《现代控制理论基础》(讲义)7

《现代控制理论基础》(讲义)7 前已指出，对于状态完全能控的线性定常系统，可 以通过线性状态反馈任意配臵闭环系统的极点。事实上， 不仅是极点配臵，而且系统镇定、解耦控制、线性二次 型最优控制 (LQ)问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 等，也都可由状态反馈实现。然而，在5.2 节介绍极点配臵方法时，曾假设所有的状态变量 均可有效地用于反馈。但在实际情况中，并非所有的状 态度变量都可用于反馈。这时需要估计不可量测的状态 变量。 迄今已有多种无需使用微分来估计不能量测状态的 方法。对不能量测状态变量的估计通常称为观测。估计 或者观测状态变量的动态系统称为状态观测器，或简称 观测器。 观测器分为 全维状态观测器 降维状态观测器 最小阶状态观测器或最小阶观测器 ~x 在下面有关状态观测器的讨论中，我们用 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 示被观测的状态向量。在许多实际情况中，一般将被观测的状 态向量用于状态反馈，以便产生期望的控制输入。 考虑如下线性定常系统 x,Ax，Bu， (5.27 ) y,Cx (5.28 ) x 假设状态向量可由如下动态方程 ~~~，x,Ax，Bu，K(y,Cx)e (5.29 ) ~Kxe中的状态来近似，则该式表示状态观测器，其中称 y为观测器的增益矩阵。注意到状态观测器的输入为和 ~xu，输出为。式（5.29）中右端最后一项包括可量测 ~KyCxe输出与估计输出之差的修正项。矩阵起到加权 ~x矩阵的作用。修正项监控状态变量。当此模型使用的矩阵A和B与实际系统使用的矩阵A和B之间存在差异时，由于动态模型和实际系统之间的差别，该附加修正项将 减小这些影响。图5.5所示为带全维状态观测器的系统方 块图。 图5.5 全维状态观测器方块图 在此讨论的状态观测器的阶数和系统的阶数相等。假 设系统由式（5.27）和（5.28）定义。观测器的方程由 式（5.29）定义。 为了得到观测器的误差方程，将式（5.27）减去式（5.29），可得 ~~~，x,x,Ax,Ax,K(Cx,Cx)，e ~,(A,KC)(x,x)e (5.30) ~xx 定义与之差为误差向量，即 ~e,x,x 则式（5.30）可改写为 e,(A,KC)e，e (5.31) 由式（5.31）可看出，误差向量的动态特性由矩阵 A,KCA,KCee的特征值决定。如果矩阵是稳定矩阵， e(0)e(t)则对任意初始误差向量，误差向量都将趋近于 ~~x(0)x(0)x(t)零。也就是说，不管和的值如何，都将收 A,KCx(t)e敛到。如果所选的矩阵的特征值使得误差 向量的动态特性渐近稳定且足够快，则任意误差向量 ~x(t)e(t)都将以足够快的速度趋近于零 (原点)，此时将 x(t)称为的渐近估计或重构。 Ke 如果系统完全能观测，下面将证明可以通过选择， A,KCe使得具有任意的期望特征值。也就是说，可以 Ke确定观测器的增益矩阵，以便产生期望的矩阵 A,KCe。 全维状态观测器的 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 问题，是确定观测器增益矩阵 Ke，使得由式（5.31）定义的误差动态方程，以足够快 的响应速度渐近稳定（渐近稳定性和误差动态方程的响 A,KCe应速度由矩阵的特征值决定）。因此，全维观 Ke测器的设计就归结为如何确定一个合适的，使得A,KCe具有期望的特征值。此时，全维状态观测器的 设计问题实际上就变成了与5.2节讨论的极点配臵相同 的问题。 考虑如下的线性定常系统 x,Ax，Bu， y,Cx 在设计全维状态观测器时，我们可以求解其对偶问 题。也就是说，求解如下对偶系统 TT,z,Az，C， Tn,Bz 的极点配臵问题。假设控制输入为 ,,,Kz 如果对偶系统是状态完全能控的，则可确定状态反馈 TTA,CK增益矩阵K，使得反馈闭环系统的系统矩阵得 到一组期望的特征值。 ,,,n12,,…,是状态观测器系统矩阵的期望特 如果 ,i征值，则可通过取相同的作为其对偶系统的状态反馈 闭环系统的期望特征值，从而 TTsI,(A,CK),(s,,)(s,,)？(s,,)12n TTTA,CKA,KC注意到和的特征值相同，即有 TTTsI,(A,CK),sI,(A,KC) TsI,(A,KC) 比较特征多项式和观测器的系统 sI,(A,KC)e矩阵（参见式（5.31））的特征多项式， TKeK可找出和的关系为 TK,Ke 因此，观测器问题与极点配臵问题具有对偶关系，即 在下面的讨论中，我们就可将给定线性定常系统的 观测器设计问题，考虑为其对偶系统的极点配臵问题， 即首先由极点配臵方法确定出其对偶系统的极点配臵增 TK,KeK，然后利用关系式，确定出原系统的观益矩阵 测器增益矩阵K。 A,KCe 如前所述，对于使具有期望特征值的观测器 Ke增益矩阵的确定，其充要条件为原给定系统的对偶系 统 TTz,Az，Cv， 是状态完全能控的。该对偶系统的状态完全能控的充要 条件为 TTTTn,1T[C？AC？？？(A)C] 的秩为n 。而这正是由式(5.27)和(5.28)定义的原系统的状态完全能观测性条件。这意味着。由式（5.27）和(5.28)定义的系统的状态观测器存在的充要条件是系统 完全能观测。 下面将利用上述对偶关系，介绍全维状态观测器的设 计算法，包括相应的Bass-Gura算法、直接代入法，以及 爱克曼公式。 考虑由下式定义的单输入单输出线性定常系统 x,Ax，Bu， (5.32 ) y,Cx (5.33 ) 式中，。 假设系统是状态完全能观测的，又设系统结构如图5.5所示。