上海交通大学

博士学位论文

分数阶线性系统及其应用

姓名：王振滨

申请学位级别：博士

专业：控制理论与控制工程

指导教师：曹广益

20040301
 博士学位论文 摘 要

分数阶线性系统及其应用

摘 要

分数微积分不是求分数的微积分 也不是传统微积分(微分 积分和变分)的一

部分 实际上它是求任意阶导数和积分的一门学科 它的出现已有 300 多年的历
史 但在过去很长时间里对分数微积分的研究主要集中在数学领域里 且主要是
数学家们研究的对象 其中一个主要原因是分数微积分定义和分数阶微分方程的
求解公式里面含有一些超越函数 如伽马函数和 Mittag-Leffler 函数等 而这些函
数的计算如不借助于高性能的计算机是无法完成的
近年来 随着计算机科学技术的飞速发展 很多以前不能解决的复杂计算问
题都能迎刃而解 客观上为其应用于工程技术领域创造了条件 分数导数的独特
记忆功能 分数阶 PID 控制器具有更多的选择参数 分数阶系统的稳定范围更广
及分数阶系统的慢收敛特性等特点 正受到越来越多的工程技术人员的关注 目
前分数微积分已逐渐渗透到多个研究领域 流变学 电化学 物理化学 分形理
论 地震分析 机器人 电子电路 热传导 扩散 电磁理论 概率论和控制等
把分数微积分用于控制领域是近二十年来新的研究方向 并已逐渐成为一个
研究热点 这方面的研究有 Oustaloup 提出了 CRONE 控制 Podlubny 提出了分
数阶 PI λ D µ 控制器 Bagley和 Calico提出运用分数阶状态方程控制粘弹性阻尼体
Axtel 和 Bise 研究了分数微积分在控制系统中的应用等 虽然对于传统整数阶线
性系统的研究已趋于完善 但是到目前为止还没有关于分数阶线性系统的完整一
致的公开出版物 有关信号与系统的基础课本也仅仅考虑整数阶微积分及整数阶
系统的情况 包含其脉冲 阶跃 频率响应及其传递函数 状态空间和多项式描
述等 如果把传统线性系统中的整数阶导数换成分数阶导数 情况要复杂的多
本文就是要在这方面做些开拓性研究 研究分数阶线性系统及其应用 据作者所
知 本文所提方法是新颖的 尽管有些性质似曾相识 这是由于本文的许多概念
曾经都是大家所熟知的 只不过是本文把它们推广到分数阶系统的缘故 本文的
主要工作有
(1)给出了分数阶线性系统的传递函数 状态空间 多项式描述以及分数阶离
散系统的一般形式 并与整数阶线性系统进行了比较 运用拉普拉氏变换从系统
的角度给出并证明了分数阶常微分方程和分数阶状态方程解的存在性和唯一性定
理 运用分数微积分建立了粘弹性系统的数学模型 并进行了仿真研究
(2)给出了分数阶线性定常系统的内部 外部稳定性定理及 2 种闭环稳定性判

I
 博士学位论文 摘 要

据 可控性和可观测性秩判别定理及其证明 运用拉普拉斯变换和留数定理给出
了分数阶线性定常系统的内部和外部稳定性定理的证明 并讨论了其内部和外部
稳定之间的关系 直接从复分析中的辐角原理出发 推导出分数阶线性定常系统
2 种有效的闭环稳定性判据 分数阶系统奈奎斯特判据和分数阶系统对数频率判
据 结合分数阶线性定常系统状态方程的解和可控性与可观测性定义 给出了分
数阶线性定常系统的能控性和能观测性秩判别定理及其证明 仿真实例验证了上
述定理
(3)给出了分数阶常微分方程和分数阶状态方程的一个快速数值求解方法 运
用分数微积分的算子表示法 结合分数阶线性多步长方法的一些定义 定理及其
证明 给出了分数微积分的高价近似权系数的生成函数表达式 在此基础上推导
出分数阶常微分方程和分数阶状态方程的高阶近似表达式 并进行了仿真研究
(4)给出了分数阶系统的时域 频域和稳态响应 根据其特征根在黎曼主平面
内 外的位置 指出它有 5 种不同的响应 单调下降函数 阻尼振荡函数 等幅
振荡函数 发散振荡函数 单调上升函数 在介绍了分数阶 PID 控制器的概念及
其时域和频域表示方法后 进一步把分数阶 PID 控制器的概念推广到分数阶 DD
II IDI PDD 等分数阶控制器上 并给出运用分数阶 DD 控制器来控制汽车减震
的例子 从中发现分数阶 DD 控制器比传统 PD 控制器在减小系统超调量上效果
明显 提出了分数阶 PID 控制器的一种新的数字实现方法 本方法可以直接在时
域或 Z 域中计算分数阶 PID 控制器 而且能保证足够高的精度 给出了一个设计
分数阶数字 PID 控制器的实例 该例中控制对象为一非线性系统 该系统包含下
面四种不同的非线性模块中的一种 饱和 死区 迟滞和继电器
(5)给出了分数阶线性系统的 2 种辨识方法 基于分数阶泊松滤波器的辨识方
法和基于状态空间模型分解的辨识算法 前者用于待辨识系统的阶次已知的情况
其思想是利用分数阶泊松滤波器把分数阶导数和滤波的计算合并起来 只需计算
一步就可以得到滤波后的分数导数 再利用最小二乘算法进行系统辨识 后者可
以同时辨识系统的阶次和其它模型参数 其思想是通过基底变换把分数阶线性系
统的输入 输出关系转化为若干简单的子系统的和 再对这些子系统的模型参数
进行辨识 最后可以获得与原系统代数等价的辨识系统的模型参数 仿真实例验
证了上述方法
(6) 燃料电池 尤其是熔融碳酸盐燃料电池(Molten Carbonate Fuel Cell, MCFC)
是本世纪最有希望的清洁发电技术之一 由于 MCFC 是高温燃料电池 运行温度
为 650 ° C 电堆温度波动过高或过低都会极大地影响电池的运行性能 必须把
电堆温度控制在一定范围内 而 MCFC 系统具有非线性 时变 强耦合的特点
使得传统的控制方法难以取得很好的控制效果 考虑到分数阶迭代学习控制
(Iterative Learning Control, ILC)的特点 对控制对象本身不需太多的限制 不需要

II
 博士学位论文 摘 要

系统输入和输出的确切映射关系 具有在迭代过程中不断学习记忆的功能 在迭
代过程中可以同时调整学习速度增益和跟踪误差的微分阶次 结合目前本所正在
进行的十五 863 计划项目 50kW 级 MCFC 示范发电系统 的有利条件 提出
了运用分数阶 ILC 方法来控制MCFC 电堆温度的思想 仿真实例验证了上述思想
总结全文 本文主要有如下几个创新点
(1) 给出了分数阶线性定常系统的内部 外部稳定性定理和可控性和可观
测性秩判别定理及其证明 首次提出了分数阶线性定常系统的 2 种闭
环稳定性判据
(2) 提出了分数阶微分方程的一种快速数值求解方法
(3) 首次提出了一种新的分数阶 DD 控制器的概念 提出了分数阶 PID 控
制器的一种新的数字实现方法
(4) 给出了分数阶线性系统的 2 种辨识方法
(5) 提出运用分数阶 ILC 方法控制 MCFC 电堆温度的思想

关键词 分数微积分 分数阶微分方程 分数阶线性系统 稳定性 可控性

可观测性 稳定性判据 分数阶 PID 控制器 系统辨识 熔融碳酸盐
燃料电池 电堆温度控制

III
 博士学位论文 ABSTRACT

FRACTIONAL ORDER LINEAR SYSTEM AND ITS

APPLICATIONS

ABSTRACT

Fractional calculus is not a subject of the calculus of a fraction, nor is it a part of

the classical calculus (differentiation, integration, and variation). In fact it is a subject
of integration and differentiation to an arbitrary order, and it has a history of more than
300 years. But the main research interest toward fractional calculus was concentrated
on the mathematical domain in a rather long period of time passed, and it was also a
subject interested mainly by mathematicians. One of the main reasons is that there are
some transcendental functions, such as gamma function, Mittag-Leffler function and
etc. in the formulae of the definitions of fractional calculus and the fractional order
differential equations, and we cannot perform the calculations without depending on
high-performance computers.
Recently, with the rapid development of the computer science many complex
calculation problems are readily solved which could not be solved before, and it makes
it possible that fractional calculus be used in the engineering domain objectively. More
and more engineers and technicians are paying more attention to the unique memory
functions of factional calculus, the more parameters available of fractional order PID
controllers, and the wider stability scope and the slow convergence characteristics of
fractional order systems. Now fractional calculus is used gradually in many research
fields: rheology, electrochemistry, physical chemistry, fractal theory, earthquake
analysis, robots, electronical circuits, heat conduction, diffusion, electromagnetism
theory, probability, control and etc.
It is a new research direction for fractional calculus to be used in the control field,
and it has also become a research hotspot gradually. There are already some researches
in this field: Oustaloup proposed the CRONE control, Podlubny proposed fractional
PI λ D µ controller, Bagley and Calico proposed the control of viscoelasticity with
fractional order state equations, Axtel and Bise made a research about the application
of fractional calculus in the control systems, and etc. Although the research toward
classical integer order linear systems is near perfection, up to now there are no integral
and consistent open publications on fractional order linear systems. The basic
textbooks on signals and systems only include integer order calculus and integer order
systems containing the impulse, step, and frequent responses, and their transfer
functions, state-space and polynomial representations and etc. If the integer orders in
the classical integer order linear systems are changed to fractional order derivatives,

IV
 博士学位论文 ABSTRACT

conditions may become much more complicated. This dissertation is dedicated to

doing some exploitable researches on fractional order linear systems and their
applications. To the author’s knowledge, the methods mentioned in the paper are
original. Although some of the properties appear familiar, it is because we were once
familiar with many concepts appeared in the dissertation; we simply generalize them to
fractional order systems. The main contributions and achievements of this dissertation
are given below:
(1) The transfer function, and the state-space and polynomial representations are
given as well as the general form of fractional order discrete systems, and a
comparison is also made with integer order linear systems. The existence and
uniqueness theorems of fractional order differential equations with constant
coefficients and fractional order state equations are given and verified using Laplace
transform from the system point of view. The mathematical models of the
viscoelasticity systems are built with fractional calculus, and the simulation studies are
performed.
(2) The internal and external stability theorems and two closed-loop stability
criteria and the controllability and observability theorems are given for fractional order
linear time- invariant (LTI) systems as well as their proofs. The proofs are given for the
internal and external stability of fractional LTI systems using Laplace transform and
the residue theorem, and their mutual relationships are also discussed. Starting directly
from the argument principle of complex analysis, two efficient closed- loop stability
criteria are deduced for fractional order LTI systems: Nyquist criterion of fractional
order systems and logarithmic- frequency criterion of fractional order systems. The
rank-judgment theorems of the controllability and observability for fractional order
LTI systems are given as well as their proofs. Simulation studies verified the theorems
aforementioned.
(3) A very efficient numerical algorithm are given for solving both the fractional
order differential equations with constant coefficients and the fractional order state
equations. The generation function formulae are given of the high-order approximate
weight coefficients of fractional calculus by using its operator form and combining
some definitions, and theorems as well as their proofs of the fractional order linear
multi- step method. Based on that, the high-order approximate formulae of both the
fractional order differential equations with constant coefficients and the fractional
order state equations are deduced, and the simulation studies are also given.
(4) The time domain, frequent domain and stable responses of fractional order
systems are given. According to the different pla ces of their characteristic roots inside
or outside the Riemann main plane, there are 5 different responses: monotonically
decreasing functions; functions with damped oscillations ; functions with oscillations of
constant amplitude; functions with oscillations of increasing amplitude; monotonically

V
 博士学位论文 ABSTRACT

increasing functions. After the introduction of the concept of fractional order PID
controllers and its time domain and frequent domain description methods, we further
generalize the concept to the kind of fractional order controllers, such as DD, II, IDI,
PDD, and etc. An example of the car shock absorption is given using fractional order
DD controllers, from which we find the system’s overshoot is sharply decreased when
using a fractional order DD controller instead of a classical PD controller. A new kind
of digital implementation scheme of fractional order PID controllers is given. Our
scheme can calculate them directly in the time domain or the Z domain, and a high
enough precision is guaranteed too. An example of designing the fractional order
digital PID controllers is included for illustration, in which different fractional order
PID controllers are designed for the control of a nonlinear dynamic system containing
one of the four different kinds of nonlinear blocks: saturation, dead- zone, hysteresis,
and relay.
(5) Two schemes of identifying fractional order linear systems are given: the
identification algorithm based on fractional Poisson filter; the identification algorithm
based on the state-space modal decomposition. The former is used on the condition
that the system’s orders are known, and its basic idea is to compute the fractional
derivatives and the filters simultaneously, i.e. the filtered fractional derivatives can be
obtained by computing them in one step, and then system identification can be fulfilled
by the Least Square method. The latter can be used to identify both the system’s order
and other modal parameters simultaneously, and its basic idea is to change the system
matrix into a diagonal one through basis transform. This makes it possible to turn the
system’s input-output relationships into the summation of several simple subsystems,
and after the identification of these subsystems, the whole identification system is
obtained which is algebraically equivalent to the former system. Examples verified the
effectiveness of the schemes aforementioned.
(6) Because MCFC belongs to the high- temperature fuel cells (its normal running
temperature is 650 ° C ), its running performances can be greatly influenced by a strong
fluctuation of the stack temperature. For this reason, the stack temperature must be
controlled within a certain scope. Due to the characteristics of nonlinear, time- variant,
and strong coupling of the MCFC system, good enough control effects can hardly be
guaranteed if only using classical control methods. Fractional order iterative learning
control (ILC) has the following features: no need of much stricter constraints on the
plant itself; no need of the exact mapping relationships of the input and output; the
abilities of memorizing and learning incessantly during the iteration process; the
adjustment of both the learning speed gain and the differential orders of the trace error
during the iteration process at the same time. Combining the above ILC features with
the good conditions of the national 863 scientific project item: “the 50 kW-scale
MCFC demonstration system” being carried on in our fuel cell institute, we propose

VI
 博士学位论文 ABSTRACT

the idea of applying fractional order ILC scheme to control the stack temperature of
MCFC. Simulation studies verify the idea aforementioned.
In conclusion, the main innovative points of the dissertation are as follows:
(1) The internal and external stability theorems and the rank-judgment
theorems of both the controllability and observability of fractional order
LTI systems are given and verified; two closed- loop stability criteria of
fractional order LTI systems are proposed firstly;
(2) A fast numerical algorithm for fractional order differential systems is
proposed;
(3) The new concept of fractional order DD controller is firstly proposed; a
new digital implementation of fractional order PID controllers is
proposed;
(4) Two schemes of identifying fractional order linear systems are given;
(5) The idea of using fractional order ILC scheme to control the stack
temperature of the MCFC system is proposed.

