Назад

редактировать
Техника нелинейной теории управления

В теории управления отступление - это метод, разработанный около 1990 г., автор Петар В. Кокотович и другие за разработку стабилизирующих элементов управления для специального класса нелинейных динамических систем. Эти системы построены из подсистем, исходящих из несводимой подсистемы, которую можно стабилизировать каким-либо другим методом. Благодаря этой рекурсивной структуре разработчик может начать процесс проектирования в заведомо стабильной системе и «откатить» новые контроллеры, которые постепенно стабилизируют каждую внешнюю подсистему. Процесс завершается, когда достигается окончательное внешнее управление. Следовательно, этот процесс известен как обратный шаг.

Содержание

  • 1 Обратный шаг
  • 2 Обзор конструкции рекурсивного управления
  • 3 Обратный шаг интегратора
    • 3.1 Равновесие одного интегратора
    • 3.2 Обратный шаг одного интегратора
    • 3.3 Пример мотивации: обратный шаг с двумя интеграторами
    • 3.4 Обратный шаг с несколькими интеграторами
  • 4 Общий шаг назад
    • 4.1 Одношаговая процедура
    • 4.2 Многоступенчатая процедура
  • 5 См. Также
  • 6 Ссылки

Подход с обратным шагом

Подход с обратным шагом предоставляет рекурсивный метод для стабилизации источника системы в строгом- форма обратной связи. То есть рассмотрим систему вида

{x ˙ = fx (x) + gx (x) z 1 z ˙ 1 = f 1 (x, z 1) + g 1 (x, z 1) z 2 z ˙ 2 = f 2 (x, z 1, z 2) + g 2 (x, z 1, z 2) z 3 ⋮ z ˙ i = fi (x, z 1, z 2, …, Zi - 1, zi) + gi (x, z 1, z 2,…, zi - 1, zi) zi + 1 для 1 ≤ i < k − 1 ⋮ z ˙ k − 1 = f k − 1 ( x, z 1, z 2, …, z k − 1) + g k − 1 ( x, z 1, z 2, …, z k − 1) z k z ˙ k = f k ( x, z 1, z 2, …, z k − 1, z k) + g k ( x, z 1, z 2, …, z k − 1, z k) u {\displaystyle {\begin{aligned}{\begin{cases}{\dot {\mathbf {x} }}=f_{x}(\mathbf {x})+g_{x}(\mathbf {x})z_{1}\\{\dot {z}}_{1}=f_{1}(\mathbf {x},z_{1})+g_{1}(\mathbf {x},z_{1})z_{2}\\{\dot {z}}_{2}=f_{2}(\mathbf {x},z_{1},z_{2})+g_{2}(\mathbf {x},z_{1},z_{2})z_{3}\\\vdots \\{\dot {z}}_{i}=f_{i}(\mathbf {x},z_{1},z_{2},\ldots,z_{i-1},z_{i})+g_{i}(\mathbf {x},z_{1},z_{2},\ldots,z_{i-1},z_{i})z_{i+1}\quad {\text{ for }}1\leq i{\ displaystyle {\ begin {align} {\ begin {cases} { \ dot {\ mathbf {x}}} = f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) z_ {1} \\ {\ dot {z}} _ { 1} = f_ {1} (\ mathbf {x}, z_ {1}) + g_ {1} (\ mathbf {x}, z_ {1}) z_ {2} \\ {\ dot {z}} _ {2} = f_ {2} (\ mathbf {x}, z_ {1}, z_ {2}) + g_ {2} (\ mathbf {x}, z_ {1}, z_ {2}) z_ {3} \\\ vdots \\ {\ dot {z}} _ {i} = f_ {i} (\ mathbf {x}, z_ {1}, z_ {2}, \ ldots, z_ {i- 1}, z_ {i}) + g_ {i} (\ mathbf {x}, z_ {1}, z_ {2}, \ ldots, z_ {i-1}, z_ {i}) z_ {i + 1 } \ quad {\ text {for}} 1 \ leq i <k-1 \\\ vdots \\ {\ dot {z}} _ {k-1} = f_ {k-1} (\ mathbf {x }, z_ {1}, z_ {2}, \ ldots, z_ {k-1}) + g_ {k-1} (\ mathbf {x}, z_ {1}, z_ {2}, \ ldots, z_ {k-1}) z_ {k} \\ {\ dot {z}} _ {k} = f_ {k} (\ mat hbf {x}, z_ {1}, z_ {2}, \ ldots, z_ {k-1}, z_ {k}) + g_ {k} (\ mathbf {x}, z_ {1}, z_ {2 }, \ dots, z_ {k-1}, z_ {k}) u \ end {cases}} \ end {align}}}

, где

  • x ∈ R n {\ displaystyle \ mathbf {x} \ in \ mathbb {R} ^ {n}}\mathbf {x} \in \mathbb {R} ^{n}с n ≥ 1 {\ displaystyle n \ geq 1}n \ geq 1 ,
  • z 1, z 2,…, zi,…, zk - 1, zk {\ displaystyle z_ {1}, z_ {2}, \ ldots, z_ {i}, \ ldots, z_ {k-1}, z_ {k}}z_ {1}, z_ {2}, \ ldots, z_ {i}, \ ldots, z _ {{k -1}}, z_ {k} являются скаляры,
  • u - скаляр, входящий в систему,
  • fx, f 1, f 2,…, fi,…, fk - 1, fk {\ displaystyle f_ {x}, f_ {1}, f_ {2}, \ ldots, f_ {i}, \ ldots, f_ {k-1}, f_ {k}}f_{x},f_{1},f_{2},\ldots,f_{i},\ldots,f_{{k-1}},f_{k}исчезают в исходной точке (например, fi (0, 0,…, 0) = 0 {\ displaystyle f_ {i} (0,0, \ dots, 0) = 0}f_ {i} (0,0, \ dots, 0) = 0 ),
  • g 1, g 2,…, gi,…, Gk - 1, gk {\ displaystyle g_ {1}, g_ {2}, \ ldots, g_ {i}, \ ldots, g_ {k-1}, g_ {k}}g_{1},g_{2},\ldots,g_{i},\ldots,g_{{k-1}},g_{k}отличны от нуля в области inte остальное (т. е. gi (x, z 1,…, zk) ≠ 0 {\ displaystyle g_ {i} (\ mathbf {x}, z_ {1}, \ ldots, z_ {k}) \ neq 0 }g_ {i} ({\ mathbf {x}}, z_ {1}, \ ldots, z_ {k}) \ neq 0 для 1 ≤ i ≤ k {\ displaystyle 1 \ leq i \ leq k}1 \ leq i \ leq k ).

Также предположим, что подсистема

x ˙ = fx (x) + gx (x) ux (x) {\ displaystyle {\ dot {\ mathbf {x}}} = f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) u_ {x} (\ mathbf { x})}{\ dot {{\ mathbf {x}} }} = f_ {x} ({\ mathbf {x}}) + g_ {x} ({\ mathbf {x}}) u_ {x} ({\ mathbf {x}})

стабилизировано до исходной точки (т. е. x = 0 {\ displaystyle \ mathbf {x} = \ mathbf {0} \,}{\ mathbf {x}} = {\ mathbf {0}} \, ) некоторым известным элементом управления ux (x) {\ displaystyle u_ {x} (\ mathbf {x})}u_ {x} ({\ mathbf {x}}) таким, что ux (0) знак равно 0 {\ Displaystyle u_ {x} (\ mathbf {0}) = 0}u_ {x} ({\ mathbf {0}}) = 0 . Также предполагается, что известна функция Ляпунова V x {\ displaystyle V_ {x}}V_x для этой стабильной подсистемы. То есть эта подсистема x стабилизируется каким-либо другим методом, а обратный шаг расширяет ее стабильность до оболочки z {\ displaystyle {\ textbf {z}}}{\ textbf {z}} вокруг нее.

В системах этой формы строгой обратной связи вокруг стабильной подсистемы x,

  • управляющий вход u, спроектированный в обратном направлении, оказывает самое непосредственное стабилизирующее воздействие на состояние zn {\ displaystyle z_ {n}}z_ {n} .
  • Состояние zn {\ displaystyle z_ {n}}z_ {n} затем действует как стабилизирующий элемент управления для состояния zn - 1 {\ displaystyle z_ {n -1}}z_{{n-1}}перед ним.
  • Этот процесс продолжается, так что каждое состояние zi {\ displaystyle z_ {i}}z_ {i} стабилизируется фиктивным " control "zi + 1 {\ displaystyle z_ {i + 1}}z_{{i+1}}.

Подход с обратным шагом определяет, как стабилизировать подсистему x с помощью z 1 { \ displaystyle z_ {1}}z_ {1} , а затем переходит к определению, как сделать следующее состояние z 2 {\ displaystyle z_ {2}}z_ {2} drive z 1 {\ displaystyle z_ {1}}z_ {1} к элементу управления, необходимому для стабилизации x . Следовательно, процесс «отступает» от x из системы форм строгой обратной связи до тех пор, пока не будет разработан окончательный элемент управления u.

Обзор структуры рекурсивного управления

  1. Принято, что меньшая (то есть более низкая подсистема)
    x ˙ = fx (x) + gx (x) ux (x) {\ displaystyle { \ dot {\ mathbf {x}}} = f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) u_ {x} (\ mathbf {x})}{\ dot {{\ mathbf {x}} }} = f_ {x} ({\ mathbf {x}}) + g_ {x} ({\ mathbf {x}}) u_ {x} ({\ mathbf {x}})
    - это уже стабилизирован относительно начала координат некоторым элементом управления ux (x) {\ displaystyle u_ {x} (\ mathbf {x})}u_ {x} ({\ mathbf {x}}) где ux (0) = 0 {\ displaystyle u_ {x} (\ mathbf {0}) = 0}u_ {x} ({\ mathbf {0}}) = 0 . То есть выбор u x {\ displaystyle u_ {x}}u_{x}для стабилизации этой системы должен происходить с использованием какого-либо другого метода. Также предполагается, что известна функция Ляпунова V x {\ displaystyle V_ {x}}V_x для этой стабильной подсистемы. Обратный шаг позволяет расширить контролируемую стабильность этой подсистемы на более крупную систему.
  2. Элемент управления u 1 (x, z 1) {\ displaystyle u_ {1} (\ mathbf {x}, z_ {1 })}u_ {1} ({\ mathbf {x}}, z_ {1}) спроектирована так, что система
    z ˙ 1 = f 1 (x, z 1) + g 1 (x, z 1) u 1 (x, z 1) {\ displaystyle {\ dot {z}} _ {1} = f_ {1} (\ mathbf {x}, z_ {1}) + g_ {1} (\ mathbf {x}, z_ {1}) u_ {1} ( \ mathbf {x}, z_ {1})}{ \ dot {z}} _ {1} = f_ {1} ({\ mathbf {x}}, z_ {1}) + g_ {1} ({\ mathbf {x}}, z_ {1}) u_ { 1} ({\ mathbf {x}}, z_ {1})
    стабилизируется так, что z 1 {\ displaystyle z_ {1}}z_ {1} следует желаемому ux {\ displaystyle u_ { x}}u_{x}элемент управления. Дизайн элемента управления основан на кандидате в расширенную функцию Ляпунова
    V 1 (x, z 1) = V x (x) + 1 2 (z 1 - ux (x)) 2 {\ displaystyle V_ {1} (\ mathbf {x}, z_ {1}) = V_ {x} (\ mathbf {x}) + {\ frac {1} {2}} (z_ {1} -u_ {x} (\ mathbf {x})) ^ {2}}V_ {1} ({\ mathbf {x}}, z_ {1}) = V_ {x} ({\ mathbf {x}}) + {\ frac { 1} {2}} (z_ {1} -u_ {x} ({\ mathbf {x}})) ^ {2}
    Элемент управления u 1 {\ displaystyle u_ {1}}u_{1}можно выбрать для привязки V ˙ 1 {\ displaystyle {\ dot {V} } _ {1}}{\dot {V}}_{1}от нуля.
  3. Элемент управления u 2 (x, z 1, z 2) {\ displaystyle u_ {2} (\ mathbf {x}, z_ {1}, z_ {2})}u_{2}({\mathbf {x}},z_{1},z_{2})спроектирована так, что система
    z ˙ 2 = f 2 (x, z 1, z 2) + g 2 (x, z 1, z 2) U 2 (Икс, Z 1, Z 2) {\ Displaystyle {\ точка {z}} _ {2} = F_ {2} (\ mathbf {x}, z_ {1}, z_ {2}) + g_ {2} (\ mathbf {x}, z_ {1}, z_ {2}) u_ {2} (\ mathbf {x}, z_ {1}, z_ {2})}{\ dot {z}} _ {2} = f_ {2} ({\ mathbf {x}}, z_ {1}, z_ {2}) + g_ {2} ({\ mathbf {x}}, z_ {1}, z_ {2}) u_ {2} ({\ mathbf {x}}, z_ {1}, z_ { 2})
    стабилизируется так, что z 2 {\ displaystyle z_ {2}}z_ {2} следует за желаемым элементом u 1 {\ displaystyle u_ {1}}u_{1}. Схема управления основана на кандидате в расширенную функцию Ляпунова
    V 2 (x, z 1, z 2) = V 1 (x, z 1) + 1 2 (z 2 - u 1 (x, z 1)) 2 {\ displaystyle V_ {2} (\ mathbf {x}, z_ {1}, z_ {2}) = V_ {1} (\ mathbf {x}, z_ {1}) + {\ frac {1} { 2}} (z_ {2} -u_ {1} (\ mathbf {x}, z_ {1})) ^ {2}}V_{2}({\mathbf {x}},z_{1},z_{2})=V_{1}({\mathbf {x}},z_{1})+{\frac {1}{2}}(z_{2}-u_{1}({\mathbf {x}},z_{1}))^{2}
    Элемент управления u 2 {\ displaystyle u_ {2}}u_ {2} можно выбрать для привязки V ˙ 2 {\ displaystyle {\ dot {V}} _ {2}}{\dot {V}}_{2}от нуля.
  4. Этот процесс продолжается до фактического u известно, и
    • реальное управление u стабилизирует zk {\ displaystyle z_ {k}}z_ {k} до фиктивного управления uk - 1 {\ displaystyle u_ {k- 1}}u _ {{k-1}} .
    • Фиктивный элемент управления uk - 1 {\ displaystyle u_ {k-1}}u _ {{k-1}} стабилизирует zk - 1 {\ displaystyle z_ {k-1}}z_{{k-1}}к фиктивному элементу управления uk - 2 {\ displaystyle u_ {k-2}}u _ {{k- 2}} .
    • фиктивный элемент управления uk - 2 {\ displaystyle u_ {k-2}}u _ {{k- 2}} стабилизирует zk - 2 {\ displaystyle z_ {k-2}}z _ {{k-2}} до фиктивного управления uk - 3 {\ displaystyl e u_ {k-3}}u_{{k-3}}.
    • ...
    • Фиктивный элемент управления u 2 {\ displaystyle u_ {2}}u_ {2} стабилизирует z 2 {\ displaystyle z_ {2}}z_ {2} в фиктивный элемент управления u 1 {\ displaystyle u_ {1}}u_{1}.
    • фиктивный элемент управления u 1 {\ displaystyle u_ {1}}u_{1}стабилизирует z 1 {\ displaystyle z_ {1}}z_ {1} до фиктивного элемента управления ux {\ displaystyle u_ {x}}u_{x}.
    • фиктивного элемента управления ux {\ displaystyle u_ {x}}u_{x}стабилизирует x относительно начала координат.