在设计全维状态观测器时，若将式(5.32)、(5.33)给出的系统变换为能观测 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 形，则相应的设计问题就 相当方便了。考虑对偶关系，将式（5.32）和（5.33）的系统变换为能观测标准形，可按下列 步骤 新产品开发流程的步骤课题研究的五个步骤成本核算步骤微型课题研究步骤数控铣床操作步骤 进行，即首 P，使得 先定义一个变换矩阵 ,1P,(WR) (5.34) 式中R是能观测性矩阵 TTTTTn,1TR,[C？AC？？？(A)C] (5.35) 且对称矩阵W由式（5.6）定义，即 aa？a1n,n,，，121 ,,aa？10n,n,23,, ,,,W？？？？ ,, a1？001,, ,,10？00，， ai式中，是由式（5.32）给出的如下特征方程的系数 显然，由于假设系统是完全能观测的，所以矩阵WR的逆存在。 现定义一个新的n维状态向量ξ x,P, (5.36) 则式（5.32）和（5.33）为 ,1,1，,,PAP,，PBu (5.37) y,CP, (5.38) 式中 ,00？0a，，n ,,,10？0an,1,1,,,PAP ,,？？？？ ,, ,100？1a，， (5.39) b,ab，，nno ,,b,ab11n,n,o,1,,PB, ？,, ,,b,ab，，11o (5.40) CP,[00？01] (5.41) 式（5.39）到（5.41）的推导见例5.7和5.8，此时式（5.37）和（5.38）即是能观测标准形。从而给定一个系统的状 态方程和输出方程，如果系统是完全能观测的，并且通 x过采用式（5.36）的变换，将原系统的状态向量变换为新的状态向量ξ，则可将给定系统的状态方程和输出方 程变换为能观测标准形。注意，如果矩阵A已经是能观测 P = I。 标准形，则 如前所述，选择由 ~~~，x,Ax，Bu，K(y,Cx)e ~(A,KC)x，Bu，KCxee= (5.42) 给出的状态观测器的动态方程。现定义 ~~x,P, (5.43) 将式（5.43）代入式（5.42），有 ~~,,,111，,,PA,KCP,，PBu，PKCP,()ee (5.44) 由式（5.37）减去式（5.44），可得 ~~,1，，,,,,P(A,KC)P(,,,)e (5.45) 定义 ~ ，,,,,, 则式（5.45）为 ,1，,,P(A,KC)P,e (5.46) ,(t)要求误差动态方程是渐近稳定的，且以足够快的速 Ke度趋于零。因此，确定矩阵的步骤是：首先选择观测 A,KCKee器的极点（的特征值），然后确定，使其等 ,1P,WR于期望的观测器极点。注意，可得 ，，aa？a1kC，，，，n,1n,211 ,,,,,,aa？10kCAn,2n,32,,,,,,,1,,,,PK,？？？？？,？,e ,,,,,,n,2a1？00kCA1n,1,,,,,, n,1,,,,,,10？00kCA，，n，，，， 式中 k，，1 ,,k2,,,Ke,,？ ,, k，，n ,1PKe由于是一个n维向量，则令 , ，，n ,,,n,1,1,,PK,e ？,, ,, 1,，， (5.47) 参考式（5.41），有 ,,00？0，，，，nn ,,,,,,00？0n,1n,1,1,,,,PKCP[00？1],,e ,,,,？？？？？ ,,,, ,00？0,，，，，11 和 ,,,111P(A,KC)P,PAP,PKCPee , ,,00？0a，，nn ,,,,,10？0an,1n,1,, ,,,,,,01？0an,2n,2 ,, ？？？？,, ,,11,,00？1a,，， 特征方程为 ,1sI,P(A,KC)P,0e 即 ,s？a000，nn ,s？a,100，11n,n, ,s？a0,10，,0n,2n,2 ？？？？？ ？sa,000,1，，11 或者 (5.48 ) 可见，每个δ只与特征方程中的一个系数有关。 i 假设误差动态方程的期望特征方程为 ,,,(s,)(s,)？(s,)12n *1*2**nn,n,,s，as，as，？，as，a,0121n,n (5.49) ,i注意，期望的特征值确定了被观测状态以多快的速 度收敛于系统的真实状态。比较式（5.48）和(5.49)的s 同幂项的系数，可得 ,,a，,a111 ,,a，,a222 ？ ,a，,,annn 从而可得 ,,,a,a111 ,,,a,a222 ？ ,,,a,annn 于是，由式（5.47）得到 *,，a,a，，，nnn ,,,,*,a,an,1,1n,1n,1,,,,PK,,e,,,,？？ ,,,,*,aa,,,，，1，，11 因此 **，,，，,，aaaannnn ,,,,**,,aaaa,1n,1n,1n,1n,1,,,,K,P,(WR)e,,,,？？ ,,,,**a,aa,a,,,,，，，，1111 (5.50) Ke式（5.50）确定了所需的状态观测器增益矩阵。 如前所述，式（5.50）也可通过其对偶问题由式（5.13）得到。也就是说，考虑对偶系统的极点配臵问题，并求 出对偶系统的状态反馈增益矩阵K。那么，状态观测器的 TKeK增益矩阵可由确定（见例5.16）。 一旦选择了期望的特征值（或期望的特征方程），只 要系统状态完全能观测，就能设计出全维状态观测器。 Luenberger曾经指出，当观测器期望极点的选择，使 A,KCe特征值的实部太负，将导致观衰减太快，即使 测器的作用接近于一个微分器，从而使频带加宽，不能 容忍地将高频噪声分量放大，而且也存在观测器的可实 Ke现性问题 (因为衰减速度太快，则矩阵较大)，因此Luenberger建议，进行观测器本身的极点配臵时，只需 使观测器的期望极点比由此组成的闭环反馈系统 A,BK的特征值稍大一些即可。一般地，选择的期望特 征值，应使状态观测器的响应速度至少比所考虑的闭环 系统快2-5倍。 如前所述，全维状态观测器的方程为 ~~，x,(A,KC)x，Bu，Kye (5.51) 注意，迄今为止，我们假设观测器中的矩阵A和B与 实际系统中的严格相同。