ＫＥＹＷＯＲＤＳ: Fractional calculus, fractional differential equations, fractional linear

systems, stability, controllability, observability, stability criteria, fractional
order PID controller, system identification, molten carbonate fuel cell,
stack temperature control

VII
 上海交通大学

学位论文版权使用授权书

本学位论文作者完全了解学校有关保留 使用学位论文的规定

同意学校保留并向国家有关部门或机构送交论文的复印件和电子版

允许论文被查阅和借阅 本人授权上海交通大学可以将本学位论文的

全部或部分内容编入有关数据库进行检索 可以采用影印 缩印或扫

描等复制手段保存和汇编本学位论文

保密 在 年解密后适用本授权书

本学位论文属于
不保密

请在以上方框内打

学位论文作者签名 指导教师签名

日期 年 月 日 日期 年 月 日
 上海交通大学

学位论文原创性声明

本人郑重声明 所呈交的学位论文 是本人在导师的指导下 独

立进行研究工作所取得的成果 除文中已经注明引用的内容外 本论

文不包含任何其他个人或集体已经发表或撰写过的作品成果 对本文

的研究做出重要贡献的个人和集体 均已在文中以明确方式标明 本

人完全意识到本声明的法律结果由本人承担

学位论文作者签名

日期 年 月 日
 博士学位论文 第一章 绪 论

第一章 绪 论

１ ． １ 　 分数微积分的历史 　
　 分数微积分（ｆｒａｃｔｉｏｎａｌ　ｃａｌｃｕｌｕｓ）不是求分数的微积分 也不是传统微积分（微
分 积分和变分）的一部分 实际上它是求任意阶导数和积分（ｉｎｔｅｇｒａｔｉｏｎ　ａｎｄ　
ｄｉｆｆｅｒｅｎｔｉａｔｉｏｎ　ｔｏ　ａｎ　ａｒｂｉｔｒａｒｙ　ｏｒｄｅｒ）的一门学科 它几乎同传统整数阶微积
分同时出现 距今已经有近三百年的历史了 分数阶导数理论的起源可以追溯到 １６９５
年 ９ 月 ３０ 日 在 Ｌｅｉｂｎｉｔｚ 写给 Ｌ Ｈ ｐｉｔａｌ的信中首次探讨了 １／２ 阶导数的意义
此后 Ｂｅｒｎｏｕｌｉ Ｅｕｌｅｒ 和 Ｆｏｕｒｉｅｒ 等数学家也加入到此问题的讨论中来 有关分数
微积分的最早系统化的研究一般被认为是由 Ｌｉｏｕｖｉｌｌｅ（１８３２ 年） Ｒｉｅｍａｎｎ（１８５３ 年）
和 Ｈｏｌｍｇｒｅｎ（１８６４ 年 ）在 １９ 世纪初期到中叶完成的 尽管 Ｅｕｌｅｒ（１７３０ 年）
Ｌａｇｒａｎｇｅ（１７７２ 年） Ｌａｐｌａｃｅ（１８１２ 年） Ｌａｃｒｏｉｘ（１８１９ 年）和许多其他学者在此之前
就已经作出了贡献 　
Ｌｉｏｕｖｉｌｌｅ（１８３２ 年）受 Ａｂｅｌ（１８２３ 年）运用积分变换求解等时轨线积分方程和
Ｆｏｕｒｉｅｒ（１８２２ 年）积分公式的启发间接给出了函数的 ｑ 阶导数定义 他的思想是首先
把函数展开成指数级数形式 再逐项对此级数进行求导运算 在此过程中把 ｑ 认为
是某个正整数 后来 Ｌｉｏｕｖｉｌｌｅ 把增量变化率的定义进行推广从而给出了分数阶导
数的定义 Ｌｉｏｕｖｉｌｌｅ　是第一个试图运用分数阶运算符号求解微分方程的数学家 　
围绕分数微积分 在相当长的时间里 数学家们有一个争论 常数的分数阶导数
是否为零 因为根据 Ｌｉｏｕｖｉｌｌｅ 的分数导数的定义 Ｃｅｎｔｅｒ　（１８４８ 年）发现结果应该
为零 而根据 Ｌａｃｒｏｉｘ 的定义它不为零 Ｍｏｒｇａｎ　（１８４０ 年）通过研究指出上述两种不
同的定义可能是某个更加广义的定义的一部分 Ｍｏｒｇａｎ 的说法是正确的 上述两种
看似对立的定义的确可以统一为一个更加广义的定义中 　
Ｒｉｅｍａｎｎ 在其学生时代已经深入研究了他自创的分数积分理论 但没有发表 直
到 １８９２ 年才发表 他（１８５３ 年）把泰勒级数进行推广 给出了一个定积分形式的不同
于 Ｌｉｏｕｖｉｌｌｅ 的分数导数定义 他的定义中包含一个补函数 此种定义适用于指数
为非整数的幂级数 但补函数的存在性问题也引起了数学家们相当的争论 　
Ｌｉｏｕｖｉｌｌｅ（１８３２ 年）和 Ｈａｒｇｒｅａｖｅ（１８４８ 年）把两个函数积的 ｎ 阶导数公式 即
Ｌｅｉｂｎｉｚ 公式 推广到分数阶导数情况 得到分数阶 Ｌｅｉｂｎｉｚ 公式 它现在已经用于
许多实际应用中 Ｈｏｌｍｇｒｅｎ（１８６８ 年）发表了应用分数微积分求解某些常微分方程的
一篇相当长的专著 在其论文中他提出了分数微分是分数积分的逆运算这一正确结
论 他以 Ｌｉｏｕｖｉｌｌｅ 的工作作为自己的出发点 指出他写此文的目的是不依赖于前

1
 博士学位论文

面的学者施加于独立变量过多的限制条件 来寻找一个完全的解 　
Ｓｏｎｉｎ　（１８６９ 年）的文章 Ｏｎ　ｄｉｆｆｅｒｅｎｔｉｏｎ　ｗｉｔｈ　ａｒｂｉｔｒａｒｙ　ｉｎｄｅｘ 是最早引
出现在所谓的 Ｒｉｅｍａｎｎ－Ｌｉｏｕｖｉｌｌｅ 定义的论文 他的研究的出发点是 Ｃａｕｃｈｙ 积分公
式 Ｌｅｔｎｉｋｏｖ 在 １８６８ 年到 １８７２ 年也研究了此问题 他的文章 Ａｎ　ｅｘｐｌａｎａｔｉｏｎ　ｏｆ　
ｔｈｅ　ｍａｉｎ　ｃｏｎｃｅｐｔｓ　ｏｆ　ｔｈｅ　ｔｈｅｏｒｙ　ｏｆ　ｄｉｆｆｅｒｅｎｔｉａｔｉｏｎ　ｏｆ　ａｒｂｉｔｒａｒｙ　ｉｎｄｅｘ 可
以认为是 Ｓｏｎｉｎ 的那篇文章的延伸 分数微积分理论的发展离不开算子理论的发展
而算子理论直到 Ｌａｕｒｅｎｔ（１８８４ 年）推出广义算子理论才到了当代数学发展的分界线
Ｌａｕｒｅｎｔ 的研究出发点同样是 Ｃａｕｃｈｙ 积分公式 他所选取的积分路线是个未封闭的
半圆 而与 Ｓｏｎｉｎ 和 Ｌｅｔｎｉｋｏｖ 选取的封闭曲线不同 采用 Ｓｏｎｉｎ 方法得到的分数积
分就是现在所谓的 Ｒｉｅｍａｎｎ－Ｌｉｏｕｖｉｌｌｅ 分数积分 公式中去掉了 Ｒｉｅｍａｎｎ 给出公式
中的补函数项 到那时才知道 Ｌａｃｒｏｉｘ 和 Ｌｉｏｕｖｉｌｌｅ 给出的常数的分数导数的不同
结果是由于给定函数属于不同的函数类型 Ｌａｃｒｏｉｘ 给出的函数属于 Ｒｉｅｍａｎｎ 族 而
Ｌｉｏｕｖｉｌｌｅ 给出的函数属于 Ｌｉｏｕｖｉｌｌｅ 族 　
Ｇｒüｎｗａｌｄ 和 Ｋｒｕｇ 最先统一了 Ｌｉｏｕｖｉｌｌｅ 和 Ｒｉｅｍａｎｎ 不同形式的分数微积分定义
Ｇｒüｎｗａｌｄ（１８６７ 年）认为 Ｒｉｅｍａｎｎ 给出的分数导数定义的限制太多 他把导数定义为
差商的极限作为研究的出发点 推导出 ｑ 阶导数的定积分形式的公式 Ｋｒｕｇ（１８９０ 年）
通过研究整数阶导数的 Ｃａｕｃｈｙ 积分公式 发现 Ｒｉｅｍａｎｎ 给出的定积分形式的分数导
数定义 其积分下限为有限值 而 Ｌｉｏｕｖｉｌｌｅ 给出的积分形式分数导数定义 没有
明显的积分下限 可以认为是负无穷大 　
Ｈｅａｖｉｓｉｄｅ（１８９２ 年）发表了很多论文 他指出某些线性微分方程可以运用广义算
子理论求解 Ｈｅａｖｉｓｉｄｅ 不是个严格的数学家 但他的方法已被证明在工程领域应用
的很成功 特别是在电缆中电流的传输理论中 并已经集中在 Ｈｅａｖｉｓｉｄｅ 微积分算
子一文中 Ｈｅａｖｉｓｉｄｅ 微积分算子和线性泛函算子有关 他定义微分算子为 ｐ 并且
在求解微分方程时把它当作一个常数来对待 因而 Ｈｅａｖｉｓｉｄｅ 在电流传输线理论中
的不朽贡献也同时加速了广义算子理论的发展 虽然 Ｈｅａｖｉｓｉｄｅ 给出的结果是正确
的 但是他未能给出严格的证明 只是到了 １９１９ 年 Ｈｅａｖｉｓｉｄｅ 的理论才被 Ｂｒｏｍｗｉｃｈ
成功证明 　
在 １９００－１９７０ 年期间 发表了相当多的有关分数微积分的文章 如 Ｗｅｙｌ（１９１７
年）给出了一个周期函数的分数积分定义 Ｍａｒｃｈａｕｄ（１９２７ 年）给出了有限差分的分数
微分定义 　Ｋｏｂｅｒ（１９４０ 年）和 Ｋｕｔｔｎｅｒ（１９５３ 年）验证了一些特殊 但又显然属于
Ｌｅｂｅｓｇｕｅ 和 Ｌｉｐｓｃｈｉｔｚ 族函数的分数微积分性质 Ｅｒｄéｌｙｉ（１９３９ １９４０ 和 １９５４ 年）
和 Ｏｓｌｅｒ（１９７０ 年）给出了任意函数的分数微积分定义 Ｅｒｄéｌｙｉ（１９６４ 和 １９６５ 年）应

用分数微积分求解积分方程 Ｐｏｓｔ（１９３０ 年）运用差商来定义算子 f (D) 的广义微分

2
 博士学位论文 第一章 绪 论

其中 Ｄ 表示微分 ｆ 为某一受控函数 Ｒｉｅｓｚ（１９４９ 年）给出了多变量函数分数积分理

论 Ｈｉｇｇｉｓ（１９６７ 年）运用分数积分算子求解微分方程 １９６７ 年 Ｃａｐｕｔｏ 提出了适用
于工程应用领域的分数导数定义 Ｍｉｌｌｅｒ－Ｒｏｓｓ 也提出序列分数微积分定义 此外
还有许多学者 如 Ａｌ－Ｂａｓｓａｍ Ｄａｖｉｓ 　Ｋｏｂｅｒ 　Ｈａｒｄｙ Ｌｉｔｔｌｅｗｏｏｄ Ｌｏｖｅ 　Ｓａｍｋｏ
Ｓｎｅｄｄｏｎ Ｚｙｇｍｕｎｄ 等都作出了很多贡献 　
　 近二三十年来 分数微积分的理论与应用也有了进一步的发展 如 Ｏｌｄｈａｍ 和
［１］
Ｓｐａｎｉｅｒ（１９７４ 年 ） 写 了 一 本 有 关 分 数 微 积 分 的 专 著 Ｓａｍｋｏ Ｍａｒｉｃｈｅｖ 和
Ｋｉｌｂａｓ（１９８４ 年）　［２］写了一本分数微积分和应用的百科全书 Ｎｉｓｈｍｏｔｏ（１９８４－１９９１ 年）
写了一本专著给出了分数微积分在常微分和偏微分方程中的应用［３］ Ｍｉｌｌｅｒ 和　Ｒｏｓｓ
写了一本关于分数微积分和分数阶微分方程的专著 ［４］ 　Ｃａｒｐｉｎｔｅｒｉ　和 Ｍａｉｎａｒｄｉ　
［５］
（１９９７ 年）推出一本关于分数微积分和分形的专著 Ｐｏｄｌｕｂｎｙ　（１９９９ 年）推出 分数
［６］
微分方程 还有许多其他学者都对分数微积分作出了贡献 限于篇幅 不能一一
枚举 　

