472

Lyapunovljeva analiza stabilnosti
Opca teorija sustava

Sveuciliste u Zagrebu
Fakultet strojarstva i brodogradnje
Opca teorija sustava ( ) Lyapunovljeva analiza stabilnosti 1 / 56
Sadrzaj
1
Denicije i pojam stabilnosti
2
3
Lyapunovljeva analiza stabilnosti linearnih sustava
4
Analiza stabilnosti slozenih sustava
Sadrzaj
1
2
3
4
Denicije i pojam stabilnosti Denicije stabilnosti
Denicije stabilnosti
Autonomni nelinearni dinamicki sustav reprezentiran je sustavom nelinearnih
diferencijalnih jednadzbi:
x = f (x)
gdje je
f : R
n
R
n
- nelinearna vektorska funkcija,
x R
n
- vektor stanja sustava.
Denicija 1. (Stabilnost) Za ravnotezno stanje x = 0 kazemo da je stabilno ako
za neki > 0 postoji > 0 tako da iz x(t
0
) < , slijedi x(t) < za sve
t t
0
. Inace ravnotezno stanje je nestabilno.
Prethodnu deniciju mozemo prikazati kompaktnije na slijedeci nacin
> 0, > 0, x(t
0
) < x(t) < , t 0.
Denicije i pojam stabilnosti Denicije stabilnosti
Denicije stabilnosti
Denicija 2. (Asimptotska stabilnost) Za ravnotezno stanje kazemo da je
asimptotski stabilno ako je zadovoljen dodatni uvjet da za neki > 0 iz
x(t
0
) < slijedi da x(t) 0 kada t .
> 0, x(t
0
) < x(t) 0, t .
Denicija 3. (Eksponencijalna stabilnost) Za ravnotezno stanje kazemo da je
eksponencijalno stabilno ako postoje , > 0 takvi da za svaki > 0 vrijedi
x(t) < x(t
0
)e
(tt
0
)
za svaki t > t
0
kad god je x(t
0
) < .
Prethodnu deniciju mozemo prikazati kompaktnije na slijedeci nacin
> 0, , > 0, x(t
0
) < x(t) < x(t
0
)e
(tt
0
)
, t > t
0
Denicije i pojam stabilnosti Stabilnost sustava 1. reda
Pojam stabilnosti
Problem stabilnosti dinamickih sustava problem trazenja asimptotskih rjesanja
diferencijalnih jednadzbi (kvalitativna rjesenja diferencijalnih jednadzbi)
x = f(x)
1. Stacionarno stanje: x = 0, f(x) = 0, moguca rjesenja: x
1
, x
2
, ...
2. Stabilnost pojedinih x
1
, x
2
, ...
3. Odredivanje domene atrakcije oko pojedinih x
1
, x
2
, ...
Primjer: x = x +
1
20
x
3
6 4 2 0 2 4 6
5
4
3
2
1
0
1
2
3
4
5
x
x+1/20 x
3
Nestabilno
stacionarno
stanje
Nestabilno
stacionarno
stanje
Stabilno
stacionarno
stanje
Kako utvrditi stabilnost stacionarnih stanja?
Za sustave 1. reda (x
= 0) ako f(x) zadovoljava:

1. x > 0, f(x) < 0 x < 0
2. x < 0, f(x) > 0 x > 0
3. x = 0, f(x) = 0 x = 0
ili skraceno: x f(x) 0
Stabilnost nelinearnih sustava prvog reda
Dinamicki sustav (x R)
x = f(x)
Uvjet stabilnosti
x f(x) 0
od diferencijalne forme ...
x x = x f(x)
... do uvjeta disipativnosti
d
dt
1
2
x
2
= x f(x) 0
d
dt
1
2
x
2
=
d
dx
1
2
x
2
dx
dt
= x x
Ako oznacimo: V (x) =
1
2
x
2
imamo

V (x) 0
Svojstva funkcije V (x)
1. V (x) > 0 za x = 0
2. V (x) = 0 x = 0
3. min
x
V (x) = 0
Posljedica V (x) 0 i

V (x) 0
x 0 za t
Sustav je asimptotski stabilan!
1
Za bilo koji pocetni x(0) = x
0
= 0 imamo V (x
0
) > 0 u t = 0.
2
Zbog

V (x) 0 slijedi da ce V (x) kontinuirano opadati tijekom vremena
prema minimalnoj mogucoj vrijednosti: V (x) = 0.
3
Posljedica V (x) 0 je x 0
2 1 0 1 2
0
0.5
1
1.5
2
x
1/2 x
2
2 1 0 1 2
4
3
2
1
0
x
x
2
Sadrzaj
1
2
3
4
Karakterizacija stabilnosti primjenom Lyapunovljeve funkcije
Globalna stabilnost ( x = f(x); x, f(x) R
n
)
Ako imamo skalarnu funkciju V (x) sa kontinuiranim parcijalnim derivacijama
prvog reda tako da vrijedi
V (x) je pozitivno denitna (V (x) > 0 za x > 0; V (x) = 0 za x = 0)
V (x) je negativno (semi)denitna (

