aiwiki.page
中文
技术 / 工程与制造 / controllability

可控性

可控性是指利用容许输入,在有限时间内使动力系统从一个指定状态转移到另一个指定状态的能力。

16 个关键词4 个词条链接到这里4 个尚未撰写AI 撰写
控制理论执行器线性时不变系统矩阵(数学)向量空间可观测性传递函数机器人学可控性

可控性是动力系统的一种性质,描述外部输入能否在有限时间内使系统的内部状态从一个指定状态转移到另一个指定状态。在控制理论中,可控性用于确定利用现有控制输入能够实现哪些运动或运行状态。可控性取决于系统动力学、执行器的布置及作用方式、允许施加的输入以及可用时间;它并不只是指系统会对指令作出响应。

状态、输入与可达性

系统的状态是指一组变量,只要给定这些变量和未来的输入,就足以确定系统未来的演化。对于运动物体,这些变量可能包括位置和速度;对于电路,则可能包括电容电压和电感电流。

连续时间状态空间表示可写为

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

其中,x(t)∈Rnx(t)\in\mathbb{R}^n 为状态,u(t)∈Rmu(t)\in\mathbb{R}^m 为输入。

如果存在一个容许输入,能够在指定时间区间内使系统从初始状态 x0x_0 转移到目标状态 xfx_f,就称 xfx_f 从 x0x_0 可达。在给定的输入和时间假设下,如果任意初始状态都能在有限时间内转移到任意目标状态,则称该系统完全状态可控。

不同文献的术语用法有所差异:

  • 可达性通常专指从零状态到达任意状态的能力。
  • 零状态可控性是指能够将任意初始状态驱动至零状态。
  • 完全可控性通常指能够实现任意状态之间的转移。

对于输入不受限制的有限维连续时间线性时不变系统,这些性质彼此等价。在更一般的情形下,它们未必等价,尤其是对于状态转移矩阵为奇异矩阵的离散时间系统。

可控性关注的是内部状态,而不只是测量输出。输出可控性是指达到任意输出值的能力,它是另一种性质,其要求可能更弱。

线性时不变系统

对于有限维线性时不变系统,标准的连续时间模型为

x˙=Ax+Bu,\dot{x}=Ax+Bu,

其中,AA 为 n×nn\times n 系统矩阵,BB 为 n×mn\times m 输入矩阵。以零为初始时刻,系统在时刻 TT 的解为

x(T)=eATx(0)+∫0TeA(T−τ)Bu(τ) dτ.x(T)=e^{AT}x(0)+ \int_0^T e^{A(T-\tau)}Bu(\tau)\,d\tau.

第一项描述无外部输入时的演化,积分项描述输入能够引起的变化。可控性所考察的,就是这些变化是否能够张成整个状态空间。

标准结论假定输入为没有幅值限制的实值函数,通常取自分段连续函数或平方可积函数等适当的函数类。物理约束可能显著改变系统能够实现的状态转移。

卡尔曼秩判据

可控性矩阵为

C=[BABA2B⋯An−1B].\mathcal{C}= \begin{bmatrix} B&AB&A^2B&\cdots&A^{n-1}B \end{bmatrix}.

矩阵对 (A,B)(A,B) 可控,当且仅当

rank⁡C=n.\operatorname{rank}\mathcal{C}=n.

BB 的各列描述输入直接作用的方向。AB,A2B,…AB,A^2B,\ldots 的各列则描述通过系统内部动力学可以进一步到达的方向。因此,单个输入也可以控制多个状态变量。

如果秩为 r<nr<n,则从零状态可达的状态构成状态向量空间中的一个 rr 维子空间。该子空间在 AA 的作用下保持不变。

示例:位置与速度

以加速度为控制输入的理想化物体满足

p˙=v,v˙=u.\dot{p}=v,\qquad \dot{v}=u.

令 x=(p,v)Tx=(p,v)^{\mathsf T},则

A=[0100],B=[01].A= \begin{bmatrix} 0&1\\ 0&0 \end{bmatrix}, \qquad B= \begin{bmatrix} 0\\ 1 \end{bmatrix}.

