李雅普诺夫稳定性分析

一、基本概念

1.1、标量函数的定号性

定义1-1:若V(0)=0,且对任意非零xV(x)>0(V(x) \geq 0),称标量函数V(x)正定(半正定)

定义1-2:-V(x)是正定(半正定)的,称标量函数V(x)负定(半负定)

定义1-3:正定和半正定(负定和半负定)统称为非负定非正定),无任何定号性称为不定

注意:

(1)V(0)=0是定号性的必要条件。在不引起混淆时,可直接用V(x)>0表示正定,其余类推;

(2)定号性可以是原点邻域上的局部性质,如:标量函数V(x)=[(x_1^2+x_2^2)-1](x_1^2+x_2^2)在域\left \{ \Omega | x_1^2+x_2^2<1 \right \}上是负定的。

如:(在二维空间下)

x_1^2+x_2^2 正定;(x_1+x_2)^2半正定;x_1^2-x_2^2不定

 

考虑二次函数x^TAx的定号性,A是实对称矩阵

定理1-1:实对称矩阵A是正定(半正定)的,当且仅当所有特征值均大于(大于等于)零;

定理1-2:实对称矩阵A是正定(半正定)的,当且仅当所有主子式均大于(大于等于)零;

实对称矩阵A的各阶顺序主子式:

\pi_1=a_{11},\pi_2=\begin{vmatrix} a_{11} & a_{12}\\ a_{21} & a_{22} \end{vmatrix},\pi_n=\left | A \right |

定理1-3(赛尔维斯特判据):实对称矩阵A

(1)正定当且仅当 \pi_k>0,k=1,2,\dots,n;

(2)负定当且仅当(-1)^k\pi_k>0,k=1,2,\dots,n  (顺序主子式是正负相间隔的)

注意:

(1)在判断矩阵A的正定性时,可以将主子式简化为顺序主子式

(2)在判断矩阵A的半正定性时,不可以将主子式简化为顺序主子式

 

1.2、李雅普诺夫稳定性

向量的2范数:实数向量z \in R^n,其2范数定义为

\left \| z \right \|=\sqrt{z_1^2+z_2^2+\dots+z_n^2}

定义1-4:对于系统\dot{x}=f(x,t),满足f(x_e,t)=0的状态x_e称作系统的平衡状态平衡点;(x_e为常数向量,为状态空间中的一个点)

定义1-5:若某一点附近足够小的邻域内没有别的平衡点,则称它为孤立平衡点

例:

(1)原点为平衡点,且为唯一的平衡点,当然也为孤立平衡点

(2)原点为其中之一平衡点,平衡点不唯一,但均孤立

(3)当x_2为0时,x_1为任何值均为平衡点,故平衡点不孤立

定义1-6:假设x_e是系统\dot{x}=f(x)的孤立平衡状态。如果对于任意给定正实数\varepsilon >0,都存在\delta (\varepsilon )>0,使得满足不等式

\left \| x_0-x_e \right \| \leq \delta (\varepsilon )

的任意初始状态出发的系统运动x(t)均成立

\left \| x(t)-x_e \right \| \leq \varepsilon ,t \geq t_0

则称平衡状态x_e是(在李雅普诺夫意义下)稳定的

x_e不满足上述稳定的条件,称平衡状态x_e不稳定

(通俗来讲就是在一定范围内(\delta (\varepsilon ))出发的状态均能在一定时间后回到平衡状态的一定区域(\varepsilon)内)

定义1-7:x_e稳定,且存在一个邻域(吸引域),其内出发的运动恒有\lim_{t \to \inf}\left \| x-x_e \right \|=0,称平衡状态x_e渐近稳定

定义1-8:x_e渐进稳定,且吸引域充满整个状态空间,称平衡状态x_e全局渐近稳定(大范围渐近稳定)

注意:平衡状态唯一是全局渐近稳定的必要条件。

李雅普诺夫稳定性的示意性说明:(平衡点为原点x_e

(1)稳定

任意给定一个\varepsilon圆,圆心为x_e,半径为\varepsilon;那么均存在一个\delta (\varepsilon )圆,圆心为x_e,半径为\delta (\varepsilon )\delta (\varepsilon )圆内,任意点出发的运动,都维持在\varepsilon圆内,则称其为稳定的(李雅普诺夫稳定);