V (x) 0 za x > 0;

V (x) = 0 za x = 0)
V (x) kada x (V (x) je radijalno neogranicena)
tada je ravnotezno stanje x = 0 globalno stabilno. Ako je

V (x) negativno
denitna tada je ravnotezno stanje globalno asimptotski stabilno.
LaSalleov princip invarijantnosti (

V (x) 0)
Ako skup R =
x R
n
|

V (x) = 0
ne sadrzi druga rjesenja osim ravnoteznog

stanja x = 0, tada je ravnotezno stanje x = 0 globalno asimptotski stabilno.
Metodologija Lyapunovljeve analize stabilnosti
Odredivanje jednadzbi pogreske oko stacionarnog stanja x = 0
Konstrukcija Lyapunovljeve funkcije V (x)
Odredivanje vremenske derivacije Lyapunovljeve funkcije

V (x)
Odredivanje kriterija stabilnosti
odredivanje uvjeta pozitivne denitnosti Lyapunovljeve funkcije,

V (x) 0
odredivanje uvjeta negativne (semi)denitnosti derivacije Lyapunovljeve

funkcije,

V 0
Primjena LaSalleovog principa invarijantnosti za utvrdivanje
asimptotske stabilnosti ako je

V (x) samo negativno semidenitna

V (x)

V (x) 0

funkcije,

V 0


V (x)

V (x) 0

funkcije,

V 0


V (x)

V (x) 0

funkcije,

V 0

Primjer: x = x + x
3
, LF: V (x) =
1
2
x
2
f(x) = x + x
3
V (x) = x x = xf(x) = x
2
+ x
4
= x
2
(x
2
1) 0
(x
2
1) 0
1 < x < 1 - domena atrakcije
Analiza stabilnosti za nelinearne sustave prvog reda je jednostavna
S povecanjem reda sustava analiza stabilnosti postaje sve slozenija
Ne postoji univerzalna receptura kao u slucaju linearnih sustava
Lyapunovljeva analiza stabilnosti Stabilnost sustava 2. reda
Primjer 2:
x
1
= x
2
,
x
2
= 2x
1
x
2
,
LF: V (x) = 7x
2
1
+ 2x
1
x
2
+ 3x
2
2
, V (x) 0 ???
2x
1
x
2
= (x
1
+ x
2
)
2
x
2
1
x
2
2
V (x) = 7x
2
1
+ 3x
2
2
+ (x
1
+ x
2
)
2
x
2
1
x
2
2
V (x) = 6x
2
1
+ 2x
2
2
+ (x
1
+ x
2
)
2
0 - LF je pozitivno denitna
V (x) = 14x
1
x
1
+ 6x
2
x
2
+ 2x
1
x
2
+ 2 x
1
x
2
V (x) = 14x
1
(x
2
) + 6x
2
(2x
1
x
2
) + 2x
1
(2x
1
x
2
) + 2(x
2
)x
2
V (x) = 4x
2
1
4x
2
2
0 - derivacija LF je negativno denitna
Linearni priguseni oscilator
Dinamicki model linearnog prigusenog oscilatora
m x + x + kx = 0
Energija linearnog prigusenog oscilatora
E(x, x) =
1
2
m x
2
+
1
2
kx
2
0
Disipacija energije linearnog prigusenog oscilatora
dE(x, x)
dt
= m x x + kx x = (m x + kx)
. .. .
x
x = x
2
0
Hurwitzov kriterij stabilnosti
m > 0, > 0, k > 0
Nelinearni priguseni oscilator (1)
Dinamicki model nelinearnog prigusenog oscilatora (1)
m x + x
3
+ kx
3
= 0
nije moguca
linearizacija!!!
Energija nelinearnog prigusenog oscilatora (1)
E(x, x) =
1
2
m x
2
+
1
4
kx
4
dE(x, x)
dt
= m x x + kx
3
x = (m x + kx
3
)
. .. .
x
3
x = x
4
Kriterij stabilnosti
m > 0, > 0, k > 0
Nelinearni priguseni oscilator (2)
Dinamicki model nelinearnog prigusenog oscilatora (2)
m x + f(x, x) + g(x) = 0
Energija nelinearnog prigusenog oscilatora (2)
E(x, x) =
1
2
m x
2
+
x
0
g()d
dE(x, x)
dt
= m x x + g(x) x = (m x + g(x))
. .. .
f(x, x)
x = xf(x, x)
Kriterij stabilnosti
m > 0, xf(x, x) > 0, xg(x) > 0
Lyapunovljeva analiza stabilnosti Linearni priguseni oscilator (jos jednom)
Linearni priguseni oscilator - primjena pasivnosti u konstrukciji LF
Dinamicki model linearnog prigusenog oscilatora
m x + x + kx = 0
izlazna varijabla y = x
Kvadratna diferencijalna forma
x(m x + x + kx) = m x x + x
2
+ kx x =
= m
d
dt
1
2
x
2
+ x
2
+ k
d
dt
1
2
x
2
=
=
d
dt
1
2
m x
2
+
1
2
kx
2
+ x
2
= 0
d
dt
1
2
m x
2
+
1
2
kx
2
. .. .
E(x, x)
= x
2
Sadrzaj
1
2
3
4
Lyapunovljeva analiza stabilnosti linearnih sustava Lyapunovljeva analiza linearnih sustava
Lyapunovljeva analiza stabilnosti linearnih multivarijabilnih sustava
Dinamicki model linearnih sustava
x = Ax, x, x R
n
, A R
nn
Lyapunovljeva funkcija
V (x) =
1
2
x
T
Px, P = P
T
0
Derivacija Lyapunovljeve funkcije
dV (x)
dt
=
1
2
x
T
Px +
1
2
x
T
P x =
1
2
(Ax)
T
. .. .
x
T
A
T
Px +
1
2
x
T
P(Ax) =
=
1
2
x
T

