +a 2t A 2+⋯+a n−1t A n−1若A 的特征值两两互异,则多项式的系数可按下式计算:a 0t a 1t ⋮a n−1t=1λ1λ12⋯λ1n−11λ2λ22⋯λ2n−1⋮1⋮λn⋮λn2⋮⋯⋮λnn−1−1e λ1te λ2t ⋮e λn tλ1,λ2,⋯,λl 若A 的n 个特征值为:,代数重数分别为,几何重数均为1,σ1,σ2,⋯,σl a 0t ⋮a σ1t ⋮a (σk=1l−1σk )+1t⋮a n−1t=p 1σ1⋮p 11⋮p lσl ⋮p l1−11σ1−1!t σ1−1e λ1t⋮e λ1t ⋮1σl −1!t σl −1e λl t⋮e λl t式中p i1=1λi λi 2⋯λin−1p i2=dp i1dλi ⋮p iσi =1σi −1!d σi −1p i1dλiσi −1凯莱-哈迷尔顿定理A∈R n×n设, 其特征多项式为:Dλ=λI−A=λn+a n−1λn−1+⋯+a1λ+a0=0则矩阵A必满足其特征多项式,即A n+a n−1A n−1+⋯+a1A+a0I=0证明:由凯莱-哈迷尔顿定理可表示为的线性组合,即A n−1、A n−2、⋯、A 、I A n A n =−a n−1A n−1−⋯−a 1A −a 0I进而有:A n+1=AA n =A(−a n−1A n−1−⋯−a 1A −a 0I)=−a n−1A n −a n−2A n−1−⋯−a 1A 2−a 0A=−a n−1(−a n−1A n−1−⋯−a 1A −a 0I)−a n−2A n−1−⋯−a 1A 2−a 0A=(a n−12−a n−2)A n−1+(a n−1a n−2−a n−3)A n−3+⋯+a n−1a 1−a 0A +a n−1a 0I这样均可表示为的线性组合。
《现代控制理论》刘豹著(第3版)课后习题答案
《现代控制理论》刘豹著(第3版)课后习题答案解:系统的模拟结构图如下:系统的状态方程如下:令,则所以,系统的状态空间表达式及输出方程表达式为1-2有电路如图1-28所示。
以电压为输入量,求以电感中的电流和电容上的电压作为状态变量的状态方程,和以电阻上的电压作为输出量的输出方程。
解:由图,令,输出量有电路原理可知:既得写成矢量矩阵形式为:1-3参考例子1-3(P19).1-4两输入,,两输出,的系统,其模拟结构图如图1-30所示,试求其状态空间表达式和传递函数阵。
解:系统的状态空间表达式如下所示:1-5系统的动态特性由下列微分方程描述列写其相应的状态空间表达式,并画出相应的模拟结构图。
解:令,则有相应的模拟结构图如下:1-6(2)已知系统传递函数,试求出系统的约旦标准型的实现,并画出相应的模拟结构图解:1-7给定下列状态空间表达式‘(1)画出其模拟结构图(2)求系统的传递函数解:(2)1-8求下列矩阵的特征矢量(3)解:A的特征方程解之得:当时,解得:令得(或令,得)当时,解得:令得(或令,得)当时,解得:令得1-9将下列状态空间表达式化成约旦标准型(并联分解)(2)解:A的特征方程当时,解之得令得当时,解之得令得当时,解之得令得约旦标准型1-10已知两系统的传递函数分别为W1(s)和W2(s)试求两子系统串联联结和并联连接时,系统的传递函数阵,并讨论所得结果解:(1)串联联结(2)并联联结1-11(第3版教材)已知如图1-22所示的系统,其中子系统1、2的传递函数阵分别为求系统的闭环传递函数解:1-11(第2版教材)已知如图1-22所示的系统,其中子系统1、2的传递函数阵分别为求系统的闭环传递函数解:1-12已知差分方程为试将其用离散状态空间表达式表示,并使驱动函数u 的系数b(即控制列阵)为(1)解法1:解法2:求T,使得得所以所以,状态空间表达式为第二章习题答案2-4用三种方法计算以下矩阵指数函数。
矩阵指数函数的性质与计算
毕业论文矩阵指数函数的性质与计算PROPERTIES AND CALCULATION OF MATRIX EXPONENTIAL FUNCTION指导教师姓名:申请学位级别:学士论文提交日期:摘要矩阵函数是矩阵理论的重要组成部分,而矩阵函数中的一个最重要的函数就是矩阵指数函数,它广泛地应用于自控理论和微分方程。
本文深入浅出地介绍了矩阵指数函数,并进一步探讨如何借助矩阵指数函数分析相关问题。
文章以齐次线性微分方程组求解基解矩阵为出发点引出矩阵指数函数的概念,证明求解矩阵指数函数就是求解齐次线性微分方程组的基解矩阵,然后得到矩阵指数函数的一些基本性质。
本文的重点是讨论矩阵指数函数的五种计算方法。
其中,前三种方法广泛适用于各种矩阵,虽然计算过程复杂程度不同,但都需要计算矩阵特征值,如遇高阶矩阵或复特征值,则特征值的计算会变得异常麻烦。
