› 状态空间分析 返回
控制理论

状态空间分析——能控性、能观性与极点配置

输入矩阵A、B、C、D,自动判断能控性与能观性,在s平面绘制特征值,通过Ackermann公式设计状态反馈,并仿真闭环阶跃响应。

系统阶数与预设
系统矩阵
A 矩阵 (N×N)
B 矩阵 (N×1)
C 矩阵 (1×N)
D(标量)
期望闭环极点(极点配置)
极点(逗号分隔)
例:-2,-3 或 -1+2j,-1-2j(共轭复数对)
状态空间轨迹(相图)

从初始状态实时绘制状态轨迹。特征值在左半平面时螺旋收敛到原点(稳定焦点),在右半平面时发散,在虚轴上时为闭轨道(中心)。与下方的 y(t) 同步。

预设:
—
特征值(极点)
—
稳定性
—
能控?
—
能观?
—
固有角频率 ωₙ
—
阻尼比 ζ
—
当前状态
—
时刻 t
输出 y(t)(与轨迹同步)
计算结果
—
能控性秩
—
能观性秩
—
开环稳定性
—
闭环稳定性
Poles
理论与主要公式

状态空间基本公式

$$\dot{x}= Ax + Bu, \quad y = Cx + Du$$

能控性矩阵:$\mathcal{C}= [B \;|\; AB \;|\; A^2B \;|\; \ldots]$

能观性矩阵:$\mathcal{O}= [C;\; CA;\; CA^2;\; \ldots]^T$

传递函数:$H(s) = C(sI-A)^{-1}B + D$

什么是状态空间表示·能控性·能观性分析

🙋
“能控性”和“能观性”是什么?在教科书里见过,但不太明白具体能做什么。
🎓
大致来说,它们就像一种“体检”:能否让机器人或机器按意愿运动(能控),能否从外部掌握其内部状态(能观)。例如在本模拟器中随意输入 A、B、C 矩阵并点击“执行分析”,就能立刻判断是否能控、能观。
🙋
原来如此!那如果显示“不能控”怎么办?是说这样就没法控制了吗?
🎓
没错。不过事情并没有到此结束。实际中可以只提取想要控制的模态,考虑局部控制。在本工具中,在“期望闭环极点”栏输入期望的极点位置(例如 -2,-3 或 -1+2j,-1-2j),就会用 Ackermann 公式自动计算状态反馈增益 K。不过这一功能只在系统能控时才能使用。
🙋
明白了!能观性的判断有什么用?和观测器有关吗?
🎓
很敏锐!观测器是估计无法测量的内部状态的“状态估计器”,其设计以能观性为条件。本工具没有观测器设计功能,但看能观性秩就能判断能否从输出 y 估计全部状态。最后在“阶跃响应”选项卡中看看极点配置后闭环系统的响应吧,你会体会到极点越往左移,响应越快。

物理模型与主要公式

状态空间模型用一阶联立微分方程表示系统的动态行为,这是所有分析的出发点。

$$\dot{x}(t) = A x(t) + B u(t), \quad y(t) = C x(t) + D u(t)$$

$x$:状态向量(内部变量),$u$:输入向量,$y$:输出向量,$A$:系统矩阵(动态特性),$B$:输入矩阵,$C$:输出矩阵,$D$:直接传递矩阵。

能控性和能观性通过检查以下矩阵(能控性矩阵 $\mathcal{C}$、能观性矩阵 $\mathcal{O}$)的秩(独立行或列的个数)来判断,其中 $n$ 为状态维数。

$$\mathcal{C}= \begin{bmatrix}B & AB & A^2B & \cdots & A^{n-1}B \end{bmatrix}, \quad \mathcal{O}= \begin{bmatrix}C \\ CA \\ CA^2 \\ \vdots \\ CA^{n-1}\end{bmatrix}$$

$\mathrm{rank}(\mathcal{C}) = n$ 则能控,$\mathrm{rank}(\mathcal{O}) = n$ 则能观。秩不足意味着存在无法控制或观测的状态。

