lyapunov稳定性理论李雅普诺夫.ppt

二、二次型V函数 几何解释： 例 给定连续时间的定常系统 试判定其稳定性。 系统的平衡状态为 。取 (i) 为正定； (ii) 显然 是半负定的； 例: 研究以下系统在(0,0)点的稳定性 李雅普诺夫稳定性的判定方法 李雅普诺夫稳定性的判定方法 设非线性定常连续系统的状态方程为 对该系统有如下假设: 1) 所讨论的平衡状态xe=0(f(0)=0); 2) f(x)对状态变量x是连续可微的,即存在雅可比矩阵 结论（雅柯比矩阵定理）： 非线性定常连续系统的平衡状态xe=0为渐近稳定的充分条件为 为负定的矩阵函数,且 为该系统的一个李雅普诺夫函数，其中W为正定矩阵。 更进一步,当||x||→∞时,有||V(x)||→∞,则该平衡状态是大范围渐近稳 定的。 结论（克拉索夫斯基定理）： 非线性定常连续系统的平衡状态xe=0为渐近稳定的充分条件为 为负定的矩阵函数,且 为该系统的一个李雅普诺夫函数。 更进一步,当||x||→∞时,有||V(x)||→∞,则该平衡状态是大范围渐近稳 定的。 由结论2, 系统在原点是渐近稳定的条件是J(x)+JT(x)为负定 矩阵函数,需J(x)的对角线元素不恒为零,因此f(x)的第i个分 量必须包含变量xi,否则,无法应用。 推广到线性定常连续系统可知: 对称矩阵A+AT负定,则系统的原点是大范围渐近稳定的。 二结论给出的是渐近稳定的一个充分条件,不是必要条件。 如对于渐近稳定的线性定常连续系统 由于 不是负定矩阵,故由克拉索夫斯基定理判别不出该系统为 渐近稳定的。 可见,该定理仅是一个充分条件判别定理。 二、 变量梯度法 舒尔茨和吉布生在1962年提出。思想: 构造出Lyapunov函数的梯度来分析Lyapunov函数的定号性。 设非线性定常连续系统的状态方程为 且所讨论的平衡态为原点,即xe=0。 设李雅普诺夫函数为V(x),它是x的显函数,而不是时间t的显函数,则V(x)的梯度gradV存在。 梯度gradV是如下定义的n维向量: 舒尔茨和吉布生建议,先假设gradV具有某种形式,并由此求出符合要求的V(x)和V(x)。 由 可知,V(x)可由gradV的线积分求取,即 式中,积分上限x是状态空间的一点(x1,x2,…,xn)。 由场论知识可知,若梯度gradV的n维旋度等于零,即rot(gradV)=0,则上式所示的线积分与路径无关。 而rot(gradV)=0的充分必要条件是: gradV的雅可比矩阵 是对称矩阵,即 当上述条件满足时,积分路径可以任意选择,故可以选择一条简单的路径,即依各个坐标轴xi的方向积分 按变量梯度法构造李雅普诺夫函数方法的步骤如下。 1) 将李雅普诺夫函数V(x)的梯度假设为 式中,aij(i,j=1,2,…,n)为待定系数,它们可以是常数,也可以是t的函数或x1,x2,…,xn的函数。 通常将aij选择为常数或t的函数。 2) 由 定义 。 由平衡状态渐近稳定时 为负定的条件,可以决定部分待定参数aij。 3) 由限制条件 决定其余待定参数aij。 4) 求线积分,获得V(x)。 验证V(x)的正定性,若不正定则需要重新选择待定参数aij,直至V(x)正定为止。 5) 确定平衡态xe=0渐近稳定的范围。 雅柯比矩阵定理： 非线性定常连续系统的平衡态xe=0为渐近稳定的充分条件为 为负定的矩阵函数,且 为该系统的一个李雅普诺夫函数，其中W为正定矩阵。 更进一步,当||x||→∞时,有||f(x)||→∞,则该平衡态是大范围渐近稳 定的。 克拉索夫斯基定理： 非线性定常连续系统的平衡态xe=0为渐近稳定的充分条件为 为负定的矩阵函数,且 为该系统的一个李雅普诺夫函数。 更进一步,当||x||→∞时,有||f(x)||→∞,则该平衡态是大范围渐近稳 定的。 二、非线性连续系统 稳定性定理 渐近稳定性定理 不稳定性定理 近似线性化法： 在线性化系统模型中， 1）A的所有特征值具有负实部，则非线性系统在 处渐近稳定； 2）A的特征值中至少有一个具有正实部，非线性系统在 处 不稳定； 3) A在特征值的实部有一部分为0，其它的都具负实部，非线性系统在 处的稳定性不能得出明确结论，而取决于高次项。 变量梯度法 注: 1）如果