Этот процесс известен как backstepping, потому что он начинается с требований к некоторой внутренней подсистеме для стабильность и постепенно выходит из системы, сохраняя стабильность на каждом шаге. Поскольку

  • fi {\ displaystyle f_ {i}}f_{i}исчезает в начале координат для 0 ≤ i ≤ k {\ displaystyle 0 \ leq i \ leq k}0\leq i\leq k,
  • gi {\ displaystyle g_ {i}}g_ {i} отличны от нуля для 1 ≤ i ≤ k {\ displaystyle 1 \ leq i \ leq k}1 \ leq i \ leq k ,
  • данного элемента управления ux {\ displaystyle u_ {x} }u_{x}имеет ux (0) = 0 {\ displaystyle u_ {x} (\ mathbf {0}) = 0}u_ {x} ({\ mathbf {0}}) = 0 ,

, тогда результирующая система имеет равновесие в начале (например, где x = 0 {\ displaystyle \ mathbf {x} = \ mathbf {0} \,}{\ mathbf {x}} = {\ mathbf {0}} \, , z 1 = 0 {\ displaystyle z_ {1} = 0}z_1=0, z 2 знак равно 0 {\ displaystyle z_ {2} = 0}z_2 = 0 ,..., zk - 1 = 0 {\ displaystyle z_ {k-1} = 0}z _ {{k-1}} = 0 и zk = 0 {\ displaystyle z_ {k} = 0}z_ {k} = 0 ), что глобально асимптотически стабильно.

Обратный шаг интегратора

Перед описанием процедуры обратного шага для общей формы строгой обратной связи динамических систем удобно обсудить подход для меньшего класса систем строгой обратной связи. Эти системы подключают ряд интеграторов к входу системы с известным законом управления, стабилизирующим обратную связь, и поэтому подход стабилизации известен как обратный шаг интегратора. С небольшой модификацией подход обратной связи интегратора может быть расширен для обработки всех систем форм строгой обратной связи.

Равновесие с одним интегратором

Рассмотрим динамическую систему

{x ˙ = fx (x) + gx (x) z 1 z ˙ 1 = u 1 {\ displaystyle {\ begin {case} {\ dot {\ mathbf {x}}} = f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) z_ {1} \\ {\ dot {z}} _ {1} = u_ {1} \ end {cases}}}{\ begin {cases} {\ dot {{\ mathbf {x}}}} = f_ {x} ({\ mathbf {x}}) + g_ {x} ({\ mathbf {x}}) z_ {1} \\ {\ dot {z}} _ {1} = u_ {1} \ end {cases}}

(1)

где x ∈ R n {\ displaystyle \ mathbf {x} \ in \ mathbb { R} ^ {n}}\mathbf {x} \in \mathbb {R} ^{n}и z 1 {\ displaystyle z_ {1}}z_ {1} - скаляр. Эта система представляет собой каскадное соединение интегратора с подсистемой x (т. Е. Вход u входит в интегратор, а интеграл z 1 {\ displaystyle z_ {1}}z_ {1} входит в подсистему x ).

Мы предполагаем, что fx (0) = 0 {\ displaystyle f_ {x} (\ mathbf {0}) = 0}f_ {x} ({\ mathbf {0}}) = 0 , и поэтому, если u 1 Знак равно 0 {\ displaystyle u_ {1} = 0}u_{1}=0, x = 0 {\ displaystyle \ mathbf {x} = \ mathbf {0} \,}{\ mathbf {x}} = {\ mathbf {0}} \, и z 1 = 0 { \ displaystyle z_ {1} = 0}z_{1}=0, тогда

{x ˙ = fx (0 ⏟ x) + (gx (0 ⏟ x)) (0 ⏟ z 1) = 0 + (gx (0)) (0) = 0 (т. Е. X = 0 стационарен) z ˙ 1 = 0 ⏞ u 1 (т. Е. Z 1 = 0 стационарен) {\ displaystyle {\ begin {cases} {\ dot {\ mathbf {x}}} = f_ {x} (\ underbrace {\ mathbf {0}} _ {\ mathbf {x}}) + (g_ {x} (\ underbrace {\ mathbf {0}} _ {\ mathbf {x}})) (\ underbrace {0} _ {z_ {1}}) = 0+ (g_ {x} (\ mathbf {0})) (0) = \ mathbf {0} \ quad {\ text {(т.е.}} \ mathbf {x} = \ mathbf {0} {\ text {неподвижен)}} \\ {\ dot {z}} _ {1} = \ overbrace {0} ^ {u_ { 1}} \ quad {\ text {(т.е.}} z_ {1} = 0 {\ text {стационарен)}} \ end {cases}}}{\begin{cases}{\dot {{\mathbf {x}}}}=f_{x}(\underbrace {{\mathbf {0}}}_{{{\mathbf {x}}}})+(g_{x}(\underbrace {{\mathbf {0}}}_{{{\mathbf {x}}}}))(\underbrace {0}_{{z_{1}}})=0+(g_{x}({\mathbf {0}}))(0)={\mathbf {0}}\quad {\text{ (i.e., }}{\mathbf {x}}={\mathbf {0}}{\text{ is stationary)}}\\{\dot {z}}_{1}=\overbrace {0}^{{u_{1}}}\quad {\text{ (i.e., }}z_{1}=0{\text{ is stationary)}}\end{cases}}

Итак, origin (Икс, Z 1) = (0, 0) {\ Displaystyle (\ mathbf {x}, z_ {1}) = (\ mathbf {0}, 0)}({\mathbf {x}},z_{1})=({\mathbf {0}},0)является равновесием ( т. е. стационарная точка ) системы. Если система когда-либо достигнет источника, она останется там навсегда.

Обратный шаг с одним интегратором

В этом примере обратный шаг используется для стабилизации системы с одним интегратором в уравнении (1) вокруг ее равновесия в начале координат. Чтобы быть менее точным, мы хотим разработать закон управления u 1 (x, z 1) {\ displaystyle u_ {1} (\ mathbf {x}, z_ {1})}u_ {1} ({\ mathbf {x}}, z_ {1}) , который гарантирует, что состояния (x, z 1) {\ displaystyle (\ mathbf {x}, z_ {1})}({\mathbf {x}},z_{1})вернутся к (0, 0) {\ displaystyle (\ mathbf {0}, 0)}({\mathbf {0}},0)после запуска системы из произвольного начального состояния.