A
T
P+PA
x = x
T
Qx 0, Q = Q
T
0
Kriterij stabilnosti: Linearna matricna nejednakost (LMI)
A
T
P+PA = Q 0
Lyapunovljeva analiza stabilnosti linearnih sustava Lyapunovljeva analiza linearnih sustava
Egzistencija i jedinstvenost Lyapunovljeve funkcije
Teorem (Egzistencija i jedinstvenost Lyapunovljeve funkcije).
Sustav
x = Ax,
je asimptotski stabilan ako za bilo koju pozitivno-denitnu simetricnu matricu Q
postoji jedinstvena pozitivno denitna simetricna matrica P koja zadovoljava
Lyapunovljevu jednadzbu
A
T
P+PA = Q.
Stabilnost linearnih sustava odredujemo primjenom Lyapunovljeve matricne
jednadzbe na slijedeci nacin:
1
izabere se neka pozitivno denitna matrica Q;
2
rjesi se Lyapunovljeva jednadzba po matrici P;
3
provjeri se da li je matrica P pozitivno denitna;
Lyapunovljeva analiza stabilnosti linearnih sustava Sylvesterov teorem
Kriterij pozitivne denitnosti matrice - Sylvesterov teorem
Algebarski kriterij pozitivne denitnosti matrice A daje nam Sylvesterov teorem:
sve vodece subdeterminante (leading principal minors) matrice A, moraju biti
pozitivne
1
= a
11
> 0,
2
=
a
11
a
12
a
21
a
22
> 0,
3
=
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
> 0, . . .
do
n
= det(A) > 0.
Navedeni uvjet ekvivalentan je zahtijevu da svojstvene vrijednosti matrice A budu
pozitivne.
Lyapunovljeva analiza stabilnosti linearnih sustava Denicije i svojstva vektorskih normi
Denicije i svojstva vektorskih normi
Norma vektora x R
n
je funkcija koja preslikava vektorski prostor R
n
u prostor
nenegativnih realnih brojeva R
+
, odnosno : R
n
R
+
.
Funkcija naziva se vektorska norma ako vrijede slijedeca svojstva
1
x 0, x R
n
2
x = 0 x = 0
3
x = || x, x R
n
, R
4
x +y x +y, x, y R
n
(nejednakost trokuta)
Vrijedi: x
T
y x y
Lyapunovljeva analiza stabilnosti linearnih sustava Denicije i svojstva vektorskih normi
L
p
norma vektora
L
p
norme vektora koje su denirane slijedecim izrazom
x
p
=
i=1
|x
i
|
p
1
p
, p 1 (1)
gdje je x = [x
1
x
2
x
n
]
T
.
L
1
norma: x
1
=
n
i=1
|x
i
|
L
2
norma: x
2
=
i=1
|x
i
|
2
1/2
=
x
T
x
L
norma: x
= max
i
|x
i
|
Lyapunovljeva analiza stabilnosti linearnih sustava Svojstva realnih simetricnih matrica
Svojstva realnih simetricnih matrica
Svojstvene vrijednosti pozitivno-denitne simetricne matrice.
Svojstvene vrijednosti realne pozitivno-denitne simetricne matrice A su
pozitivne.
Dokaz. Neka je
i
svojstvena vrijednost matrice A dok je u
i
pripadajuci
svojstveni vektor, odnosno: Au
i
=
i
u
i
.
Pomnozimo li navedenu jednadzbu (s lijeve strane) sa u
T
i
dobivamo
u
T
i
Au
i
=
i
u
T
i
u
i
=
i
u
i
2
.
S obzirom da je A pozitivno-denitna, u
T
i
Au
i
0, te da vrijedi u
i
2
0,
direktno slijedi da mora biti zadovoljeno
i
> 0.
Svojstveni vektori simetricne matrice.
Svojstveni vektori realne simetricne matrice A medusobno su ortogonalni.
Dokaz. Neka su
i
i
j
dvije razlicite svojstvene vrijednosti matrice A dok su u
i
i
u
j
pripadajuci svojstveni vektori: Au
i
=
i
u
i
i Au
j
=
j
u
j
.
Slijedi:
u
T
i
A
T
u
j
=
i
u
T
i
u
j
.
u
T
i
Au
j
=
j
u
T
i
u
j
.
Zbog simetricnosti, A = A
T
, oduzimanjem prethodnih jednadzbi dobivamo
(
j