实际上，这做不到。因此，误 差动态方程不可能由式（5.46）给出，这意味着误差不 可能趋于零。因此，应尽量建立观测器的准确数学模型， 以使相应的误差小到令人满意的程度。 Ke 与极点配臵算法的情况类似，如果系统是低阶的 Kn,3e()，可将矩阵直接代入期望的特征多项式进行 Kex计算。例如，若是一个3维向量，则观测器增益矩阵 可写为 k，，e1 ,,K,kee2,, ,,k，，e3 Ke 将该代入期望的特征多项式 通过使上式两端s的同次幂系数相等，即可确定出 kkke1e2e3、和的值。如果n =1,2或者3，其中n是状态向 x量的维数，则该方法十分简便（虽然该方法可应用于n = 4, 5, 6, …的情况，但计算有可能非常繁琐）。 ’ 考虑如下的单输出线性定常系统 x,Ax，Bu， (5.52 ) y,Cx (5.53 ) 在5.2节中，我们已推导了用于式（5.52）系统极点配臵的爱克曼公式，其结果已由式（5.18）给出，现重写为 对于由式（5.52）和(5.53)定义的对偶系统 TT,z,Az，C， Tn,Bz 上述极点配臵的爱克曼公式可改写为 TTTTn,1T,1*TK,[00？01][C？AC？？？(A)C],(A) (5.54) TKeK由于状态观测器的增益矩阵可由给出，这里的 Ke由式（5.54）确定。从而 ,1C，，0，， ,,,,CA0,,,,, *KKA？？,,,,()TTT,, e,,,,,2CA0n,,,, ,,,1,,1CAn，，，， ,1 C，，00，，，， ,,,,,,CA00,,,,,,**,1,A？？,AR？,,,,()(),,,, ,,,2,,,,nCA00,,,,,,,1n,,,,,,11CA，，，，，， (5.55) *,(s)式中，是状态观测5器的期望特征多项式，即 *,(s),(s,,)(s,,)？(s,,)12n ,,,n12这里，, , …,是期望的特征值。式（5.55）称 Ke为确定观测器增益矩阵的爱克曼公式。 Ke 参考图5.5，应当指出，作为对观测器动态方程修正 Ke的观测器增益矩阵，通过反馈信号来考虑系统中的未 Ke知因素。如果含有明显的未知因素，那么利用矩阵的反馈信号也应该比较大。然而另一方面，如果由于干扰 y和测量噪声使输出信号受到严重干扰，则输出是不可 Ke靠的。因此，由矩阵引起的的反馈信号应该比较小。 Kye在决定矩阵时，应该仔细检查包含在输出中的干扰和噪声的影响。 Ke 应强调的是观测器增益矩阵依赖于期望的特征方 程 (s,,)(s,,)？(s,,),012n ,,,n12在许多情况中，, , …,的选取不是唯一的。有 许多不同的特征方程可选作为期望的特征方程。对于每 Ke。 个期望的特征方程，可有不同的观测器增益矩阵 在设计状态观测器时，最好在几个不同的期望特征方 KKee程的基础上决定观测器增益矩阵。 对不同的矩阵必须进行仿真验证，以评估系统的最终性能。当然，应 Ke从系统总体性能的观点来选取最好的。在许多实际问 Ke题中，最优矩阵的选取，归结为对快速响应及对干扰 和噪声灵敏性之间的一种折衷。 考虑如下的线性定常系统 x,Ax，Bu， y,Cx 式中 020.60，，，， A,,B,,C,[01],,,,101，，，， 设计一个全维状态观测器。设系统结构与图5.5所示 相同。又设观测器的期望特征值为 ,,,1.8，j2.4,,,,1.8,j2.412 由于状态观测器的设计实际上归结为确定一个合适 Ke的观测器增益矩阵，为此先检验能观测性矩阵，即 01，，TTT[C？AC],,,10，， 的秩为2。因此，该系统是完全能观测的，并且可确定期 Ke望的观测器增益矩阵。我们将用3种方法来求解该问 题。 方法1：采用式（5.50）来确定观测器的增益矩 阵。由于该状态空间表达式已是能观测标准形，因此变 ,1P,(WR),I换矩阵。由于给定系统的特征方程为 s,20.622|sI,A|,,s,20.6,s，as，a,012 ,1s 因此 a,0,a,,20.612 观测器的期望特征方程为 (s，1.8,j2.4)(s，1.8，j2.4), 22**s，3.6s，9,s，as，a12 因此 **a,3.6,a,912 Ke 故观测器增益矩阵可由式（5.50）求得如下 *,，，aa221,,(),KWR,,e*a,a，，11 10920.629.6，，，，，，， ,,,,,,,013.6,03.6，，，，，， 方法2：参见式（5.31） e,(A,KC)e，e 观测器的特征方程为 sI,A，KC,0e 定义 k，，e1,Ke,,k，，e2 则此时特征方程为 ks0020.6，，，，，，e1 ,，[01],,,,,,0s10k，，，，，，e2 s,20.6，ke1 , ,1s，ke2 2,s，ks,20.6，k,0e2e1 (5.56) 由于期望的特征方程为 2s，3.6s，9,0 比较式（5.56）和以上方程，可得 k,29.6,k,3.6e1e2 即 29.6，， K,e,,3.6，， 方法3：采用式（5.55）给出的爱克曼公式。 ,1 C0，，，，*,,K(A)e,,,,CA1，，，， 式中 因此 *2,(A),A，3.6A，9I 从而 ,1 010，，，，2KAAI,(，3.6，9)e,,,,101，，，， 29.674.16010，，，，，， ,,,,,,,3.629.6101，，，，，， 29.6，， ,,,3.6，， Ke当然，无论采用什么方法，所得的都是相同的。 全维状态观测器由式（5.51）给出为 ~~，x,(A,KC)x，Bu，Kyee 或者 ~~，xx0,9029.6，，，，，，，，，，11,，u，y,,,,,,,,,,~~，1,3.6x13.6x，，，，，，，，2，，2 与极点配臵的情况类似，如果系统阶数n ? 4，则推荐使用方法1和3，这是因为在采用方法1和3时，所有矩阵都可由计算机实现，而方法2总是需要手工计算包含 k,k,？