  • Во-первых, по предположению, подсистема
x ˙ = F (x), где F (x) ≜ fx (x) + gx (x) ux (x) {\ displaystyle {\ dot {\ mathbf {x) }}} = F (\ mathbf {x}) \ qquad {\ text {where}} \ qquad F (\ mathbf {x}) \ треугольник f_ {x} (\ mathbf {x}) + g_ {x} ( \ mathbf {x}) u_ {x} (\ mathbf {x})}{\dot {{\mathbf {x}}}}=F({\mathbf {x}})\qquad {\text{where}}\qquad F({\mathbf {x}})\triangleq f_{x}({\mathbf {x}})+g_{x}({\mathbf {x}})u_{x}({\mathbf {x}})
с ux (0) = 0 {\ displaystyle u_ {x} (\ mathbf {0}) = 0}u_ {x} ({\ mathbf {0}}) = 0 имеет функцию Ляпунова V x (x)>0 {\ displaystyle V_ {x} (\ mathbf {x})>0}V_{x}({\mathbf {x}})>0 таким образом, чтобы
V ˙ x = ∂ V Икс ∂ Икс (FX (Икс) + GX (Икс) UX (Икс)) ≤ - W (Икс) {\ Displaystyle {\ dot {V}} _ {x} = {\ frac {\ partial V_ {x}} {\ partial \ mathbf {x}}} (f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) u_ {x} (\ mathbf {x})) \ leq -W (\ mathbf {x})}{\dot {V}}_{x}={\frac {\partial V_{x}}{\partial {\mathbf {x}}}}(f_{x}({\mathbf {x}})+g_{x}({\mathbf {x}})u_{x}({\mathbf {x}}))\leq -W({\mathbf {x}})
где W (x) {\ displaystyle W (\ mathbf {x})}W ({\ mathbf {x}}) - положительно определенная функция. То есть, мы предполагаем, что у нас уже есть sh, что эта существующая более простая xподсистема является стабильной (в смысле Ляпунова). Грубо говоря, это понятие устойчивости означает, что:
    • Функция V x {\ displaystyle V_ {x}}V_x подобна «обобщенной энергии» подсистемы x . Когда состояния системы x удаляются от начала координат, энергия V x (x) {\ displaystyle V_ {x} (\ mathbf {x})}V_ {x} ({\ mathbf {x}}) также растет.
    • Показав, что со временем энергия V x (x (t)) {\ displaystyle V_ {x} (\ mathbf {x} (t))}V_{x}({\mathbf {x}}(t))распадается до нуля, тогда состояния x должны распадаться в сторону x = 0 {\ displaystyle \ mathbf {x} = \ mathbf {0} \,}{\ mathbf {x}} = {\ mathbf {0}} \, . То есть, начало x = 0 {\ displaystyle \ mathbf {x} = \ mathbf {0} \,}{\ mathbf {x}} = {\ mathbf {0}} \, будет устойчивым равновесием системы - x состояния будут непрерывно приближаться к началу координат с увеличением времени.
    • Говоря, что W (x) {\ displaystyle W (\ mathbf {x})}W ({\ mathbf {x}}) положительно определенный означает, что W (x)>0 {\ displaystyle W (\ mathbf {x})>0}W({\mathbf {x}})>0 везде, кроме x = 0 {\ displaystyle \ mathbf {x} = \ mathbf {0} \,}{\ mathbf {x}} = {\ mathbf {0}} \, и W (0) = 0 {\ displaystyle W (\ mathbf {0}) = 0}W ({\ mathbf {0}}) = 0 .
    • Утверждение, что V ˙ x ≤ - W (x) {\ displaystyle {\ dot {V}} _ {x} \ leq -W (\ mathbf {x})}{\dot {V}}_{x}\leq -W({\mathbf {x}})означает, что V ˙ x {\ displaystyle {\ dot {V} } _ {x}}{\dot {V}}_{x}отделен от нуля для всех точек, кроме тех, где x = 0 {\ displaystyle \ mathbf {x} = \ mathbf {0} \,}{\ mathbf {x}} = {\ mathbf {0}} \, . То есть до тех пор, пока система не находится в равновесии в начале координат, его "энергия" будет уменьшаться.
    • Поскольку энергия всегда уменьшается, система должна быть стабильной; его траектории должны приближаться к началу координат.
Наша задача - найти элемент управления u, который делает наш каскадный (x, z 1) {\ displaystyle (\ mathbf {x}, z_ {1})}({\mathbf {x}},z_{1})система также стабильна. Таким образом, мы должны найти новую функцию Ляпунова кандидата для этой новой системы. Этот кандидат будет зависеть от элемента управления u, и, правильно выбрав элемент управления, мы можем гарантировать, что он также везде распадается.
  • Затем, добавляя и, вычитая gx (x) ux (x) {\ displaystyle g_ {x} (\ mathbf {x}) u_ {x} (\ mathbf {x})}g_ {x} ({\ mathbf {x}}) u_ {x } ({\ mathbf {x}}) (т.е. мы никоим образом не меняем систему, потому что мы не влияют) на x ˙ {\ displaystyle {\ dot {\ mathbf {x}}}}{\dot {{\mathbf {x}}}}часть большего (x, z 1) {\ displaystyle ( \ mathbf {x}, z_ {1})}({\mathbf {x}},z_{1})система, она становится
{x ˙ = fx (x) + gx (x) z 1 + (gx (x) ux (x) - gx (x) ux (x)) ⏟ 0 z ˙ 1 знак равно U 1 {\ displaystyle {\ begin {cases} {\ dot {\ mathbf {x}}} = f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) z_ {1} + {\ mathord {\ underbrace {\ left (g_ {x} (\ mathbf {x}) u_ {x} (\ mathbf {x}) - g_ {x} (\ mathbf {x}) u_ {x} (\ mathbf {x}) \ right)} _ {0}}} \\ {\ dot {z}} _ {1} = u_ {1} \ end {ases}}}{\begin{cases}{\dot {{\mathbf {x}}}}=f_{x}({\mathbf {x}})+g_{x}({\mathbf {x}})z_{1}+{\mathord {\underbrace {\left(g_{x}({\mathbf {x}})u_{x}({\mathbf {x}})-g_{x}({\mathbf {x}})u_{x}({\mathbf {x}})\right)}_{{0}}}}\\{\dot {z}}_{1}=u_{1}\end{cases}}
которые мы можем перегруппировать, чтобы получить
{x ˙ = (fx (x) + gx (x) ux (x)) ⏟ F (x) + gx (x) (z 1 - ux (x)) ⏟ z 1 отслеживание ошибок uxz ˙ 1 = u 1 {\ displaystyle {\ begin {cases} {\ dot {x}} = {\ mathord {\ underbrace {\ left (f_ {x} (\ mathbf {x}) + g_ { x} (\ mathbf {x}) u_ {x} (\ mathbf {x}) \ right)} _ {F (\ mathbf {x})}}} + g_ {x} (\ mathbf {x}) \ underbrace {\ left (z_ {1} -u_ {x} (\ mathbf {x}) \ right)} _ {z_ {1} {\ text {отслеживание ошибок}} u_ {x}} \\ {\ dot { z}} _ {1} = u_ {1} \ end {cases}}}{\ begin {case} {\ dot {x}} = {\ mathord {\ underbrace {\ left (f_ {x} ({\ mathbf {x}}) + g_ {x} ({\ mathbf {x}})) u_ {x} ({\ mathbf {x}}) \ right)} _ {{F ({\ mathbf {x}})}}}} + g_ {x} ({\ mathbf {x}}) \ underbrace {\ left (z_ {1} -u_ {x} ({\ mathbf {x}}) \ right)} _ {{z_ {1} {\ text {error tracking}} u_ {x}}} \\ {\ dot {z}} _ {1} = u_ {1} \ end {cases}}
Итак, наша каскадная суперсистема инкапсулирует известный стабильный x ˙ = F (x) {\ displaystyle {\ dot {\ mathbf {x}}} = F (\ mathbf {x})}{\ dot { {\ mathbf {x}}}} = F ({\ mathbf {x}}) подсистема плюс некоторое возмущение ошибки, генерируемое интегратором.
  • Теперь мы можем изменять переменные из (x, z 1) { \ Displaystyle (\ mathbf {x}, z_ {1})}({\mathbf {x}},z_{1})до (x, e 1) {\ displaystyle (\ mathbf {x}, e_ {1})}({\ mathbf {x}}, e_ {1}) , позволяя e 1 ≜ z 1 - ux (x) {\ displaystyle e_ {1} \ треугольник z_ {1} -u_ {x} (\ mathbf {x})}e_{1}\triangleq z_{1}-u_{x}({\mathbf {x}}). Итак,
{x ˙ = (fx (x) + gx (x) ux (x)) + gx (x) e 1 e ˙ 1 = u 1 - u ˙ x {\ displaystyle {\ begin {cases} { \ dot {\ mathbf {x}}} = (f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) u_ {x} (\ mathbf {x})) + g_ { x} (\ mathbf {x}) e_ {1} \\ {\ dot {e}} _ {1} = u_ {1} - {\ dot {u}} _ {x} \ end {cases}}}{\begin{cases}{\dot {{\mathbf {x}}}}=(f_{x}({\mathbf {x}})+g_{x}({\mathbf {x}})u_{x}({\mathbf {x}}))+g_{x}({\mathbf {x}})e_{1}\\{\dot {e}}_{1}=u_{1}-{\dot {u}}_{x}\end{cases}}
Кроме того, мы позволяем v 1 ≜ u 1 - u ˙ x {\ displaystyle v_ {1} \ треугольник u_ {1} - {\ dot {u}} _ {x}}v_ {1} \ треугольник u_ {1} - {\ dot {u}} _ {x} так что u 1 = v 1 + u ˙ x {\ displaystyle u_ {1} = v_ {1} + {\ dot {u}} _ {x}}u_ {1} = v_ {1} + {\ dot {u}} _ {x} и
{Икс ˙ знак равно (FX (Икс) + GX (Икс) UX (Икс)) + GX (Икс) е 1 е ˙ 1 = v 1 {\ Displaystyle {\ begin {case} {\ dot {\ mathbf {x} }} = (f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) u_ {x} (\ mathbf {x})) + g_ {x} (\ mathbf {x}) e_ {1} \\ {\ dot {e}} _ {1} = v_ {1} \ end {cases}}}{\begin{cases}{\dot {{\mathbf {x}}}}=(f_{x}({\mathbf {x}})+g_{x}({\mathbf {x}})u_{x}({\mathbf {x}}))+g_{x}({\mathbf {x}})e_{1}\\{\dot {e}}_{1}=v_{1}\end{cases}}
Мы стремимся стабилизировать эту систему ошибок путем обратной связи через новый элемент управления v 1 {\ displaystyle v_ {1}}v_ {1} . За счет стабилизации системы на e 1 = 0 {\ displaystyle e_ {1} = 0}e_{1}=0состояние z 1 {\ displaystyle z_ {1}}z_ {1} будет отслеживать желаемый элемент управления ux {\ displaystyle u_ {x}}u_{x}, что приведет к стабилизации внутренней подсистемы x .
  • Из нашей существующей функции Ляпунова V x {\ displaystyle V_ {x}}V_x , мы определяем кандидата в расширенную функцию Ляпунова
V 1 (x, e 1) ≜ V x (x) + 1 2 e 1 2 {\ displaystyle V_ {1} (\ mathbf {x}, e_ {1}) \ треугольник V_ {x} (\ mathbf {x}) + {\ frac {1} {2}} e_ {1} ^ {2}}V_ {1} ({\ mathbf {x} }, e_ {1}) \ треугольник V_ {x} ({\ mathbf {x}}) + {\ frac {1} {2}} e_ {1} ^ {2}
So
V ˙ 1 = V ˙ x (x) + 1 2 (2 e 1 e ˙ 1) = V ˙ x (x) + e 1 e ˙ 1 = V ˙ x (x) + e 1 v 1 ⏞ e ˙ 1 = ∂ V x ∂ xx ˙ ⏟ (т.е. d ⁡ xd ⁡ t) ⏞ V ˙ x (т.е. d ie V xd ⁡ t) + e 1 v 1 = ∂ V x ∂ x ((fx (x) + gx (x) ux (x)) + gx (x) e 1) ⏟ x ˙ ⏞ V ˙ x + e 1 v 1 {\ displaystyle {\ begin {align} {\ dot {V}} _ {1} = {\ dot {V}} _ {x} (\ mathbf {x}) + {\ frac {1} {2}} \ left (2e_ {1} {\ dot {e}} _ {1} \ справа) \\ = {\ dot {V}} _ {x} (\ mathbf {x}) + e_ {1} {\ dot {e}} _ {1} \\ = {\ d ot {V}} _ {x} (\ mathbf {x}) + e_ {1} \ overbrace {v_ {1}} ^ {{\ dot {e}} _ {1}} \\ = \ overbrace { {\ frac {\ partial V_ {x}} {\ partial \ mathbf {x}}} \ underbrace {\ dot {\ mathbf {x}}} _ {{\ text {(т.е.}} {\ frac {\ имя оператора {d} \ mathbf {x}} {\ operatorname {d} t}} {\ text {)}}}} ^ {{\ dot {V}} _ {x} {\ text {(т.е.}} {\ frac {\ operatorname {d} V_ {x}} {\ operatorname {d} t}} {\ text {)}}} + e_ {1} v_ {1} \\ = \ overbrace {{\ frac {\ partial V_ {x}} {\ partial \ mathbf {x}}} \ underbrace {\ left ((f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) u_ { x} (\ mathbf {x})) + g_ {x} (\ mathbf {x}) e_ {1} \ right)} _ {\ dot {\ mathbf {x}}}} ^ {{\ dot {V }} _ {x}} + e_ {1} v_ {1} \ end {align}}}{\ displaystyle {\ begin {align} {\ dot {V}} _ {1} = {\ dot {V}} _ {x} ( \ mathbf {x}) + {\ frac {1} {2}} \ left (2e_ {1} {\ dot {e}} _ {1} \ right) \\ = {\ dot {V}} _ {x} (\ mathbf {x}) + e_ {1} {\ dot {e}} _ {1} \\ = {\ dot {V}} _ {x} (\ mathbf {x}) + e_ {1} \ overbrace {v_ {1}} ^ {{\ dot {e}} _ {1}} \\ = \ overbrace {{\ frac {\ partial V_ {x}} {\ partial \ mathbf {x }}} \ underbrace {\ dot {\ mathbf {x}}} _ {{\ text {(т.е.}} {\ frac {\ operatorname {d} \ mathbf {x}} {\ operatorname {d} t} } {\ text {)}}}} ^ {{\ dot {V}} _ {x} {\ text {(т.е.}} {\ frac {\ operatorname {d} V_ {x}} {\ operatorname { d} t}} {\ text {)}}} + e_ {1} v_ {1} \ \ = \ overbrace {{\ frac {\ partial V_ {x}} {\ partial \ mathbf {x}}} \ underbrace {\ left ((f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) u_ {x} (\ mathbf {x})) + g_ {x} (\ mathbf {x}) e_ {1} \ right)} _ {\ dot {\ mathbf {x}} }} ^ {{\ dot {V}} _ {x}} + e_ {1} v_ {1} \ end {align}}}
Распределяя ∂ V x / ∂ x {\ displaystyle \ partial V_ {x} / \ partial \ mathbf {x}}\partial V_{x}/\partial {\mathbf {x}}, мы видим, что
V ˙ 1 = ∂ V x ∂ x (fx (x) + gx (x) ux (x)) ⏞ ≤ - W (x) + ∂ V x ∂ xgx (x) e 1 + e 1 v 1 ≤ - W (x) + ∂ V x ∂ xgx (x) e 1 + e 1 v 1 {\ displaystyle {\ dot {V}} _ {1 } = \ overbrace {{\ frac {\ partial V_ {x}} {\ partial \ mathbf {x}}} (f_ {x} (\ mathbf {x}) + g_ {x} (\ math bf {x}) u_ {x} (\ mathbf {x}))} ^ {{} \ leq -W (\ mathbf {x})} + {\ frac {\ partial V_ {x}} {\ partial \ mathbf {x}}} g_ {x} (\ mathbf {x}) e_ {1} + e_ {1} v_ {1} \ leq -W (\ mathbf {x}) + {\ frac {\ partial V_ { x}} {\ partial \ mathbf {x}}} g_ {x} (\ mathbf {x}) e_ {1} + e_ {1} v_ {1}}{\dot {V}}_{1}=\overbrace {{\frac {\partial V_{x}}{\partial {\mathbf {x}}}}(f_{x}({\mathbf {x}})+g_{x}({\mathbf {x}})u_{x}({\mathbf {x}}))}^{{{}\leq -W({\mathbf {x}})}}+{\frac {\partial V_{x}}{\partial {\mathbf {x}}}}g_{x}({\mathbf {x}})e_{1}+e_{1}v_{1}\leq -W({\mathbf {x}})+{\frac {\partial V_{x}}{\partial {\mathbf {x}}}}g_{x}({\mathbf {x}})e_{1}+e_{1}v_{1}
Чтобы гарантировать, что V ˙ 1 ≤ - W (x) < 0 {\displaystyle {\dot {V}}_{1}\leq -W(\mathbf {x})<0}{\dot {V}}_{1}\leq -W({\mathbf {x}})<0(т.е. для обеспечения устойчивости надсистемы) мы выбираем закон управления
v 1 = - ∂ V x ∂ xgx (x) - k 1 e 1 {\ displaystyle v_ {1} = - {\ frac {\ partial V_ {x}} {\ partial \ mathbf {x}}} g_ {x} (\ mathbf {x}) -k_ {1} e_ {1 }}v_ {1} = - {\ frac {\ частичный V_ {x}} {\ partial {\ mathbf {x}}}} g_ {x} ({\ mathbf {x}}) - k_ {1} e_ {1}
с k 1>0 {\ displaystyle k_ {1}>0}k_{1}>0 и поэтому
V ˙ 1 = - W (x) + ∂ V x ∂ xgx (x) e 1 + e 1 (- ∂ В Икс ∂ xgx (Икс) - К 1 е 1) ⏞ v 1 {\ Displaystyle {\ dot {V}} _ {1} = - W (\ mathbf {x}) + {\ frac {\ partial V_ {x}} {\ partial \ mathbf {x}}} g_ {x} (\ mathbf {x}) e_ {1} + e_ {1} \ overbrace {\ left (- {\ frac {\ partial V_ { x}} {\ partial \ mathbf {x}}} g_ {x} (\ mathbf {x}) -k_ {1} e_ {1} \ right)} ^ {v_ {1}}}{\ dot {V}} _ {1} = - W ({\ mathbf { x}}) + {\ frac {\ partial V_ {x}} {\ partial {\ mathbf {x}}}} g_ {x} ({\ mathbf {x}}) e_ {1} + e_ {1} \ overbrace {\ left (- {\ frac {\ partial V_ {x}} {\ partial {\ mathbf {x}}}} g_ {x} ({\ mathbf {x}}) - k_ {1} e_ { 1} \ right)} ^ {{v_ {1}}}
После распределения e 1 {\ Displaystyle e_ {1}}e_ {1} через,
V ˙ 1 = - W (x) + ∂ V x ∂ xgx (x) e 1 - e 1 ∂ V x ∂ xgx (x) ⏞ 0 - k 1 e 1 2 = - W (x) - k 1 e 1 2 ≤ - W (x) < 0 {\displaystyle {\begin{aligned}{\dot {V}}_{1}=-W(\mathbf {x})+{\mathord {\overbrace {{\frac {\partial V_{x}}{\partial \mathbf {x} }}g_{x}(\mathbf {x})e_{1}-e_{1}{\frac {\partial V_{x}}{\partial \mathbf {x} }}g_{x}(\mathbf {x})} ^{0}}}-k_{1}e_{1}^{2}\\=-W(\mathbf {x})-k_{1}e_{1}^{2}\leq -W(\mathbf {x})\\<0\end{aligned}}}{\ displaystyle {\ begin {align} {\ dot {V}} _ {1} = - W (\ mathbf {x}) + {\ mathord {\ overbrace {{\ frac {\ partial V_ {x}} {\ partial \ mathbf {x}}} g_ {x} (\ mathbf {x}) e_ {1} -e_ {1} {\ frac {\ partial V_ {x}} {\ partial \ mathbf {x}}} g_ { x} (\ mathbf {x})} ^ {0}}} - k_ {1} e_ {1} ^ {2} \\ = - W (\ mathbf {x}) -k_ {1} e_ {1 } ^ {2} \ leq -W (\ mathbf {x}) \\ <0 \ end {align}}}
Итак, наш кандидат в функцию Ляпунова V 1 {\ displaystyle V_ {1}}V_{1}isистинная функция Ляпунова, и наша система устойчива в соответствии с этим законом управления v 1 {\ displaystyle v_ {1}}v_ {1} (что соответствует управлению закон u 1 {\ displaystyle u_ {1}}u_{1}потому что v 1 ≜ u 1 - u ˙ x {\ displaystyle v_ {1} \ треугольник u_ {1} - {\ dot {u}} _ {x}}v_ {1} \ треугольник u_ {1} - {\ dot {u}} _ {x} ). Используя переменные из исходной системы координат, эквивалентная функция Ляпунова
V 1 (x, z 1) ≜ V x (x) + 1 2 (z 1 - ux (x)) 2 {\ displaystyle V_ {1} (\ mathbf {x}, z_ {1}) \ треугольник V_ {x} (\ mathbf {x}) + {\ frac {1} {2}} (z_ {1} -u_ {x} (\ mathbf { x})) ^ {2}}V_ {1} ({\ mathbf {x}}, z_ {1}) \ triangleq V_{x}({\mathbf {x}})+{\frac {1}{2}}(z_{1}-u_{x}({\mathbf {x}}))^{2}

(2)

