跳到主要內容

[線性系統] 淺談動態系統的可控制性(2)

延續前篇,考慮 $n$ 維度 $p$ 組輸入的狀態方程
\[{\bf{\dot x}} = {\bf{Ax}} + {\bf{Bu}}\]由於輸出方程與控制性無關在此我們僅討論狀態方程。

我們先回憶 系統狀態可控制的定義
=====================
Definition: (Controllability for LTI system)
我們稱狀態方程
\[
{\bf{\dot x}}\left( t \right) = {\bf{Ax}}\left( t \right) + {\bf{Bu}}\left( t \right)
\] 或者一組 $\left( {{\bf{A,B}}} \right)$ 為在時刻 $t_0$ 可控制(controllable),若下列條件成立:
對任意初始狀態 ${\bf{x}}\left( 0 \right) = {\bf x}_0$ 與 終止狀態 ${\bf x}_1$,存在 一組輸入訊號 ${\bf u}(t)$ 使得可以在 有限時間 內將 ${{\bf{x}}_0}$ 送至 ${{\bf{x}}_1}$。反之我們稱此 $\left( {{\bf{A,B}}} \right)$ 不可控制 (uncontrollable)。
======================

Comment:
注意!! 上述的可控性定義並 "無" 限制 控制力大小。

現在我們給出 控制性 有關的結果整合在下面
=========================
Theorem: Controllability equivalence statements

下列 4個 陳述完全等價(if and only if)
1. $n$維度的 pair $(\bf{A,B})$ 為 controllable

2. 對任意 $t>0$,$n \times n$ 的矩陣
\[{{\bf{W}}_C}(t): = \int_{\rm{0}}^t {{e^{{\bf{A}}\left( {t - \tau } \right)}}{\bf{B}}{{\bf{B}}^T}{e^{{{\bf{A}}^T}\left( {t - \tau } \right)}}} d\tau \]為 nonsingular。

3. $n \times np$ 的控制性矩陣 controllability matrix
\[C: = \left[ {\begin{array}{*{20}{c}}
{\bf{B}}&{{\bf{AB}}}&{{{\bf{A}}^2}{\bf{B}}}& \cdots &{{{\bf{A}}^{n - 1}}{\bf{B}}}
\end{array}} \right]\]為 full rank (rank $=n$)

4. 若 $A$ 矩陣 所有的 eigenvalue 皆具有 負實部,則下列 Lyapunov equation
\[{\bf{A}}{{\bf{W}}_C} + {{\bf{W}}_C}{{\bf{A}}^T} =  - {\bf{B}}{{\bf{B}}^T}\]有唯一解 
\[{{\bf{W}}_C}: = \int_{\rm{0}}^\infty  {{e^{{\bf{A}}\tau }}{\bf{B}}{{\bf{B}}^T}{e^{{{\bf{A}}^T}\tau }}} d\tau \]且為 正定矩陣 (positive definite matrix)。
=========================

Proof: $ (1) \Leftrightarrow (2)$

我們先證 $(2) \Rightarrow (1)$ 亦即假設對任意 $t>0$,$n \times n$ 的矩陣
\[{{\bf{W}}_C}(t): = \int_{\rm{0}}^t {{e^{{\bf{A}}\left( {t - \tau } \right)}}{\bf{B}}{{\bf{B}}^T}{e^{{{\bf{A}}^T}\left( {t - \tau } \right)}}} d\tau \]為 nonsingular。我們要證明 $(\bf{A,B})$ 為 controllable。

由 controllable 定義,我們給定任意初始狀態 ${\bf{x}}\left( 0 \right) = {{\bf{x}}_0}$ 與 任意終端狀態 ${\bf{x}}\left( {{t_1}} \right) = {{\bf{x}}_1}$,需找出一個控制力 $\bf u$ 使得在有限時間 $t_1$ 內 使 ${{\bf{x}}_0}$ 移動到 ${{\bf{x}}_1}$。