１ ． ２ 　 分数微积分的应用 　
从上一小节可以发现分数微积分理论的发展与其应用是分不开的 本部分的内容
或多或少也会与上一小节有重复 但主要给出分数微积分的应用 分数微积分的应
用其实并不远远落后于对其理论的研究 在某种意义上 它的第一次应用是由
Ａｂｅｌ（１８２３ 和 １８２５ 年）完成的 他首次发现等时轨线积分方程的求解可以通过积分变
换来实现 并可以写成 １／２ 导数的表达式 运用分数微积分求解实际问题最强烈的
刺激来自于 Ｂｏｏｌｅ（１８４４ 年） 因为他给出了求解线性定常微分方程的符号求解方法

Ｂｏｏｌｅ 这一思想的精华是把任意一个含有微分算子的函数 f (D) 展开成幂级数形式

并通过求此幂级数的逆运算来求解微分方程 他的方法后来经过改进更加适合某类
函数 并可以延伸到多个方向 　
Ｈｅａｖｉｓｉｄｅ（１８９２ １８９３ 和 １９２０ 年）运用符号微积分求解某些电磁场理论问题可
以说是分数微积分的另一个重要的应用 Ｈｅａｖｉｓｉｄｅ（１９２０ 年）在研究传输线理论时
介绍了分数微积分可能潜在的应用 Ｇｅｍａｎｔ（１９３６ 年）近一步把它推广到描述弹性问
题中去 Ｍａｎｄｅｌｂｒｏｔ 把分数微积分用在分形理论中 　
２０ 世纪初期到 ７０ 年代分数微积分的理论与应用有了显著的发展 本时间段的分
数微积分的主要应用领域包含 流变学 电化学 化学物理 电力传输线理论等 　
近年来 分数微积分的应用更是突飞猛进 无法一一枚举 可以说几乎没有一个
科学和工程领域没有被分数微积分涉及到 本时间段的分数微积分的主要应用领域
［７，８，９］
包含 各种材料的遗传 力学和电特性描述 岩石的流变性质描述［１０，１１，１２］ 分形

3
 博士学位论文

理论［５，１３］ 特别是描述自相似和多孔结构的动态过程［６］ 地震分析［１４，１５］ 动眼神经系

统的运动和预运动神经元的动态分析［１６］ 粘弹性阻尼器［１７，１８，１９，２０，２１］ 电力分形网络［２２］
１／ｆ 噪声［２３，２４］ 分数阶正弦振荡器［２５］ 机器人［２６，２７］ 分数电容理论［２８］ 电子电路［２９］
电解化学［３０，３１］ 扩散［３２，３３，３４］ 电极－电解质接口［３５］ 热传导［３６］ 电磁理论［３７，３８，３９］ 分数
［４０，４１］ ［４２］ ［４３，４４，４５，４６，４７，４８，４９，５０］
阶生物神经元 概率统计 和控制 　
把分数微积分应用于控制领域只是近年来所感兴趣的研究课题之一 一些学者作
了些相关研究 如 Ｏｕｓｔａｌｏｕｐ 等人提出了 ＣＲＯＮＥ 控制［４６，　５１，５２，５３］ Ｐｏｄｌｕｂｎｙ 提出了分数

阶 PI λ D µ 控制器［６，４４］ Ｂａｇｌｅｙ 和 Ｃａｌｉｃｏ 提出运用分数阶状态方程控制粘弹性阻尼体

［１９］
Ｍａｋｒｏｇｌｏｕ Ｍｉｌｌｅｒ 和 Ｓｋａａｒ 提出粘弹性梁的反馈控制计算［５４］ Ａｘｔｅｌ 和 Ｂｉｓｅ
研究了分数微积分在控制系统中的应用［４３］ Ｋａｌｏｙａｎｏｖ 和 Ｄｉｍｉｔｒｏｖａ 研究了非整数阶
不稳定对象的控制［５５］ Ｍａｔｉｇｎｏｎ 和 Ａｎｄｒéａ－Ｎｏｖｅｌ 研究了分数阶微分方程的稳定性和
分数阶微分系统的观测器设计［４８］ Ｍｂｏｄｊｅ Ｍｏｎｔｓｅｎｙ 和 Ａｕｄｏｕｎｅｔ 等研究了把分数微
积分作为整数阶无限维系统的边界控制［５６］ Ｍａｃｈａｄｏ 研究了分数阶数字控制系统［５７］；　
池田研究了用于柔软构造物振动控制的分数阶阻尼器［５０，５８］等 　

１ ． ３ 　 分数微积分的几何和物理意义 　
分数微积分本身就是一个误称 之所以称其为分数微积分是因为数学家们最初是
把整数阶导数拓展到分数阶导数所致 实际上分数微积分的阶次还可以是无理数
甚至是复数 虽然分数微积分这种说法不能准确地表示其实际含义 但数学家们还
是接受了这种说法 这本身说明虽然不是任何事物的产生一开始都是很完美的 有
些甚至是错误的 而且其性质也不是一下子都能知道的 但这并不妨碍人类对它们
的研究 因为分数微积分是整数微积分的推广 而整数微积分有明确的几何和物理
含义 所以很自然的问题是分数微积分的几何和物理意义到底是什么 尽管很多数

学家都曾经深入探讨过此问题 但到现在都还没有明确的答案 例如 函数 f ( x) 的

整数阶导数有着明确的几何含义 f / ( x ) 表示自变量在 ｘ 处的斜率 那么 Dα f ( x ), α

为某个确定的分数 Ｄ 表示分数导数算子 有什么几何意义呢 D 0. 5 u( t ) u(t ) 为电

压随时间的函数 表示 u(t ) 的二分之一导数 显然我们不能知道电压的二分之一阶导

数到底是何含义 可能它是介于电压和电流之间的某个物理量 同样 D −0. 5 i (t ) i (t ) 为

电流随时间的函数 表示电流的二分之一阶积分 我们也不能知道电流的二分之一

阶积分有什么确定的物理含义 它也可能是介于电流和电压之间的某个未知物理量

4
 博士学位论文 第一章 绪 论

再比如位移的分数阶导数有什么物理意义 流量的分数阶导数是什么等等 所有这

些问题都还没有明确的答案 还需要进一步研究 但可以肯定的是分数微积分确实
存在于现实生活中 并且在很多工程领域已有许多成功的应用 例如 实验证明某
些系统更适宜用分数阶系统来描述 如粘弹性系统 热传导系统和扩散系统等 　

１ ． ４ 　 分数微积分与整数微积分的比较　
下面将从传统整数阶微积分出发 把微积分的阶次从整数推广到分数 可以直观
地看出它们之间的联系和区别 此处的分数微积分实际上是第二章要讨论的 Ｇｒü
［１，６］
ｎｗａｌｄ－Ｌｅｔｎｉｃｏｖ（ＧＬ）分数微积分 下面首先从整数阶积分开始 　

设函数 f (t ) 在区间 (0, ∞ ) 连续 可积 则积分　

D f (t ) = ∫ f (τ ) dτ 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（１－１）　
−1

存在 并为有限值 考虑下面的二重积分　
t τ1 t

　 D −2 f ( t ) = ∫ dτ 1 ∫ f (τ ) dτ = ∫ (t − τ ) f (τ )dτ 　　　　　　　　　　　　　　　　　　　　　（１－２）　
0 0 0

运用归纳法可以得到下面的 Ｃａｕｃｈｙ 公式　

1 τ
∫
−n
D f (t ) = (t − τ ) n −1 f (τ )dτ 　　　　　　　　　　　　　　　　　　　　　　　　（１－３）　
Γ(n ) 0

其中伽马函数 Γ(λ ) 定义如下　

　 Γ( λ ) = ∫ e − t t λ −1 dt 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（１－４）　
0

把式（１－３）中的 ｎ 替换成分数 p > 0 则　

1 τ
∫
−p
　D f (t ) = ( t − τ ) p −1 f (τ ) dτ 　　　　　　　　　　　　　　　　　　　　　　　（１－５）　
Γ( p ) 0

式（１－５）即是 Ｇｒüｎｗａｌｄ－Ｌｅｔｎｉｃｏｖ 分数积分定义 如要严格证明 参阅文献［６］ 下面

从整数阶导数定义出发推导 Ｇｒüｎｗａｌｄ－Ｌｅｔｎｉｃｏｖ 分数导数定义 　

设函数 f (t ) 在区间 [ a , t ], t < T , 内连续 并具有 ｎ 阶连续导数 其一阶导数可以定

义如下　

5
 博士学位论文

df f (t) − f (t − h )
f /' (t ) = = lim 　　　　　　　　　　　　　　　　　　　　　　　　　（１－６）　
dt h →0 h

同理 其二阶导数可以定义如下　

df f / (t ) − f / ( t − h )
f /'/ ( t ) = = lim 　
dt h →0 h

1  f ( t ) − f ( t − h ) f (t − h) − f ( t − 2 h) 
= lim  − 　
h→ 0 h h h 

f ( t ) − 2 f (t − h) + f (t − 2h )
= lim
h→ 0 h2 　　　　　　　　　　　　　　　　　　　　　　　　（１－７）　
依此类推 其 ｎ 阶导数可以定义如下　

dn f 1 n
 n
f ( n ) (t) =
dt n
= lim n
h→ 0 h
∑ (−1)  r  f (t − rh) 　　　　　　　　　　　　　　　　　（１－８）　
r =0
r

其中 　

 n  n( n − 1)( n − 2) L( n − r + 1)
  = 　　　　　　　　　　　　　　　　　　　　　　　　　　　（１－９）　
r r!

表示二项式展开式系数 进一步推广式（１－８） 把 ｎ 换成任意实数 ｐ＞０ 则可以得到

函数 f (t ) 的 ｐ 阶导数　

dp f a ∆ h f (t)
p
f ( p ) (t) = = D p
f (t ) = lim 　　　　　　　　　　　　　　　　　　　　（１－１０）　
dt p a t h →0 hn
 t −a 
 h 
 
 p
a ∆ph f ( t ) = ∑ (−1)  r  f (t − rh ) 　　　　　　　　　　　　　　　　　　　　　　　　（１－１１）　
r= 0
r

式（１－１０）中 a Dtp f (t ) 表示函数 f (t ) 的 Ｇｒüｎｗａｌｄ 导数 ａ，ｔ 分别表示函数 f (t ) 自变

t −a
量取值的范围， h = 　ｐ 表示求导的阶次 　（１－１１）中［ｘ］表示 ｘ 的整数部分 有
n
时式（１－１０）也写为下式［６］　
r− p
f ( r ) ( a )( t − a)
n t

Dt f ( t ) = ∑
1
+ ∫ ( t − τ ) n − p f ( n +1 ) (τ ) dτ 　　　　（１－１２）　
p

Γ( r − p − 1) Γ( n − p + 1) a
a
r =0

上式中的 ｎ 可以为任意正整数 只要（１－１２）中积分项存在 即函数 f (t ) 存在足够多

的整数阶导数 即 f ( r ) ( a ) < ∞ ， r = 0,1,K , n + 1 n < Re( p ) < n + 1 通常称式（１－１０）

6
 博士学位论文 第一章 绪 论

和　（１－１２）为 Ｇｒüｎｗａｌｄ－Ｌｅｔｎｉｃｏｖ 分数导数定义 　

从上面的讨论可以知道 分数阶导数与整数阶导数最显著的不同点是 分数阶导
数与过去所有的点的信息都有关 而整数阶导数只与有限个点的信息有关 这也是
为什么分数阶导数具有记忆功能的原因之一 因而可以利用分数导数建立各种材料
的遗传 力学和电特性数学模型 神经元记忆模型等 虽然分数阶导数与所有历史
［６］
有关 但越近的影响因子越大 越远的影响越小 可以利用这一点来近似计算分数
阶导数 本文第四章将会对此详细讨论 　
分数微积分统一了传统的微积分学 实际上整数阶微积分是分数阶微积分的特

例 当分数阶微积分的阶次 p → n, n ∈ Z 时 两者是等价的 另一点需要说明的是

分数微积分可以把分数积分和分数微分表示法统一起来 例如利用算子 D p 统一表示

分数积分和分数微分算子 当 p > 0 时表示分数微分算子 当 p < 0 时表示分数积分

算子 这样当我们研究分数微积分时 可以把积分和微分运算当作一种算子来考虑
换句话说分数微积分是导数中有积分 积分中有导数 导数和积分达到空前的统一 　

为了直观比较分数导数和整数导数的异同点 下面我们求函数 f ( x) 在点 ｘ 处的 １

阶导数和 α ,0 < α < 1, 阶导数的近似值 f (x )

参见图 １－１ 易知下面两式成立　 f2 f1 f0
f3
f / ( x ) ≈ 7 x ( f0 − f1 ) 　
f6 f4
f5
7
α 
Dα f ( x ) ≈ ∑ ( −1) i   f i 　
i =0 i  f7

显然 f ( x) 的 １ 阶导数仅仅与相邻两点
1 2 3 4 5 6
有关 而其α 阶导数与所有点都有关 　 0 x x x x x x x
7 7 7 7 7 7
图 1-1　 函数 f(x)沿 x 轴方向的等分图
Fig. 1-1 The even-spaced diagram of function f(x)
１ ． ５ 　 两种分数导数的比较　 along the x-axis.

