Processing math: 100%

8/02/2011

[線性系統] LTI 系統的輸入輸出 BIBO 穩定度

這次要介紹線性系統的穩定度。一般而言在設計控制系統的時候第一步就是要檢驗系統是否穩定,如果不穩定則往往導致系統損毀。不可不慎。

一般而言控制系統穩定度可區分兩類

  1. 絕對穩定度:
    指系統是否穩定的指標:一般而言有 BIBO 穩定 與 漸進穩定。
  2. 相對穩定度:指系統穩定程度的指標: 一般而言由 pole location,Phase Margin, Gain Margin 決定
而一般穩定度的判別方法也有兩種
  1. Routh-Hurwitz criterion
    只適用於線性系統,有興趣讀者可自行參閱任何一本自動控制教科書都會有詳細介紹。
  2. Lyapunov energy approach
    對線性/非線性系統皆適用。
Comment:
給不關心理論的讀者:事實上,在實用面上,大多時候我們可以直接使用 MATLAB 等套裝軟體直接求解 eigenvalue 並且判斷是否落在 s-plane 的左半面即可 (如果落在左半面不含虛軸,我們稱此系統 "穩定" )。




考慮一個 SISO LTI 系統描述如下:
y(t)=t0g(tτ)u(τ)dτ=t0g(τ)u(tτ)dτ其中 g(t) 為系統脈衝響應(impulse response)

現在我們給出下面定義
====================
Definition: Bounded function
一個輸入函數 u(t) 稱作有界 (bounded) 如果下列條件成立:
若存在一個夠大的常數 uM 使得
|u(t)|uM<,t0====================


有了有界函數的定義,我們可以定義何謂 BIBO 穩定
====================
Definition: BIBO stability
一個系統被稱為 BIBO stable (Bounded input bounded output stable) 若下列條件成立:
對任意有界輸入,系統都產生有界輸出。則此系統為 BIBO 穩定。
====================

Comment:
1. BIBO 穩定度 只定義在 zero-state response 且系統假設為鬆弛系統亦即初始狀態為零。

2. 上述 BIBO 定義 陳述等價如下:
考慮系統 輸入為 u(t),輸出為 y(t),現若存在 M,N>0 使得
|u(t)|M<|y(t)|N<則系統稱為 BIBO穩定。


現在我們看個重要的定理:

=====================
Theorem: BIBO stability criterion of LTI system 
考慮 SISO LTI 系統
y(t)=t0g(tτ)u(τ)dτ=t0g(τ)u(tτ)dτ為 BIBO stable 若且為若 存在一個夠大的常數 M 使得
0|g(t)|dtM<=====================
Proof
我們首先證明 ,亦即
假設
0|g(t)|dtM< 欲證 LTI 系統 為 BIBO穩定。

故由BIBO定義,給定 u(t) 滿足 |u(t)|uM<,要證明 |y(t)|<

由於
|y(t)|=|t0g(τ)u(tτ)dτ|t0|g(τ)u(tτ)|dτuMt0|g(τ)|dτ現在由假設 0|g(t)|dtM<,我們可得
|y(t)|uMt0|g(τ)|dτuM0|g(τ)|dτuMM< 故得證。

接著我們證明 。亦即需要證明
若 SISO LTI 系統
y(t)=t0g(tτ)u(τ)dτ=t0g(τ)u(tτ)dτ為 BIBO stable,則 存在一個夠大的常數 M 使得
0|g(t)|dtM<
現在我們取非,利用反證法 改證
對所有常數 M0|g(t)|dt>M,則 SISO LTI 系統
y(t)=t0g(tτ)u(τ)dτ=t0g(τ)u(tτ)dτ不為 BIBO stable (存在一組輸入 u(t) 使得 輸出 y(t)=)

首先注意到由於對所有 M
0|g(t)|dt>M,此陳述等價於 存在一個 t1 使得
t10|g(t)|dt=接著我們要證明 LTI 系統不為 BIBO stable,故現在建構一組輸入 u(t) 滿足下式
u(t1τ):=sgn(g(τ))={1,ifg(τ)01,ifg(τ)<0則其對應的輸出
y(t1)=t10g(τ)u(t1τ)dτ=t10|g(τ)|dτ=故此系統不為 BIBO stable。至此得證。

Comment:
1. 上述結果等價如下:
若系統為 LTI 系統,則 系統 BIBO 穩定的充分必要條件為
其系統轉移函數對應的極點 pi 具有負實部;亦即
Re[pi]<0,i=1,2,...,n

2. 若考慮系統為 SISO LTI 系統,且轉移函數 沒有發生極零點對消 (pole-zero cancelation),則系統特性根 poles = Eigenvalues ;亦即 BIBO穩定 = 漸進穩定度

3. 轉移函數 發生極零點對消 (此時 eigenvalue 的數目會多於 pole 的數目 (因為 pole 被 zero消了!!) ) 且 極零點對消在左半面,BIBO = 漸進穩定;若對消在右半面 或者 虛軸上,則 BIBO 不等於 漸進穩定。亦即 BIBO 穩定不一定為 漸進穩定。

4. 若 ˙x=Ax+Bu;y=Cx 則取拉式轉換我們有
{X(s)=(sIA)1x(0)+(sIA)1BU(s)Y(s)=CX(x)Y(s)=[C(sIA)1]FreeResponsex(0)+[C(sIA)1B]ForceResponseU(s)

我們以下用個例子來看看剛剛討論的 pole-zero cancellation 現象 與 BIBO/Asymptotic stability。

Example: (BIBO stability does NOT imply Asymptotic stability)
考慮系統
{˙x=Ax+Bu=[0121]x+[01]uy=Cx=[22]x(a) 試求 A 矩陣 eigenvalue。此系統是否為 asymptotic stable?
(b) 試求此系統轉移函數?
(c) 試求此系統 unit step response,試問其對應的系統輸出 是否為 BIBO?

Solution: (a)
首先求 A 矩陣的 eigenvalue:計算特性方程 det(sIA)=0 可得
det(sIA)=0det([s00s][0121])=det[s12s+1]=s(s+1)2=0s2+s2=0{s=2s=1注意到此系統有一個 eigenvalue 為 s=1 (落在 s-plane 右半面),故系統不為漸進穩定。

(b):
接著我們計算轉移函數
G(s)=C(sIA)1B=[22][s12s+1]1[01]=2s2s2+s2=2(s1)(s+2)(s1)=2s+2注意到此時發生 pole-zero cancellation (s=1 對消在右半面) !!

(c):
接著我們計算 unit-step response (注意到 unit-step 為 Bounded-input)
Y(s)=G(s)U(s)=(2s+2)(1s)=2s(s+2)=1s+1s+2y(t)=1e2t可發現系統輸出 |y(t)|1 亦即為 Bounded output。故系統為 BIBO 系統 under unit-step input。

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...