故現在回憶對於 ${\bf{\dot x}} = {\bf{Ax}} + {\bf{Bu}}$ 其 在 時刻$t_1$ 對應的解為
\[{\bf{x}}\left( {{t_1}} \right) = {e^{{\bf{A}}{t_1}}}{\bf{x}}\left( 0 \right) + \int_0^{{t_1}} {{e^{{\bf{A}}\left( {{t_1} - \tau } \right)}}{\bf{Bu}}\left( \tau  \right)d\tau } \]現在我們令控制力為
\[{\bf{u}}\left( t \right): =  - {{\bf{B}}^T}{e^{{\bf{A}}\left( {{t_1} - \tau } \right)}}{{\bf{W}}_C}^{ - 1}\left( {{t_1}} \right)\left[ {{e^{{\bf{A}}\left( {{t_1}} \right)}}{{\bf{x}}_0} - {{\bf{x}}_1}} \right]
\]由於我們假設 ${ = {{\bf{W}}_C}\left( {{t_1}} \right)}$ 為 nonsingular,反矩陣存在!。現在我們代入 $(*)$ 可得
\[\begin{array}{*{20}{l}}
{{\bf{x}}\left( {{t_1}} \right) = {e^{{\bf{A}}{t_1}}}{{\bf{x}}_0} - \int_0^{{t_1}} {{e^{{\bf{A}}\left( {{t_1} - \tau } \right)}}{\bf{B}}{{\bf{B}}^T}{e^{{{\bf{A}}^T}\left( {{t_1} - \tau } \right)}}{{\bf{W}}_C}^{ - 1}\left( {{t_1}} \right)\left[ {{e^{{\bf{A}}\left( {{t_1}} \right)}}{{\bf{x}}_0} - {{\bf{x}}_1}} \right]d\tau } }\\
{ \Rightarrow {\bf{x}}\left( {{t_1}} \right) = {e^{{\bf{A}}{t_1}}}{{\bf{x}}_0} - \underbrace {\left[ {\int_0^{{t_1}} {{e^{{\bf{A}}\left( {{t_1} - \tau } \right)}}{\bf{B}}{{\bf{B}}^T}{e^{{{\bf{A}}^T}\left( {{t_1} - \tau } \right)}}d\tau } } \right]}_{ = {{\bf{W}}_C}\left( {{t_1}} \right)}{{\bf{W}}_C}^{ - 1}\left( {{t_1}} \right)\left[ {{e^{{\bf{A}}\left( {{t_1}} \right)}}{{\bf{x}}_0} - {{\bf{x}}_1}} \right]}\\
{ \Rightarrow {\bf{x}}\left( {{t_1}} \right) = {{\bf{x}}_1}}
\end{array}\]亦即此 $\bf u$ 確實幫我們把 ${{\bf{x}}_0}$ 移動到 ${{\bf{x}}_1}$。