,ke1e2en未知参数的特征方程。 x(t) 在极点配臵的设计过程中，假设真实状态可用于 x(t)反馈。然而实际上，真实状态可能无法量测，所以 ~x(t)必须设计一个观测器，并且将观测到的状态用于反 馈，如 图5.6 观测-状态反馈控制系统 图5.6所示。因此，该设计过程分为两个阶段，第一个阶 K，以产生期望的反馈闭环系统的段是确定反馈增益矩阵 Ke特征方程；第二个阶段是确定观测器的增益矩阵，以产生期望的观测器特征方程。 x(t)现在不采用真实状态而采用观测或重构的状 ~x(t)态来研究对闭环反馈系统特征方程的影响。 考虑如下线性定常系统 x,Ax，Bu， y,Cx 且假定该系统状态完全能控且完全能观测。 ~x 对基于重构状态的线性状态反馈控制 ~u,,Kx 利用该控制，状态方程为 (5.57 ) ~x(t)x(t) 将真实状态和重构状态之差定义为误差e(t)，即 ~e(t),x(t),x(t) 将误差向量代入式（5.57），得 x,(A,BK)x，BKe， （5.58） 注意，观测器的误差方程由式（5.31）给出，重写为 e,(A,KC)e，e （5.59） 将式（5.58）和(5.59)合并，可得 A,BKBKxx，，，，，，， ,,,,,,,A,KCee0，，，，，，，e (5.60 ) 式（5.60）描述了带观测器的状态反馈控制系统的 动态特性。该系统的特征方程为 sI,A，BK,BK ,0 0sI,A，KCe 或 sI,A，BKsI,A，KC,0e 注意，观测-状态反馈控制系统的闭环极点由极点配 臵单独设计产生的极点和由观测器单独设计产生的极点 两部分组成。这意味着，极点配臵和观测器设计是相互 独立的，它们可分别进行设计，并合并为观测-状态反馈控制系统。， 这就给闭环系统的设计带来了极大的方便。注意，如果 系统的阶次为n，则观测器的阶次也是n（如果采用全维状态观测器），因此整个闭环系统的阶次或特征方程为 2n阶。 由状态反馈（极点配臵）选择所产生的期望闭环极点， 应使系统满足性能要求。观测器极点的选取通常使得观 测器响应比系统的响应快得多。一个经验法则是选择观 测器的响应至少比系统的响应快2-5倍。因为观测器通常不是硬件结构，而是计算软件，所以它可以加快响应速 度，使重构状态迅速收敛到真实状态，观测器的最大响 应速度通常只受到控制系统中的噪声和灵敏性的限制。 注意，由于在极点配臵中，观测器极点位于期望的闭环 极点的左边，所以后者在响应中起主导作用。 考虑如下线性定常系统 x,Ax，Bu， y,Cx x且假设该系统状态完全能观测，但不能直接量测。又设采用观测-状态反馈控制为 ~u,,Kx (5.61 ) 如图5.6所示，则观测器方程为 ~~，x,(A,KC)x，Bu，Kyee (5.62 ) 对式(5.61)取拉普拉斯变换，则有 ~ U(s),,KX(s) (5.63 ) 由式(5.62)定义的观测器方程的拉普拉斯变换为 (5.64) ~x(0),0 设初始观测状态为零，即。将式（5.63）代 ~ X入式（5.64），并对(s)求解，可得 （5.65） 将上述方程代入式（5.63），可得 y,Y(s)U(s)u和均为纯量。式（5.65）给出了和这里， 之间的传递函数。 图5.7为该系统的方块图。注意，控制器的传递函数 为 U(s),1,K(sI,A，KC，BK)Kee ,Y(s) (5.66) 因此，通常称此传递函数为控制器-观测器传递函数。 图5.7 具有控制器-观测器系统的方块图 考虑下列线性定常系统的调节器设计问题。 x,Ax，Bu， (5.67 ) y,Cx (5.68 ) 式中 010，，，， A,,B,,C,[10],,,,20.601，，，， 假设采用极点配臵方法来设计该系统，并使其闭环 s,,,,,1.8，j2.4,i1极点为(i = 1, 2)，其中 ,,,1.8,j2.42 。在此情况下，可得状态反馈增益矩 阵K为 K,[29.63.6] 采用该状态反馈增益矩阵K，可得控制输入u为 x，，1uKx[29.63.6],,,,,,x，，2 假设采用观测-状态反馈控制替代真实状态反馈控 制，即 ~x，，1~,,,,uKx[29.63.6],,~x，，2 式中，观测器的期望特征值选择为 ,,,,8o1o2 Ke现求观测器增益矩阵。并画出观测-状态反馈控制系统的方块图。再求该控制-观测器的传递函数 U(s)/[,Y(s)]，并画出系统的方块图。 对于式（5.67）给定的系统，其特征多项式为 s,1 |sI,A|, ,20.6s 22,s,20.6,s，as，a12 因此 a,0,a,,20.612 该观测器的期望特征方程为 2(s,)(s,)(s8)(s8)s16s64,,,，，,，，oo22 2**sasa,，，12 因此 **a,16,a,6412 为了确定观测器增益矩阵，利用式（5.50），则有 *a,a，，22,1K(WR),,,e*a,a，，11 式中 10TTTT，，？RCAC,[],,,01，， a101，，，，1W,,,,,,1010，，，， 因此 ,1 011064，20.6,,，，，，，， ,K,,e,,,,,,100116,0，，，，，，,, 0184.616，，，，，， ,,,,,,,,101684.6，，，，，， (5.69 ) Ke式（5.69）给出了观测器增益矩阵。观测器的方程由式（5.51）定义，即 ~~，x,(A,KC)x，Bu，Kyee (5.70 ) 由于 ~u,,Kx 所以，式（5.70）为 ~~，x,(A,KC,BK)x，Kyee 或 ~~，xx01160，，,,，，，，，，，，11,,[10],[29.63.6],,,,,,,,,,,,~~，20.6084.61xx，，，，，，，，2,,，，2 16，， ，y,,84.6，， ~x,16116，，，，，，1,，y,,,,,,~,93.6,3.6x84.6，，，，，，2 具有观测-状态反馈的系统方块图参见图5.6所示。 