i
)u
T
i
u
j
= 0.
S obzirom da vrijedi
j
=
i
slijedi
u
T
i
u
j
= 0,
cime smo dokazali da svojstveni vektori simetricne matrice formiraju ortogonalnu
bazu n-dimenzionalnog vektorskog prostora.
Modalna matrica pozitivno-denitne simetricne matrice.
Modalna matrica P pozitivno-denitne simetricne matrice A je ortogonalna
matrica, odnosno P
1
= P
T
.
Dokaz. Modalnu matricu pozitivno-denitne simetricne matrice formiramo od
ortonormiranih svojstvenih vektora matrice A
P = [ u
1
u
2
u
n
] (2)
Na osnovu navedene denicije modalne matrice, treba provjeriti da li vrijedi
svojstvo ortogonalne matrice P
T
P = I. Dobivamo
P
T
P =
u
T
1
u
T
2
.
.
.
u
T
n
[ u
1
u
2
u
n
] =
u
T
1
u
1
u
T
1
u
2
u
T
1
u
n
u
T
2
u
1
u
T
2
u
2
u
T
2
u
n
.
.
.
.
.
.
.
.
.
.
.
.
u
T
n
u
1
u
T
n
u
2
u
T
n
u
n
= I.
iz cega zakljucujemo da je P ortogonalna matrica.
Transformacija kongruencije (congruent transformation).
S obzirom da je modalna matrica pozitivno-denitne simetricne matrice
ortogonalna, slijedi da dijagonalizaciju matrice A, primjenom transformacije
slicnosti P
1
AP = , mozemo prikazati na slijedeci nacin
P
T
AP = , (3)
jer vrijedi P
T
= P
1
.
Transformacija (3) naziva se transformacija kongruencije (congruent
transformation).
Lyapunovljeva analiza stabilnosti linearnih sustava Dijagonalizacija kvadratne forme
Dijagonalizacija kvadratne forme
Kvadratnu formu Q = x
T
Ax, gdje je A pozitivno-denitna simetricna matrica,
moguce je transformirati u oblik linearne kombinacije kvadratnih clanova pomocu
linearne transformacije x = Py, gdje je P ortogonalna modalna matrica (2).
Primjenimo li navedenu transformaciju dobivamo
Q = x
T
Ax = y
T
P
T
APy = y
T
y =
n
i=1
i
y
2
i
, (4)
gdje su
i
pozitivne svojstvene vrijednosti matrice A.
Lyapunovljeva analiza stabilnosti linearnih sustava Ocjena kvadratne forme
Ocjena kvadratne forme
Ako su
1
,
2
, ...,
n
vlastite vrijednosti realne simetricne matrice A, dok su
m
{A} = min{
1
,
2
, ...,
n
},
M
{A} = max{
1
,
2
, ...,
n
},
minimalna i maksimalna svojstvena vrijednost matrice A, tada za svaki realni
vektor x vrijedi
m
{A}x
2
x
T
Ax
M
{A}x
2
(5)
gdje je x
2
= x
T
x kvadrat Euklidske L
2
norme vektora.
Dokaz. Transformacija x = Py, gdje je P ortogonalna modalna matrica (2), ima
svojstvo
x
2
= x
T
x = y
T
P
T
Py = y
T
y = y
2
, (6)
gdje smo iskoristili svojstvo unitarne matrice P
T
P = I.
Lyapunovljeva analiza stabilnosti linearnih sustava Ocjena kvadratne forme
Ocjena kvadratne forme
Nadalje, na osnovu (4) slijede nejednakosti
n
i=1
i
y
2
i

