Processing math: 100%

7/08/2014

[線性系統] 控制性矩陣 與 非奇異轉換 (Controllability matrix & Non-singular transformation)

延續先前線性系統理論 對於非奇異轉換的討論,由於 轉移函數 用 State space 表示實現的方法並不唯一;e.g., controllable canonical form, observable canonical form, digonal form. 故現在我們再進一步審視此問題

給定轉移函數 H(s),現考慮對此轉移函數的任兩種 狀態空間實現 Σ˜Σ
{Σ=(A,B,C,D)˜Σ=(˜A,˜B,˜C,˜D),亦即
H(s)=HΣ(s)=C(sIA)1B+D˜C(sI˜A)1˜B+˜D=H˜Σ(s)

那麼我們想知道是否存在一個 n×n 的非奇異轉換矩陣 T 使得 我們有映射 Σ˜Σ

由先前文章可知,˜A=TAT1˜B=TB˜C=CT1˜D=D,現在觀察下式
{˜B=TB˜A˜B=(TAT1)TB=TAB˜A2˜B=(TAT1)TAB=TA2B˜An1˜B=(TAT1)TAB=TAn1B 我們可以看出上式中一些運算的規則,現在將其改寫為更簡潔的形式如下
[˜B˜A˜B˜An1˜B]:=C˜Σ=T[ABA2BAn1B]:=CΣ 亦即 C˜Σ=TCΣ . ()

上式 CΣC˜Σ 稱為 控制性矩陣 (Controllability matrix)。故 非奇異矩陣 T 可透過上述關係得到。

注意到如果為單輸入單輸出 (SISO) 系統,且假設  CΣC˜Σ 為方陣。 CΣ 為 non-singular,則我們可以找到非奇異轉換矩陣 T
T=C˜ΣC1Σ

若 多輸入系統,則無法直接求解反矩陣,故我們需先使 () 左右變成方陣:
C˜ΣCΣT(n×nm)×(mn×n)n×n=TCΣCΣT(n×nm)×(mn×n)n×n現在   CΣCΣ 為 non-singular,則我們可以找到非奇異轉換矩陣 T
T=C˜ΣCΣT(CΣCΣT)1

故 我們知道如果要有 非奇異矩陣 T,則矩陣 CΣCTΣ 必須非奇異,故我們有下列 Controllability Rank conditon:

Controllability Rank Condition
 CΣCTΣ 為非奇異 若且為若 rankCΣ=n


Comment:
1. 在 MATLAB中,給定動態系統 A,B 矩陣,則我們可以使用  C = ctrb(A,B) 指令來直接幫助我們計算 Controllability Matrix, C,接著再用 rank(C) 指令確認此矩陣是否滿足我們的 Controllability Rank Condition ,如果滿足我們稱此系統為可控制(controllable)。

2. non-singular transform 不改變 Eigenvalues,亦即
eig(TAT1)=eig(A)其中 eig() 表特徵值。
Proof
T 為 nonsingular transformation matrix,且 λiTAT1 矩陣對應的 eigenvalue,也就是說 TAT1 的 eigenvalues 滿足 det(λiITAT1)=0。故
det(λiITAT1)=0det(λiTT1TAT1)=0det(T(λiIA)T1)=0det(T)det(λiIA)det(T1)=0由於 T 為 nonsingular,故 T1 存在且 det(T)0,  det(T1)0。故只有
det(λiIA)=0亦即 λi 亦為 矩陣 A 的 eigenvalue。

沒有留言:

張貼留言

[人工智慧] 本地端 DeepSeek R1 快速安裝:以 Macbook Pro M4 Chip為例

最近火熱的 DeepSeek R1 模型由於採用了 distill 技術,可以大幅降低計算成本,使得一般人有機會在自家筆電上跑性能逼近 Open AI ChatGPT o1的大語言模型。本文簡單介紹一步安裝在 Macbook Pro 的方法以及使用方法,以下測試採用 Macboo...