接著我們證明 $(1) \Rightarrow (2)$。
利用歸謬法,假設 $(\bf{A,B})$ 為 controllable 且我們讓 ${{{\bf{W}}_C}\left( {{t_1}} \right)}$ 為 singular。故可知存在一向量 $v$ 使得
\[{{\bf{W}}_C}\left( {{t_1}} \right)v ={ \bf 0}
\]對上式等號兩邊同乘 $v^T$ 得到 ${{{\bf{W}}_C}\left( {{t_1}} \right)}$的二次式:
\[\begin{array}{l}
{v^T}{{\bf{W}}_C}\left( {{t_1}} \right)v = 0\\
 \Rightarrow {v^T}\left( {\int_0^{{t_1}} {{e^{{\bf{A}}\left( {{t_1} - \tau } \right)}}{\bf{B}}{{\bf{B}}^T}{e^{{\bf{A}}\left( {{t_1} - \tau } \right)}}d\tau } } \right)v = 0\\
 \Rightarrow \int_0^{{t_1}} {{v^T}{e^{{\bf{A}}\left( {{t_1} - \tau } \right)}}{\bf{B}}{{\bf{B}}^T}{e^{{\bf{A}}\left( {{t_1} - \tau } \right)}}vd\tau }  = 0\\
 \Rightarrow \int_0^{{t_1}} {{{\left( {{{\bf{B}}^T}{e^{{\bf{A}}\left( {{t_1} - \tau } \right)}}v} \right)}^T}\left( {{{\bf{B}}^T}{e^{{\bf{A}}\left( {{t_1} - \tau } \right)}}v} \right)d\tau }  = 0\\
 \Rightarrow \int_0^{{t_1}} {\left\| {{{\bf{B}}^T}{e^{{\bf{A}}\left( {{t_1} - \tau } \right)}}v} \right\|_2^2d\tau }  = 0\\
 \Rightarrow {{\bf{B}}^T}{e^{{\bf{A}}\left( {{t_1} - \tau } \right)}}v = \bf{0}
\end{array}\]上式對任意 $\tau \in [0, t_1] $ 都成立。

現在由於 我們已假設  $(\bf{A,B})$ 為 controllable ,故由可控制性的定義可知:給定任意初始狀態 ${\bf{x}}\left( 0 \right) = {{\bf{x}}_0}$ 與 任意終端狀態 ${\bf{x}}\left( {{t_1}} \right) = {{\bf{x}}_1}$,必存在一組控制力 $\bf u$ 使得在有限時間 $t_1$ 內 使 ${{\bf{x}}_0}$ 移動到 ${{\bf{x}}_1}$。

故現在我們給定初始狀態為 ${{\bf{x}}_0}: = {e^{ - {\bf{A}}{t_1}}}v$ 且 ${{\bf{x}}_1} := \bf{0}$ 則由狀態空間的解可知
\[\begin{array}{*{20}{l}}
{{\bf{x}}\left( {{t_1}} \right) = {e^{{\bf{A}}{t_1}}}{\bf{x}}\left( 0 \right) + \int_0^{{t_1}} {{e^{{\bf{A}}\left( {{t_1} - \tau } \right)}}{\bf{Bu}}\left( \tau  \right)d\tau } }\\
{ \Rightarrow {\bf{0}} = v + \int_0^{{t_1}} {{e^{{\bf{A}}\left( {{t_1} - \tau } \right)}}{\bf{Bu}}\left( \tau  \right)d\tau } }
\end{array}\]對上式兩邊同乘 $v^T$ 可得
\[0 = {v^T}v + \int_0^{{t_1}} {{v^T}{e^{{\bf{A}}\left( {{t_1} - \tau } \right)}}{\bf{Bu}}\left( \tau  \right)d\tau }  \ \ \ \ (\star)
\]由於先前我們已知 ${{\bf{B}}^T}{e^{{\bf{A}}\left( {{t_1} - \tau } \right)}}v = {\bf{0}} \Leftrightarrow {v^T}{e^{{{\bf{A}}^T}\left( {{t_1} - \tau } \right)}}{\bf{B}} = {\bf{0}}$ ,故 $(\star)$ 變成
\[\begin{array}{*{20}{l}}
{0 = {v^T}v + \underbrace {\int_0^{{t_1}} {{v^T}{e^{{\bf{A}}\left( {{t_1} - \tau } \right)}}{\bf{Bu}}\left( \tau  \right)d\tau } }_{ = 0}}\\
{ \Rightarrow 0 = \left\| v \right\| \Leftrightarrow v = 0}
\end{array}\]上式結果 $v =0$ 與 ${{{\bf{W}}_C}\left( {{t_1}} \right)}$ 的 singularity 矛盾 ( 因為 Singularity 告訴我們 必定存在一組 "非零" 向量 $v$ 使得 ${{{\bf{W}}_C}\left( {{t_1}} \right)}v=0$)。$\square$