参照式（5.66），控制器-观测器的传递函数为 U(s),1,K(sI,A，KC，BK)Kee ,Y(s) ,1 s，16,116，，，， ,[29.63.6],,,,93.6s，3.684.6，，，， 778.16s，3690.72 ,2s，19.6s，151.2 该系统的方块图参见图5.7所示。 设计的观测-状态反馈控制系统的动态特性由下列状 态空间表达式描述。 给定线性定常系统为 xx，010，，，，，，，，11u,，,,,,,,,,x20.60x1，，，，，，，，，22 x，，1y[10],,,x，，2 ~x，，1u[29.63.6],,,,,x，，2 全维状态观测器为 ~~，xx,16116，，，，，，，，11,，y,,,,,,,,~~，,93.6,3.6x84.6x，，，，，，2，，2 作为整体而言，该系统是4阶的，其系统特征方程为 22sI,A，BKsI,A，KC,(s，3.6s，9)(s，16s，64)e 432,s，19.6s，130.6s，374.4s，576,0 该特征方程也可由图4.7所示的系统方块图得到。由 于闭环传递函数为 Y(s)778.16s，3690.72 ,22R(s)(s，19.6s，151.2)(s,20.6)，778.16s，3690.72 则特征方程为 22(s，19.6s，151.2)(s,20.6)，778.16s，3690.72 432,s，19.6s，130.6s，374.4s，576,0 事实上，该观测-状态反馈控制系统的特征方程对于 状态空间表达式和传递函数表达式是相同的。 迄今为止，我们所讨论的观测器都是重构所有的系 统状态变量。实际上，有一些状态变量可以准确量测的。 对这些可准确量测的状态变量就不必估计了。 假设状态向量x为n维向量，输出向量y为可量测的m维向量。由于m个输出变量是状态变量的线性组合，所以m个状态变量就不必进行估计，只需估计n-m个状态变量即 可，因此，该降维观测器为n-m维观测器。这样的n-m维观测器就是最小阶观测器。图4.8所示为具有最小阶观测 器的观测-状态反馈控制系统的方块图。 图5.8 具有最小阶观测器的观测-状态反馈控制系统 如果输出变量的量测中含有严重的噪声，且相对而言 较不准确，那么利用全维观测器可以得到更好的系统性 能。 为了介绍最小阶观测器的基本概念，又不涉及过于复 杂的数学推导，我们将介绍输出为纯量（即m = 1）的情况，并推导最小阶观测器的状态方程。 考虑如下线性定常系统 x,Ax，Bu， y,Cx xxabx式中，状态向量可划分为(纯量)和(n-1维向量) xa两部分。这里，状态变量等于输出y，因而可直接量 xb测，而是状态向量的不可量测部分。于是，经过划分 的状态方程和输出方程为 xAAxB？，，a，，aaab，，a，，a， ,,,,,,,,u？,？？？？？？？？，？ ,,,,,,,, xAAxB？，,,,,,,,,，b，，babb，，b，，b， (5.71 ) x，，a ,,y,[1？0]？ ,, x,,，b， (5.72 ) 1，1(n,1)，1B,R,B,Rab式中， 。 由式（5.71），状态可量测部分的状态方程为 x,Ax，Ax，Bu，aaaaabba 或 x,Ax,Bu,Ax，aaaaaabb (5.73 ) 式（5.73）左端各项是可量测的。式（5.73）可看作输出方程。在设计最小阶观测器时，可认为式（5.73）左端是已知量。因此，式（5.73）可将状态的可量测和不 可量测部分联系起来。 由式（5.71），对于状态的不能量测部分 x,Ax，Ax，Bu，bbaabbbb (5.74 ) AxBubaab注意，和这两项是已知量，式（5.74）为状态的不可量测部分的状态方程。 下面将介绍设计最小阶观测器的一种方法。如果采用 全维状态观测器的设计方法，则最小阶观测器的设计步 骤可以简化。 现比较全维观测器的状态空间表达式和最小阶观测 器的状态空间表达式。 全维观测器的状态方程为 x,Ax，Bu， 最小阶观测器的状态方程为 x,Ax，Ax，Bu，bbbbbaab 全维观测器的输出方程为 y,Cx 最小阶观测器的输出方程为 y,x,Ax,Bu,Ax，baaaaaabb 因此，最小阶观测器的设计步骤如下： 首先，注意到全维观测器由式（5.51）给出，将其重 写为 ~~，x,(A,KC)x，Bu，Kyee (5.75 ) 然后，将表5.1所做的替换代入式（5.75），可得 ~~，x,(A,KA)x，Ax，Bu，K(x,Ax,Bu)，bbbeabbbaabeaaaaa (5.76 ) Ke式中，状态观测器增益矩阵是(n-1)×1维矩阵。在式 ~xxba（5.76）中，注意到为估计，需对微分，这是不希望的，因此有必要修改式（5.76）。 给出式(5.76)的最小阶状态观测器方程所做的替 换 全维状态观测器 最小阶状态观测器 ~~xxb A bbA Ax+Bu b aabBu ，x,Ax,Buaaaaay A abC KKee (n×1维矩阵) [(n-1)×1维矩阵] 注意到x= y，将式（5.76）重写如下，可得 a ~~，x,Kx,(A,KA)x，(A,KA)y，(B,KB)u，beabbeabbbaeaabea ~,(A,KA)(x,Ky)，[(A,KA)Kbbeabbebbeabe ，A,KA]y，(B,KB)ubaeaabea (5.77) 定义 x,Ky,x,Kx,,bebea 及 ~~~xKyxKx,,,,,bebea (5.78) 则式（5.77）成为 ~~，,,,(A,KA)，[(A,KA)K，A,KA]ybbeabbbeabebaeaa ，(B,KB)ubea (5.79) 从而式（5.79）和（5.78）一起确定了实际的最小阶观 测器。 下面推导观测器的误差方程。