　 分数导数和整数导数的一个显著不同点在于 分数导数的定义不唯一 而整数阶

导数的定义却是唯一的 从第一小节的讨论中知道分数导数有好几种表示方法 那
么究竟它们之间有什么联系和区别呢 本章就 Ｒｉｅｍａｎｎ－Ｌｉｏｕｖｉｌｌｅ 分数导数和
Ｃａｐｕｔｏ 分数导数之间的异同点作一简单比较 有关它们之间详细讨论留待第二章讨
论 　

7
 博士学位论文

Ｒｉｅｍａｎｎ－Ｌｉｏｕｖｉｌｌｅ 分数导数的定义如下　
n t
1 d
a Dt f ( t ) = ∫ (t − τ ) f (τ )dτ 　　 ( n − 1 ≤ p < n) 　　　　　　　（１－１３）　
n − p −1
 
p

Γ(n − p )  dt  a

Ｃａｐｕｔｏ 分数导数的定义如下　
t
1
D f (t ) = ∫ (t − τ ) n − p −1 f ( n ) (τ ) dτ 　 ( n − 1 < p < n ) 　　
C p
　 　（１－１４）　
Γ( n − p) a
a t

从上面两式可以发现两种分数导数的第一个不同点在于求导的顺序不同 是先积分
然后求导 还是先求导再积分 从纯数学的角度看 Ｒｉｅｍａｎｎ－Ｌｉｏｕｖｉｌｌｅ 分数导数对

函数 f (t ) 的要求没有 Ｃａｐｕｔｏ 分数导数的高 前者只需 f (t) 可积 而后者需其有 ｎ 阶

连续导数 但在工程应用领域 一般不允许函数不连续 或者不够光滑 所以这两

种分数导数都可以用于工程领域 　
上述两种导数的第二个不同点在于对常数 Ｃ 的分数导数值不同
Ｒｉｅｍａｎｎ－Ｌｉｏｕｖｉｌｌｅ 对常数 Ｃ 的分数导数为　

C (t − a )− p
Dtp C = 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（１－１５）　
Γ(1 − p)
a

而 Ｃａｐｕｔｏ 对常数 Ｃ 的分数导数为 ０ 这一点 Ｃａｐｕｔｏ 分数导数和整数阶导数性质一致

更一般地 对于幂函数 f (t ) = t r ， ( r > −1) 其 Ｒｉｅｍａｎｎ－Ｌｉｏｕｖｉｌｌｅ 分数导数为　

Γ( r + 1)( t − a ) r − p
a Dt t =
p r
　　　　 (r > −1) 　　　　　　　　　　　　　　　　　　　　　（１－１６）　
Γ(1 + r − p)

实际上当 r > −1, 且 r ≠ 0 时 上式也等于函数 f (t) 的 ｐ 阶 Ｃａｐｕｔｏ 分数导数 　

　 上述两种导数的第三个不同点在于其拉氏变换初始值的形式不同
Ｒｉｅｍａｎｎ－Ｌｉｏｕｖｉｌｌｅ 和 Ｃａｐｕｔｏ 分数导数的拉氏变换分别为下面两式　
∞ n −1
L( a Dtp f ( t ); s) = ∫ e − st a Dt p f ( t ) dt = s p F ( s) − ∑ s k a Dt p − k −1 f ( t ) |t = a 　 ( n − 1 ≤ p < n) 　
a k=0

（１－１７）　
∞ n −1
L( Ca Dtp f ( t ); s ) = ∫ e − st Ca Dtp f ( t )dt = s p F ( s) − ∑ s p −k −1 f ( k ) (t ) |t = a 　 ( n − 1 < p ≤ n) 　　（１－１８）　
a k=0
其中 F ( s) 为函数 f (t ) 的拉氏变换 显然 Ｒｉｅｍａｎｎ－Ｌｉｏｕｖｉｌｌｅ 分数导数初始值无
明确的物理意义 而 Ｃａｐｕｔｏ 分数导数初始值有明确的物理意义 若 f (t) 表示位移
则 f / (t ) 和 f // ( t ) 分别表示速度和加速度 这也是 Ｃａｐｕｔｏ 分数导数定义在工程上应用

8
 博士学位论文 第一章 绪 论

最多的原因之一 　
　 当上述两种导数的阶次 p → n , n ∈ N 时 它们都等价于整数阶导数 f ( n ) ( t ) 这也
是它们的一个共同点之一 为了直观地看出上述两种分数导数的异同点 下面给出
余旋 正旋 指数和幂函数几种常用函数的 Ｒｉｅｍａｎｎ－Ｌｉｏｕｖｉｌｌｅ 和 Ｃａｐｕｔｏ 分数导数
参见图 １－２ １－７ 　

图 1-2 f (t ) = cos( t ) 的 Riemann-Liouville 分数导数

Fig. 1-2 Riemann-Liouville fractional derivative of f (t ) = cos(t) .

9
 博士学位论文

图 1-3 f (t ) = cos( t ) 的 Caputo 分数导数

Fig. 1-3 Caputo fractional derivative of f (t ) = cos(t) .

图 1-4 f (t ) = sin( t ) 的 Riemann-Liouville 或 Caputo 分数导数

Fig. 1-4 Riemann-Liouville or Caputo fractional derivative of f (t ) = sin(t) .

10
 博士学位论文 第一章 绪 论

图 1-5 f (t ) = exp( −t ) 的 Riemann-Liouville 分数导数

Fig. 1-5 Riemann-Liouville fractional derivative of f (t ) = exp(−t ) .

图 1-6 f (t ) = exp( −t ) 的 Caputo 分数导数值

Fig. 1-6 Caputo fractional derivative of f (t ) = exp(−t ) .

11
 博士学位论文

图 1-7 f (t ) = t 的 Riemann-Liouville 或 Caputo 分数导数

Fig. 1-7 Riemann-Liouville or Caputo fractional derivative of f (t ) = t.

1.6 分数阶系统和整数阶系统的比较
当微分方程中某些项的微分阶次为分数时 这样的微分方程可以称其为分数阶微
分方程 典型的分数阶微分方程如下所示

a n D pn y( t ) + a n−1D pn −1 y ( t ) + L + a1D p1 y( t ) + a 0D p0 y( t ) = f ( t ) 　　　　　　　（１－１９）　

p n > p n −1 > ⋅ ⋅ ⋅ > p1 > p0 > 0 [ 0 Dtpn −k −1 y ( t )] t=0 = bk k = 0,1,2,L , n − 1 　　　（１－２０）　

其中 D p ≡ 0 Dtp 可以是任何一种分数阶导数定义 此处取的是 Ｒｉｅｍａｎｎ－Ｌｉｏｕｖｉｌｌｅ

分数阶导数定义 a i , i = 0,1, K , n ，为常数 实际上当 pi → ni , i = 0 L n , ni ∈ Z 时 式

（１－１９）即为传统整数阶微分方程 　

a n y ( ni ) ( t ) + an −1 y ( ni−1 ) ( t ) + L + a1 y ( n1 ) ( t ) + a0 y ( n0 ) ( t ) = f (t ) 　　　　　　　（１－２１）　

由分数阶微分方程表示的系统称为分数阶系统 同整数阶系统一样 分数阶系统

也有线性和非线性 定常和时变 连续和离散之分 本文仅仅考虑分数阶线性定常
系统 特别地 分数阶线性系统可以称为是同元次分数阶线性系统 如果它的所有

12
 博士学位论文 第一章 绪 论

微分阶次满足如下关系 即　
pi = iα , i = 1L, n , α ∈ R 　　　　　　　　　　　　　　　　　　　　　　（１－２２）　

同元次分数阶线性系统具有很多类似于整数阶线性系统的性质 如其具有有限个
特征根 其稳定性 可控性和可观测性可以通过类似于整数阶线性系统的稳定性
可控性和可观测性证明方法得到 分数阶线性系统也有传递函数描述 状态方程描
述和多项式描述 因而它也有脉冲 阶跃 时域和频率响应 有关分数阶线性系统
的详细讨论 参见第二 三 五章 　
分数阶线性系统与整数阶线性系统相比主要有以下优点 　１ 分数阶线性系统是
整数阶线性系统的推广 后者只是前者的特例 因而前者也具有后者的一些性质
如也有传递函数 状态方程 多项式描述 ２ 分数阶线性系统具有记忆功能 特别
适合描述各种材料的记忆 遗传 机械和电特性 ３ 分数阶线性系统更易稳定 ４
分数阶 ＰＩＤ 控制器的参数选择范围更大 缺点是分数阶线性系统计算更复杂 收敛
较慢且振荡较为剧烈 　

１ ． ７ 　 本文的主要工作 　
　 分数微积分的出现虽然已有 ３００ 多年的历史 但在过去很长时间里对其研究主要
集中在数学领域里 且主要是数学家们研究的对象 近年来 随着计算机科学技术
的飞速发展 很多以前不能解决的计算问题都能迎刃而解 客观上为其应用于工程
技术领域创造了条件 把分数微积分用于控制领域还只是近二十多年的新领域 然
而 到目前为止还没有关于分数阶线性系统理论的完整一致的公开出版物 许多信
号和系统的基础课本仅仅考虑整数阶微积分及整数阶系统的情况 包含其脉冲 阶
跃 频率响应及其传递函数 状态空间和多项式描述等 如果把传统线性系统中的
整数阶导数换成分数阶导数 情况要复杂的多 本文的下面几章就是要在这方面的
做些开拓性研究 研究分数阶线性系统及其应用 据作者所知 本文所提方法是新
颖的 尽管有些性质似曾相识 这是由于本文的许多概念曾经都是大家所熟知的
只不过是本文把它们推广到分数阶系统的缘故 需要说明的是 分数阶线性系统的
内容非常丰富 本文也只是做了初步的探讨和研究 也可以说还只是冰山一角 　
　 本文的内容安排如下 　
第一章首先介绍了分数微积分产生的历史背景 包括分数微积分的起源 研究内
容和名称的由来 以及分数微积分的整个发展过程 接着介绍了分数微积分的应用
包括最早 Ａｂｅｌ 提出的等时轨线积分方程的求解 Ｈｅａｖｉｓｉｄｅ 提出的传输线理论 到
现在在分形理论 流变学 电化学 化学物理 控制等多个领域内的应用 然后介
绍了分数微积分的几何和物理含义 分数微积分和整数微积分的比较 两种典型分

13
 博士学位论文

数导数的比较 以及分数阶系统和整数阶系统的异同点 最后介绍本文的主要工作 　

第二章首先介绍了分数微积分的数学基础 包含伽马函数 贝塔函数
Ｍｉｔｔａｇ－Ｌｅｆｆｌｅｒ 函数的基本定义及其性质 在此基础上介绍了几种常用分数微积分
的定义 如 Ｇｒüｎｗａｌｄ－Ｌｅｔｎｉｃｏｖ Ｒｉｅｍａｎｎ－Ｌｉｏｕｖｉｌｌｅ Ｃａｐｕｔｏ 和广义函数分数阶微
积分定义以及序列分数阶导数定义 并介绍了它们的一些常用性质 各种定义间的
相互关系 接着给出了分数阶微分方程和系统（包含分数阶常微分方程和分数阶状态
方程）解的存在性和唯一性定理 介绍了分数阶线性系统的传递函数 状态方程 多
项式描述 并介绍了分数阶离散微分方程和系统 最后给出一个粘弹性系统的仿真
实例 　
第三章主要研究了分数阶线性定常系统的稳定性 可控性和可观测性定理 首先
给出分数阶线性系统的内 外部稳定性的定义 定理 运用拉普拉斯变换和留数定
理给出了分数阶线性定常系统的内部和外部稳定性定理的证明 在此基础上 直接
从复分析中的辐角原理出发 推导出分数阶线性定常系统 ２ 种有效的闭环稳定性判
据 分数阶系统奈奎斯特判据和分数阶系统对数频率判据 然后结合分数阶线性定
常系统状态方程的解和可控性与可观测性定义 给出了分数阶线性定常系统的能控
性和能观测性秩判别定理及其证明 最后给出一个实例验证了上述定理的正确性 　
第四章给出求解分数阶微分方程（包含分数阶常微分方程和分数阶状态方程）的
一个非常有效的数值方法 首先给出了分数微积分的算子表示法 给出分数阶线性
多步长方法的一些定义 定理及其证明 给出分数微积分的高价近似公式 在此基
础上推导出分数阶常微分方程和分数阶状态方程的高阶近似表达式 实际上本方法
的思想是依据在实际应用中 通常要求给定函数有足够的连续性和光滑性 这就使
得它们的 Ｒｉｅｍａｎｎ－Ｌｉｏｕｖｉｌｌｅ 和 Ｇｒüｎｗａｌｄ－Ｌｅｔｎｉｋｏｖ 分数微积分完全等价 这样在
分数阶动态系统中 可以利用 Ｇｒüｎｗａｌｄ－Ｌｅｔｎｉｋｏｖ 分数微积分的 １ 阶或高阶近似表
达式来近似表示 Ｒｉｅｍａｎｎ－Ｌｉｏｕｖｉｌｌｅ 分数微积分 最后给出的实例验证本方法的有
效性 　
第五章首先介绍了分数阶系统的时域 频域和稳态响应 指出根据其特征根在黎
曼主平面内 外的位置 系统有 ５ 种不同的响应 单调下降函数 阻尼振荡函数
等幅振荡函数 发散振荡函数 单调上升函数 然后介绍了分数阶 ＰＩＤ 控制器的概
念 及其时域和频域表示方法 并进一步把分数阶 ＰＩＤ 控制器的概念推广到分数阶
ＤＤ ＩＩ ＩＤＩ ＰＤＤ 等分数阶控制器上 给出一个汽车减震系统的实例 指出分数阶
ＤＤ 控制器比传统 ＰＤ 控制器的控制效果更好 接着提出了分数阶 ＰＩＤ 控制器的一种新
的数字实现方法 本方法可以直接在时域或 Ｚ 域中计算分数阶 ＰＩＤ 控制器 而且能
保证足够高的精度 最后给出了一个设计分数阶数字 ＰＩＤ 控制器的实例 该例中控
制对象为一非线性系统 该系统包含下面四种不同的非线性模块中的一种 饱和

