跳到主要內容

[系統理論] 線性系統的 Input/Output to State Stability

回憶在線性系統理論中,我們說 系統為可觀測 (observable) 則可以設計觀察器(observer)。但若今天考慮的是 非線性系統,我們是否能有類似的準則來告訴我們何時可以設計觀察器? 或者說是否能提供非線性系統 類比於系統觀察性( observability) 的條件呢?

答案是肯定的,在非線性系統裡面 我們可用 Incremental Input/output-to-state stability (i-IOSS) 來界定系統是否可觀察。 不過如果是只針對線性系統,則我們僅需要 IOSS 即可等價 observability;以下為定義:


=======================
Definition: Input/output-to-state stability (IOSS)
假設非線性系統 $x^+ = f(x,w); \;\; y=h(x)$ 為 input/output-to-state stable (IOSS) 若下列條件成立:
對任意 $x_0 \in \mathbb{R}^n$ 與 $k \ge 0$,存在 $\beta(\cdot) \in \mathcal{KL}$ 與 $\gamma_1(\cdot), \gamma_2(\cdot) \in \mathcal{K}$ 使得
\[
|x(k;x_0, {\bf w})| \le \beta(|x_0|,k) + \gamma_1(||{\bf w}||) + \gamma_2 (||{\bf y}||)
\]其中 $x(k;x_0,{\bf w})$ 為前述非線性系統 在時間 $k$ 與 初始條件 $x_0$ 輸入為 ${\bf w}$的解;另外 $||{\bf w}|| := \max_{j\ge 0} |w(j)|, ||{\bf y}|| := \max_{j\ge 0} |y(j)|$
=======================

那麼有了上述結果,我們應立即想到此定義對於原本線性系統是否有用? 現在我們看個例子:

Example
考慮離散時間 線性系統
\[\begin{array}{l}
{x^ + } = Ax + Gw\\
y = Cx
\end{array}\]試證若系統為 observable,則 系統為 Input-Output State Stable (IOSS)

Proof: 
回憶 IOSS 定義:
\[\left| {x\left( {k;{x_0}} \right)} \right| \le \beta \left( {|{x_0}|,k} \right) + {\gamma _1}\left( {||w||} \right) + {\gamma _2}\left( {||y||} \right)
\]其中 $\beta(\cdot) \in \mathcal{KL}$ 且 $\gamma_1(\cdot), \gamma_2(\cdot) \in \mathcal{K}$

由於系統為 observable,我們可以設計觀察器,故我們可改寫系統方程如下
\[\begin{array}{l}
{x^ + } = Ax + Gw\\
 \Rightarrow {x^ + } = Ax + Gw + Ly - Ly\\
 \Rightarrow {x^ + } = \left( {A - LC} \right)x + Gw + Ly
\end{array}\]其中 $ L$ 觀測器的增益矩陣, 且由於系統為 observable,故 $(A-LC)$ 為穩定矩陣;亦即 $eig(A-LC) < 1$ 。現在我們求解 $x(k)$ 如下:
\[\begin{array}{l}
\left| {x\left( k \right)} \right| = \left| {{{\left( {A - LC} \right)}^k}{x_0} + \sum\limits_{j = 0}^{k - 1} {{{\left( {A - LC} \right)}^{k - 1 - j}}\left( {Gw\left( j \right) + Ly\left( j \right)} \right)} } \right|\\
\begin{array}{*{20}{c}}
{}&{}&{}&{}
\end{array} \le \left| {{{\left( {A - LC} \right)}^k}} \right|\left| {{x_0}} \right| + \sum\limits_{j = 0}^{k - 1} {\left| {{{\left( {A - LC} \right)}^{k - 1 - j}}Gw\left( j \right)} \right|} \\
\begin{array}{*{20}{c}}
{}&{}&{}&{}&{}&{}&{}&{}
\end{array} + \sum\limits_{j = 0}^{k - 1} {\left| {{{\left( {A - LC} \right)}^{k - 1 - j}}Ly\left( j \right)} \right|}
\end{array}\]現在回憶下列結果 (Horn and Johnson, 1985, p.299):對 $c>0$,
\[\left| {{{\left( {A - LC} \right)}^k}} \right| \le c{\lambda ^k};\begin{array}{*{20}{c}}
{}&{}
\end{array}\mathop {\max }\limits_i \left| {ei{g_i}\left( A - LC \right)} \right| < \lambda  < 1
\]故可知
\[\begin{array}{*{20}{l}}
{\left| {x\left( k \right)} \right| \le c{\lambda ^k}\left| {{x_0}} \right| + c{\lambda ^{k - 1}}\sum\limits_{j = 0}^{k - 1} {{\lambda ^{ - j}}\left| {Gw\left( j \right)} \right|}  + c{\lambda ^{k - 1}}\sum\limits_{j = 0}^{k - 1} {{\lambda ^{ - j}}\left| {Lw\left( j \right)} \right|} }\\
{\begin{array}{*{20}{c}}
{}&{}&{}&{}
\end{array} \le c{\lambda ^k}\left| {{x_0}} \right| + c\left| G \right|\left\| w \right\|\frac{{1 - {\lambda ^k}}}{{1 - \lambda }} + c\left| L \right|\left\| y \right\|\frac{{1 - {\lambda ^k}}}{{1 - \lambda }}}\\
{\begin{array}{*{20}{c}}
{}&{}&{}&{}
\end{array} \le c{\lambda ^k}\left| {{x_0}} \right| + c\left| G \right|\left\| w \right\|\frac{1}{{1 - \lambda }} + c\left| L \right|\left\| y \right\|\frac{1}{{1 - \lambda }}}
\end{array}\]故我們可取
\[\left\{ \begin{array}{l}
\beta \left( {|{x_0}|,k} \right): = c{\lambda ^k}\left| {{x_0}} \right|\\
{\gamma _1}\left( {||w||} \right): = c\left| G \right|\left\| w \right\|\frac{{ {1 }}}{{1 - \lambda }}\\
{\gamma _2}\left( {||y||} \right){\rm{: = }}c\left| L \right|\left\| y \right\|\frac{{{1 }}}{{1 - \lambda }}
\end{array} \right.\]最後我們僅需檢驗 $\beta(\cdot) \in \mathcal{KL}$, 且 $ \gamma_1(\cdot), \gamma_2(\cdot) \in \mathcal{K}$。 $\square$