利用式（5.73），将式（5.76）改写为 (5.80 ) 用式（5.80）减去式（5.74），可得 ~~，x,x,(A,KA)(x,x)，bbbbeabbb (5.81 ) 定义 ~~exx,,,,,,bb 于是，式（5.81）为 e,(A,KA)e，bbeab (5.82 ) 这就是最小阶观测器的误差方程。注意，e是（n-1）维 向量。 如果矩阵 A，，ab ,,AAabbb,, ,,？ ,,n,2AA，abbb， 的秩为n-1（这是用于最小阶观测器的状态完全能观测性 条件），则仿照在全维观测器设计中提出的方法，可选 定最小阶观测器的误差状态方程。 由式（5.82）得到的最小阶观测器的期望特征方程 为 ,,,sI,A，KA,(s,)(s,)？(s,)121bbeabn, 1*2**n,n,,s，as，？，as，a,0ˆˆˆ121n,n, (5.83 ) ？,,,n,112式中，，，是最小阶观测器的期望特征值。 Ke观测器的增益矩阵确定如下： (1) 选择最小阶观测的期望特征值（即将特征方程 （5.83）的根臵于所期望的位臵）; (2) 采用在全维观测器设计中提出并经过适当修改的 方法。例如，若采用由式（5.50）给出的确定矩阵 Ke的公式，则应将其修改为 *，a,a，ˆˆn,1n,1 ,,*a,aˆˆ,1n,2n,2,,ˆˆK,(WR)e,,？ ,,*aˆ,aˆ,,，，11 (5.84) Ke式中的是(n -1)×1维矩阵，并且 TTTTTn,T2ˆ,R[A？AA？？？(A)A]abbbabbbab aˆaˆ？aˆ1n,n,，，231 ,,aa？10ˆˆn,n,34,, ˆ,,,W？？？？ ,, a1？00ˆ1,, ,,10？00，， Tˆˆ,RW这里，均为(n -1) ×(n -1)维矩阵。注意， aa？aˆ,ˆ,,ˆ12n,2是如下特征方程的系数： 同样，如果采用式（5.55）给出的爱克曼公式，则 应将其修改为 ,1 ，，A0，，ab ,,,,AA0abbb,,,,*ˆ,,,？？K,(A),,ebb ,,,,,3n0AA,,abbb,, ,,,2n,,1AA，，，，abbb (5.85) 式中 考虑系统 x,Ax，Bu， y,Cx 式中 0100，，，， ,,,,A,001,B,0,C,[100] ,,,, ,6,11,61,,,,，，，， yyx1假设输出可准确量测，因此状态变量(等于)不需要估计。试设计一个最小阶观测器（显然该最小阶 观测器是二阶的）。此外，假设最小阶观测器的期望特 征值为 ,,,2，j23,,,,2,j2312 参照式（5.83），该最小阶观测器的特征方程为 ,,sI,A，KA,(s,)(s,)bbeab12 ,(s，2,j23)(s，2，j23) 2,s，4s，16,0 下面采用由式（5.85）给出的爱克曼公式（例5.20 Ke介绍用式（5.84）来确定）。 ,1 A，，ab 0，，*,,ˆ,,()KA？？？ebb,,,,1，， AA,,abbb，， (5.86) 式中 由于 x0，，，，1x010，，，，a,,,,？？,,,,,,,,x,？,,A,001,B, ,,,,x0,,,,2x,6,11,6,,,,，，,,b，，,,1x，，，，3 可得 0.，， A,0,A,[10],A,aaabba,,,6，， 010，，，， ABB,,,0,,bbab,,,,,11,61，，，， 式（5.86）成为 2,1,,010110100，，，，，，，，，，,, K,，4，16,,e,,,,,,,,,,,11,6,11,601011,,，，，，，，，，，，,, ,,5202，，，，，， ,,,,,,,,2217117，，，，，， 参照式（5.78）和(5.79)，最小阶观测器的方程为 ~~，,,,(A,KA)，[(A,KA)K，A,KA]ybbeabbbeabebaeaa ，(B,KB)ubea (5.87) 式中 ~~~,,,,,xKyxKxbebe1 注意到 01,221，，，，，，A,KA,,[10],bbeab,,,,,,,11,617,28,6，，，，，， 因此，式（5.87）的最小阶观测器为 ~~，,,2121,20,2，，,,，，，，，，，，，，，，22 ,，，,0y,,,,,,,,,,,,,,,,~~，,,,28,6,28,617,6173，，，，，，，，，，3，，,,，， 0,2,,，，，， ，,0u,,,,,,117，，，，,, 或 ~~，,,21130，，，，，，，，，，22,，y，u,,,,,,,,,,~~，,28,6,521,,，，，，，，，，3，，3 式中 ~~,x，，，，22,,Kye,,,,~~x,，，，，33 或 ~~,x，，，，22,，Kxe1,,,,~~x,33，，，， 如果采用观测-状态反馈，则控制输入为 x，，1 ,,~~uKxKx,,,,2,, ~x,,，，3 式中的K为状态反馈增益矩阵（矩阵K不是在本例中确定的）。 对于具有全维状态观测器的观测-状态反馈控制系统，我们已经指出，其闭环极点包括由极点配臵设计单 独给出的极点，加上由观测器设计单独给出的极点。因 此，极点配臵设计和全维观测器设计是相互独立的。 对于具有最小阶观测器的观测-状态反馈控制系 统，可运用同样的结论。该系统的特征方程可推导为 sI,A，BKsI,A，KA,0bbeab (5.88) 详细情况请参见例5.13。具有最小阶观测器的观测 -状态反馈控制系统的闭环极点，包括由极点配臵的闭环 极点（矩阵A-BK的特征值）和由最小阶观测器的闭环极 A,KAbbeab点（矩阵）两部分组成。因此，极点配臵设 计和最小阶观测器设计是互相独立的。这也就是满足前 述所谓的极点配臵与观测器设计的。 本节将介绍用MATLAB设计状态观测器的若干例子。 我们将举例说明全维状态观测器和最小阶状态观测器设 计的MATLAB方法。 考虑一个调节器系统的设计。