14
 博士学位论文 第一章 绪 论

死区 迟滞和继电器 　
第六章给出了辨识分数阶线性系统的 ２ 种非常有效的方法 基于分数阶泊松滤波
器的辨识算法和基于状态空间模型分解的辨识算法 前者用于待辨识系统的阶次已
知的情况 它的基本思想是利用分数阶泊松滤波器先对输入输出数据进行滤波处理
然后再对滤波后的数据进行系统辨识 辨识算法采用最小二乘算法 其独到之处在
于把滤波和分数导数的计算结合起来 只需计算一次就可以获得滤波后的分数导数
本方法把辅助变量法也运用到分数阶系统的辨识上 这样即使系统中存在有色噪声
仍可以获得参数的无偏估计 后者可以同时辨识系统的阶次和参数 其基本思想是
通过基底变换把分数阶线性系统的系统矩阵变换成对角阵 这就把原系统的输入
输出关系转化为若干简单的子系统的和 再对这些子系统的模型参数进行辨识 最
后可以获得与原系统代数等价的辨识系统的模型参数 两种方法都给出了辨识实例
验证了上述方法 　
第七章给出了运用分数阶迭代学习控制（Ｉｔｅｒａｔｉｖｅ　Ｌｅａｒｎｉｎｇ　Ｃｏｎｔｒｏｌ，　ＩＬＣ）方
法来控制熔融碳酸盐燃料电池（Ｍｏｌｔｅｎ　Ｃａｒｂｏｎａｔｅ　Ｆｕｅｌ　Ｃｅｌｌ ＭＣＦＣ）电堆温度的应
用实例 首先介绍了 ＭＣＦＣ 的发电原理 给出 ＭＣＦＣ 动态机理模型和 ＭＣＦＣ 的控制模型
考虑到影响 ＭＣＦＣ 寿命的主要原因有阴极溶解 阳极蠕变和电解质溶解 而这些都与
其内部温度有关 因此如何把温度控制在给定范围内 减小温度波动是提高 ＭＣＦＣ 性
能的关键 因为 ＭＣＦＣ 系统具有非线性 时变 强耦合的特点 使得传统的控制方法
难以取得很好的控制效果 而分数阶 ＩＬＣ 对控制对象本身不需太多的限制（对象可以
是线性 非线性 时变或定常） 不需要系统输入和输出的确切映射关系 具有在迭
代过程中不断记忆学习的功能 收敛速度较快 跟踪精度较高等 并且在迭代过程
中可以同时调整学习速度增益和跟踪误差的微分阶次 使得迭代和收敛速度更快
从而使系统输出能够更快地逼近期望值 达到较好的控制效果 给出了分数阶 ＩＬＣ
用于一般系统下的收敛性条件及其证明 仿真实例验证了分数阶 ＩＬＣ 方法在控制 ＭＣＦＣ
电堆温度上能够取得较好的控制效果 　
第八章对全文进行了总结 结合自己的研究心得 指出了一些尚有待解决的问题
并对未来的研究进行了展望

15
 博士学位论文 第二章 分数微积分和分数阶线性系统

第二章 分数微积分和分数阶线性系统

从第一章的讨论中知道分数微积分并不是一个新的名词 它已有三百多年的历史
了 分数阶微积分理论的发展是经过很多数学家们近三个世纪的共同努力才逐渐发
展和完善的 本章将在第一章的基础上给出分数微积分的数学基础 包括伽马函数
贝塔函数 Mittag-Leffler 函数的基本定义及其性质 这些函数在分数微积分中都起
着非常重要的作用 从本章下面的讨论中将可以发现伽马函数实际上是阶乘函数的
推广 而 Mittag-Leffler 函数是指数函数的推广
众所周知 指数函数在求解常微分方程中起着十分重要的作用 而在分数阶常微
分方程中 Mittag-Leffler 函数也起着非常关键的作用 由于伽马函数 贝塔函数和
[59,60,61,62,63,64,65]
Mittag-Leffler 函数都是高等超越函数 显然对它们的研究要比阶乘函
数 指数函数要复杂的多 这也是为什么由分数微积分表示的分数阶微分方程的求
解问题比整数阶微分方程要复杂的多的原因 好在现在计算机科学技术发展迅速
这也客观上使得分数微积分和分数阶方程的计算问题得以部分解决的原因之一 现
在可以借助高性能的计算机计算一些以前无法计算的分数微积分和分数阶方程 因
而可以获得一些有关分数微积分的感性认识 使得分数微积分不再显得很陌生 也
便于更多的工程技术人员更好地掌握这一十分有用的新工具 本章将介绍分数微积
分及分数阶线性系统的一些最基本的概念 定义 定理和性质
本章的安排如下 第一节数学基础 给出伽马函数 贝塔函数 Mittag-Leffler
函数和各种分数阶微积分的一些定义 定理和性质 第二节介绍分数阶微分方程和
分数阶线性系统 第三节给出一个分数阶线性系统的实例 第四节为本章小节

2.1 数学基础
2.1.1 几种特殊函数

2.1.1.1 伽马函数

分数阶微积分定义中包含的最基本函数之一是伽马函数 Γ(z) 它是阶乘函数 ｎ！

的推广 即它允许 ｎ 取非整数或者甚至复数 伽马函数的定义如下 　

∞

Γ( z ) = ∫ e − t t z −1 dt 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－１）　
0

伽马函数的主要性质有 　
（１）迭代性质　

16
 博士学位论文

Γ( z + 1) = zΓ( z) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－２）　

例如 Γ(1) = 1 Γ(2) = 1 Γ(3) = 2!， ， Γ(n + 1) = n! 　

（２）极点　
伽马函数的极点为 ｚ＝－ｎ，（ｎ＝０，１，２， ） 可以从下式看出　
∞
∞
( −1) k
Γ( z ) = ∑ + ∫ e −t t z −1 dt 　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－３）　
k =0 k !( k + z ) 1

（３）极限表示　
伽马函数的极限表示为　
n! n z
Γ( z ) = lim 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－４）　
n → ∞ z ( z + 1) L ( z + n )

２ ． １ ． １ ． ２ 　 贝塔函数　

贝塔函数实际上是伽马函数的特定组合形式 其定义如下 　
1

B( z, w) = ∫ t z −1 (1 − t ) w−1 dt 　 Re(z) > 0, Re(w) > 0 　　　　　　　　　　　　　　　　　（２－５）　

0

贝塔函数与伽马函数的相互关系如下 　
Γ( z ) Γ( w)
B( z, w) = 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－６）　
Γ( z + w)

定义了贝塔函数 可以得到伽马函数的两个重要关系式分别如下 　
π
Γ( z ) Γ(1 − z ) = 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－７）　
sin( π z )

1
Γ( z ) Γ( z + ) = π 21− 2 z Γ( 2 z ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－８）　
2
从式（２－７）不难得出　
1
Γ( ) = π 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－９）　
2
从式（２－８）不难得出　
1 π (2n ) !
Γ( n + ) = 2 n 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－１０）　
2 2 Γ( n + 1)

２ ． １ ． １ ． ３ 　 　 Ｍ ｉ ｔ ｔ ａ ｇ － Ｌ ｅ ｆ ｆ ｌ ｅ ｒ 函数　

　 众所周知 指数函数 ｅｘｐ（ｚ）在求解整数阶微分方程中起到非常重要的作用 而

其单参数推广函数（Ｍｉｔｔａｇ－Ｌｅｆｆｌｅｒ 提出［６１］ Ｗｉｍａｎ 也研究过［６６］）可以定义为 　

17
 博士学位论文 第二章 分数微积分和分数阶线性系统

∞
zk
Eα ( z ) = ∑ 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－１１）　
k = 0 Γ (αk + 1)

Ｍｉｔｔａｇ－Ｌｅｆｆｌｅｒ 函数的双参数形式在分数阶微积分中也起到极为重要的作用
但它实际上是由 Ａｇａｒｗａｌ 首先提出的［６７］ 虽然 Ｈｕｍｂｅｒｔ 和 Ａｇａｒｗａｌ 运用拉普拉斯变
换得到双参数 Ｍｉｔｔａｇ－Ｌｅｆｆｌｅｒ 函数的许多性质 ［６８］ 但两位学者保留了单参数
Ｍｉｔｔａｇ－Ｌｅｆｆｌｅｒ 函 数 的 名 称 这 也 就 是 双 参 数 Ｍｉｔｔａｇ－Ｌｅｆｆｌｅｒ 也 被 称 为
Ｍｉｔｔａｇ－Ｌｅｆｆｌｅｒ 函数的原因 本文也沿用此定义 下面给出双参数 Ｍｉｔｔａｇ－Ｌｅｆｆｌｅｒ
函数的定义 　
∞
zk
Eα ,β ( z ) = ∑ α > 0, β > 0 　　　　　　　　　　　　　　　　　　　　（２－１２）　
k =0 Γ (αk + β )

根据上式 易知　
∞ ∞
zk zk
E1 ,1 ( z ) = ∑ = ∑ = e z 　　　　　　　　　　　　　　　　　　　　　　　　（２－１３）　
k =0 Γ( k + 1) k = 0 k!

∞
zk ∞
zk 1 ∞ z k +1 ez − 1
E1 , 2 ( z ) = ∑ =∑ = ∑ = 　　　　　　　　　　　　　（２－１４）　
k =0 Γ ( k + 2) k =0 (k + 1)! z k =0 ( k + 1)! z

∞
zk ∞
zk ∞
z k+2 ez − 1− z
E1 , 3 ( z ) = ∑ =∑ ∑
1
= 2 = 　　　　　　　　　　　　（２－１５）　
k =0 Γ ( k + 3) k =0 ( k + 2)! z k =0 ( k + 2)! z

1  z m− 2 z k 
E1 ,m ( z ) = e − ∑  　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－１６）　
z m −1  k = 0 k! 

双曲正旋函数 ｓｉｎｈ（ｚ）和双曲余旋函数 ｃｏｓｈ（ｚ）也是双参数 Ｍｉｔｔａｇ－Ｌｅｆｆｌｅｒ 函数的

特例　
∞ ∞
z 2k z2 k
E2 ,1 ( z 2 ) = ∑ =∑ = cosh( z ) 　　　　　　　　　　　　　　　　　　　　（２－１７）　
k = 0 Γ ( 2k + 1) k = 0 ( 2k )!

∞ ∞
z 2k z2 k
E2 , 2 ( z 2 ) = ∑ =∑
sinh( z )
= 　　　　　　　　　　　　　　　　　　（２－１８）　
k =0 Γ( 2 k + 2 ) k = 0 ( 2k + 1)! z

此外　
∞
zk
E1 / 2 ,1 ( z ) = ∑
2
= e z erfc( − z ) 　　　　　　　　　　　　　　　　　　　　　　　　（２－１９）　
k = 0 Γ ( k / 2 + 1)

式中误差补函数 ｅｒｆｃ（ｚ）定义为　

2 ∞ −t 2
π ∫z
erfc( z ) = e dt 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－２０）　

当 β = 1时 双参数 Ｍｉｔｔａｇ－Ｌｅｆｆｌｅｒ 函数即为单变量 Ｍｉｔｔａｇ－Ｌｅｆｆｌｅｒ 函数　

18
 博士学位论文

∞
zk
Eα ,1 ( z ) = ∑ = Eα ( z ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－２１）　
k =0 Γ (αk + 1)

下面给出双参数 Ｍｉｔｔａｇ－Ｌｅｆｆｌｅｒ 函数的一些重要性质 　

［６］
（１）拉普拉斯变换 　

L(t αk + β −1 Eα( k, β) ( at α ) ) =
k! sα −β
　　　　　　　　　　　　　　　　　　　　　　　（２－２２）　
( s α − a ) k +1

其中　

dk ∞
( j + k )! y j
Eα( k, β) ( y ) = E
dy k α , β
( y ) = ∑
j =0 j! Γ(αj + αk + β )
　　　　　　　　　　　　　　　　　　（２－２３）　

（２）　导数性质［６］　

　 对 Ｒｉｅｍａｎｎ－Ｌｉｏｕｖｉｌｌｅ 分数阶微分算子 0 Dtγ （ γ 为任意实数） 下式成立 　

0 Dtγ (t αk + β −1 Eα( k, β) ( at α ) ) = t αk + β −γ −1 Eα( k, β) −γ (at α )　　　　　　　　　　　　　　　　　（２－２４）　

（２）渐近展开式　

如果 0 < α < 2, β ∈ C, µ ∈ R πα / 2 < µ < min {π , πα } 则对 ∀p ≥ 1 成立　

z −k
( )
p
Eα ,β ( z ) = − ∑
−1 − p
+O z , z → ∞, µ ≤ arg( z ) ≤ π 　　　　　　　　　（２－２５）　
k =1 Γ ( β − αk )

上式的证明可以参阅文献［６］ 　

２ ． １ ． ２ 　 几种分数微积分定义 　

　 从第一章的介绍知道分数微积分是指求任意阶次（可以是分数 无理数甚至复数）
导数和积分的理论 它是整数阶导数和 ｎ 重积分定义的推广 分数微积分的一般定

义形式为 a Dtα f (t ) 其中 算子 a Dαt 指求函数 f (t) 的 α 次导数或积分 α 为分数导

数和积分的阶次 α > 0 时指求导数 α < 0 指求积分 ａ 和 ｔ 分别指积分上 下限

当α = n ∈ N 时 a Dαt f (t ) = f ( n) (t ) 即指求通常意义下函数 f (t) 的 ｎ 次导数 分数

微积分的定义有多种 但主要包含 Ｇｒüｎｗａｌｄ－Ｌｅｔｎｉｃｏｖ（ＧＬ）分数微积分定义

Ｒｉｅｍａｎｎ－Ｌｉｏｕｖｉｌｌｅ（ＲＬ）分数微积分定义 Ｃａｐｕｔｏ 分数导数定义 广义函数分数微积
分 定 义 （Ｇｅｎｅｒａｌｉｚｅｄ　Ｆｕｎｃｔｉｏｎ　Ａｐｐｒｏａｃｈ，　ＧＦＡ） 和 序 列 分 数 导 数 Ｓｅｑｕｅｎｔｉａｌ　
Ｆｒａｃｔｉｏｎａｌ　Ｄｅｒｉｖａｔｉｖｅ，　ＳＦＤ 定义［１，２，３，４，５，６］ 下面给出每种导数和积分的定义 　

19
 博士学位论文 第二章 分数微积分和分数阶线性系统

２ ． １ ． ２ ． １ 　 　 Ｇ Ｌ 定义　

１ 分数积分定义 　
n
 p 1 t
a Dt
−p
f (t ) = lim
h →0
h p
∑ r 
r =0  
f (t − rh) = ∫
Γ( p ) a
(t − τ ) p −1 f (τ ) dτ p > 0 　 （２－２６）　
nh =t −a

 p  p ( p + 1) ⋅ ⋅ ⋅ ( p + r − 1)
其中   = 　
r  r!