后两种方法较特殊,虽然缺乏普适性,只能计算特殊矩阵的指数函数,但却避过了特征值计算,简化了运算过程。
最后,本文具体阐述矩阵指数函数在微分方程求解中的应用。
关键词:矩阵指数函数;Jordon 标准形;微分方程组ABSTRACTMatrix function is an important part of the matrix theory. And among the matrix function, there is a special and important function that is matrix exponential function. It has been widely used in automatic control theory and differential equations. This paper introduces profound theories on matrix exponential function in simple language, furthermore, it explores how to use matrix exponential function analysis related issues. Through the basic solution matrix of homogeneous linear differential equations, this paper draws out the concept of matrix exponential function. In this part, the author proves that solving matrix exponential function is to solve the basic solution matrix of the homogeneous linear differential equations. Then, some basic properties of matrix exponential function can be derived. The focus of this paper is on the discussion of five kinds of calculation on matrix exponential function. The first three methods can be applied to general cases. Although each method is different, in complexity, all of them need to compute the matrix eigenvalues. The calculation on high-order matrix or complex eigenvalues will be in trouble frequently. The latter two methods is more special for they can only calculate special matrix exponential function. These methods simplify the operation process instead of calculating eigenvalues, but their shortcomings are obvious. At the final part of this paper, the article expounds the application of matrix exponential function in different equations when solving the function in reality.Key words: Matrix exponential function; Jordon normal form; Differential equations目录1 前言 (1)1.1 矩阵(Matrix)的发展与历史 (1)1.2 本文的主要内容 (2)2 预备知识 (3)3 矩阵指数函数的性质 (7)3.1 矩阵指数 (7)3.1.1 关于级数! k kk A t k∞=∑的收敛性 (7)3.1.2 矩阵指数A e的性质 (8)3.1.3 常系数线性微分方程基解矩阵 (10)3.2 矩阵指数函数的性质 (10)3.2.1 矩阵函数 (10)3.2.2 矩阵指数函数的性质 (11)4 矩阵指数函数的计算方法 (17)4.1 