M
{A}
n
i=1
y
2
i
=
M
{A}y
2
, (7)
n
i=1
i
y
2
i

m
{A}
n
i=1
y
2
i
=
m
{A}y
2
, (8)
odnosno
m
{A}y
2
x
T
Ax = y
T
y
M
{A}y
2
. (9)
Uvrstimo li u prethodni izraz jednakost y
2
= x
2
koja proizlazi iz (6),
dobivamo
m
{A}x
2
x
T
Ax
M
{A}x
2
, (10)
cime smo dokazali ocjenu kvadratne forme (5).
Lyapunovljeva analiza stabilnosti linearnih sustava Inducirana norma matrice
Inducirana norma matrice
Induciranu normu matrice deniramo indirektno preko norme vektora.
Pretpostavimo da imamo ovisnost dva vektora preko linearne transformacije,
y = Ax. Kvadrat norme vektora y jednak je
y
2
= y
T
y = x
T
A
T
Ax
M
A
T
A
x
2
, (11)
odnosno
y
M
{A
T
A}x. (12)
Ako sa A
2
oznacimo tzv. L
2
induciranu normu matrice A
A
2
=
M
{A
T
A}, (13)
imamo
y A
2
x. (14)
Lyapunovljeva analiza stabilnosti linearnih sustava Denicija inducirane norme matrice
Denicija inducirane norme matrice
Ako imamo linearno preslikavanje y = Ax, tada inducirana matricna L
p
norma
mora zadovoljavati
y
p
A
p
x
p
. (15)
Induciranu matricnu normu mozemo shvatiti kao maksimalno pojacanje
linearnog operatora deniranog matricom A.
Na osnovu prethodnog izraza mozemo postaviti slijedecu deniciju
A
p
= sup
x=0
Ax
p
x
p
(16)
Denicija inducirane norme matrice
Denicija inducirane norme moze se pojednostaviti na slijedeci nacin.
Uvedimo normirani vektor
x =
x
, = x,
tako da je x = x.
Uvrstimo li navedeni izraz za x u (16), dobivamo
A
p
= sup
x=0
A x
p
x
p
= sup
x=0
|| A x
p
|| x
p
= sup
x=0
A x
p
x
p
(17)
S obzirom da je x
p
= 1, deniciju (16) mozemo prikazati na slijedeci nacin
A
p
= sup
x
p
=1
Ax
p
(18)
Ako je p = 2 imamo L
2
normu, i odredivanje inducirane norme po deniciji (18)
mozemo shvatiti kao maksimizaciju norme Ax po jedinicnoj kruznici x = 1.
Standardne inducirane matricne norme
L
1
norma denirana je sa
A
1
= max
j
n
i=1
|a
ij
|, (19)
odnosno, kao maksimum sume elemenata po stupcima (max column sum).
L
2
A
2
=
M
{A
T
A}, (20)
odnosno, kao korijen maksimalne svojstvene vrijednosti matrice A
T
A.
L
A
= max
i
n
j=1
|a
ij
|. (21)
odnosno, kao maksimum sume elemenata po retcima (max row sum).
Tablica: Vektorske norme i odgovarajuce inducirane matricne norme
p Vektorska norma Inducirana matricna norma
1 x
1
=
n
i=1
|x
i
| A
1
= max
j
n
i=1
|a
ij
|
2 x
2
=
i=1
|x
i
|
2
1/2
A
2
=
M
{A
T
A}
x
= max
i
|x
i
| A
= max
i
n
j=1
|a
ij
|
Inducirane matricne norme opcenito zadovoljavaju slijedeca svojstva
Ax
p
A
p
x
p
, x R
n
A+B
p
A
p
+B
p
AB
p
A
p
B
p
gdje su matrice A i B odgovarajucih dimenzija.
U analizi stabilnosti najcesce se koristi L
2
inducirana norma.
Medutim, konkretno izracunavanje L
2
inducirane norme bitno je slozenije od
izracunavanja L
1
i L
inducirane norme.
Stoga su od interesa veze medu razlicitim induciranim normama, koje
omogucavaju jednostavniju ocjenu L
2
inducirane norme.
Jedna takva veza dana je slijedecim izrazom
A
2

A
1
A
(22)
Lyapunovljeva analiza stabilnosti linearnih sustava Ocjena konvergencije Lyapunovljeve funkcije
Ocjena konvergencije Lyapunovljeve funkcije
Za pozitivno denitne matrice P i Q vrijede slijedece ocjene kvadratnih formi
m
{P}x
2
x
T
Px
M
{P}x
2
, (23)
m
{Q}x
2
x
T
Qx
M
{Q}x
2
. (24)
Primjenimo li navedene ocjene na izraze
V = x
T
Px,