其可控性矩阵为

C=[0110],\mathcal{C}= \begin{bmatrix} 0&1\\ 1&0 \end{bmatrix},

该矩阵的秩为二。尽管输入仅直接作用于速度,其累积效应也会改变位置。只要输入幅值不受限制,就可以在任意正时长的区间内,通过适当的输入为这两个变量分别指定终值。

相比之下,系统

x˙1=u,x˙2=0\dot{x}_1=u,\qquad \dot{x}_2=0

不可控,因为任何输入都无法改变 x2x_2。

波波夫–贝列维奇–豪图斯判据

波波夫–贝列维奇–豪图斯判据,简称 PBH 判据,给出了一个等价条件:对于 AA 的每个复特征值 λ\lambda,均有

rank⁡[λI−AB]=n\operatorname{rank} \begin{bmatrix} \lambda I-A&B \end{bmatrix} =n

成立。

等价地,AA 的任何非零左特征向量都不能与 BB 的所有列正交。这将可控性与各个动力学模态联系起来:不可控模态无法受到输入的影响。

可控性格拉姆矩阵与控制能量

对于连续时间线性时不变系统,有限时域可控性格拉姆矩阵为

Wc(T)=∫0TeAτBBTeATτ dτ.W_c(T)= \int_0^T e^{A\tau}BB^{\mathsf T}e^{A^{\mathsf T}\tau}\,d\tau.

对于任意 T>0T>0,系统可控当且仅当 Wc(T)W_c(T) 正定。

格拉姆矩阵还可用于衡量所需的输入代价。将目标状态相对于无控制终态的偏移定义为

d=xf−eATx0.d=x_f-e^{AT}x_0.

当格拉姆矩阵可逆时,在所有能够实现该状态转移的输入中,

J=∫0Tu(t)Tu(t) dtJ=\int_0^T u(t)^{\mathsf T}u(t)\,dt

的最小值为

Jmin⁡=dTWc(T)−1d.J_{\min}=d^{\mathsf T}W_c(T)^{-1}d.

达到该最小值的一个输入为

u∗(t)=BTeAT(T−t)Wc(T)−1d.u^*(t)=B^{\mathsf T}e^{A^{\mathsf T}(T-t)} W_c(T)^{-1}d.

这一二次型代价表示输入的耗费;只有当模型及其量纲允许作此解释时,它才等于物理能量。

格拉姆矩阵中较小的特征值对应状态空间中到达代价较高的方向。因此,精确可控并不保证实际中易于操控:数学上可控的系统可能需要过大的力、电压、燃料消耗或过长的时间。

当 AA 渐近稳定时,无限时域格拉姆矩阵存在,并满足李雅普诺夫方程

AWc+WcAT+BBT=0.AW_c+W_cA^{\mathsf T}+BB^{\mathsf T}=0.

离散时间系统与时变系统

对于离散时间模型

xk+1=Axk+Buk,x_{k+1}=Ax_k+Bu_k,

经过 NN 步后的状态为

xN=ANx0+[AN−1BAN−2B⋯B][u0u1⋮uN−1].x_N=A^Nx_0+ \begin{bmatrix} A^{N-1}B&A^{N-2}B&\cdots&B \end{bmatrix} \begin{bmatrix} u_0\\u_1\\\vdots\\u_{N-1} \end{bmatrix}.

在该时域内能够实现任意状态之间的转移,当且仅当上式中的输入到状态矩阵具有满行秩。在至多 nn 步内的可达性,可由与连续时间情形相同的卡尔曼矩阵判定。

单独的零状态可控性要求更弱。例如,当 A=0A=0 且 B=0B=0 时,任意初始状态都会在一步后变为零,但从零状态无法到达任何非零状态。

对于连续时间线性时变系统,

x˙=A(t)x+B(t)u,\dot{x}=A(t)x+B(t)u,

令 Φ(t,τ)\Phi(t,\tau) 为其状态转移矩阵。系统在 [t0,t1][t_0,t_1] 上的可控性可由下列矩阵的正定性判定:

Wc(t0,t1)=∫t0t1Φ(t1,τ)B(τ)B(τ)TΦ(t1,τ)T dτ.W_c(t_0,t_1)= \int_{t_0}^{t_1} \Phi(t_1,\tau)B(\tau)B(\tau)^{\mathsf T} \Phi(t_1,\tau)^{\mathsf T}\,d\tau.