常见问题

首先确认系统矩阵 A 的特征值以及 B、C 中对应的模态。不能控、不能观的原因是某些模态没有与输入或输出耦合。建议检查是否存在建模错误,或是否包含物理上无法控制、观测的状态。
系统不能控(能控性矩阵奇异)时,或复数极点没有以共轭对的形式指定时,不会计算也不会显示增益 K。请先确认能控性矩阵的秩是否等于状态数 n,并把复数极点成对输入,如 -1+2j,-1-2j。极点个数少于阶数时,缺少的部分按 −1 处理;多出的部分会被忽略。
配置的极点不在复平面左半部分(实部为正)时,闭环系统不稳定。配置极点时请确认所有极点的实部都为负。另外,本工具的阶跃响应用步长 0.02 秒的欧拉法计算,因此如果指定极快的极点,例如放在 −100 以左,即使物理上稳定也可能在数值上发散。
靠近原点的特征值对应响应非常慢的模态。即使能控性、能观性没有问题,如果不通过极点配置把这些模态移到左半平面,调节时间也会很长。另外,本工具会把计算误差造成的微小值(绝对值小于 10⁻⁹)显示为 0。

现实世界中的应用

机械臂控制:要同时把多个关节(状态)准确地移动到目标位置,系统必须能控。另外,当并非所有关节角都装有传感器时,需要设计观测器来估计角度,而这要求系统能观。

汽车主动悬架:控制车身姿态(俯仰、侧倾)以提高乘坐舒适性和稳定性。把由 FEM 等得到的车身模型转换为状态空间表示,确认能控性后,通过状态反馈计算最优的阻尼力。

航空器(飞行控制):飞机的姿态(俯仰、滚转)中多个状态强烈耦合。按满足能控性的方式配置舵面(副翼、升降舵),使飞行员的操作(输入)能控制所有姿态模态。

化工厂过程控制:需要用有限的阀门和加热器(输入)控制反应器的温度、压力、浓度等状态,并用有限的传感器(输出)进行监测。工厂规模越大,能控性·能观性分析在设计中就越重要。

常见误解与注意事项

首先,“能控/能观”并不等于“性能好”,这一点要牢记。它是“原理上能否控制/观测”的二值判断。例如即使系统能控,把极点配置在 -1 和 -2 响应会很慢,配置在 -10 和 -20 虽然快,但控制输入可能大到无法实现。性能取决于增益设计。

其次,注意数值计算的局限。本工具内部也会计算矩阵的秩,但当状态数增加或矩阵病态(ill-conditioned)时,数学上满秩的矩阵在数值计算中可能被判为降秩。例如具有两个极为接近的特征值的系统就要特别注意。实际中常通过查看能控性/能观性矩阵的奇异值来评价“在多大程度上”能控/能观(能控/能观格拉姆矩阵)。

最后,模型与现实之间的差距。输入工具的 A、B、C 矩阵只是你所设想的“模型”的表示。如果它不能准确代表真实的物理系统,即使在工具上设计得很完美,实际也不一定能正常工作。例如忽略摩擦和齿隙的机械臂模型,仿真可能完美,实机却可能振动。

使用指南

  1. 在输入表单中输入状态空间矩阵 A、B、C、D(例如二阶系统 A=[0 1; 0 -5]、B=[0; 2])
  2. 对能控性矩阵 [B AB] 和能观性矩阵 [C; CA] 进行秩判定,确认系统是否完全能控、完全能观
  3. 在“期望闭环极点”中用逗号分隔输入目标极点(例如 -2+3j,-2-3j),会自动计算闭环反馈增益 K,并显示闭环特征值和阶跃响应

具体计算示例

三阶位置控制模型:A=[0 1 0; 0 0 1; 0 −10 −5]、B=[0; 0; 10]、C=[1 0 0] 时,判定能控性秩=3、能观性秩=3(完全能控、完全能观)。开环特征值为 0 和 −2.5±1.94j,由于原点处有极点(积分环节),系统不是渐近稳定的。在期望闭环极点中输入“-3,-4+2j,-4-2j”,得到 K=[6, 3.4, 0.6],闭环特征值变为 −3、−4±2j。由最慢的极点 −3 可知,阶跃响应的 2% 调节时间约为 4/3≈1.3 秒。由于没有对参考输入做增益补偿,输出的稳态值不是 1,而是 10/60≈0.167。

实务注意事项

  1. 能观性秩不足时(例如压力传感器布置不当,存在无法观测的振动模态),必须设计观测器,并另外推导观测增益 L
  2. 能控性秩小于系统阶数时,不能控的部分模态(如不稳定极点)无法消除,需要从根本上重新审视系统构成
  3. 极点配置时,若把目标极点放得过于靠左(例如 -50 以下),增益 K 会过大,实现时饱和和噪声放大的风险急剧增加