V = x
T
Qx
dobivamo
V = x
T
Qx
m
{Q}x
2

m
{Q}
M
{P}
x
T
Px V, (25)
gdje je
=

m
{Q}
M
{P}
. (26)
Lyapunovljeva analiza stabilnosti linearnih sustava Ocjena konvergencije Lyapunovljeve funkcije
Ocjena konvergencije Lyapunovljeve funkcije
Dobili smo skalarnu diferencijalnu nejednadzbu
V V, (27)
cije rjesenje je
V (t) V (0)e
t
. (28)
Nadalje, na osnovu ocjene Lyapunovljeve funkcije (28), mozemo naci ocjenu
konvergencije norme vektora stanja x(t).
Primjenimo li ocjene (23) i (24) na izraz (28), dobivamo
m
{P}x
2
V (t) V (0)e
t

M
{P}x(0)
2
e
t
, (29)
odnosno
x < x(0) e
2
t
(30)
gdje je
=
M
{P}
m
{P}
. (31)
Lyapunovljeva analiza stabilnosti linearnih sustava Kriteriji eksponencijalna stabilnost
Kriteriji eksponencijalna stabilnost
Dinamicki sustav x = f (x, t) je eksponencijalno stabilan ako postoji funkcija
V (x, t) i neke pozitivne konstante
1
,
2
i
3
, takvi da vrijedi
1
x
2
V (x, t)
2
x
2
(32)
V (x, t)
3
x
2
. (33)
Dokaz. Imamo
2
V, (34)
iz cega slijedi
V (x, t) V (x(t
0
), t
0
)e
2
(tt
0
)
. (35)
Usporedbom sa (36) dobivamo
x(t)
2
1
x(t
0
)
2
e
2
(tt
0
)
, (36)
odnosno, stanje sustava konvergira eksponencijalno prema nuli.
Lyapunovljeva analiza stabilnosti linearnih sustava Analiza stabilnosti perturbiranog sustava
Analiza stabilnosti perturbiranog sustava
Pretpostavimo da je provedena analiza stabilnosti asimptotski stabilnog linearnog
sustava
x = Ax
pomocu Lyapunovljeve funkcije
V = x
T
Px
te da je matrica P = P
T
0 odredena rjesavanjem Lyapunovljeve jednadzbe
A
T
P+PA = Q
gdje je Q = Q
T
0.
Navedena analiza stabilnosti provedena je uz pretpostavku potpunog poznavanja
modela sustava, reprezentiranog matricom A.
Pretpostavimo da je realni dinamicki model sustava opisan slijedecim
jednadzbama stanja
x = Ax +f (x), (37)
gdje je f (x) neka nepoznata funkcija (koja reprezentira nemodeliranu dinamiku
sustava) za koju je poznata samo ocjena
f (x) kx, (38)
gdje je k neki poznati konstantni parametar.
Postavlja se pitanje pod kojim uvjetima ce sustav biti asimptotski stabilan, ako
znamo matrice A, P, Q, ta parametar k kojim preko (38) ocjenjujemo nepoznatu
funkciju f (x).
Uzmimo Lyapunovljevu funkciju V = x
T
Px, te odredimo

V
V = x
T
Px +x
T
P x
= [Ax +f (x)]
T
Px +x
T
P[Ax +f (x)]
= x
T
(A
T
P+PA)x +f (x)
T
Px +x
T
Pf (x)
= x
T
Qx + 2x
T
Pf (x). (39)
Vidimo da je prvi clan na desnoj strani negativno denitan, medutim, drugi clan
je indenitan i moramo ga ocjeniti primjenom vektorskih normi.
Ocjena prvog clana na desnoj strani:
x
T
Qx
m
{Q}x
2
, x
T
Qx
m
{Q}x
2
. (40)
Ocjena drugog clana na desnoj strani:
x
T
Pf (x) x Pf (x) x P
2
f (x) kP
2
x
2
. (41)
Uvrstimo li ocjene (41) i (40) u (39), dobivamo
V (
m
{Q} 2kP
2
)x
2
. (42)
Da bi sustav bio stabilan, mora biti

V 0, odnosno
m
{Q} 2kP
2
> 0, (43)
iz cega proizlazi konacni uvjet stabilnosti
k <