２ 分数导数定义 　
m
f ( k ) ( a)( t − a ) − p +k
　 a Dt p f ( t ) = lim f h( p ) (t ) = ∑ 　
h→ 0 k=0 Γ(− p + k + 1)
nh = t − a

t
1
Γ( − p + m + 1) ∫a
+ ( t − τ ) m − p f ( m +1 ) (τ ) dτ 　 p > 0 　　 　 　 　

（２－２７）　

其中 m > p − 1 最小的 ｍ 可以取 m < p < m + 1 　

２ ． １ ． ２ ． ２ 　 　 Ｒ Ｌ 定义　

１ 分数积分定义 　

1 t
Γ( p) ∫a
a Dt
−p
f (t ) = (t − τ ) p −1 f (τ ) dτ 　 p > 0 　　 　 　 　　　　　（２－２８）　

且成立下式 　
lim a Dt− p f (t ) = f ( t ) 　　 　 　 　 　 　 　 　 　（２－２９）　
p→ 0

２ 分数导数定义 　

1 dn t
n ∫
a Dt f ( t ) =
p
(t − τ ) n − p −1 f (τ ) dτ , 　 (n − 1 ≤ p < n) 　 　 　 　（２－３０）　
Γ( n − p) dt a

若 p = n ≥ 1, t > a 则　

dn d n f (t )
　　 　 a Dt f ( t ) = = = f (t) 　 　 　 　 　 　（２－３１）　
p 0 ( n)
( a Dt f (t ))
dt n dt n

20
 博士学位论文

２ ． １ ． ２ ． ３ 　 　 Ｃ ａ ｐ ｕ ｔ ｏ 分数导数定义　

t
1
Γ( k − p ) ∫a
C
a Dt p f (t ) = (t − τ ) k − p −1 f (k )
(τ ) dτ , 　 (k − 1 < p < k ) 　　 　 　 　（２－３２）　

式中 Ｃ 表示 Ｃａｐｕｔｏ 导数标识 且下式成立　

　 　 　 　 lim Ca Dt− p f ( t ) = f ( n ) (t ) 　 　 　 　 　 　 　 　 　（２－３３）　
p →n

Ｃａｐｕｔｏ 分数导数定义的最大优点是其初始值有明确的物理意义 而 ＲＬ 分数导数的初

始值没有实际意义 只有数学上的意义 因而在工程应用中常常采用 Ｃａｐｕｔｏ 定义 　

２ ． １ ． ２ ． ４ 　 　 Ｇ Ｆ Ａ 定义　

~
此中定义把分数导数和积分统一起来 当 p > 0 时 a Dt p f (t ) 表示求函数 f (t) 的

~
ｐ 次导数 而当 p < 0 时 a Dt p f (t ) 表示求函数 f (t) 的 ｐ 次积分 　

~
a Dt p f ( t ) = f (t ) * Φ − p (t ) 　　 　 　 　 　 　 　 （２－３４）　

 t p −1
 t>0
其中 　 Φ p ( t ) =  Γ( p ) 　 　 　 　 　 　 　 　 　 （２－３５）　
 0 t≤0

~
当 ｐ 为整数时 a Dt p f (t ) 即为通常意义下的 ｐ 次导数 p > 0 或积分 p < 0 　

２ ． １ ． ２ ． ５ 　 　 Ｓ Ｆ Ｄ 定义　

序列分数导数有时也可以称为 Ｍｉｌｌｅｒ－Ｒｏｓｓ　分数导数 其定义如下 　

Dα f (t ) = Dα1 Dα 2 ⋅ ⋅ ⋅ Dα n f (t ) 　α = α1 + α 2 + ⋅ ⋅ ⋅ + α n 　 　 （２－３６）　

其中 算子 Dα i i = 1,2,⋅ ⋅ ⋅, n 可以表示 ＧＬ ＲＬ Ｃａｐｕｔｏ 或 ＧＦＡ 分数导数定义

中的任何一种 　

２ ． １ ． ３ 　 各种分数导数定义间的相互关系　

１ ＲＬ 分数导数和 ＧＬ 分数导数间存在下列关系　

若函数 f (t) 在区间 [a, T ] 有 (n - 1) 次连续导数 且f ( n)

( t ) 在区间 [a, T ] 内可

积 则对任意 p (0 < p < n ) ＲＬ 分数导数和 ＧＬ 分数导数两者等价 如果

0 ≤ m -1≤ p < m ≤ n a <t <T 则下式成立 　

21
 博士学位论文 第二章 分数微积分和分数阶线性系统

m −1
f ( k ) ( a )(t − a) − p + k
a Dt f ( t ) = ∑
p
　
k =0 Γ( − p + k + 1)

t
1
Γ( m − p ) ∫a
+ (t − τ ) m − p −1 f ( m ) (τ ) dτ 　 　　　　　　　　 （２－３７）　

２ ＲＬ 分数导数和 ＧＦＡ 分数导数间存在下列关系　

a Dt f ( t ) =
p dn
dt n
( f (t ) * Φ n− p (t ) ) =
dn
dt n
( a
~
)
Dtp −n f (t ) 　 　 　 （２－３８）　

３ Ｃａｐｕｔｏ 分数导数和广义分数导数间存在下列关系　
 d n f (t )  ~
C
a Dt p f (t ) =  * Φ n − p (t )  = a Dt p −n f ( n)
(t) n −1 < p < n 　　　（２－３９）　
 dt
n

４ ＲＬ 分数导数和 Ｃａｐｕｔｏ 分数导数间存在下列关系　
n −1

a Dt p f (t ) =Ca Dt p f (t ) + ∑ Φ k − p +1 ( t − a) f ( k ) ( a) 　n −1 ≤ p < n 　　（２－４０）　

k=0

　 　 令p→n 则　

n −1

a Dt f (t )= a Dt f (t ) + ∑ δ (t − a) f ( k ) ( a) 　 　
( n − k −1 )
　 　 　 　 n C n
　 　 （２－４１）　
k =0

２ ． １ ． ４ 　 分数微积分的常用性质　

　 下面的这些性质除非特别说明 对上面任何一种分数微积分定义都成立 　
１ 　线性　

D p ( λf (t ) + µ g (t )) = λD p f ( t ) + µD p g (t ) 　 　 　 　 　 　 （２－４２）　

　 　 式中 算子 D p 表示任意一种分数微积分定义 　

２ 　Ｌｅｉｂｎｉｚ 规则　

设函数 f (τ ) 在区间 [a, t ] 内连续 函数 ϕ (τ ) 在区间 [a, t ] 中有 ｎ＋１ 阶连

续导数 则 ϕ (t ) f (t) 的 ｐ 次分数阶导数为 　

n
 p (k)
a Dt
p
(ϕ (t ) f (t )) = ∑  ϕ (t ) a Dt p − k f (t ) − Rnp (t ) 　 　
k=0  k 
　 （２－４３）　

其中 n ≥ p +1 且　

22
 博士学位论文

t t
1
n! Γ( − p) ∫a ∫τ ϕ (ξ )(τ − ξ ) dξ 　 　
Rnp (t ) = ( t − τ ) − p −1
f (τ )dτ (n +1 ) n
（２－４４）　

　 　 　 如果 f (τ ) 和 ϕ (τ ) 具有任意阶连续导数 则　

∞
 p
　 　 　 a Dt p (ϕ (t ) f ( t )) = ∑  ϕ ( k ) (t ) a Dt p − k f (t ) 　　　　　　　　　　　　　　　（２－４５）　
k =0  k 

［６］
３ 　拉氏变换 Ｌａｐｌａｃｅ　Ｔｒａｎｓｆｏｒｍ 　
ａ ＧＬ 和 ＲＬ 分数积分的拉氏变换为　

{ }
L 0 Dt− p f (t ) = s − p F ( s ) 　 　 　 　 　 　 　 　 　 （２－４６）　

其中 L{ f (t )} = F ( s) 　

ｂ ＲＬ 分数导数的拉氏变换为　

L{0 Dt p f (t )} = s p F ( s ) − ∑ s k [ ]
n −1

0 Dt p − k −1 f ( t ) n −1 ≤ p < n 　 （２－４７）　
k =0 t =0

ｃ Ｃａｐｕｔｏ 分数导数的拉氏变换为　

{ }
n −1
L C0 Dtp f (t ) = s p F ( s ) − ∑ s p −k −1 f ( k ) (0) 　n −1 < p ≤ n 　　　　　　（２－４８）　
k=0

ｄ ＧＬ 分数导数的拉氏变换为　

{ }
L 0 Dtp f (t ) = s p F ( s ) 0 ≤ p < 1　　 　 　 　 （２－４９）　

　 　 　 当 ｐ＞１ 时 在此定义下 不存在拉氏变换 　

２ ． ２ 　 分数阶微分方程及分数阶系统的三种不同描述　
２ ． ２ ． １ 　 分数阶微分方程　

与整数阶微分方程一样 若分数阶微分方程中含有的导数项的最高阶次为 ｐ 则
该分数阶微分方程称为 ｐ 阶分数阶微分方程 当 ｐ 为整数时 分数阶微分方程即为
传统的整数阶微分方程 前者是后者的推广 后者是前者的特例 分数阶线性定常
微分方程的一般形式如下　

a n D pn y( t ) + a n−1D pn −1 y ( t ) + L + a1D p1 y( t ) + a 0D p0 y( t ) = f ( t ) 　　　　　　　（２－５０）　

p n > p n −1 > ⋅ ⋅ ⋅ > p1 > p0 > 0 　

[ 0 Dtpn −k −1 y ( t )] t=0 = bk 　　　 k = 0,1,2,L , n − 1 　　　　　　　　　　（２－５１）　

23
 博士学位论文 第二章 分数微积分和分数阶线性系统

其中 D p ≡ 0 Dtp 可以是任何一种分数阶导数定义 此处取 ＲＬ 分数阶导数定义

a i , i = 0,1, K , n ，为常数 若 p i ∈ Z , i = 0,1, K, n, 则方程（２－５０）即为传统整数阶线性定常

微分方程　

a n y ( n) ( t ) + a n−1 y ( n−1) ( t ) + L + a1 y / ( t ) + a0 y ( t ) = f ( t ) 　　　　　　　　　　　　　（２－５２）　

显然 方程（２－５０）是方程（２－５２）的推广 　

定理 ２．１ 　设函数 f (t) 在区间 (0, T ) 0 < t < T 内绝对可积 并满足初始条件（２－５１）

则方程　

0 Dtpn y (t ) = f ( t ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－５３）　

在此区间内存在唯一解 y(t ) 　

证明 对方程（２－５３）两边取拉氏变换有　
n −1
s Y ( s ) − ∑ s k 0 Dt pn − k −1 f ( t ) |t =0 = F ( s ) 　　　　　　　　　　　　　　　　　　　　（２－５４）　
pn

k=0

其中 Y (s) 和 F (s) 分别表示函数 y(t ) 和 f (t) 的拉氏变换 把初始条件（２－５１）代入

（２－５４） 并整理后有　
n −1
　 Y ( s ) = s − p n F ( s ) + ∑ bk s k − p n 　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－５５）　
k =0

对（２－５５）进行拉氏逆变换有　
n −1
1 t bk
y (t) = ∫
Γ( p n ) 0
( t − τ ) pn −1
f (τ ) d τ + ∑
k =0 Γ ( pn − k )
t p n − k −1 　　　　　　　　　　　　　　　（２－５６）　

注意到下面两式成立　
1
= 0, m = 0,1,2, L, 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－５７）　
Γ ( −m )

Γ( n + 1) t n − p
0 Dt t =
p n
　　　 n > −1, p > 0 　　　　　　　　　　　　　　　　　　　　　　　（２－５８）　
Γ(1 + n − p)

不难得到　

pn  t pn − k −1 
Dt    = 0, k = 0,1,2, K n − 1 　　　　　　　　　　　　　　　　　　　（２－５９）　
 Γ( p n − k ) 
0

24
 博士学位论文

p n −k −1  t pn −k −1 
0 Dt  Γ( p − k )  = 1, k = 0,1,2, K n − 1 　　　　　　　　　　　　　　　　　（２－６０）　

 n 
把（２－５９）和（２－６０）分别代入（２－５３）和（２－５１）很容易验证（２－５６）为原方程的解 这样

解的存在性得到证明 对于唯一性证明 假设 y1 ( t ) 和 y 2 ( t ) 都是方程（２－５３）的解 则

z ( t ) = y1 (t ) − y2 ( t ) 也必定满足方程（２－５３）和初始值（２－５１） 其拉氏变换 从而 z(t) = 0

在区间（０，Ｔ）内几乎处处成立 从而唯一性得到证明 同样方法可以证明当条件（２－５１）

满足时 方程（２－５０）在区间（０，Ｔ）内有且仅有唯一解 y(t ) 　

更一般地 分数阶动态微分方程可以表示为 　

H ( Dα 0α1Lαn ) ( y1 , y 2 , L, y l ) = G( D β 0 β1 Lβ m )(u1 , u 2 ,L , u k ) 　　　　　　　　　（２－６１）　

α n > α n −1 > L > α 0 , β m > β m −1 > L > β 0 αn ≥ β m n≥m　

其中 y j 和 u j 是时间 ｔ 的函数 Ｈ 和 Ｇ 是分数阶导数算子的复合函数 在线性单变

量时不变的情况下 上式可以改写为 　

H ( Dα 0α1Lα n ) y (t ) = G( D β0 β 1L β m )u (t ) 　　　　　　　　　　　　　　　　　　　（２－６２）　

式中 　
n m
H ( Dα 0α1 Lα n ) = ∑ a i Dα i G( D β 0 , β1L β m ) = ∑ bi D β i 　（２－６３）　
i= 0 i =0 　　　　　　　　　
或者表示为　

a n Dα n y (t ) + an −1 Dα n −1 y( t ) + L + a0 Dα 0 y (t ) 　

= bm D β m u( t ) + bm−1 D β m −1 u (t ) + L + b0 D β 0 u (t ) 　　　　　　　　　　　　（２－６４）　

２ ． ２ ． ２ 　 分数阶线性系统　

方程（２－６４）可以表示一般阶次（相对于整数阶次）的单变量线性时不变系统 如果
考虑两种不同的情况 将可以获得两种有趣的系统 同元次系统和有理阶次系统
下面将给出它们的定义 　
定义 ２ ．１　 一个系统被称为是同元次系统 如果它由这样的微分方程所表示 即方程
所有的导数阶次都可以表示为某个基底阶次 α 的倍数 或者说系统满足如下条件 　