矩阵指数函数的一般计算方法 (17)4.1.1 Hamilton‐Cayley求解法 (17)4.1.2 微分方程系数求解法 (21)4.1.3 Jordon块求解法 (23)4.2 矩阵指数函数的特殊计算方法 (26)4.2.1 矩阵指数函数展开法 (27)4.2.2 Laplace变换法 (27)4.3 矩阵指数函数方法比较 (28)5 矩阵指数函数在微分方程中的应用 (30)6 总结 (33)参考文献 (34)致谢 (35)1 前言1.1 矩阵(Matrix)的发展与历史在数学中,矩阵(Matrix)是很常用的工具,虽然Matrix亦有“子宫,或者控制中心的母体,孕育生命的地方”此类含义,然而矩阵却与生物没有太大的关联,矩阵(Matrix)是指在二维空间里的数据纵横分布形成的表格,最先起源于方程组的各项系数和常数所组成的方阵。
《现代控制理论》课后习题答案2
⎪ ⎪⎪an−2
=
−
1 2
tr( AHn−2 )
⎪⎪
#
⎨
(6)
⎪ ⎪
a1
=
−
1 tr( n −1
AH1 )
⎪ ⎪ ⎪⎩
a0
=
−
1 n
tr( AH0 )
利用式(5)和(6),未知矩阵 Hi 和 ai 可以交替计算得到,从而可求出预解矩阵 (sI − A)−1
的解。
求解预解矩阵 (sI − A)−1 的 Matlab 程序为:
x(t) = eA(t−t0 ) x(t0 )
和
∫ x(t) = eAt x(0) + t eA(t−τ )Bu(τ )dτ 0
2.5 试求下列矩阵 A 对应的状态转移矩阵 Φ(t) 。
(1)
A
=
⎡0 ⎢⎣0
1⎤ −2⎥⎦
,
(2)
A
=
⎡0 ⎢⎣4
−1⎤ 0⎥⎦
,
(3)
A
=
⎡0 ⎢⎣−1
1⎤ −2⎥⎦
,
⎡0 1 0 0⎤
⎡λ 0 0 0⎤
⎡0 (4) A = ⎢⎢0
⎢⎣2
1 0 −5
0⎤ 1⎥⎥ , (5) 4⎥⎦
A
=
⎢⎢0 ⎢0
⎢⎣0
0 0 0
1 0 0
0⎥⎥ , 1⎥
(6)
A
=
⎢ ⎢ ⎢
0 0
0⎥⎦
⎢ ⎣
0
λ 0 0
1 λ 0
0
⎥ ⎥
1⎥
λ
⎥ ⎦
答:(1) Φ(t) = L−1 ⎡⎣(sI − A)−1 ⎤⎦
《现代控制理论》第二章习题解答
矩阵指数函数的计算(PDF)
αn (t) 1 λn λn2
λ n−1 n
eλ1t
32
矩阵指数函数的计算
例:
已知A
=
0 −2
1 −3
,求矩阵指数e
At
解:(1)求得A的特征值λ1 = −1, λ2 = −2,互异。
(2)求待定系数
α0 (t)
α1
(t
)
11= λλ12 −1 eeλλ12tt
−
1 2
(e−t
−
4e−2t
+
3e−3t
)
1 (e−t
− 8e−2t
+ 9e−3t )
2
24
矩阵指数函数的计算
0 1 0
例:已 ,知系统矩阵求 A = 0 0 1
e At
2 −5 4
解:λ I − A = λ 3 − 4λ 2 + 5λ − 2 = (λ −1)2 (λ − 2) = 0
特征值 λ=1 λ=2 1, λ=3 2
= −3(e−t − 2e−2t + e−3t )
3(e−t − 4e−2t + 3e−3t )
5 e−t − 4e−2t + 3 e−3t
2
2
− 5 e−t + 8e−2t − 9 e−3t
2
2
5 e−t −16e−2t + 27 e−3t
2
2
1 (e−t − 2e−2t + e−3t ) 2
, λ1 酉 = −,1, λ2 = −2, λ3 = −3 由于是 A 矩阵
1 1 1 1 1 1
6 5 1
P = λ1 λ12
λ2 λ22
λ3
现代控制理论课后习题及答案
《现代控制理论》课后习题及答案第一章控制系统的状态空间表达式1-1.试求图1-1系统的模拟结构图,并建立其状态空间表达式。
图1-27系统方块结构图图1-1 系统结构方块图解:系统的模拟结构图如下:图1-30双输入--双输出系统模拟结构图图1-2 双输入—双输出系统模拟结构图系统的状态方程如下:u K K x K K x K K x X K x K x x x x J K x J x J K x J K x x J K x x x pp p p n p b1611166131534615141313322211+--=+-==++--===••••••令y s =)(θ,则1x y =所以,系统的状态空间表达式及输出方程表达式为[]⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡+⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡-----=⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡••••••6543211654321111111126543210000010000000000000010010000000000010x x x x x x y uK K x x x x x x K K K K K K J K J J K J K J K x x x x x x p p pp n p b1-2.有电路如图1-3所示。