m
{Q}
2 P
2
. (44)
S obzirom da je matrica P simetricna i pozitivno denitna, vrijedi
P
2
=
M
{P}, odnosno
k <
1
2
m
{Q}
M
{P}
. (45)
Sadrzaj
1
2
3
4
Analiza stabilnosti slozenih sustava Stabilnost nelinearnih perturbiranih sustava
Stabilnost nelinearnih perturbiranih sustava
Razmotrimo nelinearni neautonomni sustav opisan jednadzbama stanja
x = f (x, t) +g(x, t), (46)
gdje
x = f (x, t), (47)
predstavlja nominalnu dinamiku sustava dok perturbacijski clan g(x, t)
reprezentira nemodeliranu dinamiku, i/ili poremecaje koji egzistiraju u realnim
sustavima.
Vidimo da je nepoznata dinamika reprezentirana kao aditivni clan izraza (46).
To je uvijek moguce za nepoznatu dinamiku koja ne mijenja red sustava.
Funkcija g(x, t) je nepoznata ali je poznata gornja granica na g(x, t)
Pretpostavimo da vrijedi g(0, t) = 0 i da je x = 0 eksponencijalno stabilno
ravnotezno stanje nominalnog sustava (47), s Lyapunovljevom funkcijom V (x, t)
koja zadovoljava
1
x
2
V (x, t)
2
x
2
(48)
V (x, t) =
V
t
+
V
x
f (x, t)
3
x
2
, (49)
V
x

4
x. (50)
dok nemodelirani dinamicki clan zadovoljava
g(x, t) x. (51)
Ideja: iskoristiti vec postojecu Lyapunovljevu funkciju V (x, t) neperturbiranog
sustava (47) da bi dobili uvijete stabilnosti perturbiranog sustava (46).
Vremenska derivacija Lyapunovljeve funkcije V (x, t) je
V (x, t) =
V
t
+
V
x
x =
V
t
+
V
x
f (x, t) +
V
x
g(x, t). (52)
Primjenjujuci svojstva (49)-(50), prethodni izraz mozemo ocjeniti sa
V (x, t)
3
x
2
+
V
x
g(x, t)
3
x
2
+
4
x
2
= (
3
4
)x
2
,
sto je negativno denitna funkcija ako je zadovoljen uvijet
3
4
> 0, odnosno
<

3
4
. (53)
Eksponencijalna stabilnost ravnoteznog stanja robusna je na klasu perturbacija
koje zadovoljavaju uvijet (51) i (53).
Analiza stabilnosti slozenih sustava Stabilnost slozenih sustava primjenom M-matrice
Stabilnost slozenih sustava
Kod analize stabilnosti nelinearnih dinamickih sustava, slozenost analize
rapidno raste s povecanjem dimenzije sustava.
Ako neki slozeni dinamicki sustav mozemo modelirati kao medusobno
spregnute podsustave nizih dimenzija, tada analizu stabilnosti mozemo
podijeliti u dvije faze.
U prvoj fazi analiziramo stabilnost izoliranih podsustava.
U drugoj fazi koristimo razultate prve faze u kombinaciji s informacijama o
medusobnim spregama, da bi dosli do zakljucka o stabilnosti spregnutog
sustava.
Stabilnost slozenih sustava primjenom M-matrice
Razmotrimo slijedeci slozeni sustav koji se sastoji od m medusobno spregnutih
podsustava,
x
i
= f
i
(x
i
, t) +g
i
(x, t), i = 1, 2, . . . , m, (54)
gdje je:
x
i
R
n
i
vektor stanja i-tog podsustava,
n = n
1
+ n
2
+ . . . + n
m
je dimenzija spregnutog sustava,
x = [x
1
x
2
x
m
]
T
je vektor stanja spregnutog sustava.
f
i
(x
i
, t) reprezentira internu dinamiku podsustava
g
i
(x, t) reprezentira sprege medu podsustavima.
Vrijedi: f
i
(0, t) = 0 i g
i
(0, t) = 0; x = 0 je ravnotezno stanje sustava.
Ako ignoriramo medusobne sprege, dobivamo sustav od m izoliranih podsustava
x
i
= f
i
(x
i
, t), i = 1, 2, . . . , m, (55)
koji imaju ravnotezno stanje x
i
= 0.
Pretpostavimo da znamo Lyapunovljeve funkcije izoliranih podsustava V
i
(x, t) cije
vremenske derivacije su negativno denitne, te da vrijede ocijene
c
1i
x
i
2
V
i
(x
i
, t) c
2i
x
i
2
, (56)
V
i
(x
i
, t) =
V
i
t
+
V
i
x
i
f
i
(x, t)
i
x
i
2
, (57)
V
i
x
i

i
x
i
, (58)
gdje su c
1i
, c
2i
,
i
i
i
neke pozitivne konstante.
Nadalje, pretpostavimo da clan koji denira spregu medu podsustavima
zadovoljava ocjenu
g
i
(x, t)
m
j=1
ij
x
j
. (59)
Kompozitna Lyapunovljeva funkcija:
V (x, t) =
m
i=1
d
i
V
i
(x
i
, t), d
i
> 0. (60)
Vremenska derivacija Lyapunovljeve funkcije (60) dana je sa
V (x, t) =
m
i=1
d
i
V
i
t
+
V
i
x
i
f
i
(x
i
, t)
+
m
i=1
d
i
V
i
x
i
g
i
(x, t). (61)
Prvi clan na desnoj strani je negativno denitan zbog (57), dok je drugi clan
opcenito nedenitan.
S obzirom da znamo ocjene svih clanova prethodnog izraza, imamo
V (x, t)
m
i=1
d
i
i
x
i
2
+
m
j=1
ij
x
i
x
j
. (62)
Dobiveni izraz mozemo prikazati matricno u obliku kvadratne forme po
funkcijama x
i
,
V (x, t)
1
2
T
(DS +S
T
D), (63)
gdje su
= [x
1
x
2
x
m
]
T
, D = diag{d
1
, d
2
, . . . , d
m
}, (64)
a matrica S je mm matrica ciji elementi su denirani sa
s
ij
=