α i , β i = iα α ∈ R + 　　　　　　　　　　　　　　　　　　　　　　　　（２－６５）　

在此定义下 微分方程（２－６４）可以改写为 　

25
 博士学位论文 第二章 分数微积分和分数阶线性系统

n m

∑ a i Diα y(t) =∑ bi Diα u (t) 　　　　　　　　　　　　　　　　　　　　　　（２－６６）　

i= 0 i =0

定义 ２ ． ２ 　 一个系统被称为是有理阶次系统 如果它是同元次系统且满足条件 　
1
α= , q ∈ Z + 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－６７）　
q

因而 线性时不变系统可以分类为 　
  有理阶次
非整数阶次 同元次 
  非有理阶次 　
LTI系统 
非同元次
 
整数阶次

下面几小节给出分数阶线性系统的几种不同的描述方式　

２ ． ２ ． ２ ． １ 　 传递函数描述　

　 对方程（２－６４）两边同时取拉氏变换 并设其初始条件为零 可以得到其传递函数

G(s) 　

bm s β m + bm −1 s β m−1 + L + b0 s β 0
G( s ) = 　　　　　　　　　　　　　　　　　（２－６８）　
a n s α n + a n −1 s α n − 1 + L + a 0 s α 0

显然 当 α i ∈ Z , i = 0,1,K , n, β i ∈ Z , i = 0,1,K , m 时 并设 α n = n, β n = m 式（２－６８）

即为传统整数阶传递函数 G / ( s ) 　

bm s m + bm −1 s m −1 + L + b1 s + b0
G (s) =
/
　　　　　　　　　　　　　　　　　　（２－６９）　
a n s n + a n −1 s n −1 + L + a1 s + a0

设有理阶次微分方程（２－６６）中算子 D α 定义为 Ｃａｐｕｔｏ 导数算子 即　

f / (τ )
t
1
Γ(1 − α ) ∫0 ( t − τ )α
Dα f ( t) = dτ 　　　　　　　　　　　　　　　　　　　　　（２－７０）　

是阶次为 α = 1 / q 的分数阶导数 ｑ 为正整数 考虑到零初始条件下 Dα f (t ) 的拉普拉

斯变换为 　

L(Dα f ( t ) ) = s α F ( s ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－７１）　

则系统（２－６６）的传递函数描述如下 　

26
 博士学位论文

Y ( s ) bm s αm + bm −1 s α ( m −1 ) + L + b0
G( s ) = = αn 　　　　　　　　　　　　　　　　　　（２－７２）　
U ( s) s + an −1 s α ( n −1) + L + a 0

２ ． ２ ． ２ ． ２ 　 状态方程描述　

　 此处仅仅考虑同元次分数阶线性定常系统 该系统包含分数阶状态方程和输出方
程两部分 这一点与整数阶系统一样 但前者是后者的推广 分数阶状态方程的状
态向量与传统整数阶状态方程的状态向量的不同之处在于 前者的各个分量是分数
阶导数 后者为整数阶导数 因而可以称前者的状态向量为分数阶状态向量 分数
阶系统的状态方程一般可以表示为 　
 0 Dtα x( t ) = Ax( t ) + Bu( t )
 　　　　　　　　　　　　　　　　　　　　　　　　　（２－７３）　
 y ( t ) = Cx( t ) + Du( t )

其中 0 Dtα 一般表示 Ｃａｐｕｔｏ 分数阶导数算子 0 <α < 1 标量函数 u (t) 和 y(t ) 分别

表示系统的输入和输出 x(t) x ( t ) ∈ ℜn ×1 为分数阶状态向量 A ∈ ℜn ×n , B ∈ ℜ n×1 , 　

C ∈ ℜ1×n Ｄ 为常数 　　

x ( t ) = [x1 ( t ), x2 (t ), L , xn ( t ) ]T 　 　 　 　　　　　　 　 （２－７４）　

 x1 ( t ) = x ( t )
 x (t ) = Dα x ( t ) = Dα x( t )
 2 1
　 　 　  　 　 　 　 　 　 （２－７５）　
 M
 xn ( t ) = Dα x n −1 ( t ) = Dα ( n −1 ) x( t )

 ０ １ ０ L ０  0
 ０ ０ １ O M  0
   
　 A= M O O 0  　　　　　 　 B =  M  　 　　　　　　　　　 （２－７６）　
 0 1  0
 L L 0  
 − a0 − a1 L L − an −1  1

C = [b0 L bm 0 L 0] 　

　 正如传统整数阶状态方程的情形一样 可以把分数阶状态方程描述转化为分数阶
传递函数描述 　

G( s ) = C ( s α I − A) −1 B + D 　　　　　　　　　　　　　　　　　　　　　　　　（２－７７）　

但是 只有当分数阶传递函数的导数阶次是同元次时 才可以把它转化为分数阶状
态方程描述 也就是说 当分数阶传递函数的所有导数阶次都含有一个共同的实数

27
 博士学位论文 第二章 分数微积分和分数阶线性系统

因子 α 时 这种转换才有意义 而 α 就是分数阶状态方程描述的阶次 因而 如整
数阶情形一样 也可以获得分数阶状态方程的可控性和可观测性的标准形式 这将
在下一章进行详细讨论 　

定理 ２．２ 设函数 u (t) 在区间 ( t 0 , T ) t0 < t < T 内绝对可积 则方程（２－７３）在此区间

内存在唯一解 y(t) = Cx (t ) + Du(t) 　

x ( t ) = Eα ,1 ( At α ) x( t 0 ) + ∫ (t − τ )α −1 Eα ,α ( A( t − τ )α ) Bu(τ ) dτ 　　　　　　　　　　　（２－７８）　
t0

其中 Eα ,β ( z ) 为双参数 Ｍｉｔｔａｇ－Ｌｅｆｆｌｅｒ 函数 见（２－１３） 　

证明 对方程（２－７３）两边同时取拉氏变换有　
sα X ( s ) − s α −1 x ( t0 ) = AX ( s ) + BU ( s) 　

X ( s ) = ( s α I − A) −1 s α −1 x (t 0 ) + ( s α I − A) −1 BU ( s) 　

∞ ∞
Ak Ak
=∑ kα + 1
x ( t 0 ) + ∑ ( k +1)α
BU ( s) 　
k=0 s k=0 s

对上式两边取拉氏逆变换　
∞
A k t kα ∞
A k t kα +α −1
x (t) = ∑ x ( t0 ) + ∑ * Bu( t ) 　　　　　　　　　　　　　　　　　　（２－７９）　
k =0 Γ( kα + 1) k = 0 Γ ( kα + α )

= Eα ,1 ( At α ) x( t 0 ) + (t α −1 Eα ,α ( At α ) )* Bu( t ) 　

= Eα ,1 ( At α ) x (t 0 ) + ∫ (t − τ ) α −1 Eα ,α ( A(t − τ ) α ) Bu(τ )dτ 　　　　　　

t0

（２－７９）中 ＊ 表示求卷积运算 由于矩阵 Ｃ 为常数阵 这样原方程解的存在性得到

证明 由拉普拉斯变换的唯一性易知 解（２－７８）也是唯一的 式（２－７８）的另一种等
价形式为 　
t

x ( t ) = Eα ,1 ( At α ) x( t 0 ) + ∫ Eα ,1 ( A(t − τ )α ) B t 0 Dτ1−α u (τ ) dτ 　
t0

= Ö (t ) x( t 0 ) + ∫ Ö ( t − τ ) B t 0 Dτ1−α u (τ )dτ 　　　　　　　　　　　　　　　　　　　　　（２－８０）　

t0

其中 状态转移矩阵 Ö (t ) = Eα , 1 ( At α ) 其证明可以参照上面的证法 　

28
 博士学位论文

x ( t ) = Eα ,1 ( At α ) x (0) + ∫ (t − τ )α −1 Eα ,α ( A( t − τ ) α ) Bu (τ )dτ 　　　　　　　　　　　（２－８１）　

0

但与传统整数阶系统的状态转移矩阵 Ö / ( t + τ ) 不同的是　

Eα ,β ( A(t + τ ) p ) ≠ Eα ,β ( At p ) Eα , β ( Aτ p ) 　　　　　　　　　　　　　　　　　　　　　　　　　（２－８２））　

而　
Ö / (t + τ ) = Ö / (t )Ö / (τ ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（２－８３）　

２ ． ２ ． ２ ． ３ 　 多项式矩阵描述　

　 与整数阶线性系统的多项式矩阵描述类似 分数阶线性定常系统的多项式矩阵描
述可以定义为　
 P (σ ) î = Q(σ ) u
 　　　　　　　　　　　　　　　　　　　　　　　　　（２－８４）　
 y = R(σ ) î

其中 u ∈ R m 为控制量 î ∈ R n 为多项式状态变量 y ∈ R p 为输出观测量 Ｐ ，Ｑ ，Ｒ

是变量 σ 的多项式矩阵 且其维数分别为 n × n, n × m 和 p × n σ = sα 0<α <1 如

果 Ｐ 和 Ｑ 不是左互质的 系统将不完全能控 Ｐ 和 Ｒ 不是右互质的 系统将不完全能
观测［６９］ 因而必须对上述零极点对消情况引起注意 定义一个传递函数矩阵 H (σ )

其不可简约形式为　
N (σ )
H (σ ) = R(σ ) P −1 (σ ) Q(σ ) = 　　　　　　　　　　　　　　　　　　　（２－８５）　
d (σ )
可以利用分数阶状态方程描述给出分数阶线性系统的多项式矩阵描述的一个直观表
达式　
P (σ ) = σI − A Q(σ ) = B R(σ ) = C 　　　　　　　　　　　　　　　（２－８６）　

２ ． ２ ． ３ 　 分数阶差分方程和差分传递函数　
　 前面给出的分数阶微分方程和系统都是连续的 可以利用 ＧＬ 分数阶导数定义把
它们拓展到分数阶差分方程和分数阶离散系统 分数阶差分方程一般具有如下形式 　
a n ∆αhn y (t ) + a n−1∆αhn −1 y( t ) + L + a0 ∆αh0 y( t ) 　

= bm ∆βhm u (t ) + bm−1∆βhm−1 u (t ) + L + b0 ∆βh0 u (t ) 　　　　　　　　　　　　　　　（２－８７）　

式中 ∆αhk 是阶次为 α k 和步长为 ｈ 的广义差分算子 其定义如下 　

29
 博士学位论文 第二章 分数微积分和分数阶线性系统

i
α k 
∆αhk y (ih ) = h −αk ( y( ih ) − y( ih − h )) αk = h −αk ∑ (−1) 
l =0
l
 y (ih − lh ) 　　　　（２－８８）　
l 

对上式运用 Ｚ 变换 可以获得其差分传递函数为 　

G( z ) =
( )
bm ω ( z −1 )
βm
(
+ bm −1 ω ( z −1 )) β m−1
( )
+ L + b0 ω ( z −1 )
β0

　　　　　　　　　　　　　（２－８９）　
a (ω ( z ) ) (ω (z )) + L + a (ω ( z ) )
αn α n −1 α0
n
−1
+ a n −1 −1
0
−1

( )
式中 ω ( z −1 ) 为算子 ∆αhk 的 Ｚ 变换 或者换句话说 它是拉氏变换变量 ｓ 的差分等价

变换 　

２ ． ３ 　 粘弹性体的建模　 　
使用传统整数阶微分方程建立粘弹性（ｖｉｓｃｏｅｌａｓｔｉｃｉｔｙ） 体的数学模型已很常
见 但理论与实验研究表明利用分数阶微分方程所建立的模型更加符合实际情况
［１８，１９，２０，２１］
图 ２－１ 给出了某个粘弹性阻尼器的结构示意图及其工作原理图 G0 和 G1 分

别表示弹性系数和粘性系数 τ (t ) 表示施加外力 下面分别给出其整数阶微分方程和

分数阶微分方程的数学模型 　
τ ( t ) = G0 γ ( t ) + G1
d
(γ ( t) ) 　　　　　　　　　　　　　　　　　　　　　　（２－９０）　
dt
τ ( t ) = G0γ ( t ) + G1 Dα (γ ( t ) ) 　 　 0 < α < 1 　　　　　　　　　　　　　　　（２－９１）　

当式（２－９１）中的 α = 1 时 上面两式完全等价 　 α 可以由实验得出 且其值通常接近

０．５ 分数阶粘弹性阻尼器可以用于高楼防震［５８］ 汽车车身的减震等 　

∆l
τ γ=
G0 l
τ (t ) τ (t )
G1 τ
l ∆l
　
图 ２－１　分数阶粘弹性阻尼器示意图及其工作原理图　
Ｆｉｇ．　２ －１　Ｓｃｈｅｍａｔｉｃ　ａｎｄ　ｗｏｒｋｉｎｇ　ｐｒｉｎｃｉｐｌｅ　ｄｉａｇｒａｍｓ　ｏｆ　ｔｈｅ　ｆｒａｃｔｉｏｎａｌ　ｖｉｓｃｏｅｌａｓｔｉｃ　ｄａｍｐｅｒ　　
设某粘弹性系统可用下面分数微分方程表示为　
mD 2 x (t ) + cD α x ( t ) + kx( t ) = u( t )
　　　　　　　　　　　　　　　　　　　　　（２－９２）　
x (0) = a1 , x& (0) = a 2

式中 ｍ，ｃ，ｋ 分别表示质量 阻尼系数和弹性系数 　 Dα x( t ), 0 < α < 1 为位移

函数 x (t ) 的 α 阶 Ｃａｐｕｔｏ 导数 取 m = 1, c = 0.5, k = 1, α = 0.5, a1 = 0, a2 = 1 u(t) 为输

30
 博士学位论文

入信号 下面用两种方法求解方程（２－９２） 　
（１）　直接求解法　

　 直接对方程（２－９２）两边施加拉氏变换求解 x (t ) 仿真曲线参见图 ２－２ 　

（２）　状态方程法　
　 方程（２－９０）可以转化为　
D 0.5 x ( t ) = Ax (t ) + Bu( t )
 　
 y ( t ) = Cx( t )
其中　
0 1 0 0 0
0 0 1 0  0
A=   ，　 B =   ，　 C = [1 0 0 0] 　
0 0 0 1 0
− 1 − 0.5  1
 0 0  

x ( t ) = [x1 (t ) x 2 ( t ) x 3 (t ) x 4 (t )]T ， x ( 0) = [0 0 1 0]T 　

图 ２－２ 给出了运用方法 １ ２ 求出的原系统的响应 从图 ２－２ 中可见两种方法所

得到的结果完全重合 图 ２－３ ２－４ 分别给出了 u (t ) = 1 　（单位阶跃信号）和　 u(t) = 0 　

（系统无输入信号）时 各个状态变量随时间变化的曲线图 需说明的是这两种方法

各有优缺点 就本例来说方法 ２ 的计算速度要比方法 １ 快许多 差不多快两个数量
级 方法 ２ 的求解公式简单明了 而且可以同时求出各个状态变量 缺点是当状态
变量个数很多时 求解起来就不容易了 而方法 １ 不受此影响 但当方程中分数阶
导数项数增多时 计算速度大大延长 因而有必要研究快速求解算法 这将在第四
章中讨论 　

31
 博士学位论文 第二章 分数微积分和分数阶线性系统

图 2-2 方法 1 或 2 求出的原系统的响应
Fig. 2-2 System responses using method 1& 2.