给定线性定常 系统为 x,Ax，Bu， y,Cx 式中 010，，，， A,,B,,C,[10],,,,20.601，，，， s,,(i,1,2)i且闭环极点为，其中 ,,,1.8，j2.4,,,,1.8,j2.412 期望用观测-状态反馈控制，而不是用真实的状态反 馈控制。观测器的期望特征值为 ,,,,,812 试采用MATLAB确定出相应的状态反馈增益矩阵K和观测 Ke器增益矩阵。 对于题中给定的系统，可利用如下MATLAB K和观测器增益矩Program 5.5来确定状态反馈增益矩阵 Ke阵。 MATLAB Program 5.5 % Pole placement and design of observer ------ % ***** Design of a control system using pole-placement % technique and state observer. Solve pole-placement % problem ***** % ***** Enter matrices A,B,C,and D ***** A=[0 1;20.6 0]; B=[0;1] C=[1 0]; D=[0]; % ***** Check the rank of the controllability matrix Q ***** Q=[B A*B]; Rank(Q) ans= 2 % ***** Since the rank of the controllability matrix Q is 2, % arbitrary pole placement is possible ***** % ***** Enter the desired characteristic polynomial by % defining the following matrix J and computingpoly(J) ***** J=[-1.8+2.4*i 0;0 -1.8-2.4*i]; Poly(J) ans= 1.000 3.6000 9.0000 % ***** Enter characteristic polynomial Phi ***** Phi=polyvalm(poly(J),A); % ***** State feedback gain matrix K can be given by ***** K=[0 1]*inv(Q)*Phi K= 29.6000 3.6000 ***** The following program determines the observer matrix Ke ***** % % ***** Enter the observability matrix RT and check its rank ***** RT=[C’ A’*C’]; rank(RT) ans= 2 % ***** Since the rank of the observability matrix is 2, design of % the observer is possible ***** % **** Enter the desired characteristic polynomial by defining % the following matrix J0 and entering statement poly(JO) ***** JO=[-8 0;0 -8]; Poly(JO) ans= 1 16 64 % ***** Enter characteristic polynomial Ph ***** Ph=polyvalm(ply(JO),A); ***** The observer gain matrix Ke is obtained from ***** % Ke=Ph*(inv(RT’))*[0;1] Ke= 16.0000 84.60000 求出的状态反馈增益矩阵K为 ,,K,29.63.6 Ke 观测器增益矩阵为 16，， K,e,,84.6，， 该观测-状态反馈控制系统是4阶的，其特征方程为 sI,A，BKsI,A，KC,0e 通过将期望的闭环极点和期望的观测器极点代入上式， 可得 sI,A，BKsI,A，KC,e 2(s，1.8,j2.4)(s，1.8，j2.4)(s，8) 432,s，19.6s，130.6s，374.4s，576 这个结果很容易通过MATLAB得到，如MATLAB Program 5.6所示(MATLAB Program 5.6是MATLAB Program KeA、B、C、K和已在MATLAB Program 5.55.5的继续。矩阵 中给定)。 MATLAB Program 5.6 % ------- Characteristic polynomial ------- % ***** The characteristic polynomial for the designed system % is given by |sI-A+BK||sI-A+KeC| ***** % ***** This characteristic polynomial can be obtained by use of % eigenvalues of A-BK and A-KeC as follows ***** X=[eig(A-B*K);eig(A-Ke*C)] X= -1.8000+2.4000i -1.8000-2.4000i -8.0000 -8.0000 poly(X) ans= 1.0000 19.6000 130.6000 374.4000 576.0000 考虑与例5.4讨论的最小阶观测器设计相同的问题。该给定线性定常系统为 x,Ax，Bu， y,Cx 式中 0，， 010，，,,？,,,,A,001,B,,C,[1？00] ,,0,, ,6,11,6,,，，,,1，， yx1 假定状态变量(等于)是可量测的，但未必是能 Ke观测的。