Как обсуждается ниже, эта функция Ляпунова будет использоваться снова, когда эта процедура применяется итеративно к задаче с несколькими интеграторами.
  • Наш выбор управления v 1 {\ displaystyle v_ {1}}v_ {1} в конечном итоге зависит от всех наших исходных переменных состояния. В частности, фактический закон управления, стабилизирующий обратную связь
u 1 (x, z 1) = v 1 + u ˙ x ⏟ По определению v 1 = - ∂ V x ∂ xgx (x) - k 1 (z 1 - ux (x) ⏟ e 1) ⏞ v 1 + ∂ ux ∂ x (fx (x) + gx (x) z 1 ⏟ x ˙ (т.е. d ⁡ xd ⁡ t)) ⏞ u ˙ x (т.е. d ⁡ uxd ⁡ t) {\ displaystyle \ underbrace {u_ {1} (\ mathbf {x}, z_ {1}) = v_ {1} + {\ dot {u}} _ {x}} _ {{\ text {По определению}} v_ {1}} = \ overbrace {- {\ frac {\ partial V_ {x}} {\ partial \ mathbf {x}}} g_ {x} (\ mathbf {x}) -k_ {1} (\ underbrace {z_ {1} -u_ {x} (\ mathbf {x})} _ {e_ {1}})} ^ {v_ {1}} \, + \, \ overbrace {{\ frac {\ partial u_ {x}} {\ partial \ mathbf {x}}} (\ underbrace {f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) z_ {1} } _ {{\ dot {\ mathbf {x}}} {\ text {(т.е.}} {\ frac {\ operatorname {d} \ mathbf {x}} {\ operatorname {d} t}} {\ text {)}}})} ^ {{\ dot {u}} _ {x} {\ text {(т.е.}} {\ frac {\ operatorname {d} u_ {x}} {\ operatorname {d} t }} {\ text {)}}}}\ underbrace {u_ {1} ({\ mathbf {x }}, z_ {1}) = v_ {1} + {\ dot {u}} _ {x}} _ {{{\ text {По определению}} v_ {1}}} = \ overbrace {- { \ frac {\ partial V_ {x}} {\ partial {\ mathbf {x}}}} g_ {x} ({\ mathbf {x}}) - k_ {1} (\ underbrace {z_ {1} -u_ {x} ({\ mathbf {x}})} _ {{e_ {1}}})} ^ {{v_ {1}}} \, + \, \ overbrace {{\ frac {\ partial u_ {x }} {\ partial {\ mathbf {x}}}} (\ underbrace {f_ {x} ({\ mathbf {x}}) + g_ {x} ({\ mathbf {x}}) z_ {1}} _ {{{\ dot {{\ mathbf {x}}}} {\ text {(т.е.}} {\ frac {\ operatorname {d} {\ mathbf {x}}} {\ operatorname {d} t} } {\ text {)}}}})} ^ {{{\ dot {u}} _ {x} {\ text {(т.е.}} {\ frac {\ operatorname {d} u_ {x}} { \ operatorname {d} t}} {\ text {)}}}}

(3)

Состояния x и z 1 {\ displaystyle z_ {1}}z_ {1} и функции fx {\ displaystyle f_ {x}}f_ {x} и g x {\ displaystyle g_ {x}}g_{x}поступают из системы. Функция ux {\ displaystyle u_ {x}}u_{x}происходит от нашего известного стабильного x ˙ = F (x) {\ displaystyle {\ dot {\ mathbf {x}}} = F (\ mathbf {x})}{\ dot { {\ mathbf {x}}}} = F ({\ mathbf {x}}) подсистема. Параметр gain k 1>0 {\ displaystyle k_ {1}>0}k_{1}>0 влияет на скорость сходимости или нашу систему. В соответствии с этим законом контроля наша система стабильна в исходной точке. (x, z 1) = (0, 0) {\ displaystyle (\ mathbf {x}, z_ {1}) = (\ mathbf {0}, 0)}({\mathbf {x}},z_{1})=({\mathbf {0}},0).
Напомним, что u 1 {\ displaystyle u_ {1}}u_{1}в уравнении (3) управляет входом интегратора, подключенного к подсистеме, стабилизированной по закону управления ux {\ displaystyle u_ {x}}u_{x}. Неудивительно, что элемент управления u 1 {\ displaystyle u_ {1}}u_{1}имеет u ˙ x {\ displaystyle {\ dot {u}} _ {x}}{\dot {u}}_{x}член, который будет интегрирован в соответствии с законом стабилизирующего управления u ˙ x {\ displaystyle {\ dot {u}} _ {x}}{\dot {u}}_{x}плюс некоторое смещение. Другие члены обеспечивают демпфирование, чтобы удалить это смещение и любые другие эффекты возмущения. эффекты, которые будут увеличиваться интегратором.

Итак, поскольку эта система стабилизирована с помощью обратной связи u 1 (x, z 1) {\ displaystyle u_ {1} (\ mathbf {x}, z_ {1}) }u_ {1} ({\ mathbf {x}}, z_ {1}) и имеет функцию Ляпунова V 1 (x, z 1) {\ displaystyle V_ {1} (\ mathbf {x}, z_ {1})}V_ {1 } ({\ mathbf {x}}, z_ {1}) с V ˙ 1 (x, z 1) ≤ - W (x) < 0 {\displaystyle {\dot {V}}_{1}(\mathbf {x},z_{1})\leq -W(\mathbf {x})<0}{\dot {V}}_{1}({\mathbf {x}},z_{1})\leq -W({\mathbf {x}})<0, он может использоваться как верхняя подсистема в другой каскадной системе с одним интегратором.

Мотивационный пример: обратный шаг с двумя интеграторами

Прежде чем обсуждать рекурсивную процедуру для общего случая с несколькими интеграторами, поучительно изучить рекурсию, имеющуюся в случае с двумя интеграторами. Таким образом, рассмотрим динамическую систему

{x ˙ = fx (x) + gx (x) z 1 z ˙ 1 = z 2 z ˙ 2 = u 2 {\ displaystyle {\ begin {cases} { \ dot {\ mathbf {x}}} = f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) z_ {1} \\ {\ dot {z}} _ {1 } = z_ {2} \\ {\ dot {z}} _ {2} = u_ {2} \ end {cases}}}{\begin{cases}{\dot {{\mathbf {x}}}}=f_{x}({\mathbf {x}})+g_{x}({\mathbf {x}})z_{1}\\{\dot {z}}_{1}=z_{2}\\{\dot {z}}_{2}=u_{2}\end{cases}}

(4)

где x ∈ R n {\ displaystyle \ mathbf {x} \ in \ mathbb {R} ^ {n}}\mathbf {x} \in \mathbb {R} ^{n}и z 1 {\ displaystyle z_ {1}}z_ {1} и z 2 {\ displaystyle z_ {2}}z_ {2} - скаляры. Эта система представляет собой каскадное соединение системы с одним интегратором в уравнении (1) с другим интегратором (то есть вход u 2 {\ displaystyle u_ {2}}u_ {2} поступает через интегратор, и выходной сигнал этого интегратора входит в систему в уравнении (1) с помощью входного сигнала u 1 {\ displaystyle u_ {1}}u_{1}).

Позволяя

  • y ≜ [xz 1] {\ displaystyle \ mathbf {y} \ Triangleq {\ begin {bmatrix} \ mathbf {x} \\ z_ {1} \ end {bmatrix}} \,}{\ mathbf {y}} \ треугольник {\ begin {bmatrix} {\ mathbf {x}} \\ z_ {1} \ end {bmatrix}} \, ,
  • fy (y) ≜ [fx (x) + gx (x) z 1 0] {\ displaystyle f_ {y} (\ mathbf {y}) \ треугольникq {\ begin {bmatrix} f_ {x } (\ mathbf {x}) + g_ {x} (\ mathbf {x}) z_ {1} \\ 0 \ end {bmatrix}} \,}f_ {y} ({\ mathbf {y}}) \ треугольникq {\ begin {bmatrix} f_ {x} ({\ mathbf {x}}) + g_ {x} ({\ m athbf {x}}) z_ {1} \\ 0 \ end {bmatrix}} \, ,
  • gy (y) ≜ [0 1], { \ displaystyle g_ {y} (\ mathbf {y}) \ треугольникq {\ begin {bmatrix} \ mathbf {0} \\ 1 \ end {bmatrix}}, \,}g_ {y} ({\ mathbf {y}}) \ треугольник {\ begin { bmatrix} {\ mathbf {0}} \\ 1 \ end {bmatrix}}, \,

затем система с двумя интеграторами в уравнении (4) становится системой с одним интегратором

{y ˙ = fy (y) + gy (y) z 2 (где эта подсистема y стабилизируется с помощью z 2 = u 1 (x, z 1)) z ˙ 2 = u 2. {\ displaystyle {\ begin {case} {\ dot {\ mathbf {y}}} = f_ {y} (\ mathbf {y}) + g_ {y} (\ mathbf {y}) z_ {2} \ quad {\ text {(где эта}} \ mathbf {y} {\ text {подсистема стабилизируется}} z_ {2} = u_ {1} (\ mathbf {x}, z_ {1}) {\ text {)}} \\ {\ dot {z}} _ {2} = u_ {2}. \ end {cases}}}{\ begin {cases} {\ dot {{\ mathbf { y}}}} = f_ {y} ({\ mathbf {y}}) + g_ {y} ({\ mathbf {y}}) z_ {2} \ quad {\ text {(где это}} { \ mathbf {y}} {\ text {подсистема стабилизируется}} z_ {2} = u_ {1} ({\ mathbf {x}}, z_ {1}) {\ text {)}} \\ {\ точка {z}} _ {2} = u_ {2}. \ end {cases}}

(5)

По процедуре с одним интегратором закон управления uy (y) ≜ U 1 (x, z 1) {\ displaystyle u_ {y} (\ mathbf {y}) \ треугольник u_ {1} (\ mathbf {x}, z_ {1})}u_{y}({\mathbf {y}})\triangleq u_{1}({\mathbf {x}},z_{1})стабилизирует верхнюю подсистему z 2 {\ displaystyle z_ {2}}z_ {2} -to- y с помощью функции Ляпунова V 1 (x, z 1) {\ displaystyle V_ {1} (\ mathbf {x}, z_ {1})}V_ {1 } ({\ mathbf {x}}, z_ {1}) , и поэтому Equation (5) представляет собой новую систему с одним интегратором, которая структурно эквивалентна системе с одним -интегратор в уравнении (1). Таким образом, стабилизирующее управление u 2 {\ displaystyle u_ {2}}u_ {2} можно найти с помощью той же процедуры с одним интегратором, которая использовалась для поиска u 1 {\ displaystyle u_ {1} }u_{1}.

Обратный шаг с несколькими интеграторами

В случае с двумя интеграторами верхняя подсистема с одним интегратором была стабилизирована, давая новую систему с одним интегратором, которую можно стабилизировать аналогичным образом. Эта рекурсивная процедура может быть расширена для обработки любого конечного числа интеграторов. Это утверждение можно формально доказать с помощью математической индукции. Здесь стабилизированная система с несколькими интеграторами построена из подсистем уже стабилизированных подсистем с несколькими интеграторами.

