MASTERY · CONTROL ENGINEERING

现代控制理论深度理解:ABCD空间映射、卡尔曼能控性与输出能控性

1.1k WORDS 5 MIN READ #816专业课

现代控制理论深度理解:ABCD空间映射、卡尔曼能控性与输出能控性


一、 ABCD 矩阵的物理本质与空间映射

1. 三大空间定义

任何线性定常(LTI)系统在状态空间中均包含三个基本物理空间:

空间符号维度对应变量物理含义
输入空间U\mathcal{U}mm控制输入 u(t)Rmu(t) \in \mathbb{R}^m外部控制器能直接调动的控制源(阀门、电机电压等)
状态空间X\mathcal{X}nn内部状态 x(t)Rnx(t) \in \mathbb{R}^n系统内部所有储能元件的状态自由度(电容电压、位置速度等)
输出空间Y\mathcal{Y}pp外部输出 y(t)Rpy(t) \in \mathbb{R}^p外部传感器能够测得的或期望跟踪的被控指标

2. 四大矩阵的维度推演与物理流向

flowchart LR
    U["输入空间 U (m维)"] -- "B (n × m)" --> X["状态空间 X (n维)"]
    X -- "A (n × n) 内部自循环" --> X
    X -- "C (p × n)" --> Y["输出空间 Y (p维)"]
    U -- "D (p × m) 旁路直通" --> Y

基于状态方程与输出方程:

{x˙(t)=Ax(t)+Bu(t)y(t)=Cx(t)+Du(t)\begin{cases} \dot{x}(t) = A x(t) + B u(t) \\ y(t) = C x(t) + D u(t) \end{cases}

各矩阵的物理内涵推演如下:

AA 矩阵:系统内部自循环(XX\mathcal{X} \to \mathcal{X}

  • 物理角色:描述没有任何外部输入时,系统内部各个储能状态之间的能量交换与自主动力学演化(内部网络结构)。
  • 映射关系:从状态空间 X(n)\mathcal{X}(n) 到状态导数空间 X˙(n)\dot{\mathcal{X}}(n)
  • 矩阵维度n×nn \times n(方阵)

BB 矩阵:外部控制注入接口(UX\mathcal{U} \to \mathcal{X}

  • 物理角色:控制输入 uu 并不是直接控制输出,而是必须打在系统内部某些状态变量上(例如电机电压直接改变电流,电流再驱动转子)。
  • 映射关系:从输入空间 U(m)\mathcal{U}(m) 映射到内部状态空间 X(n)\mathcal{X}(n)
  • 矩阵维度n×mn \times m

CC 矩阵:内部状态观测接口(XY\mathcal{X} \to \mathcal{Y}

  • 物理角色:外部传感器安装在哪些物理量上,如何把系统内部的全局状态投射为外部可见的输出量。
  • 映射关系:从状态空间 X(n)\mathcal{X}(n) 映射到输出空间 Y(p)\mathcal{Y}(p)
  • 矩阵维度p×np \times n

DD 矩阵:输入到输出的直通通道(UY\mathcal{U} \to \mathcal{Y}

  • 物理角色:输入直接“穿透”系统,不经过内部状态积分器的惯性缓冲,瞬间影响输出端。
  • 映射关系:从输入空间 U(m)\mathcal{U}(m) 直接映射到输出空间 Y(p)\mathcal{Y}(p)
  • 矩阵维度p×mp \times m(绝大多数具备物理惯性的系统,D=0D = 0)。

3. 从空间链条秒懂现代控制深层概念

建立了上述空间流向后,经典控制理论与现代控制理论的诸多公式便能迎刃而解:

  1. 为什么能控性只看 (A,B)(A, B)

    • 能控性的目标是:利用输入 uu 把内部状态 xx 驱动到任意位置。
    • 信号流动路径为:UBXAXU \xrightarrow{B} X \xrightarrow{A} X
    • 整个过程纯粹发生在内部状态建立阶段,传感器 CC 和旁路 DD 根本没有参与,因此能控性只由矩阵对 (A,B)(A, B) 唯一决定。
  2. 为什么能观性只看 (A,C)(A, C)

    • 能观性的目标是:通过外部测量 yy 反向重构所有内部状态 xx
    • 信号流动路径为:XAXCYX \xrightarrow{A} X \xrightarrow{C} Y
    • 整个过程是内部状态向外部的观测投影,与外界输入 BB 无关,因此能观性只由矩阵对 (A,C)(A, C) 唯一决定。
  3. 传递函数阵 G(s)=C(sIA)1B+DG(s) = C(sI-A)^{-1}B + D 的本质:

    • 从拉普拉斯域看信号链: U(s)B(n×m)状态(sIA)1(n×n)(内部动态)状态C(p×n)Y(s)U(s) \xrightarrow{\quad B (n \times m) \quad} \text{状态} \xrightarrow{\quad (sI-A)^{-1} (n \times n) \text{(内部动态)} \quad} \text{状态} \xrightarrow{\quad C (p \times n) \quad} Y(s)
    • 再并联一条旁路直通通道 U(s)D(p×m)Y(s)U(s) \xrightarrow{\quad D (p \times m) \quad} Y(s)
    • 两条通道叠加即为 G(s)G(s),维度精确满足 p×mp \times m

Discussion

Comments

Post

Thoughts, corrections, and follow-up notes are welcome here.