(2)渐进稳定

若平衡状态x_e,不仅为李雅普诺夫稳定,还存在一个邻域,从邻域内出发的运动,都会渐进的收敛到平衡点x_e,这时称其为渐进稳定;

若平衡状态不满足上述所说的条件,存在某个\varepsilon,我们无论选取怎样的\delta (\varepsilon ),均存在从某个出发的状态都运动到\varepsilon圆之外,称为不稳定。

二、李雅普诺夫稳定性分析方法

2.1、第一方法(间接法)(将系统的描述在x_e平衡点附近进行线性化,针对线性化模型进行稳定性判断,判断A的特征值的实部)

x_e是系统\dot{x}=f(x)的平衡状态。该系统在x_e处的线性化模型为:

\dot{y}=Ay, A= \frac{\partial f}{\partial x^T}|_{x=x_e}=\begin{bmatrix} \frac{\partial f_1}{\partial x_1} & \frac{\partial f_1}{\partial x_2} & \dots &\frac{\partial f_1}{\partial x_n} \\ \frac{\partial f_2}{\partial x_1} &\frac{\partial f_2}{\partial x_2} & &\frac{\partial f_2}{\partial x_n} \\ \vdots &\vdots & \ddots &\vdots \\ \frac{\partial f_n}{\partial x_1} &\frac{\partial f_n}{\partial x_2} & \dots & \frac{\partial f_n}{\partial x_n} \end{bmatrix}

其中,y=x-x_e。(矩阵A为雅克比矩阵)

 

根据A的特征值,有如下稳定性判别定理:

定理2-1:A的特征值均具有实部,x_e渐进稳定的;若存在特征值具有正实部x_e不稳定的;其它情况,则不能判定

例:判断下列系统在原点处的稳定性。

\left\{\begin{matrix} \dot{x_1}=x_2cosx_1\\ \dot{x_2}=-sinx_1-x_2 \end{matrix}\right.

解:可知f_1=x_2cosx_1,f_2=-sinx_1-x_2,故可求得原点处的雅克比矩阵为:

A=\begin{bmatrix} -x_2 sin x_1 & cos x_1 \\ -cos x_1 & -1 \end{bmatrix}|_{x=0}=\begin{bmatrix} 0 & 1\\ -1 & -1 \end{bmatrix}

特征根均在左半开平面内,因此原点是该系统的渐近稳定平衡点。(该例中的系统有多个平衡点,因此原点不是其渐近稳定平衡点)。

注意:线性化方法不能给出全局稳定性的判断。

例:判断下述系统在原点处的稳定性

\left\{\begin{matrix} \dot{x_1}=-3 x_1^3\\ \dot{x_2}=3 x_1 - x_1x_2 \end{matrix}\right.

解:原点是系统的平衡点,在原点处线性化可得:

A=\begin{bmatrix} -3x_1^2 & -4 \\ 3- x_2 & -x_1 \end{bmatrix}|_{x=0}=\begin{bmatrix} 0 & -4\\ 3 & 0 \end{bmatrix}

特征根均在虚轴上,间接法失效。

2.2、第二方法(直接法)

设原点是系统\dot{x}=f(x)的平衡状态。V(x)是正定的标量函数(能量函数)它沿系统状态轨线对时间t的导数为:

\dot{V}(x)=\frac{\partial V(x)}{\partial x^T}f(x)

李雅普诺夫第二方法是根据V(x)\dot{V}(x)的定号性,判别系统平衡状态的稳定性。(上式中,\dot{x}f(x)代替)

定理2-2:V(x)正定\dot{V}(x)负定,则原点是渐近稳定的;进而,若\left \| x \right \|\to\infty时,V(x) \to \infty,则原点是全局渐近稳定

定理2-3:V(x)正定,\dot{V}(x)负定,则原点是稳定的;此外,若\dot{V}(x)除原点外沿状态线不恒为零,则原点是渐近稳定的;再进一步,若\left \| x \right \|\to\infty时,V(x) \to \infty,则原点是全局渐近稳定;

定理2-4:V(x)正定\dot{V}(x)正定,则原点是不稳定的。

注意:

(1)以上均为充分条件。某V(x)不满足定理条件时,不能下结论;

(2)若V(x)代表广义能量,则\dot{V}(x)代表广义功率。\dot{V}(x)<0,说明沿状态轨线运动是消耗能量的。

例:判断下述系统在原点处的稳定性

\left\{\begin{matrix} \dot{x_1}=-\frac{2x_1}{(1+x_1^2)^2}+2x_2\\ \dot{x_2}=-\frac{2x_1+2x_2}{(1+x_1^2)^2} \end{matrix}\right.