以电压)(t u 为输入量,求以电感中的电流和电容上的电压作为状态变量的状态方程,和以电阻2R 上的电压作为输出量的输出方程。
U图1-28 电路图图1-3 电路图解:由图,令32211,,x u x i x i c===,输出量22x R y =有电路原理可知:•••+==+=++3213222231111x C x x x x R x L ux x L x R 既得22213322222131111111111x R y x C x C x x L x L R x u L x L x L R x =+-=+-=+--=•••写成矢量矩阵形式为:[]⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡+⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎣⎡----=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡32121321222111321000*********x x x R y u L x x x CCL L R L L R x x x 。
江苏大学线性系统理论(现代控制理论)考试必备--第2章
t0 , t 上为时间
为存在且ቤተ መጻሕፍቲ ባይዱ一。 x (t )
第2章 线性系统的运动分析
江苏大学电气学院
从数学的观点上看,上述条件可能显得过强而可减弱 为如下3个条件: (1)系统矩阵A(t)的各个元 aij (t )在时间区间 t0 , t 上为 绝对可积,即有:
t aij (t ) dt , i, j 1, 2,, n
性质9 e 的相似变换 如果矩阵A的特征值互不相同,并且存在非奇异变换 矩阵P,使得 A PAP 1,由 e At定义可得到:
At
e At Pe At P 1
第2章 线性系统的运动分析
At e 三. 几种典型的矩阵指数函数
江苏大学电气学院
由于矩阵指数函数 e At在计算线性系统的响应起着十分
第2章 线性系统的运动分析
江苏大学电气学院
二. 状态方程解的存在性和惟一性条件
当所选的状态变量不同时,所得状态方程不同,故状 态方程不是唯一的。对任意的初始状态,只有当线性系统 的状态方程的解存在且唯一时,对系统的分析才有意义。 从数学上看,这就要求状态方程中的系数矩阵和输入作用 满足一定的假设,它们是保证状态方程的解存在且唯一所
上式表明,条件(2)和(3)还可进一步合并为要求
B(t)u(t)的各元在时间区间上绝对可积。 对于连续时间线性定常系统,系数矩阵A和B为常数矩 阵且各元为有限值,条件(1)和(2)自然满足,存在惟
一性条件只归结为条件(3)。 在本章随后各节的讨论中,总是假定系统满足上述存 在性和惟一性的条件,并在这一前提下分析系统状态运动 的演化规律。
At e 性质7 积的关系式
d At e Ae At eAt A dt
矩阵指数函数的计算_线性系统理论与设计_[共6页]
由式(220)可知,系统的矩阵指数函数 eAt等于矩阵(sI-A)-1的拉普拉斯逆变换,即
eAt=L-1[ (sI-A)-1]
(228)
该方法的难点在于矩阵的求逆运算。
下面对以上结论进行说明。
对向量方程
·x=Ax
(229)
等号两端求拉普拉斯变换,有
sX(s)-x(0)=AX(s) (sI-A)X(s)=x(0)
(230)
当式(229)的解存在时,(sI-A)的逆存在,由式(230)有 X(s)=(sI-A)-1x(0)
(231)
对上式求拉普拉斯反变换,有 X(s)=L-1[ (sI-A)-1] x(0)
所以,有 eAt=L-1[ (sI-A)-1] 。
[ ] 0 1
例 22 试用拉普拉斯反变换法求 A=
0
eλ2t …
0 0 …
0 0
eλnt
所以有
eλ1t 0 …
P-1eAtP=
0
0
eλ2t … 0…
0 0
eλnt
证毕。
(227)
矩阵指数函数的计算
矩阵指数函数 eAt有多种计算方法,下面分别予以介绍。
方法 1 级数求和法
直接利用矩阵指数函数的定义式(219)进行计算,即
2!
k!
