第8章节 MATLAB系统空间分析法.pptVIP

第8章 系统状态空间分析法 8.4节和8.5节 内容 系统特征方程及解 关于系统相似变换 关于系统可观性、可控性判别的 状态反馈极点配置 状态观测器 8.1 系统状态方程的解 状态转移矩阵 EX1 系统的特征方程、特征值及特征向量 特征方程：|sI-A|=0 特征值及特征向量： EX2 已知控制系统求控制系统的特征方程 EX2 求控制系统的特征值及特征向量 符号计算Symbolic Toolbox 8.2 传递矩阵G 8.3 线性变换 状态方程的线性变换 ss2ss(sys,T) EX3 约当标准形 canon(sys,’model’) canon(sys,’companion’) EX4利用特征值及范德蒙特矩阵求约当阵 符号计算 8. 4 系统的可控性和可观性 MATLAB提供函数分别计算能控性矩阵和能观测性矩阵 可控性矩阵CO=ctrb(A,B) 可观测性矩阵OB=obsv(A,C) 可控性判定 可观测性判定 可控标准形 可观测标准形 8.5 系统状态反馈与状态观测器 参见《线性控制系统工程》539页POLE PLACEMENT VIA AKERMANN’S FORMULA MATLAB直接用于系统极点配置计算的函数有acker和place 状态观测器设计一般原理归结为使用极点配置法求观测器的增益矩阵G 观测器设计和带观测器的状态反馈系统 amp413.m amp414.m 利用阶跃响应和状态响应来进行检验状态估计值是否与系统状态实际值吻合amp415.m The closed-loop system with observer B C A + + u x y B C A + + K - G - r + + 状态观测器 状态反馈 25.2 The sufficient and necessary condition of constructing a state variable observer The state variables of system are all observable. Observability criterion: A system {A, C} is state – observable if and only if A,B为系统矩阵 K=acker(A,B,P) P为期望极点向量 K反馈增益向量 K=place(A,B,P) A,C为系统矩阵 G=acker(A’,C’,P) P为观测器的期望极点向量 G为观测器增益向量 K=place(A’,C’,P) * * 若状态方程是齐次的,即有: a=[0 1 0;0 0 1;-6 -11 -6]; x0=[1;1;1]; t=0:0.1:10; for i=1:length(t) x(:,i)=expm(a*t(i))*x0; end plot3(x(1,:),x(2,:),x(3,:)); grid on [V，D]=eig（A） 特征向量矩阵 特征值矩阵 A*V = V*D A=[2 1 -1;1 2 -1;-1 -1 2]; I=[1 0 0;0 1 0;0 0 1]; syms s %符号计算 det(s*I-A) s=solve(det(s*I-A)) %求解 ans = s^3-6*s^2+9*s-4 s = [ 4] [ 1] [ 1] V = -0.4082 0.7071 0.5774 -0.4082 -0.7071 0.5774 -0.8165 0 -0.5774 D = 1.0000 0 0 0 1.0000 0 0 0 4.0000 [V,D]=eig(A) Veig=inv(V)*A*V Veig = 1.0000 0 -0.0000 -0.0000 1.0000 0.0000 -0.0000 0 4.0000 ans = [ 4] [ 1] [ 1] eigensys(A) 特征值及特征向量 s=determ(s*I-A) s = s^3-6*s^2+9*s-4 矩阵行列式的值 EIGENSYS Obsolete Symbolic Toolbox function. [V,D] = EIGENSYS(A) is the same as [V,D] = eig(sym(A)) C[sI-A]-1B+D A=[0 1;0 -2];B=[1 0;0 1];C=[1 0;0 1];D=