试确定最小阶观测器的增益矩阵。期望的特征值为 ,,,2，j23,,,,2,j2312 试利用MATLAB方法求解。 下面介绍该问题的两个MATLAB程序。MATLAB Program 5.7采用变换矩阵P的方法，MATLAB Porgram 5.8采用爱克曼公式。 MATLAB Program 5.7 % -------- Design of minimum-order observer -------- % ***** This program uses transformation matrix P ***** % ***** Enter matrices A and B ***** A=[0 1 0;0 0 1;-6 -11 -6]; B=[0;0;1]; % ***** Enter matrices Aaa,Aab,Aba,Abb,Ba,and Bb. Note % that A=[Aaa Aab;Aba Abb] and B=[Ba;Bb] ***** Aaa=[0];Aab=[1 0];Aba=[0;-6];Abb=[0 1;-11 -6]; Ba=[0];Bb=[0;1]; % ***** Determine al and a2 of the characteristic polynomial % for the unobserved portion of the system ***** P=poly(Abb) P= 1 6 11 a1=P(2);a2=P(3); % ***** Enter the reduced observability matrix RT and matrix W ***** RT=[Aab’ Abb’*Aab’]; W=[a1 1;1 0]; ***** Enter the desired characteristic polynomial by defining % % the following matrix J and entering stastement poly(J) ***** J=[-2+2*sqrt(3)*i 0;0 -2-2*sqrt(3)*i]; JJ=poly(J) JJ= 1.0000 4.0000 16.0000 ***** Determine aal and aa2 of the desired characteristic % % polynomial ***** aa1=JJ(2);aa2=JJ(3); % ***** Observer gain matrix Ke for the minimum-order observer % is given by ***** Ke=inv(W*RT’)[aa2-a2;aa1-a1] Ke= -2 17 MATLAB Program 4.8 % ----- Design of minimum-order observer ----- ***** This program is based on Ackermann’s formula ***** % % ***** Enter matrices A and B ***** A=[0 1 0;0 0 1;-6 -11 -6]; B=[0;0;1]; % ***** Enter matrices Aaa,Aab,Aba,Abb,Ba,and Bb. Note % that A=[Aaa Aab;Aba Abb] and B=[Ba;Bb] ***** Aaa=[0];Aab=[1 0];Aba=[0;-6];Abb=[0 1;-11 -6]; Ba=[0];Bb=[0;1]; % ***** Enter the reduced observability matrix RT ***** RT=[Aab’ Abb’*Aab’]; ***** Enter the desired characteristic polynomial by defining % % the following matrix J and entering statement poly(J) ***** J=[-2+2*sqrt(3)*i 0;0 -2-2*sqrt(3)*i]; JJ=poly(J) JJ= 1.0000 4.0000 16.0000 % **** Enter characteristic polynomial Phi of matrix Abb ***** Phi=polyvalm(poly(J),Abb); **** Observer gain matrix Ke for the minimum-order observer % % is given by **** Ke=Phi*inv(RT’)*[0;1] Ke= -2 17 作业： 给定线性定常系统 x,Ax，Bu， y,Cx 式中 ,110，，，， ,,A,,B,,C,10,,,,1,21，，，， 试设计一个全维状态观测器。该观测器的期望特征 ,,,5,,,,512。 值为 考虑习题5.1定义的系统。假设输出y是可以准确量测的。试设计一个最小阶观测器，该观测器矩阵所 ,,,5期望的特征值为，即最小阶观测器所期望的 s，5,0特征方程为。 给定线性定常系统 ，xx0100，，，，，，，，11,,,,,,,,，x,001x，0u22,,,,,,,, 1.2440.3965,3.1451.244，,x,,x,,,,,，，，，，，，，33 x，，1 ,,,y[100]x2,, ,,x，，3 该观测器增益矩阵的一组期望的特征值为 ,,,10,,,5，j53,,,,5,j53,312。试设 计一个全维观测器。 考虑习题5.3给出的同一系统。假设输出y可准确量测。试设计一个最小阶观测器。该最小阶观测器的期 ,,,5，j53,,,,5,j5312。 望特征值为