i

i
ii
, i = j
ij
, i = j
. (65)
Da bi

V (x, t) bila negativno denitna mora postojati pozitivna dijagonalna
matrica D, takva da vrijedi
DS +S
T
D > 0. (66)
Stoga, dovoljan uvijet asimptotske stabilnosti ravnoteznog stanja spregnutog
sustava je postojanje pozitivne dijagonalne matrice D takve da je DS +S
T
D
pozitivno denitna matrica.
Matrica S je specicna po tome sto su njeni nedijagonalni elementi negativni.
Za navedeni tip matrica vrijedi slijedeca lema.
Lema (M-matrica). Postoji pozitivna dijagonalna matrica D takve da je
DS +S
T
D pozitivno denitna ako i samo ako je S tzv. M-matrica; odnosno da
su sve glavne subdeterminante matrice S pozitivne
det
s
11
s
12
s
1k
s
21
s
22
s
2k
.
.
.
.
.
.
.
.
.
.
.
.
s
k1
s
k2
s
kk
> 0, k = 1, 2, . . . , m. (67)
Analiza stabilnosti slozenih sustava Stabilnost slozenih sustava - direktan pristup
Stabilnost slozenih sustava - direktan pristup
Provjera stabilnosti primjenom M-matrica moze biti racunski zahtijevna kako broj
podsustava raste (a time i dimenzija M-matrice).
Ovdje cemo prikazati drugi pristup analizi stabilnosti slozenih sustava, bez
primjene M-matrice.
Sve pretpostavke navedene u prethodnom podpoglavlju su iste, osim ocjene (59),
koja u ovom slucaju ima oblik
g(x, t) x, (68)
gdje je
g(x, t) = [g
1
(x, t) g
2
(x, t) g
m
(x, t)]
T
Kljucna razlika je u drugacijem tretiranju nedenitnih clanova u izrazu za
vremensku derivaciju Lyapunovljeve funkcije (61).
Navedeni clan (uz d
i
= 1) mozemo ocijeniti na slijedeci nacin
m
i=1
V
i
x
i
g
i
(x, t)
V
1
x
1
V
2
x
2

V
m
x
m
g(x, t) (69)
gdje smo primjenili svojstvo skalarnog produkta vektora, z
T
y z y.
Primjenom denicije vektorske norme te svojstva (68), izraz (69) postaje
m
i=1
V
i
x
i
g
i
(x, t)
i=1
(
i
x
i
)
2
1/2
x

max
i=1
x
i
1/2
x =
max
x
2
, (70)
...tako da izraz (61) konacno postaje
V (x, t)
m
i=1
i
x
i
2
+
max
x
2

min
x
2
+
max
x
2
= (
min

max
)x
2
, (71)
gdje su
min
= min{
1
,
2
, . . . ,
m
},
max
= max{
1
,
2
, . . . ,
m
}. (72)
Da bi derivacija Lyapunovljeve funkcije (71) bila negativno-denitna mora biti
zadovoljen uvjet
min

max
> 0, (73)
koji je bitno jednostavniji od uvjeta za ispitivanje M-matrice.

472

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

472

Uploaded by

Copyright:

Available Formats

Lyapunovljeva analiza stabilnosti

Opca teorija sustava

= 0) ako f(x) zadovoljava:

V (x) je negativno (semi)denitna (

ne sadrzi druga rjesenja osim ravnoteznog

odredivanje uvjeta pozitivne denitnosti Lyapunovljeve funkcije,

odredivanje uvjeta negativne (semi)denitnosti derivacije Lyapunovljeve

odredivanje uvjeta pozitivne denitnosti Lyapunovljeve funkcije,

odredivanje uvjeta negativne (semi)denitnosti derivacije Lyapunovljeve

odredivanje uvjeta pozitivne denitnosti Lyapunovljeve funkcije,

odredivanje uvjeta negativne (semi)denitnosti derivacije Lyapunovljeve

odredivanje uvjeta pozitivne denitnosti Lyapunovljeve funkcije,

odredivanje uvjeta negativne (semi)denitnosti derivacije Lyapunovljeve

You might also like