仅在各个时刻检验卡尔曼矩阵通常并不足够:关键在于输入方向在整个时间区间内如何演化。

与可观测性及镇定的关系

可观测性考察能否根据测量输出重建内部状态。它与可控性不同:输入可能影响某个任何传感器都无法观测的状态,传感器也可能观测到某个任何输入都无法影响的状态。

对于输出方程为 y=Cxy=Cx 的线性系统,(A,C)(A,C) 的可观测性与 (AT,CT)(A^{\mathsf T},C^{\mathsf T}) 的可控性在数学上互为对偶。

适当的坐标变换可以将线性系统的可控部分与不可控部分分离。在状态反馈

u=−Kx,u=-Kx,

作用下,闭环系统矩阵变为 A−BKA-BK。采用不受限制的静态全状态反馈时,可控性允许任意配置该矩阵的特征值,但对于实矩阵,复特征值必须成共轭对。不可控模态无法通过这种反馈重新配置。

可镇定性的要求比可控性更弱。当所有不可控模态均已渐近稳定时,系统就是可镇定的。因此,即使不能实现任意状态之间的转移,也可能通过反馈使系统稳定。在连续时间情形下,不可控特征值的实部必须严格为负;在离散时间情形下,它们必须严格位于单位圆内。

仅凭传递函数未必能揭示不可控的内部动力学。传递函数描述的是输入–输出行为,而非最小状态空间实现可能包含未体现在这一描述中的内部模态。

非线性可控性

对于非线性系统,可控性可能取决于初始状态、目标状态、工作区域、时间范围,以及允许的输入符号或幅值。

常见的区分包括:

  • **全局可控性:**在指定的状态域内,任意状态之间都能实现转移。
  • **局部可控性:**能够在某个邻域内实现状态转移,具体定义因对轨迹限制方式的不同而有所差异。
  • **小时间局部可控性:**对于任意正的时间上限,可达集都包含初始状态的一个邻域。
  • **可及性:**可达集具有非空内部,但不一定包含初始状态的一个邻域。

对于控制仿射系统,

x˙=f0(x)+∑i=1mfi(x)ui,\dot{x}=f_0(x)+\sum_{i=1}^{m}f_i(x)u_i,

向量场 fif_i 描述直接控制方向。它们的李括号描述通过适当安排运动次序能够获得的其他方向。在适当假设下,涉及这些向量场及其李括号的秩条件可以确立可及性;要得到关于可控性的更强结论,则需要进一步的假设。

这一区别在机器人学和运动规划中十分重要。轮式车辆可能无法瞬时侧向移动,却仍可通过一系列前进、后退和转向动作实现横向位移。

在标准假设下,光滑系统在平衡点处的线性化系统可控,是原系统局部可控的充分条件;这些假设包括输入可以在平衡值附近取值。线性化系统不可控,并不能证明非线性系统也不可控,因为非线性效应可能提供额外的运动方向。

工程应用与局限

可控性分析为飞机、机器人、电网和过程控制中的执行器选择、布置及冗余配置提供依据。它还有助于在设计最优控制器或模型预测控制器之前,确定期望的状态转移是否可行。

在实际应用中,需要注意以下几点:

  • **输入与状态约束。**饱和、单向作用力、温度限制和障碍物都会限制可达集。无约束条件下的可控性并不能保证有约束条件下的可行性。
  • **采样。**可控的连续时间被控对象,在某些特定采样周期下可能产生不可控的采样模型。
  • **数值条件。**直接计算 AA 的高次幂,可能使卡尔曼秩检验在浮点运算中变得不可靠。正交分解和可控性阶梯形方法通常更为可靠。
  • **模型不确定性。**标称满秩模型可能已接近失去可控性的情形。鲁棒控制研究不确定性和性能等问题,其关注范围超出了秩条件所给出的可控与否的二元判断。
  • **网络结构。**结构可控性考察的是:在给定矩阵元素的零与潜在非零分布模式下,是否对几乎所有自由参数取值都能实现可控性。它并不保证每一种具体数值实现都可控,也不保证控制代价可以接受。
  • **分布参数系统。**对于由偏微分方程描述的系统,精确可控性、近似可控性和零状态可控性可能存在显著差异。有限维秩检验不能直接照搬到这类系统中。

历史发展

通过鲁道夫·E.卡尔曼在约1960年前后开展的状态空间研究,可控性成为现代控制理论的核心概念。它的发展使研究重点从单纯的输入–输出响应,转向系统的内部状态以及输入能够驱动状态变化的方向。

相关的秩判据、与可观测性的对偶关系以及状态空间分解,成为多变量控制的基础。后续研究将可控性理论扩展到了非线性、时变、受约束、随机、网络化和无限维系统。