=P-1P+P-1APt+21![ P-1AP] [ P-1AP] t2+… +
k1![ P-1AP] [ P-1AP] …[ P-1AP] tk+…
k个
[ ] =P-1 I+At+21!A2t2+… +k1!Aktk+… P
=P-1eAtP
又因为Leabharlann eλ1t 0 …~ eAt=
1t+1
0
- 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、"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、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)。
《现代控制理论》MOOC课程第二章系统状态空间表达式的解三. 矩阵指数函数的计算方法根据矩阵指数函数的定义:方法一e At=I+At+12!A2t2+⋯=k=0∞1k!A k t k直接计算。
方法二将A阵化为对角标准型或约当标准型求解1. A的特征值不存在重根若A的n个特征值不存在重根,则在求出使A阵实现对角化λ1,λ2,⋯,λnT−1AT=λ1λ2⋱λn的变换阵后,即有指数函数矩阵:T−1、T e At=T eλ1teλ2t⋱eλn tT−1证明:T −1AT=λ1λ2⋱λn 由可得A =Tλ1λ2⋱λnT −1eAt=k=0∞1k!A k t k =k=0∞1k!Tλ1λ2⋱λnT−1kt k=k=0∞1k!Tλ1λ2⋱λnkT −1t k=Tk=0∞1k!λ1k tk k=0∞1k!λ2k tk ⋱k=0∞1k!λn k tk T −1=Te λ1te λ2t⋱e λn tT −1得证2. A的特征值存在重根若A的l组不同特征值为:λ1,λ2,⋯,λl,代数重数分别为σ1,σ2,⋯,σl(σ1+σ2+⋯+σl=n)且几何重数均为1,则在求出使A阵为约当标准型:J=T−1AT=J1J2⋱J l其中J i=λi1λi⋱⋱1λi为维矩阵σi×σi的变换阵后,即有指数函数矩阵:T−1、Te At=T e J1te J2t⋱e J l tT−1其中e J i t=eλi t1t12!t2⋯1(σi−1)!tσi−101t⋯1(σi−2)!tσi−2⋮⋮⋮⋯⋯⋯⋮t1证明:证明的思路与1相同,略去。
拉氏变换法:方法三e At =L −1(sI −A)−1证明:由矩阵指数函数的定义:e At=I +At +12!A 2t 2+⋯=k=0∞1k!A k tk取拉氏变换L(e At )=1s I +1s 2A +1s 3A 2+⋯=k=0∞1s(k+1)A k =s −1k=0∞s −1Ak =s −1I −s −1A−1=sI −A−1取拉氏反变换e At =L −1(sI −A)−1得证L t k k!=1sk+11+x +x 2+⋯+x k+⋯=k=0∞x k=11−x =(1−x)−1方法四应用凯莱-哈迷尔顿定理将表示为一个多项式e At e At =a 0t I +a 1t A +a 2t A 2+⋯+a n−1t A n−1若A 的特征值两两互异,则多项式的系数可按下式计算:a 0t a 1t ⋮a n−1t=1λ1λ12⋯λ1n−11λ2λ22⋯λ2n−1⋮1⋮λn⋮λn2⋮⋯⋮λnn−1−1e λ1te λ2t ⋮e λn tλ1,λ2,⋯,λl 若A 的n 个特征值为:,代数重数分别为,几何重数均为1,σ1,σ2,⋯,σl a 0t ⋮a σ1t ⋮a (σk=1l−1σk )+1t⋮a n−1t=p 1σ1⋮p 11⋮p lσl ⋮p l1−11σ1−1!t σ1−1e λ1t⋮e λ1t ⋮1σl −1!t σl −1e λl t⋮e λl t式中p i1=1λi λi 2⋯λin−1p i2=dp i1dλi ⋮p iσi =1σi −1!d σi −1p i1dλiσi −1凯莱-哈迷尔顿定理A∈R n×n设, 其特征多项式为:Dλ=λI−A=λn+a n−1λn−1+⋯+a1λ+a0=0则矩阵A必满足其特征多项式,即A n+a n−1A n−1+⋯+a1A+a0I=0证明:由凯莱-哈迷尔顿定理可表示为的线性组合,即A n−1、A n−2、⋯、A 、I A n A n =−a n−1A n−1−⋯−a 1A −a 0I进而有:A n+1=AA n =A(−a n−1A n−1−⋯−a 1A −a 0I)=−a n−1A n −a n−2A n−1−⋯−a 1A 2−a 0A=−a n−1(−a n−1A n−1−⋯−a 1A −a 0I)−a n−2A n−1−⋯−a 1A 2−a 0A=(a n−12−a n−2)A n−1+(a n−1a n−2−a n−3)A n−3+⋯+a n−1a 1−a 0A +a n−1a 0I这样均可表示为的线性组合。