x ˙ = fx (x) + gx (x) ux {\ displaystyle {\ dot {\ mathbf {x}}} = f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) u_ {x}}{\dot {{\mathbf {x}}}}=f_{x}({\mathbf {x}})+g_{x}({\mathbf {x}})u_{x}
со скалярным вводом ux {\ displaystyle u_ {x}}u_{x}и состояниями вывода Икс = [Икс 1, Икс 2,…, Хn] T ∈ R N {\ Displaystyle \ mathbf {x} = [x_ {1}, x_ {2}, \ ldots, x_ {n}] ^ {\ текст {T}} \ in \ mathbb {R} ^ {n}}{\ mathbf {x}} = [x_ {1}, x_ {2}, \ ldots, x_ {n}] ^ {{{\ text {T}}}} \ in {\ mathbb {R}} ^ {n} . Предположим, что
    • fx (x) = 0 {\ displaystyle f_ {x} (\ mathbf {x}) = \ mathbf {0}}f_ {x} ({\ mathbf {x}}) = {\ mathbf {0}} , так что нулевой ввод (т. Е. ux = 0 {\ displaystyle u_ {x} = 0}u_{x}=0) система стационарна в начале координат x = 0 {\ displaystyle \ mathbf {x} = \ mathbf { 0} \,}{\ mathbf {x}} = {\ mathbf {0}} \, . В этом случае начало координат называется равновесием системы.
    • Закон управления с обратной связью ux (x) {\ displaystyle u_ {x} (\ mathbf {x})}u_ {x} ({\ mathbf {x}}) стабилизирует систему в точке равновесия в начале координат.
    • A Функция Ляпунова, соответствующая этой системе, описывается как V x (x) {\ displaystyle V_ {x} (\ mathbf {x})}V_ {x} ({\ mathbf {x}}) .
То есть, если выходные состояния x передаются обратно на вход ux {\ displaystyle u_ {x}}u_{x}по закону управления ux (x) {\ displaystyle u_ {x} (\ mathbf {x})}u_ {x} ({\ mathbf {x}}) , то выходные состояния (и функция Ляпунова) возвращаются в начало координат после одного возмущения (например, после ненулевого начального условия или резкое возмущение). Эта подсистема стабилизирована законом управления с обратной связью ux {\ displaystyle u_ {x}}u_{x}.
  • Затем подключите интегратор к входу ux {\ displaystyle u_ {x}}u_{x}, чтобы расширенная система имела входные u 1 {\ displaystyle u_ {1}}u_{1}(для интегратора) и выходные состояния x . Полученная расширенная динамическая система имеет вид
{x ˙ = fx (x) + gx (x) z 1 z ˙ 1 = u 1 {\ displaystyle {\ begin {cases} {\ dot {\ mathbf {x}}}} = f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) z_ {1} \\ {\ dot {z}} _ {1} = u_ {1} \ end {случаях }}}{\ begin {cases} {\ dot {{\ mathbf {x}}}} = f_ {x} ({\ mathbf {x}}) + g_ {x} ({\ mathbf {x}}) z_ {1} \\ {\ dot {z}} _ {1} = u_ {1} \ end {cases}}
Эта «каскадная» система соответствует форме в уравнении (1), и поэтому процедура обратного шага с одним интегратором приводит к стабилизирующему закону управления в уравнении (3). То есть, если мы возвращаем состояния z 1 {\ displaystyle z_ {1}}z_ {1} и x для ввода u 1 {\ displaystyle u_ {1}}u_{1}по закону управления
u 1 (x, z 1) = - ∂ V x ∂ xgx (x) - k 1 (z 1 - ux (x)) + ∂ ux ∂ x ( fx (x) + gx (x) z 1) {\ displaystyle u_ {1} (\ mathbf {x}, z_ {1}) = - {\ frac {\ partial V_ {x}} {\ partial \ mathbf { x}}} g_ {x} (\ mathbf {x}) -k_ {1} (z_ {1} -u_ {x} (\ mathbf {x})) + {\ frac {\ partial u_ {x}} {\ partial \ mathbf {x}}} (f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) z_ {1})}u_ {1} ({\ mathbf {x}}, z_ {1}) = - {\ frac { \ partial V_ {x}} {\ partial {\ mathbf {x}}}} g_ {x} ({\ mathbf {x}}) - k_ {1} (z_ {1} -u_ {x} ({\ mathbf {x}})) + {\ frac {\ partial u_ {x}} {\ partial {\ mathbf {x}}}} (f_ {x} ({\ mathbf {x}}) + g_ {x} ({\ mathbf {x}}) z_ {1})
с усилением k 1>0 {\ displaystyle k_ {1}>0}k_{1}>0 , затем состояния z 1 {\ displaystyle z_ {1}}z_ {1} и x вернутся к z 1 = 0 {\ displaystyle z_ {1} = 0}z_{1}=0и x = 0 {\ displaystyle \ mathbf {x} = \ mathbf {0} \,}{\ mathbf {x}} = {\ mathbf {0}} \, после одного возмущение. Эта подсистема стабилизирована f eedback control law u 1 {\displaystyle u_{1}}u_{1}, and the corresponding Lyapunov function from Equation (2) is
V 1 ( x, z 1) = V x ( x) + 1 2 ( z 1 − u x ( x)) 2 {\displaystyle V_{1}(\mathbf {x},z_{1})=V_{x}(\mathbf {x})+{\frac {1}{2}}(z_{1}-u_{x}(\mathbf {x}))^{2}}V_ {1} ({\ mathbf {x}}, z_ {1}) = V_ {x} ({\ mathbf {x}}) + {\ frac { 1} {2}} (z_ {1} -u_ {x} ({\ mathbf {x}})) ^ {2}
That is, under feedback control law u 1 {\displaystyle u_{1}}u_{1}, the Lyapunov function V 1 {\displaystyle V_{1}}V_{1}decays to zero as the states return to the origin.
  • Connect a new integrator to input u 1 {\displaystyle u_{1}}u_{1}so that the augmented system has input u 2 {\displaystyle u_{2}}u_ {2} and output states x. The resulting augmented dynamical system is
{ x ˙ = f x ( x) + g x ( x) z 1 z ˙ 1 = z 2 z ˙ 2 = u 2 {\displaystyle {\begin{cases}{\dot {\mathbf {x} }}=f_{x}(\mathbf {x})+g_{x}(\mathbf {x})z_{1}\\{\dot {z}}_{1}=z_{2}\\{\dot {z}}_{2}=u_{2}\end{cases}}}{\begin{cases}{\dot {{\mathbf {x}}}}=f_{x}({\mathbf {x}})+g_{x}({\mathbf {x}})z_{1}\\{\dot {z}}_{1}=z_{2}\\{\dot {z}}_{2}=u_{2}\end{cases}}
which is equivalent to the single-integrator system
{ [ x ˙ z ˙ 1 ] ⏞ ≜ x ˙ 1 = [ f x ( x) + g x ( x) z 1 0 ] ⏞ ≜ f 1 ( x 1) + [ 0 1 ] ⏞ ≜ g 1 ( x 1) z 2 ( by Lyapunov function V 1, subsystem stabilized by u 1 ( x 1)) z ˙ 2 = u 2 {\displaystyle {\begin{cases}\overbrace {\begin{bmatrix}{\dot {\mathbf {x} }}\\{\dot {z}}_{1}\end{bmatrix}} ^{\triangleq \,{\dot {\mathbf {x} }}_{1}}=\overbrace {\begin{bmatrix}f_{x}(\mathbf {x})+g_{x}(\mathbf {x})z_{1}\\0\end{bmatrix}} ^{\triangleq \,f_{1}(\mathbf {x} _{1})}+\overbrace {\begin{bmatrix}\mathbf {0} \\1\end{bmatrix}} ^{\triangleq \,g_{1}(\mathbf {x} _{1})}z_{2}\qquad {\text{ ( by Lyapunov function }}V_{1},{\text{ subsystem stabilized by }}u_{1}({\textbf {x}}_{1}){\text{) }}\\{\dot {z}}_{2}=u_{2}\end{cases}}}{\begin{cases}\overbrace {{\begin{bmatrix}{\dot {{\mathbf {x}}}}\\{\dot {z}}_{1}\end{bmatrix}}}^{{\triangleq \,{\dot {{\mathbf {x}}}}_{1}}}=\overbra ce {{\begin{bmatrix}f_{x}({\mathbf {x}})+g_{x}({\mathbf {x}})z_{1}\\0\end{bmatrix}}}^{{\triangleq \,f_{1}({\mathbf {x}}_{1})}}+\overbrace {{\begin{bmatrix}{\mathbf {0}}\\1\end{bmatrix}}}^{{\triangleq \,g_{1}({\mathbf {x}}_{1})}}z_{2}\qquad {\text{ ( by Lyapunov function }}V_{1},{\text{ subsystem stabilized by }}u_{1}({\textbf {x}}_{1}){\text{)}}\\{\dot {z}}_{2}=u_{2}\end{cases}}
Using these definitions of x 1 {\displaystyle \mathbf {x} _{1}}\mathbf {x} _{1}, f 1 {\displaystyle f_{1}}f_{1}, and g 1 {\displaystyle g_{1}}g_ {1} , this system can also be expressed as
{ x ˙ 1 = f 1 ( x 1) + g 1 ( x 1) z 2 ( by Lyapunov function V 1, subsystem stabilized by u 1 ( x 1)) z ˙ 2 = u 2 {\displaystyle {\begin{cases}{\dot {\mathbf {x} }}_{1}=f_{1}(\mathbf {x} _{1})+g_{1}(\mathbf {x} _{1})z_{2}\qquad {\text{ ( by Lyapunov function }}V_{1},{\text{ subsystem stabilized by }}u_{1}({\textbf {x}}_{1}){\text{)}}\\{\dot {z}}_{2}=u_{2}\end{cases}}}{\ begin {cases} {\ dot {{\ mathbf {x}}}} _ {1} = f_ {1} ({\ mathbf {x}} _ {1}) + g_ {1} ({ \ mathbf {x}} _ {1}) z_ {2} \ qquad {\ text {(с помощью функции Ляпунова}} V_ {1}, {\ text {подсистема, стабилизированная}} u_ {1} ({\ textbf {x}} _ {1}) {\ text {)}} \\ {\ dot {z}} _ {2} = u_ {2} \ end {cases}}
This system matches the single-integrator structure of Equation (1), and so the single-integrator backstepping procedure can be applied again. That is, if we feed back states z 1 {\displaystyle z_{1}}z_ {1} , z 2 {\displaystyle z_{2}}z_ {2} , and xto input u 2 {\displaystyle u_{2}}u_ {2} according to the control law
u 2 ( x, z 1, z 2) = − ∂ V 1 ∂ x 1 g 1 ( x 1) − k 2 ( z 2 − u 1 ( x 1)) + ∂ u 1 ∂ x 1 ( f 1 ( x 1) + g 1 ( x 1) z 2) {\displaystyle u_{2}(\mathbf {x},z_{1},z_{2})=-{\frac {\partial V_{1}}{\partial \mathbf {x} _{1}}}g_{1}(\mathbf {x} _{1})-k_{2}(z_{2}-u_{1}(\mathbf {x} _{1}))+{\frac {\partial u_{1}}{\partial \mathbf {x} _{1}}}(f_{1}(\mathbf {x} _{1})+g_{1}(\mathbf {x} _{1})z_{2})}u_ { 2} ({\ mathbf {x}}, z_ {1}, z_ {2}) = - {\ frac {\ partial V_ {1}} {\ partial {\ mathbf {x}} _ {1}}} g_ {1} ({\ mathbf {x}} _ {1}) - k_ {2} (z_ {2} -u_ {1} ({\ mathbf {x}} _ {1})) + {\ frac {\ partial u_ {1}} {\ partial {\ mathbf {x}} _ {1}}} (f_ {1} ({\ mathbf {x}} _ {1}) + g_ {1} ({\ mathbf {x}} _ {1}) z_ {2})
with gain k 2>0 {\displaystyle k_{2}>0}k_ {2}>0 , then the states z 1 {\displaystyle z_{1}}z_ {1} , z 2 {\displaystyle z_{2}}z_ {2} , and xwill return to z 1 = 0 {\displaystyle z_{1}=0}z_{1}=0, z 2 = 0 {\displaystyle z_{2}=0}z_{2}=0, and x = 0 {\displaystyle \mathbf {x} =\mathbf {0} \,}{\ mathbf {x}} = {\ mathbf {0}} \, after a single perturbation. This subsystem is stabilizedby feedback control law u 2 {\displaystyle u_{2}}u_ {2} , and the corresponding Lyapunov function is
V 2 ( x, z 1, z 2) = V 1 ( x 1) + 1 2 ( z 2 − u 1 ( x 1)) 2 {\displaystyle V_{2}(\mathbf {x},z_{1},z_{2})=V_{1}(\mathbf {x} _{1})+{\frac {1}{2}}(z_{2}-u_{1}(\mathbf {x} _{1}))^{2}}V_ { 2} ({\ mathbf {x}}, z_ {1}, z_ {2}) = V_ {1} ({\ mathbf {x}} _ {1}) + {\ frac {1} {2}} (z_ {2} -u_ {1} ({\ mathbf {x}} _ {1})) ^ {2}
That is, under feedback control law u 2 {\displaystyle u_{2}}u_ {2} , the Lyapunov function V 2 {\displaystyle V_{2}}V_{2}decays to zero as the states return to the origin.
  • Connect an integrator to input u 2 {\displaystyle u_{2}}u_ {2} so that the augmented system has input u 3 {\displaystyle u_{3}}u_{3}and output states x. The resulting augmented dynamical system is
{ x ˙ = f x ( x) + g x ( x) z 1 z ˙ 1 = z 2 z ˙ 2 = z 3 z ˙ 3 = u 3 {\displaystyle {\begin{cases}{\dot {\mathbf {x}}} = f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) z_ {1} \\ {\ dot {z}} _ {1} = z_ {2 } \\ {\ dot {z}} _ {2} = z_ {3} \\ {\ dot {z}} _ {3} = u_ {3} \ end {cases}}}{\begin{cases}{\dot {{\mathbf {x}}}}=f_{x}({\mathbf {x}})+g_{x}({\mathbf {x}})z_{1}\\{\dot {z}}_{1}=z_{2}\\{\dot {z}}_{2}=z_{3}\\{\dot {z}}_{3}=u_{3}\end{cases}}
который может быть перегруппирована как система с одним интегратором
{[x ˙ z ˙ 1 z ˙ 2] ⏞ ≜ x ˙ 2 = [fx (x) + gx (x) z 2 z 2 0] ⏞ ≜ f 2 ( x 2) + [0 0 1] ⏞ ≜ g 2 (x 2) z 3 (функцией Ляпунова V 2, подсистема, стабилизированная u 2 (x 2)) z ˙ 3 = u 3 {\ displaystyle {\ begin {cases } \ overbrace {\ begin {bmatrix} {\ dot {\ mathbf {x}}} \\ {\ dot {z}} _ {1} \\ {\ dot {z}} _ {2} \ end {bmatrix }} ^ {\ треугольник \, {\ точка {\ mathbf {x}}} _ {2}} = \ overbrace {\ begin {bmatrix} f_ {x} (\ mathbf {x}) + g_ {x} ( \ mathbf {x}) z_ {2} \\ z_ {2} \\ 0 \ end {bmatrix}} ^ {\ треугольник \, f_ {2} (\ mathbf {x} _ {2})} + \ overbrace {\ begin {bmatrix} \ mathbf {0} \\ 0 \\ 1 \ end {bmatrix}} ^ {\ треугольник \, g_ {2} (\ mathbf {x} _ {2})} z_ {3} \ qquad {\ text {(функцией Ляпунова}} V_ {2}, {\ text {подсистема, стабилизированная}} u_ {2} ({\ textbf {x}} _ {2}) {\ text {)}} \\ {\ dot {z}} _ {3} = u_ {3} \ end {cases}}}{\ begin {cases} \ overbrace {{\ begin { bmatrix} {\ dot {{\ mathbf {x}}}} \\ {\ dot {z}} _ {1} \\ {\ dot {z}} _ {2} \ end {bmatrix}}} ^ { {\ треугольникq \, {\ точка {{\ mathbf {x}}}} _ {2}}} = \ overbrace {{\ begin {bmatrix} f_ {x} ({\ mathbf {x}}) + g_ { x} ({\ mathbf {x}}) z_ {2} \\ z_ {2} \\ 0 \ end {bmatrix}}} ^ {{\ треугольник \, f_ {2} ({\ mathbf {x}} _ {2})}} + \ overbrace {{\ begin {bmatrix} {\ mathbf {0}} \\ 0 \\ 1 \ end {bmatrix}}} ^ {{\ треугольник \, g_ {2} ({ \ mathbf {x}} _ {2})}} z_ {3} \ qquad {\ text {(с помощью функции Ляпунова}} V_ {2}, {\ text {подсистема, стабилизированная}} u_ {2} ({ \ textbf {x}} _ {2}) {\ text {)}} \\ {\ dot {z}} _ {3} = u_ {3} \ end {cases}}
По определениям x 1 {\ displaysty le \ mathbf {x} _ {1}}\mathbf {x} _{1}, f 1 {\ displaystyle f_ {1}}f_{1}и g 1 {\ displaystyle g_ {1}}g_ {1} из предыдущего шага эта система также представлена ​​как