解:令\dot{x_1}\dot{x_2}为0,可知原点为系统唯一的平衡点,利用第一方法也可判定其渐近稳定性,它是渐近稳定的。

考虑V(x)=\frac{x_1^2}{1+x_1^2}+x_2^2>0

将状态方程\dot{x_1}\dot{x_2}带入,则\dot{V}(x)=-\frac{4x_1^2}{(1+x_1^2)^4}-\frac{4x_2^2}{(1+x_1^2)^2}<0

所以原点是渐近稳定的。但当x_1\to \inftyx_2 \to \infty时,V(x) \to 1,即\left \| x \right \| \to \infty时,V(x) \to \infty不成立,不能保证全局渐近稳定。

例:判断下述系统在原点处的稳定性

\dot{x}=\begin{bmatrix} 0 &1 \\ -1 & -1 \end{bmatrix}x

解:(1)取V(x)=2x_1^2+x_2^2>0\dot{V}(x)=2x_1x_2-2x_2^2,不定,不能判定;

(2)取V(x)=x_1^2+x_2^2>0\dot{V}(x)=-2x_2^2半负定,故原点稳定。

\dot{V}(x)\equiv 0,则x_2=\dot{x}_2\equiv 0,带入原方程\dot{x}_2=-x_1-x_2x_1\equiv 0;因而\dot{V}(x)\equiv 0仅发生在原点处。当\left \| x \right \| \to \infty时,V(x) \to \infty,所以原点全局渐进稳定。

(3)取V(x)=1.5x_1^2+x_2^2+x_1x_2>0\dot{V}(x)=-x_1^2-x_2^2<0,当\left \| x \right \| \to \infty时,V(x) \to \infty,所以原点全局渐进稳定。

注意:选择不同的V函数,可能得到不同的结果,但得到的结论是不矛盾的。找到“好”的V函数,需要经验和运气。

例:判断下述系统在原点处的稳定性

\left\{\begin{matrix} \dot{x_1}=- x_1^3+x_2^4\\ \dot{x_2}=- x_2^3 + x_1^4 \end{matrix}\right.

解:原点是平衡点但不唯一(点(1,1)同为平衡点)。线性化方法失效(A矩阵为零)。

V(x)=0.5(x_1^2+x_2^2)>0,则\dot{V}(x)=-x_1^4(1-x_2)-x_2^4(1-x_1)

x_1<1x_2<1的区域内(原点是该区域的内点),\dot{V}(x)<0,该系统在原点处是渐近稳定的。(虽然当\left \| x \right \| \to \infty时,V(x) \to \infty,当\dot{V}(x)<0限制了区域都并非大范围渐进稳定)。

 

三、李雅普诺夫函数的构造方法

对于非线性系统,没有一种构造李雅普诺夫函数的通用方法。人们通常凭经验和技巧选取李雅普诺夫函数,最常见的是二次型函数,有些方法适用于一些特定情形,如克拉索夫斯基方法变量梯度法偶函数法等方法。

3.1、克拉索夫斯基方法(Krasovskii)

考虑如下非线性系统\dot{x}=f(x),其中f(x)存在连续偏导数。定义雅克比矩阵:

F(x)= \frac{\partial f}{\partial x}=\begin{bmatrix} \frac{\partial f_1}{\partial x_1} & \dots & \frac{\partial f_1}{\partial x_n} \\ \vdots & \vdots & \vdots\\ \frac{\partial f_n}{\partial x_1} & \dots & \frac{\partial f_n}{\partial x_n} \end{bmatrix}

 

待续》》》

 

 

 

 

 

 

 

 

相关推荐
©️2020 CSDN 皮肤主题: 编程工作室 设计师:CSDN官方博客 返回首页