A n−1、A n−2、⋯、A 、I A n+1、A n+2、⋯故有:eAt=I +At +12!A 2t 2+⋯=a 0t I +a 1t A +a 2t A 2+⋯+a n−1t A n−1若A 的特征值不存在重根,则有eAt=Te λ1te λ2t⋱e λn tT −1=a 0t I +a 1t A +a 2t A 2+⋯+a n−1t A n−12.1 线性定常齐次状态方程的解方法四a 0t +a 1t λ1+a 2t λ12+⋯+a n−1t λ1n−1=e λ1ta 0t +a 1t λ2+a 2t λ22+⋯+a n−1t λ2n−1=e λ2t⋮a 0t +a 1t λn +a 2t λn 2+⋯+a n−1t λnn−1=e λn t比较等式两边可得:=a 0t I +a 1tλ1λ2⋱λn+a 2tλ12λ22⋱λn2+⋯+a n−1tλ1n−1λ2n−1⋱λnn−1e λ1te λ2t⋱e λn t=a 0t T −1T +a 1t T −1A T +a 2t T −1A 2T +⋯+a n−1t T −1A n−1T 对于有重根的情况,可类似地方法证明。
得证。
a 0ta 1t ⋮a n−1t=1λ1λ12…λ1n−11λ2λ22…λ2n−1⋮1⋮λn⋮λn2⋮…⋮λnn−1−1e λ1te λ2t ⋮e λn t解得T −1A 2T =(T −1AT)(T −1AT)2.1 线性定常齐次状态方程的解(s I −A)=s −12s +3解:(1) 用定义计算e At=I +At +12!A 2t 2+⋯=I +01−2−3t +12!01−2−32t 2+⋯=1−t 2+⋯t −1.5t2+⋯−2t +3t 2+⋯1−3t +⋯(2) 用拉氏变换法计算(s I −A)−1=s +3(s +1)(s +2)1(s +1)(s +2)−2(s +1)(s +2)s(s +1)(s +2)e At=L −1(s I −A)−1=L −1s +3(s +1)(s +2)1(s +1)(s +2)−2(s +1)(s +2)s (s +1)(s +2)=2e −t −e −2t e −t −e −2t −2e −t +2e −2t−e −t +2e −2t例1设系统矩阵为按照矩阵指数函数的定义和拉氏变换法求。
e At A =1−2−32.1 线性定常齐次状态方程的解例2 用标准型法计算系统矩阵的e At A =01001230解:矩阵A 的特征方程为λI −A =(λ3−3λ−2)=λ+12λ−2=0解得系统特征根为:λ1=2(σ1=1),λ2=−1(σ2=2)的几何重数λ2α2=3−rank (λ2I −A )=3−rank −1−100−1−1−2−3−1=3−2=1的几何重数λ1α1=3−rank (λ1I −A )=3−rank 2−1002−1−2−32=3−2=1计算特征根对应的特征向量和广义特征向量:将λ1=2,代入特征向量计算公式(A −λi I)p i =0解得p 11p 21p 31=124−2100−2123−2p 11p 21p 31=0可得将λ2=−1,代入特征向量计算公式(A−λi I)p i=0110 011 231p12p22p32=0可得解得p12p22p32=1−11将λ2=−1,代入广义特征向量计算公式(A−λi I)p i=p i−1可得110011231p13p23p33=1−11解得p13p23p33=1−1 T =1112−1041−1故变换阵为:T−1=19121 2−52 63−3故变换阵的逆为:e At=T e2t00e J2tT−1=1 9e2t+(8+6t)e−t2e2t+(−2+3t)e−t e2t−(1+3t)e−t 2e2t−(2+6t)e−t4e2t+(5−3t)e−t2e2t+(−2+3t)e−t 4e2t+(−4+6t)e−t8e2t+(−8+3t)e−t4e2t+(5−3t)e−t e J2t=e−110−1t=e−t te−t0e−t而λ2=−1的约当块矩阵指数函数为:e At=191112−1041−1e2t000e−t te−t00e−t1212−5263−3这样,系统的矩阵指数函数为:例3. 用凯莱-哈密尔顿法计算系统矩阵的矩阵指数函数e AtA=010 001−6−11−6解:矩阵A的特征方程为λI−A=(λ3+6λ2+11λ+6)解的系统的特征值为λ1=−1,λ2=−2,λ,3=−3 a0ta1t a2t =1−111−241−39−1e−te−2te−3t=3e−t−3e−2t+e−3t52e−t−4e−2t+32e−3t12e−t−e−2t+12e−3t于是:e At=a0t I +a1t A+a2t A2=3e−t−3e−2t+e−3t52e−t−4e−2t+32e−3t12e−t−e−2t+12e−3t−3e−t+6e−2t−3e−3t−52e−t+8e−2t−92e−3t12e−t−2e−2t+32e−3t3e−t−12e−2t+9e−3t52e−t−16e−2t+272e−3t12e−t−4e−2t+92e−3t。