{[x ˙ 1 z ˙ 2] ⏞ x ˙ 2 = [f 1 (x 1) + g 1 (x 1) z 2 0] ⏞ f 2 (Икс 2) + [0 1] ⏞ g 2 (x 2) z 3 (функцией Ляпунова V 2, подсистема, стабилизированная u 2 (x 2)) z ˙ 3 = u 3 {\ displaystyle {\ begin {cases} \ overbrace {\ begin {bmatrix} {\ dot {\ mathbf {x}}} _ {1} \\ {\ dot {z}} _ {2} \ end {bmatrix}} ^ {{\ dot {\ mathbf {x}}} _ {2}} = \ overbrace {\ begin {bmatrix} f_ {1} (\ mathbf {x} _ {1}) + g_ {1} (\ mathbf {x} _ {1}) z_ {2} \\ 0 \ end {bmatrix}} ^ {f_ {2} (\ mathbf {x} _ {2})} + \ overbrace {\ begin {bmatrix} \ mathbf {0} \\ 1 \ end {bmatrix}} ^ {g_ {2} (\ mathbf {x} _ {2})} z_ {3} \ qquad {\ text {(по функции Ляпунова}} V_ {2}, {\ text {подсистема стабилизирована by}} u_ {2} ({\ textbf {x}} _ {2}) {\ text {)}} \\ {\ dot {z}} _ {3} = u_ {3} \ end {cases} }}{\begin{cases}\overbrace {{\begin{bmatrix}{\dot {{\mathbf {x}}}}_{1}\\{\dot {z}}_{2}\end{bmatrix}}}^{{{\dot {{\mathbf {x}}}}_{2}}}=\overbrace {{\begin{bmatrix}f_{1}({\mathbf {x}}_{1})+g_{1}({\mathbf {x}}_{1})z_{2}\\0\end{bmatrix}}}^{{f_{2}({\mathbf {x}}_{2})}}+\overbrace {{\begin{bmatrix}{\mathbf {0}}\\1\end{bmatrix}}}^{{g_{2}({\mathbf {x}}_{2})}}z_{3}\qquad {\text{ ( by Lyapunov function }}V_{2},{\text{ subsystem stabilized by }}u_{2}({ \textbf {x}}_{2}){\text{)}}\\{\dot {z}}_{3}=u_{3}\end{cases}}
Далее, используя эти определения x 2 {\ displaystyle \ mathbf {x} _ {2}}\ mathbf {x} _ {2} , f 2 {\ displaystyle f_ {2}}f_{2}, и г 2 {\ displaystyle g_ {2}}g_{2}, эту систему также можно выразить как
{x ˙ 2 = f 2 (x 2) + g 2 (x 2) z 3 (с помощью функции Ляпунова V 2, подсистема, стабилизированная с помощью u 2 (x 2)) z ˙ 3 = u 3 {\ displaystyle {\ begin {cases} {\ dot {\ mathbf {x}}} _ {2} = f_ {2} (\ mathbf {x} _ {2}) + g_ {2} (\ mathbf {x} _ {2}) z_ {3} \ qquad {\ text {(по функции Ляпунова}} V_ {2}, {\ text {подсистема стабилизирована}} u_ {2} ({\ textbf {x}} _ {2}) {\ text {)}} \\ {\ dot {z}} _ {3} = u_ {3} \ end {case}}}{\ begin {cases} {\ dot {{\ mathbf {x}}}} _ {2} = f_ {2} ({\ mathbf {x}} _ {2}) + g_ {2} ({\ mathbf {x}} _ {2}) z_ {3 } \ qquad {\ text {(функцией Ляпунова}} V_ {2}, {\ text {подсистема, стабилизированная}} u_ {2} ({\ textbf {x}} _ {2}) {\ text {) }} \\ {\ dot {z}} _ {3} = u_ {3} \ end {cases}}
Таким образом, перегруппированная система имеет структуру уравнения с одним интегратором (1), и процедура обратного шага с одним интегратором может быть применена снова. То есть, если мы возвращаем состояния z 1 {\ displaystyle z_ {1}}z_ {1} , z 2 {\ displaystyle z_ {2}}z_ {2} , z 3 {\ displaystyle z_ {3}}z_ {3} и x для ввода u 3 {\ displaystyle u_ {3}}u_{3}в соответствии с законом управления
u 3 (x, z 1, z 2, z 3) = - ∂ V 2 ∂ x 2 g 2 (x 2) - k 3 (z 3 - u 2 (x 2)) + ∂ u 2 ∂ x 2 (f 2 (x 2) + g 2 (Икс 2) Z 3) {\ Displaystyle и_ {3} (\ mathbf {x}, z_ {1}, z_ {2}, z_ {3}) = - {\ frac {\ partial V_ {2}} { \ partial \ mathbf {x} _ {2}}} g_ {2} (\ mathbf {x} _ {2}) - k_ {3} (z_ {3} -u_ {2} (\ mathbf {x} _ {2})) + {\ frac {\ partial u_ {2}} {\ partial \ mathbf {x} _ {2}}} (f_ {2} (\ mathbf {x} _ {2}) + g_ { 2} (\ mathbf {x} _ {2}) z_ {3})}u_ {3} ({\ mathbf {x}}, z_ { 1}, z_ {2}, z_ {3}) = - {\ frac {\ partial V_ {2}} {\ partial {\ mathbf {x}} _ {2}}} g_ {2} ({\ mathbf {x}} _ {2}) - k_ {3} (z_ {3} -u_ {2} ({\ mathbf {x}} _ {2})) + {\ frac {\ partial u_ {2}} {\п artial {\ mathbf {x}} _ {2}}} (f_ {2} ({\ mathbf {x}} _ {2}) + g_ {2} ({\ mathbf {x}} _ {2})) z_ {3})
с усилением k 3>0 {\ displaystyle k_ {3}>0}k_{3}>0 , затем состояния z 1 {\ displaystyle z_ {1}}z_ {1} , z 2 {\ displaystyle z_ {2}}z_ {2} , z 3 {\ displaystyle z_ {3}}z_ {3} , а x вернется к z 1 = 0 {\ displaystyle z_ {1} = 0}z_{1}=0, z 2 = 0 {\ displaystyle z_ {2} = 0}z_{2}=0, z 3 = 0 {\ displaystyle z_ {3} = 0 }z_ {3} = 0 и x = 0 {\ displaystyle \ mathbf {x} = \ mathbf {0} \,}{\ mathbf {x}} = {\ mathbf {0}} \, после одного возмущения. Эта подсистема стабилизирована законом управления с обратной связью u 3 {\ displaystyle u_ {3}}u_{3}, и соответствующая функция Ляпунова
V 3 (x, z 1 Z 2, Z 3) знак равно В 2 (Икс 2) + 1 2 (Z 3 - U 2 (Икс 2)) 2 {\ Displaystyle V_ {3} (\ mathbf {x}, z_ {1}, z_ { 2}, z_ {3}) = V_ {2} (\ mathbf {x} _ {2}) + {\ frac {1} {2}} (z_ {3} -u_ {2} (\ mathbf {x } _ {2})) ^ {2}}V_ {3} ({ \ mathbf {x}}, z_ {1}, z_ {2}, z_ {3}) = V_ {2} ({\ mathbf {x}} _ {2}) + {\ frac {1} {2} } (z_ {3} -u_ {2} ({\ mathbf {x}} _ {2})) ^ {2}
То есть при законе управления с обратной связью u 3 {\ displaystyle u_ {3}}u_{3}функция Ляпунова V 3 {\ displaystyle V_ {3}}V_{3}затухает до нуля, когда состояния возвращаются в исходное состояние.
  • Этот процесс может продолжаться для каждого интегратора, добавленного в систему, и, следовательно, для любой системы вида
{x ˙ = fx (x) + gx (x) z 1 (функцией Ляпунова V x, подсистема, стабилизированная ux (x)) z ˙ 1 = z 2 z ˙ 2 = z 3 ⋮ z ˙ i = zi + 1 ⋮ Z ˙ К - 2 знак равно ZK - 1 Z ˙ К - 1 = zkz ˙ К = U {\ Displaystyle {\ begin {cases} {\ dot {\ mathbf {x}}} = f_ {x} (\ mathbf { x}) + g_ {x} (\ mathbf {x}) z_ {1} \ qquad {\ text {(по функции Ляпунова}} V_ {x}, {\ text {su bсистема, стабилизированная}} u_ {x} ({\ textbf {x}}) {\ text {)}} \\ {\ dot {z}} _ {1} = z_ {2} \\ {\ dot {z }} _ {2} = z_ {3} \\\ vdots \\ {\ dot {z}} _ {i} = z_ {i + 1} \\\ vdots \\ {\ dot {z}} _ { k-2} = z_ {k-1} \\ {\ dot {z}} _ {k-1} = z_ {k} \\ {\ dot {z}} _ {k} = u \ end {случаях }}}{\begin{cases}{\dot {{\mathbf {x}}}}=f_{x}({\mathbf {x}})+g_{x}({\mathbf {x}})z_{1}\qquad {\text{ ( by Lyapunov function }}V_{x},{\text{ subsystem stabilized by }}u_{x}({\textbf {x}}){\text{)}}\\{\dot {z}}_{1}=z_{2}\\{\dot {z}}_{2}=z_{3}\\\vdots \\{\dot {z}}_{i}=z_{{i+1}}\\\vdots \\{\dot {z}}_{{k-2}}=z_{{k-1}}\\{\dot {z}}_{{k-1}}=z_{k}\\{\dot {z}}_{k}=u\end{cases}}
имеет рекурсивную структуру
{{{{{{{{x ˙ = fx (x) + gx (x) z 1 (по функции Ляпунова V x, подсистема стабилизируется функцией ux (x)) Z ˙ 1 знак равно Z 2 Z ˙ 2 знак равно Z 3 ⋮ Z ˙ я = Zi + 1 ⋮ Z ˙ К - 2 = ZK - 1 Z ˙ К - 1 = ZKZ ˙ К = U {\ Displaystyle {\ begin {cases} {\ begin {case} {\ begin {cases} {\ begin {cases} {\ begin {cases} {\ begin {cases} {\ begin {cases} {\ begin {cases} {\ dot {\ mathbf {x) }}} = f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) z_ {1} \ qquad {\ text {(по функции Ляпунова}} V_ {x}, { \ text {подсистема, стабилизированная}} u_ {x} ({\ textbf {x}}) {\ text {)}} \\ {\ dot {z}} _ {1} = z_ {2} \ end {case }} \\ {\ dot {z}} _ {2} = z_ {3} \ end {case}} \\\ vdots \ end {cases}} \\ {\ dot {z}} _ {i} = z_ {i + 1} \ end {cases}} \\\ vdots \ end {cases}} \\ {\ dot {z}} _ {k-2} = z_ {k-1} \ end {cases}} \\ {\ dot {z}} _ {k-1} = z_ {k} \ end {case}} \\ {\ dot {z} } _ {k} = u \ end {cases}}}{\ begin {cases} {\ begin {cases} {\ begin {cases} {\ begin {case} {\ begin {cases} {\ begin {cases} {\ begin {cases} {\ begin {cases} {\ dot {{\ mathbf {x}}}} = f_ {x} ({\ mathbf { x}}) + g_ {x} ({\ mathbf {x}}) z_ {1} \ qquad {\ text {(по функции Ляпунова}} V_ {x}, {\ text {подсистема, стабилизированная}} u_ {x} ({\ textbf {x}}) {\ text {)}} \\ {\ dot {z}} _ {1} = z_ {2} \ end {case}} \\ {\ dot {z }} _ {2} = z_ {3} \ end {cases}} \\\ vdots \ end {ases}} \\ {\ dot {z}} _ {i} = z _ {{i + 1}} \ end {case}} \\\ vdots \ end {cases}} \\ {\ dot {z}} _ {{k-2}} = z _ {{k-1}} \ end {cases}} \\ { \ dot {z}} _ {{k-1}} = z_ {k} \ end {cases}} \\ {\ dot {z}} _ {k} = u \ end {cases}}
и может быть стабилизирован по обратной связи путем нахождения управления, стабилизирующего обратную связь, и функции Ляпунова для одиночного интегратора (x, z 1) {\ displaystyle ( \ mathbf {x}, z_ {1})}({\mathbf {x}},z_{1})подсистема (т. е. со входом z 2 {\ displaystyle z_ {2}}z_ {2} и выходом x ) и повторяется из этой внутренней подсистемы до тех пор, пока не будет известна конечная стабилизирующая обратная связь управление u. На итерации i эквивалентная система имеет вид
{[x ˙ z ˙ 1 z ˙ 2 ⋮ z ˙ i - 2 z ˙ i - 1] ⏞ ≜ x ˙ i - 1 = [fi - 2 (xi - 2) + gi - 2 (xi - 1) zi - 2 0] ⏞ ≜ fi - 1 (xi - 1) + [0 1] ⏞ ≜ gi - 1 (xi - 1) zi (по Ляп. функц. V i - 1, подсистема, стабилизированная с помощью ui - 1 (xi - 1)) z ˙ i = ui {\ displaystyle {\ begin {cases} \ overbrace {\ begin {bmatrix} {\ dot {\ mathbf {x}}} \\ {\ точка {z}} _ {1} \\ {\ dot {z}} _ {2} \\\ vdots \\ {\ dot {z}} _ {i-2} \\ {\ dot {z}} _ {i-1} \ end {bmatrix}} ^ {\ triangleq \, {\ dot {\ mathbf {x}}} _ {i-1}} = \ overbrace {\ begin {bmatrix} f_ {i-2 } (\ mathbf {x} _ {i-2}) + g_ {i-2} (\ mathbf {x} _ {i-1}) z_ {i-2} \\ 0 \ end {bmatrix}} ^ {\ треугольник q \, f_ {i-1} (\ mathbf {x} _ {i-1})} + \ overbrace {\ begin {bmatrix} \ mathbf {0} \\ 1 \ end {bmatrix}} ^ { \ треугольникq \, g_ {i-1} (\ mathbf {x} _ {i-1})} z_ {i} \ quad {\ text {(by Lyap. func.}} V_ {i-1}, {\ text {подсистема, стабилизированная}} u_ {i-1} ({\ textbf {x}} _ {i-1}) {\ text {)}} \\ {\ dot {z}} _ {i} = u_ {i} \ end {cases}}}{\begin{cases}\overbrace {{\begin{bmatrix}{\dot {{\mathbf {x}}}}\\{\dot {z}}_{1}\\{\dot {z}}_{2}\\\vdots \\{\dot {z}}_{{i-2}}\\{\dot {z}}_{{i-1}}\end{bmatrix}}}^{{\triangleq \,{\dot {{\mathbf {x}}}}_{{i-1}}}}=\overbrace {{\begin{bmatrix}f_{{i-2}}({\mathbf {x}}_{{i-2}})+g_{{i-2}}({\mathbf {x}}_{{i-1}})z_{{i-2}}\\0\end{bmatrix}}}^{{\triangleq \,f_{{i-1}}({\mathbf {x}}_{{i-1}})}}+\overbrace {{\begin{bmatrix}{\mathbf {0}}\\1\end{bmatrix}}}^{{\triangleq \,g_{{i-1}}({\mathbf {x}}_{{i-1}})}}z_{i}\quad {\text{ ( by Lyap. func. }}V_{{i-1}},{\text{ subsystem stabilized by }}u_{{i-1}}({\textbf {x}}_{{i-1}}){\text{)}}\\{\dot {z}}_{i}=u_{i}\end{cases}}
Соответствующий закон управления, стабилизирующий обратную связь:
ui (x, z 1, z 2,…, zi ⏞ ≜ xi) = - ∂ V i - 1 ∂ xi - 1 gi - 1 (xi - 1) - ki (zi - ui - 1 (xi - 1)) + ∂ ui - 1 ∂ xi - 1 (fi - 1 (xi - 1) + gi - 1 (xi - 1) zi) {\ displaystyle u_ {i} (\ overbrace {\ mathbf {x}, z_ {1}, z_ { 2}, \ dots, z_ {i}} ^ {\ треугольник \, \ mathbf {x} _ {i}}) = - {\ frac {\ partial V_ {i-1}} {\ partial \ mathbf {x } _ {i-1}}} g_ {i-1} (\ mathbf {x} _ {i-1}) \, - \, k_ {i} (z_ {i} \, - \, u_ {i -1} (\ mathbf {x} _ {i-1})) \, + \, {\ frac {\ partial u_ {i-1}} {\ partial \ mathbf {x} _ {i-1}} } (f_ {i-1} (\ mathbf {x} _ {i-1}) \, + \, g_ {i-1} (\ mathbf {x} _ {i-1}) z_ {i}) }u_{i}(\overbrace {{\mathbf {x}},z_{1},z_{2},\dots,z_{i}}^{{\triangleq \,{\mathbf {x}}_{i}}})=-{\frac {\partial V_{{i-1}}}{\partial {\mathbf {x}}_{{i-1}}}}g_{{i-1}}({\mathbf {x}}_{{i-1}})\,-\,k_{i}(z_{i}\,-\,u_{{i-1}}({\mathbf {x}}_{{i-1}}))\,+\,{\frac {\partial u_{{i-1}}}{\partial {\mathbf {x}}_{{i-1}}}}(f_{{i-1}}({\mathbf {x}}_{{i-1}})\,+\,g_{{i-1}}({\mathbf {x}}_{{i-1}})z_{i})
с усилением ki>0 {\ displaystyle k_ {i}>0}k_{i}>0 . Соответствующая функция Ляпунова:
V i (xi) = V i - 1 (xi - 1) + 1 2 (zi - ui - 1 (xi - 1)) 2 {\ displaystyle V_ {i} (\ mathbf { x} _ {i}) = V_ {i-1} (\ mathbf {x} _ {i-1}) + {\ frac {1} {2}} (z_ {i} -u_ {i-1} (\ mathbf {x} _ {i-1})) ^ {2}}V_{i}({\mathbf {x}}_{i})=V_{{i-1}}({\mathbf {x}}_{{i-1}})+{\frac {1}{2}}(z_{i}-u_{{i-1}}({\mathbf {x}}_{{i-1}}))^{2}
Согласно этой конструкции конечный контроль u (x, z 1, z 2,…, zk) = uk (xk) {\ Displaystyle и (\ mathbf {x}, z_ {1}, z_ {2}, \ ldots, z_ {k}) = u_ {k} (\ mathbf {x} _ {k})}u ({\ mathbf {x}}, z_ {1}, z_ {2}, \ ldots, z_ {k}) = u_ {k} ({\ mathbf {x}} _ {k}) (т. Е. Конечный контроль находится на последней итерации i = k {\ displaystyle i = k}i=k).