留言

這個網誌中的熱門文章

[數學分析] 什麼是若且唯若 "if and only if"

數學上的 if and only if  ( 此文不討論邏輯學中的 if and only if,只討論數學上的 if and only if。) 中文翻譯叫做  若且唯若 (or 當且僅當) , 記得當初剛接觸這個詞彙的時候,我是完全不明白到底是甚麼意思,查了翻譯也是愛莫能助,畢竟有翻跟沒翻一樣,都是有看沒有懂。 在數學上如果看到 if and only if  這類的句子,其實是表示一種 雙條件句 ,通常可以直接將其視為" 定義(Definition)" 待之,今天要分享的是這樣的一個句子如何用比較直觀的方法去看他 假設我們現在有 兩個邏輯陳述句 A 與  B. 注意到,在此我們不必考慮這兩個陳述句到底是什麼,想表達什麼,或者到底是否為真(true),這些都不重要。只要知道是兩個陳述即可。 現在,考慮新的陳述:  "A if and only if B" 好了,現在主角登場,我們可以怎麼看待這個句子呢? 事實上我們可以很直覺的把這句子拆成兩部分看待,也就是 "( A if B ) and ( A only if B )" 那麼先針對第一個部分  A if B  來看, 其實這句就是說  if B then A, 更直白一點就是 "if B is true, then A is also true".  在數學上等價可以寫為 "B implies A" .  或者更常用一個箭頭符號來表示 "B $\Rightarrow$  A"  現在針對第二個部分  A only if B 此句意指  "If B is not true, then A is also not true". 所以如果已知 A is true,  那麼按照上句不難推得 B is also true 也就是說  A only if B  等價為 "If A is true then B is also true". 同樣,也可以寫作   "A implies B"   或者用箭頭表示  "A   $\Rightarrow$     B".

[數學分析] 淺談各種基本範數 (Norm)

這次要介紹的是數學上一個重要的概念: Norm: 一般翻譯成 範數 (在英語中 norm 有規範的意思,比如我們說normalization就是把某種東西/物品/事件 做 正規化,也就是加上規範使其正常化),不過個人認為其實翻譯成 範數 也是看不懂的...這邊建議把 Norm 想成長度就好 (事實上norm是長度的抽象推廣), 也許讀者會認為好端端的長度不用,為何又要發明一個 norm 來自討苦吃?? 既抽象又艱澀。 事實上想法是這樣的: 比如說現在想要比較兩個數字 $3$ , $5$ 之間的大小,則我們可以馬上知道 $ 3 < 5 $;同樣的,如果再考慮小數與無理數如 $1.8753$ 與 $\pi$,我們仍然可以比較大小 $1.8753 < \pi = 3.1415...$ 故可以發現我們有辦法對 "純量" 做明確的比大小,WHY? 因為前述例子中 $3$, $5$, $1.8753$ or $\pi$ 其各自的大小有辦法被 "measure "! 但是如果是現在考慮的是一組數字 我們如何去measure 其大小呢?? 比如說 \[x:=[1, -2, 0.1, 0 ]^T \]上式的大小該是多少? 是 $1$? $-2$? $0.1$??? 再者如果更過分一點,我們考慮一個矩陣 \[A = \left[ {\begin{array}{*{20}{c}} 1&2\\ 3&4 \end{array}} \right] \],想要知道這個矩陣的大小又該怎麼辦?? 是 $1$ ? $2$ 還是 $4$ ?..其實現階段我們說不清楚。 也正是如此,可以發現我們確實需要新的 "長度" 的定義來幫助我們如何去 measure 矩陣/向量/甚至是函數的大小。 故此,我們首先定義甚麼是Norm,(也就是把 "長度" or "大小" 的本質抽離出來) ================== Definition: Norm 考慮 $V$ 為一個向量空間(Vector space),則我們說  Norm 為一個函數 $||\cdot|| : V \rightarrow \mathbb{R}$ 且滿足下列性質