事實上上述例子可以推廣成如下重要結果:

===================
Theorem: IOSS in linear system is equivalent to detectability
考慮離散時間 線性系統
\[\begin{array}{l}
{x^ + } = Ax + Gw\\
y = Cx
\end{array}\]此系統為 detectable 若且為若 系統為 IOSS
===================
Proof: omitted

留言

這個網誌中的熱門文章

[數學分析] 什麼是若且唯若 "if and only if"

數學上的 if and only if  ( 此文不討論邏輯學中的 if and only if,只討論數學上的 if and only if。) 中文翻譯叫做  若且唯若 (or 當且僅當) , 記得當初剛接觸這個詞彙的時候,我是完全不明白到底是甚麼意思,查了翻譯也是愛莫能助,畢竟有翻跟沒翻一樣,都是有看沒有懂。 在數學上如果看到 if and only if  這類的句子,其實是表示一種 雙條件句 ,通常可以直接將其視為" 定義(Definition)" 待之,今天要分享的是這樣的一個句子如何用比較直觀的方法去看他 假設我們現在有 兩個邏輯陳述句 A 與  B. 注意到,在此我們不必考慮這兩個陳述句到底是什麼,想表達什麼,或者到底是否為真(true),這些都不重要。只要知道是兩個陳述即可。 現在,考慮新的陳述:  "A if and only if B" 好了,現在主角登場,我們可以怎麼看待這個句子呢? 事實上我們可以很直覺的把這句子拆成兩部分看待,也就是 "( A if B ) and ( A only if B )" 那麼先針對第一個部分  A if B  來看, 其實這句就是說  if B then A, 更直白一點就是 "if B is true, then A is also true".  在數學上等價可以寫為 "B implies A" .  或者更常用一個箭頭符號來表示 "B $\Rightarrow$  A"  現在針對第二個部分  A only if B 此句意指  "If B is not true, then A is also not true". 所以如果已知 A is true,  那麼按照上句不難推得 B is also true 也就是說  A only if B  等價為 "If A is true then B is also true". 同樣,也可以寫作   "A implies B"   或者用箭頭表示  "A   $\Rightarrow$     B".

[數學分析] 淺談各種基本範數 (Norm)

這次要介紹的是數學上一個重要的概念: Norm: 一般翻譯成 範數 (在英語中 norm 有規範的意思,比如我們說normalization就是把某種東西/物品/事件 做 正規化,也就是加上規範使其正常化),不過個人認為其實翻譯成 範數 也是看不懂的...這邊建議把 Norm 想成長度就好 (事實上norm是長度的抽象推廣), 也許讀者會認為好端端的長度不用,為何又要發明一個 norm 來自討苦吃?? 既抽象又艱澀。 事實上想法是這樣的: 比如說現在想要比較兩個數字 $3$ , $5$ 之間的大小,則我們可以馬上知道 $ 3 < 5 $;同樣的,如果再考慮小數與無理數如 $1.8753$ 與 $\pi$,我們仍然可以比較大小 $1.8753 < \pi = 3.1415...$ 故可以發現我們有辦法對 "純量" 做明確的比大小,WHY? 因為前述例子中 $3$, $5$, $1.8753$ or $\pi$ 其各自的大小有辦法被 "measure "! 但是如果是現在考慮的是一組數字 我們如何去measure 其大小呢?? 比如說 \[x:=[1, -2, 0.1, 0 ]^T \]上式的大小該是多少? 是 $1$? $-2$? $0.1$??? 再者如果更過分一點,我們考慮一個矩陣 \[A = \left[ {\begin{array}{*{20}{c}} 1&2\\ 3&4 \end{array}} \right] \],想要知道這個矩陣的大小又該怎麼辦?? 是 $1$ ? $2$ 還是 $4$ ?..其實現階段我們說不清楚。 也正是如此,可以發現我們確實需要新的 "長度" 的定義來幫助我們如何去 measure 矩陣/向量/甚至是函數的大小。 故此,我們首先定義甚麼是Norm,(也就是把 "長度" or "大小" 的本質抽離出來) ================== Definition: Norm 考慮 $V$ 為一個向量空間(Vector space),則我們說  Norm 為一個函數 $||\cdot|| : V \rightarrow \mathbb{R}$ 且滿足下列性質