Следовательно, любая система в этой специальной форме строгой обратной связи с множеством интеграторов может быть стабилизирована с помощью простой процедура, которая может быть даже автоматизирована (например, как часть алгоритма адаптивного управления ).

Общий обратный шаг

Системы в специальной форме строгой обратной связи имеют рекурсивную структуру, аналогичную структуре системы со многими интеграторами. Точно так же они стабилизируются путем стабилизации самой маленькой каскадной системы с последующим обратным шагом t o следующую каскадную систему и повторение процедуры. Поэтому очень важно разработать пошаговую процедуру; эта процедура может быть применена рекурсивно для покрытия многоступенчатого случая. К счастью, из-за требований к функциям в форме строгой обратной связи, каждая одношаговая система может быть преобразована с помощью обратной связи в систему с одним интегратором, и эта система с одним интегратором может быть стабилизирована с использованием методов, описанных выше.

Пошаговая процедура

Рассмотрим простую строгую обратную связь систему

{x ˙ = fx (x) + gx (x) z 1 Z ˙ 1 знак равно е 1 (Икс, Z 1) + g 1 (Икс, Z 1) U 1 {\ Displaystyle {\ begin {cases} {\ dot {\ mathbf {x}}} = f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) z_ {1} \\ {\ dot {z}} _ {1} = f_ {1} (\ mathbf {x}, z_ {1}) + g_ {1} (\ mathbf {x}, z_ {1}) u_ {1} \ end {cases}}}{\ begin {cases} {\ dot {{\ mathbf {x}}}} = f_ {x } ({\ mathbf {x}}) + g_ {x} ({\ mathbf {x}}) z_ {1} \\ {\ dot {z}} _ {1} = f_ {1} ({\ mathbf {x}}, z_ {1}) + g_ {1} ({\ mathbf {x}}, z_ {1}) u_ {1} \ end {cases}}

(6)

где

  • x = [x 1, x 2,…, Xn] T ∈ R N {\ displaystyle \ mathbf {x} = [x_ {1}, x_ {2}, \ ldots, x_ {n}] ^ {\ text {T}} \ in \ mathbb { R} ^ {n}}{\ mathbf {x}} = [x_ {1}, x_ {2}, \ ldots, x_ {n}] ^ {{{\ text {T}}}} \ in {\ mathbb {R}} ^ {n} ,
  • z 1 {\ displaystyle z_ {1}}z_ {1} и u 1 {\ displaystyle u_ {1}}u_{1}равны скаляры,
  • Для всех x и z 1 {\ displaystyle z_ {1}}z_ {1} , g 1 (x, z 1) ≠ 0 {\ displaystyle g_ {1} (\ mathbf {x}, z_ {1}) \ neq 0}g_ {1} ({\ mathbf {x}}, z_ {1}) \ neq 0 .

Вместо непосредственного проектирования элемента управления со стабилизацией обратной связи u 1 {\ displaystyle u_ {1}}u_{1}, введите новый элемент управления ua 1 {\ displaystyle u_ {a1}}u _ {{a1}} (будет разработан позже) и использовать закон управления

u 1 (x, z 1) = 1 g 1 (x, z 1) (ua 1 - f 1 (x, z 1)) {\ displaystyle u_ {1} (\ mathbf {x}, z_ {1}) = {\ frac {1} {g_ {1} (\ mathbf {x}, z_ {1})}} \ left (u_ {a1} -f_ {1} (\ mathbf {x}, z_ {1}) \ right)}u_{1}({\mathbf {x}},z_{1})={\frac {1}{g_{1}({\mathbf {x}},z_{1})}}\left(u_{{a1}}-f_{1}({\mathbf {x}},z_{1})\right)

что возможно, потому что g 1 ≠ 0 {\ displaystyle g_ {1} \ neq 0}g_ {1} \ neq 0 . Таким образом, система в уравнении (6):

{x ˙ = fx (x) + gx (x) z 1 z ˙ 1 = f 1 (x, z 1) + g 1 (x, z 1) 1 г 1 (Икс, Z 1) (UA 1 - F 1 (Икс, Z 1)) ⏞ U 1 (Икс, Z 1) {\ Displaystyle {\ begin {cases} {\ dot {\ mathbf {x}} } = f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) z_ {1} \\ {\ dot {z}} _ {1} = f_ {1} (\ mathbf {x}, z_ {1}) + g_ {1} (\ mathbf {x}, z_ {1}) \ overbrace {{\ frac {1} {g_ {1} (\ mathbf {x}, z_ {1 })}} \ left (u_ {a1} -f_ {1} (\ mathbf {x}, z_ {1}) \ right)} ^ {u_ {1} (\ mathbf {x}, z_ {1}) } \ end {cases}}}{\begin{cases}{\dot {{\mathbf {x}}}}=f_{x}({\mathbf {x}})+g_{x}({\mathbf {x}})z_{1}\\{\dot {z}}_{1}=f_{1}({\mathbf {x}},z_{1})+g_{1}({\mathbf {x}},z_{1})\overbrace {{\frac {1}{g_{1}({\mathbf {x}},z_{1})}}\left(u_{{a1}}-f_{1}({\mathbf {x}},z_{1})\right)}^{{u_{1}({\mathbf {x }},z_{1})}}\end{cases}}

, что упрощается до

{x ˙ = fx (x) + gx (x) z 1 z ˙ 1 = ua 1 {\ displaystyle {\ begin {cases} {\ dot {\ mathbf {x}}} = f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) z_ {1} \\ {\ dot {z}} _ {1} = u_ {a1} \ end {cases}}}{\ begin {cases} {\ dot {{\ mathbf {x }}}} = f_ {x} ({\ mathbf {x}}) + g_ {x} ({\ mathbf {x}}) z_ {1} \\ {\ dot {z}} _ {1} = u _ {{a1}} \ end {case}}

Эта новая система ua 1 {\ displaystyle u_ {a1}}u _ {{a1}} -to- x соответствует одно- каскадная система интегратора в уравнении (1). Предполагая, что закон управления, стабилизирующий обратную связь, ux (x) {\ displaystyle u_ {x} (\ mathbf {x})}u_ {x} ({\ mathbf {x}}) и функция Ляпунова V x (x) {\ displaystyle V_ {x} (\ mathbf {x})}V_ {x} ({\ mathbf {x}}) для верхней подсистемы известен закон управления, стабилизирующий обратную связь, из уравнения (3):

ua 1 (Икс, Z 1) знак равно - ∂ В Икс ∂ Xgx (Икс) - К 1 (Z 1 - UX (X)) + ∂ UX ∂ Икс (FX (X) + GX (X) Z 1) {\ Displaystyle U_ {a1} (\ mathbf {x}, z_ {1}) = - {\ frac {\ partial V_ {x}} {\ partial \ mathbf {x}}} g_ {x} (\ mathbf {x}) - k_ {1} (z_ {1} -u_ {x} (\ mathbf {x})) + {\ frac {\ partial u_ {x}} {\ partial \ mathbf {x}}} (f_ {x} ( \ mathbf {x}) + g_ {x} (\ mathbf {x}) z_ {1})}u _ {{a1}} ({\ mathbf {x}}, z_ {1}) = - {\ frac {\ partial V_ {x}} {\ partial {\ mathbf {x}}}} g_ {x} ({\ mathbf {x}}) - k_ {1} (z_ {1} -u_ {x} ({\ mathbf {x}})) + {\ frac {\ partial u_ {x}} {\ partial {\ mathbf {x}}}} (f_ {x} ({\ математика bf {x}}) + g_ {x} ({\ mathbf {x}}) z_ {1})

с усилением k 1>0 {\ displaystyle k_ {1}>0}k_{1}>0 . Итак, окончательный отзыв- стабилизирующий закон управления:

u 1 (x, z 1) = 1 g 1 (x, z 1) (- ∂ V x ∂ xgx (x) - k 1 (z 1 - ux (x)) + ∂ ux ∂ x (fx (x) + gx (x) z 1) ⏞ ua 1 (x, z 1) - f 1 (x, z 1)) {\ displaystyle u_ {1} (\ mathbf {x}, z_ {1}) = {\ frac {1} {g_ {1} (\ mathbf {x}, z_ {1})}} \ left (\ overbrace {- {\ frac {\ partial V_ {x}}) {\ partial \ mathbf {x}}} g_ {x} (\ mathbf {x}) -k_ {1} (z_ {1} -u_ {x} (\ mathbf {x})) + {\ frac {\ частичное u_ {x}} {\ partial \ mathbf {x}}} (f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) z_ {1})} ^ {u_ { a1} (\ mathbf {x}, z_ {1})} \, - \, f_ {1} (\ mathbf {x}, z_ {1}) \ right)}u_{1}({\mathbf {x}},z_{1})={\frac {1}{g_{1}({\mathbf {x}},z_{1})}}\left(\overbrace {-{\frac {\partial V_{x}}{\partial {\mathbf {x}}}}g_{x}({\mathbf {x}})-k_{1}(z_{1}-u_{x}({\mathbf {x}}))+{\frac {\partial u_{x}}{\partial {\mathbf {x}}}}(f_{x}({\mathbf {x}})+g_{x}({\mathbf {x}})z_{1})}^{{u_{{a1}}({\mathbf {x}},z_{1})}}\,-\,f_{1}({\mathbf {x}},z_{1})\right)

(7)

с усиление k 1>0 {\ displaystyle k_ {1}>0}k_{1}>0 . Соответствующая функция Ляпунова из уравнения (2) равна

V 1 (x, z 1) = V x (x) + 1 2 (z 1 - ux (x)) 2 {\ displaystyle V_ {1} ( \ mathbf {x}, z_ {1}) = V_ {x} (\ mathbf {x}) + {\ frac {1} {2}} (z_ {1} -u_ {x} (\ mathbf {x})) ^ {2}}V_ {1} ({\ mathbf {x}}, z_ {1}) = V_ {x} ({\ mathbf {x}}) + {\ frac { 1} {2}} (z_ {1} -u_ {x} ({\ mathbf {x}})) ^ {2}

(8)

Поскольку эта система строгой обратной связи имеет управление, стабилизирующее обратную связь, и соответствующую функцию Ляпунова, ее можно каскадировать как часть более крупной системы строгой обратной связи, и это Процедуру можно повторить, чтобы найти окружающее управление, стабилизирующее обратную связь.

Многоступенчатая процедура

Как и при обратном шаге с несколькими интеграторами, одношаговая процедура может выполняться итеративно для стабилизации всей системы строгой обратной связи. На каждом этапе

  1. выделяется наименьшая «нестабилизированная» одноступенчатая система строгой обратной связи.
  2. Обратная связь используется для преобразования системы в систему с одним интегратором.
  3. В результате система с одним интегратором стабилизирована.
  4. Стабилизированная система используется в качестве верхней системы на следующем этапе.

То есть любая система со строгой обратной связью

{x ˙ = fx (x) + gx (x) z 1 (функцией Ляпунова V x, подсистема, стабилизированная ux (x)) z ˙ 1 = f 1 (x, z 1) + g 1 (x, z 1) z 2 z ˙ 2 = f 2 (x, z 1, z 2) + g 2 (x, z 1, z 2) z 3 ⋮ z ˙ i = fi (x, z 1, z 2,…, zi) + gi (x, z 1, z 2,…, zi) zi + 1 ⋮ z ˙ k - 2 = fk - 2 (x, z 1, z 2,… zk - 2) + gk - 2 (x, z 1, z 2,…, zk - 2) zk - 1 z ˙ k - 1 = fk - 1 (x, z 1, z 2,… zk - 2, zk - 1) + gk - 1 (x, z 1, z 2,…, zk - 2, zk - 1) zkz ˙ К знак равно fk (x, z 1, z 2,… zk - 1, zk) + gk (x, z 1, z 2,…, zk - 1, zk) и {\ displaystyle {\ begin {case} {\ dot {\ mat hbf {x}}} = f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) z_ {1} \ qquad {\ text {(по функции Ляпунова}} V_ {x }, {\ text {подсистема, стабилизированная}} u_ {x} ({\ textbf {x}}) {\ text {)}} \\ {\ dot {z}} _ {1} = f_ {1} ( \ mathbf {x}, z_ {1}) + g_ {1} (\ mathbf {x}, z_ {1}) z_ {2} \\ {\ dot {z}} _ {2} = f_ {2} (\ mathbf {x}, z_ {1}, z_ {2}) + g_ {2} (\ mathbf {x}, z_ {1}, z_ {2}) z_ {3} \\\ vdots \\ { \ dot {z}} _ {i} = f_ {i} (\ mathbf {x}, z_ {1}, z_ {2}, \ ldots, z_ {i}) + g_ {i} (\ mathbf {x }, z_ {1}, z_ {2}, \ ldots, z_ {i}) z_ {i + 1} \\\ vdots \\ {\ dot {z}} _ {k-2} = f_ {k- 2} (\ mathbf {x}, z_ {1}, z_ {2}, \ ldots z_ {k-2}) + g_ {k-2} (\ mathbf {x}, z_ {1}, z_ {2 }, \ ldots, z_ {k-2}) z_ {k-1} \\ {\ dot {z}} _ {k-1} = f_ {k-1} (\ mathbf {x}, z_ {1 }, z_ {2}, \ ldots z_ {k-2}, z_ {k-1}) + g_ {k-1} (\ mathbf {x}, z_ {1}, z_ {2}, \ ldots, z_ {k-2}, z_ {k-1}) z_ {k} \\ {\ dot {z}} _ {k} = f_ {k} (\ mathbf {x}, z_ {1}, z_ { 2}, \ ldots z_ {k-1}, z_ {k}) + g_ {k} (\ mathbf {x}, z_ {1}, z_ {2}, \ ldots, z_ {k-1}, z_ {k}) u \ end {cases}}}{\begin{cases}{\dot {{\mathbf {x}}}}=f_{x}({\mathbf {x}})+g_{x}({\mathbf {x} })z_{1}\qquad {\text{ ( by Lyapunov function }}V_{x},{\text{ subsystem stabilized by }}u_{x}({\textbf {x}}){\text{)}}\\{\dot {z}}_{1}=f_{1}({\mathbf {x}},z_{1})+g_{1}({\mathbf {x}},z_ {1})z_{2}\\{\dot {z}}_{2}=f_{2}({\mathbf {x}},z_{1},z_{2})+g_{2}({\mathbf {x}},z_{1},z_{2})z_{3}\\\vdots \\{\dot {z}}_{i}=f_{i}({\mathbf {x}},z_{1},z_{2},\ldots,z_{i})+g_{i}({\mathbf {x}},z_{1},z_{2},\ldots,z_{i})z_{{i+1}}\\\vdots \\{\dot {z}}_{{k-2}}=f_{{k-2}}({\mathbf {x}},z_{1},z_{2},\ldots z_{{k-2}})+g_{{k-2}}({\mathbf {x}},z_{1},z_{2},\ldots,z_{{k-2}})z_{{k-1}}\\{\dot {z}}_{{k-1}}=f_{{k-1}}({\mathbf {x}},z_{1},z_{2},\ldots z_{{k-2}},z_{{k-1}})+g_{{k-1}}({\mathbf {x}},z_{1},z_{2},\ldots,z_{{k-2}},z_{{k-1}})z_{k}\\{\dot {z}}_{k}=f_{k}({\mathbf {x}},z_{1},z_{2},\ldots z_{{k-1}},z_{k})+g_{k}({\mathbf {x}},z_{1},z_{2},\ldots,z_{{k-1}},z_{k})u\end{cases}}

имеет рекурсивную структуру

{{{{{{{{x ˙ = fx (x) + gx (x) z 1 (по функции Ляпунова V x, подсистема, стабилизированная ux (x)) z ˙ 1 = f 1 (x, z 1) + g 1 (x, z 1) z 2 z ˙ 2 = f 2 (x, z 1, z 2) + g 2 (x, z 1)., z 2) z 3 ⋮ z ˙ i = fi (x, z 1, z 2,…, zi) + gi (x, z 1, z 2,…, zi) zi + 1 ⋮ z ˙ k - 2 = fk - 2 (x, z 1, z 2,… zk - 2) + gk - 2 (x, z 1, z 2,…, zk - 2) zk - 1 z ˙ k - 1 = fk - 1 (x, z 1, z 2,… zk - 2, zk - 1) + gk - 1 (x, z 1, z 2,…, zk - 2, zk - 1) zkz ˙ k = fk (x, z 1, z 2,… zk - 1, zk) + gk (x, z 1, z 2,…, zk - 1, zk) u {\ displaystyle {\ begin {cases} {\ begin {cases} {\ begin {cases} } {\ begin {cases} {\ begin {cases} {\ begin {cases} {\ begin {cases} {\ begin {cases} {\ dot {\ mathbf {x}}} = f_ {x} (\ mathbf {x}) + g_ {x} (\ mathbf {x}) z_ {1} \ qquad {\ text {(функцией Ляпунова}} V_ {x}, {\ text {подсистема, стабилизированная}} u_ {x } ({\ textbf {x}}) {\ text {)}} \\ {\ dot {z}} _ {1} = f_ {1} (\ mathbf {x}, z_ {1}) + g_ { 1} (\ mathbf {x}, z_ {1}) z_ {2} \ end {cases}} \\ {\ dot {z}} _ {2} = f_ {2} (\ mathbf {x}, z_ {1}, z_ {2}) + g_ {2} (\ mathbf {x}, z_ {1}, z_ {2}) z_ {3} \ end {cases}} \\\ v точки \\\ end {case}} \\ {\ dot {z}} _ {i} = f_ {i} (\ mathbf {x}, z_ {1}, z_ {2}, \ ldots, z_ {i }) + g_ {i} (\ mathbf {x}, z_ {1}, z_ {2}, \ ldots, z_ {i}) z_ {i + 1} \ end {cases}} \\\ vdots \ end {case}} \\ {\ dot {z}} _ {k-2} = f_ {k-2} (\ mathbf {x}, z_ {1}, z_ {2}, \ ldots z_ {k-2 }) + g_ {k-2} (\ mathbf {x}, z_ {1}, z_ {2}, \ ldots, z_ {k-2}) z_ {k-1} \ end {cases}} \\ {\ dot {z}} _ {k-1} = f_ {k-1} (\ mathbf {x}, z_ {1}, z_ {2}, \ ldots z_ {k-2}, z_ {k- 1}) + g_ {k-1} (\ mathbf {x}, z_ {1}, z_ {2}, \ ldots, z_ {k-2}, z_ {k-1}) z_ {k} \ end {case}} \\ {\ dot {z}} _ {k} = f_ {k} (\ mathbf {x}, z_ {1}, z_ {2}, \ ldots z_ {k-1}, z_ { k}) + g_ {k} (\ mathbf {x}, z_ {1}, z_ {2}, \ ldots, z_ {k-1}, z_ {k}) u \ end {cases}}}{\begin{cases}{\begin{cases}{\begin{cases}{\begin{cases}{\begin{cases}{\begin{cases}{\begin{cases}{\begin{cases}{\dot {{\mathbf {x}}}}=f_{x}({\mathbf {x}})+g_{x}({\mathbf {x}})z_{1}\qquad {\text{ ( by Lyapunov function }}V_{x},{\text{ subsystem stabilized by }}u_{x}({\textbf {x}}){\text{)}}\\{\dot {z}}_{1}=f_{1}({\mathbf {x}},z_{1})+g_{1}({\mathbf {x}},z_{1})z_{2}\end{cases}}\\{\dot {z}}_{2}=f_{2}({\mathbf {x}},z_{1},z_{2})+g_{2}({\mathbf {x}},z_{1},z_{2})z_{3}\end{cases}}\\\vdots \\\end{cases}}\\{\dot {z}}_{i}=f_{i}({\mathbf {x}},z_{1},z_{2},\ldots,z_{i})+g_{i}({\mathbf {x}},z_{1}, z_{2},\ldots,z_{i})z_{{i+1}}\end{cases}}\\\vdots \end{cases}}\\{\dot {z}}_{{k-2}}=f_{{k-2}}({\mathbf {x}},z_{1},z_{2},\ldots z_{{k-2}})+g_{{k-2}}({\mathbf {x}},z_{1},z_{2},\ldots,z_{{k-2}})z_{{k-1}}\end{cases}}\\{\dot {z}}_{{k-1}}=f_{{k-1}}({\mathbf {x}},z_{1},z_{2},\ldots z_{{k-2}},z_{{k-1}})+g_{{k-1}}({\mathbf {x}},z_{1},z_{2},\ldots,z_{{k-2}},z_{{k-1}})z_{k}\end{cases}}\\{\dot {z}}_{k}=f_{k}({\mathbf {x}},z_{1},z_{2},\ldots z_{{k-1}},z_{k})+g_{k}({\mathbf {x}},z_{1},z_{2},\ldots,z_{{k-1}},z_{k})u\end{cases}}

и может быть стабилизирован по обратной связи путем нахождения управления, стабилизирующего обратную связь, и функции Ляпунова для единственного интегратора (x, z 1) {\ displaystyle (\ mathbf {x}, z_ {1})}({\mathbf {x}},z_{1})подсистема (т.е. с входом z 2 {\ displaystyle z_ {2}}z_ {2} и выходом x ) и итерация из этой внутренней подсистемы до окончательной стабилизации обратной связи контроль u известен. На итерации i эквивалентная система имеет вид

{[x ˙ z ˙ 1 z ˙ 2 ⋮ z ˙ i - 2 z ˙ i - 1] ⏞ ≜ x ˙ i - 1 = [fi - 2 (xi - 2) + gi - 2 (xi - 2) zi - 2 fi - 1 (xi)] ⏞ ≜ fi - 1 (xi - 1) + [0 gi - 1 (xi)] ⏞ ≜ gi - 1 (xi - 1) zi (by Lyap. func. V i - 1, подсистема, стабилизированная ui - 1 (xi - 1)) z ˙ i = fi (xi) + gi (xi) ui {\ displaystyle {\ begin {cases} \ overbrace {\ begin {bmatrix} {\ dot {\ mathbf {x}}} \\ {\ dot {z}} _ {1} \\ {\ dot {z}} _ {2} \\\ vdots \\ {\ dot {z}} _ {i-2} \\ {\ dot {z}} _ {i-1} \ end {bmatrix}} ^ {\ triangleq \, {\ dot {\ mathbf {x}}} _ { i-1}} = \ overbrace {\ begin {bmatrix} f_ {i-2} (\ mathbf {x} _ {i-2}) + g_ {i-2} (\ mathbf {x} _ {i- 2}) z_ {i-2} \\ f_ {i-1} (\ mathbf {x} _ {i}) \ end {bmatrix}} ^ {\ triangleq \, f_ {i-1} (\ mathbf { x} _ {i-1})} + \ overbrace {\ begin {bmatrix} \ mathbf {0} \\ g_ {i-1} (\ mathbf {x} _ {i}) \ end {bmatrix}} ^ {\ треугольникq \, g_ {i-1} (\ mathbf {x} _ {i-1})} z_ {i} \ quad {\ text {(by Lyap. func.}} V_ {i-1}, {\ text {подсистема, стабилизированная}} u_ {i-1} ({\ textbf {x}} _ {i-1}) {\ text {)}} \\ {\ d ot {z}} _ {i} = f_ {i} (\ mathbf {x} _ {i}) + g_ {i} (\ mathbf {x} _ {i}) u_ {i} \ end {case} }}{\ begin {cases} \ overbrace {{\ begin {bmatrix} {\ dot {{\ mathbf {x}}}} \\ {\ dot {z}} _ {1} \\ {\ dot {z}} _ {2} \\\ vdots \\ { \ dot {z}} _ {{i-2}} \\ {\ dot {z}} _ {{i-1}} \ end {bmatrix}}} ^ {{\ triangleq \, {\ dot {{ \ mathbf {x}}}} _ {{i-1}}}} = \ overbrace {{\ begin {bmatrix} f _ {{i-2}} ({\ mathbf {x}} _ {{i-2 }}) + g _ {{i-2}} ({\ mathbf {x}} _ {{i-2}}) z _ {{i-2}} \\ f _ {{i-1}} ({\ mathbf {x}} _ {i}) \ end {bmatrix}}} ^ {{\ Triangleq \, f _ {{i-1}} ({\ mathbf {x}} _ {{i-1}})} } + \ overbrace {{\ begin {bmatrix} {\ mathbf {0}} \\ g _ {{i-1}} ({\ mathbf {x}} _ {i}) \ end {bmatrix}}} ^ {{\ triangleq \, g _ {{i-1}} ({\ mathbf {x} } _ {{i-1}})}} z_ {i} \ quad {\ text {(Ляп. функц. }} V _ {{i-1}}, {\ text {подсистема, стабилизированная}} u _ {{i-1}} ({\ textbf {x}} _ {{i-1}}) {\ text {) }} \\ {\ dot {z}} _ {i} = f_ {i} ({\ mathbf {x}} _ {i}) + g_ {i} ({\ mathbf {x}} _ {i}) u_ {i} \ end {cases}}

Согласно уравнению (7) соответствующий стабилизирующий обратную связь закон управления равен

ui (x, z 1, z 2,…, zi ⏞ ≜ xi) = 1 gi (xi) (- ∂ V i - 1 ∂ xi - 1 gi - 1 (xi - 1) - ki (zi - ui - 1 (xi - 1)) + ∂ ui - 1 ∂ xi - 1 (fi - 1 (xi - 1) + gi - 1 (xi - 1) zi) ⏞ стабилизирующее управление с одним интегратором uai (xi) - fi (xi - 1)) {\ displaystyle u_ {i} (\ overbrace {\ mathbf {x}, z_ {1}, z_ {2}, \ dots, z_ {i}} ^ {\ triangleq \, \ mathbf {x} _ {i}}) = {\ frac {1} {g_ {i} (\ mathbf {x} _ {i })}} \ left (\ overbrace {- {\ frac {\ partial V_ {i-1}} {\ partial \ mathbf {x} _ {i-1}}} g_ {i-1} (\ mathbf { x} _ {i-1}) \, - \, k_ {i} \ left (z_ {i} \, - \, u_ {i-1} (\ mathbf {x} _ {i-1}) \ справа) \, + \, {\ frac {\ partial u_ {i-1}} {\ partial \ mathbf {x} _ {i-1}}} (f_ {i-1} (\ mathbf {x} _ {i-1}) \, + \, g_ {i-1} (\ mathbf {x} _ {i-1}) z_ {i})} ^ {{\ text {Стабилизирующее управление с одним интегратором}} u_ {a \; \! i} (\ mathbf {x} _ {i})} \, - \, f_ {i} (\ mathbf {x} _ {i-1}) \ right)}u_{i}(\overbrace {{\mathbf {x}},z_{1},z_{2},\dots,z_{i}}^{{\triangleq \,{\mathbf {x}}_{i}}})={\frac {1}{g_{i}({\mathbf {x}}_{i})}}\left(\overbrace {-{\frac {\partial V_{{i-1}}}{\partial {\mathbf {x}}_{{i-1}}}}g_{{i-1}}({\mathbf {x}}_{{i-1}})\,-\,k_{i}\left(z_{i}\,-\,u_{{i-1}}({\mathbf {x}}_{{i-1}})\right)\,+\,{\frac {\partial u_{{i-1}}}{\partial {\mathbf {x}}_{{i-1}}}}(f_{{i-1}}({\mathbf {x}}_{{i-1}})\,+\,g_{{i-1}}({\mathbf {x}}_{{i-1}})z_{i})}^{{{\text{Single-integrator stabilizing control }}u_{{a\;\!i}}({\mathbf {x}}_{i})}}\,-\,f_{i}({\mathbf {x}}_{{i-1}})\right)

wi коэффициент усиления ki>0 {\ displaystyle k_ {i}>0}k_{i}>0 . По уравнению (8) соответствующая функция Ляпунова равна

V i (xi) = V i - 1 (xi - 1) + 1 2 (zi - ui - 1 (xi - 1)) 2 {\ displaystyle V_ {i} (\ mathbf {x} _ {i}) = V_ {i-1} (\ mathbf {x} _ {i-1}) + {\ frac {1} {2}} (z_ {i } -u_ {i-1} (\ mathbf {x} _ {i-1})) ^ {2}}V_{i}({\mathbf {x}}_{i})=V_{{i-1}}({\mathbf {x}}_{{i-1}})+{\frac {1}{2}}(z_{i}-u_{{i-1}}({\mathbf {x}}_{{i-1}}))^{2}

По этой конструкции конечный контроль u (x, z 1, z 2, …, Zk) = uk (xk) {\ displaystyle u (\ mathbf {x}, z_ {1}, z_ {2}, \ ldots, z_ {k}) = u_ {k} (\ mathbf {x} _ {k})}u ({\ mathbf {x}}, z_ {1}, z_ {2}, \ ldots, z_ {k}) = u_ {k} ({\ mathbf {x}} _ {k}) (т.е. конечный контроль находится на последней итерации i = k {\ displaystyle i = k}i=k). Следовательно, любую систему строгой обратной связи можно стабилизировать с помощью простой процедуры, которую можно даже автоматизировать (например, как часть алгоритма адаптивного управления ).

См. Также

Ссылки

Последняя правка сделана 2021-05-11 05:37:05
Содержание доступно по лицензии CC BY-SA 3.0 (если не указано иное).
Обратная связь: support@alphapedia.ru
Соглашение
О проекте