图 2-3 系统各状态变量 x i ( t ), i = 1,2,3, 4 , u (t ) = 1

Fig. 2-3 State-variable x i ( t ), i = 1,2,3, 4 , of the system when u(t ) = 1

32
 博士学位论文

图 2-4 系统各状态变量 x i ( t ), i = 1,2,3, 4 , u(t) =0

Fig. 2-4 State-variable x i ( t ), i = 1,2,3, 4 , of the system when u(t) = 0

2.4 本章小节

本章首先简单回顾了分数阶微积分的发展过程 然后给出了本文所需的数学基
础 如伽马函数 贝塔函数 Mittag-Leffler 函数和各种分数阶微积分的定义及其相
互关系和性质 在此基础上重点探讨了分数阶微分方程及分数阶系统的几种不同描
述 传递函数描述 状态方程描述和多项式描述 以及分数阶离散方程和分数阶离
散系统传递函数描述 利用拉式变换证明了分数阶线性定常系统的解的存在性和唯
一性定理 并给出其解 最后给出一个实例 运用线性定常分数阶微分方程的两种
求解方法 直接拉普拉斯变换法和状态空间法 验证所提方法的有效性

33
 博士学位论文 第三章 分数阶线性系统的稳定性 可控性和可观测性

第三章 分数阶线性系统的稳定性 可控性和可观测性

上一章介绍了分数阶微积分的基本概念和定义 以及分数阶微分方程的解和分数
阶线性系统的传递函数 状态方程和多项式描述 本章在此基础上讨论分数阶线性
定常(linear time-invariant,LTI)系统的稳定性 可控性和可观测性条件
稳定性研究是任何系统所必须考虑的首要问题 对分数阶系统也不例外 与整数
阶系统一样 分数阶系统也有内部稳定性(Internal stability) 和外部稳定性(External
stability)之分 内部稳定和外部稳定也可以分别称为渐近稳定和有界输入 有界输出
(Bounded-Input and Bounded-output, BIBO)稳定 考虑到分数阶系统的传递函数一般
不是复变量 s 的有理函数 因而分数阶系统的稳定性分析要比整数阶系统复杂得多
本章将运用拉普拉斯变换和留数定理讨论分数阶线性定常系统的内部和外部稳定性
条件及其相互关系 因为目前还没有什么有效的多项式判据 如 Routh 判据和 Jury
判据 可以用来分析分数阶系统的稳定性 为此本章直接从复分析中的辐角原理出
发 推导出分数阶线性定常系统 2 种有效的稳定性判据 分数阶系统奈奎斯特判据
和分数阶系统对数频率判据
分数阶线性定常系统和整数阶线性定常系统一样也有传递函数描述和状态方程
描述 因而它也可以分为 能控和能观测 能控和不能观性 不能控和能观测和不
能控和不能观测系统 本章结合分数阶线性定常系统状态方程的解 给出了分数阶
线性定常系统的能控性和能观测性定理及其证明
本章的安排如下 第一节讨论分数阶系统的稳定性 给出分数阶系统的内 外部
稳定性的定义 定理和证明 给出分数阶线性定常系统 2 种有效的稳定性判据及其
证明 第二节给出分数阶系统的可控性和可观测性定理及其证明 第三节为本章小
节

３ ． １ 　 分数阶系统的稳定性　
３ ． １ ． １ 　 两个引理　

引理 ３－１　 给定拉普拉斯变换式 H ( s ) = ( s α − λ ) − n 0 < α < 1, n ∈ N , λ ∈ C , ｓ 为拉普拉斯

变量，则其拉普拉斯逆变换 h (t) 为　

( )
q
h (t ) = L−1 ( s α − λ ) −n = ∑ Q (α , t pk )e t p k 　
k =1

34
 博士学位论文

n −1
e −tx ∑ ( −1) k Cnk λk x α ( n − k ) sin [απ ( n − k ) ]
1 ∞
+ ∫0 k=0
dx 　　　　　　　　　　　　　　（３－１）　
π [
x 2α − 2λx α cos(απ ) + λ2
n
]
其中 Cnk 为二项式系数 H (s) 的极点 p k , k = 1,L, q 定义为：　

 1 /α
 pk = λ
 pk = p k e j θk  arg( λ ) 2 kπ
 　 θ k = + 　　　　　　　　　　　　　（３－２）　
θ k ∈ [ −π , π ]  α α
− α − arg( λ ) < k < α − arg( λ )
 2 2π 2 2π

多项式函数 Q(α , t pk ) 由函数 F ( s ) = ( s α − λ ) − n e st 在极点 p k 处的留数确定 　

证明 考虑如下的封闭曲线积分 　 Im(s) Γs

∫ ( s − λ ) e ds 　　　　　　　　　　　　　　　　　　　　（３－３）　
α −n st
Γs CR 1 R
其中 有向闭曲线Γs 如图 ３－１ 所示 图中σ = Re(s)
L2 Cε Re(s)
s ∈ L1 Γs 由有向线段和圆弧 L1 C R1 L2 Cε L3 和 L3 ε σ
L1
CR2 组成 则式（３－３）可以重新改写为 　 CR 2

∫Γs
F ( s ) ds = ∫ F ( s ) ds + ∫ F ( s )ds + ∫ F ( s) ds 　
L1 CR1 L2 图 3- 1 闭 曲 线 Γs
Fig. 3-1 Closed curve Γs
+ ∫ F ( s ) ds + ∫ F ( s ) ds + ∫ F ( s )ds 　　　　　　　　　　　（３－４）　　　　　　
Cε L3 C R2

当 ε 足够小时 有　

∫Cε
( sα − λ ) − n e st ds = ∫ −Cε
( s α − λ ) −n e st ds ≤ ∫
−Cε
( s α − λ ) − n e st ds ≤ ( λ − ε α ) − n ∫
− Cε
e st ds
π /2 π /2
≤ ( λ − ε α )− n ∫ et ε cosθ ε dθ = 2ε ( λ − ε α ) −n ∫ e tε cosθ dθ 　
−π / 2 0

π /2
≤ 2ε ( λ − ε α ) −n ∫ e t ε dθ = πε e tε ( λ − ε α ) − n → 0 　 (ε → 0) 　　　　　　　　　　　　　　　　　　（３－５）　
0

当 Ｒ 足够大时 有　

∫C R1
( sα − λ ) −n e st ds ≤ ∫
C R1
( s α − λ ) −n e st ds ≤ ( Rα − λ ) − n ∫
CR1
e st ds 　

π ϕ =θ −π / 2 π/2
= ( Rα − λ ) −n ∫ e tRcosθ Rdθ = R ( Rα − λ ) − n ∫ e −tRsinϕ dϕ 　
π /2 0

35
 博士学位论文 第三章 分数阶线性系统的稳定性 可控性和可观测性

π /2 π (1 − e − tR )
≤ R ( R α − λ ) −n ∫ e −tR 2 ϕ / π dϕ = → 0 　 (R → ∞) 　　　　　　　　　　　　　　　　　　　（３－６）　
0 2t ( Rα − λ ) n

∫C R2
( s α − λ ) − n e st ds ≤ ∫
C R2
( s α − λ ) −n e st ds ≤ ( R α − λ ) − n ∫
CR 2
e st ds 　

π /2 ϕ =θ +π π /2
= ( R α − λ ) −n ∫ e tRcosθ Rdθ = R( R α − λ ) −n ∫ e − tRcosϕ dϕ 　
−π 0

π /2 π (1 − e − tR )
≤ R ( R α − λ ) −n ∫ e −tR 2 ϕ / π dϕ = → 0 　 (R → ∞) 　　　　　　　　　　　　　　　　　　　（３－７）　
0 2t ( Rα − λ ) n

当ε → 0 时 　

∫L2
( sα − λ ) − n e st ds + ∫L ( s α − λ ) − n e st ds
3

∞
= −∫ ( x α e π α j − λ ) −n e xt d x − ∫ ( x α e −π α j − λ ) − n e xt d x 　
0

∞ 0

= ∫ e xt (( x α eπ α j − λ ) −n − ( x α e −π α j − λ ) −n ) dx 　
∞

n −1
e − tx ∑ ( −1) k Cnk λk x α ( n − k ) sin [απ ( n − k ) ]
∞
= −2 j ∫0 k =0
dx 　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－８）　
[
x 2 α − 2λx α cos(απ ) + λ2
n
]
由留数定理可知［７０］　

[ ]
q

∫ ( s α − λ ) − n e st ds = 2πj ∑ Re s ( s α − λ ) −n e st , pk 　　　　　　　　　　　　　　　　（３－９）　
Γs
k =1

由拉普拉斯逆变换的定义可知［７１］　

L−1 (( s α − λ ) − n ) =
1 σ + jR 1
lim ∫ ( sα − λ ) −n e st ds =
2πj R → ∞ ∫L1
lim F ( s )ds 　　　　（３－１０）　
2πj R → ∞ σ − jR

当 ε → 0, R → ∞ 时 并把式（３－５）－（３－１０）代入式（３－４） 不难验证式（３－１）成立 若

h (t ) ∈ L1 ( R, R) 成立 只需 Re( p k ) < 0, k = 1,..., q, 即 arg( λ ) > απ / 2 等式（３－１）说明 h (t)

可以分解成两部分 　

１ 　 由计算 H (s) 的每个极点处的留数所得到的指数部分 它产生指数行为 　

２ 　 由沿负实轴积分所得到的非周期部分 它是分数阶系统特有的主要特征 　

引理 ３－２　 给定拉普拉斯变换式 Z ( s ) = s α −1 ( s α − λ ) − n 0 < α < 1, n ∈ N , λ ∈ C , ｓ 为拉普拉

斯算子，则其拉普拉斯逆变换 z(t) 为　

36
 博士学位论文

( )
q
z ( t ) = L−1 s α −1 ( s α − λ ) − n = ∑V (α , t p k )e t p k 　
k =1

n
e −tx ∑ ( −1) k Cnk λk x α ( n −k +1 )−1 sin [πα ( n − k − 1)]
1 ∞
− ∫0 k=0
dx 　　　　　　　　　　　（３－１１）　
π x 2 α − 2λx α cos(απ ) + λ2[ n
]
式中 Z (s) 的极点 p k , k = 1,L, q 的定义如式（３－２） 多项式函数 V (α , t pk ) 由函数

D( s ) = s α −1 ( s α − λ ) − n e st 在极点 p k 处的留数确定 　

证明 考虑如下的封闭曲线积分 　

∫Γs
sα −1 ( s α − λ ) −n e st ds 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－１２）　

其中 有向闭曲线 Γ s 如图 ３－１ 所示 则式（３－１２）可以重新改写为 　

∫Γs
Z ( s )ds = ∫ Z ( s )ds + ∫ Z ( s ) ds + ∫ Z ( s )ds 　
L1 C R1 L2

+ ∫ Z ( s ) ds + ∫ Z ( s ) ds + ∫ Z ( s )ds 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－１３）　
Cε L3 CR 2

当 ε 足够小时 有　

∫Cε
s α −1 ( s α − λ ) −n e st ds = ∫ − Cε
s α −1 ( s α − λ ) − n e st ds ≤ ∫
− Cε
s α −1 ( s α − λ ) − n e st ds
π /2 π / 2 tε cosθ
≤ ε α −1 ( λ − ε α ) − n ∫ e st ds ≤ ε α ( λ − ε α ) − n ∫ e tε cosθ dθ = 2ε α ( λ − ε α ) −n ∫ e dθ 　
−C ε −π / 2 0

π /2
≤ 2ε α ( λ − ε α ) − n ∫ e tε dθ = πε α e t ε ( λ − ε α ) − n → 0 　　 (ε → 0) 　　　　　　　　　　　　　　　　（３－１４）　
0

当 Ｒ 足够大时 有　

∫C R1
sα −1 ( sα − λ ) −n e st ds ≤ ∫
C R1
s α −1 ( s α − λ ) −n e st ds ≤ Rα −1 ( R α − λ ) − n ∫
C R1
e st ds 　

π ϕ =θ −π / 2 π /2
= R α ( Rα − λ ) − n ∫ e tRcosθ dθ = Rα ( R α − λ ) − n ∫ e −tR sinϕ dϕ 　
π /2 0

π/2 π (1 − e − tR )
≤ R (R − λ ) ∫ dϕ = → 0 　　 (R → ∞) 　　　　　　　　　　　　　（３－１５）　
α α −n − tR 2ϕ / π
e
0 2tR1−α ( R α − λ ) n

∫C R2
sα −1 ( sα − λ ) −n e st ds ≤ ∫
CR 2
s α −1 ( s α − λ ) − n e st ds ≤ R α −1 ( Rα − λ ) − n ∫
CR 2
e st ds 　

π /2 ϕ =θ + π π /2
= R α ( R α − λ ) −n ∫ e tRcosθ dθ = R α ( R α − λ ) − n ∫ e −tR cosϕ dϕ 　
−π 0

37
 博士学位论文 第三章 分数阶线性系统的稳定性 可控性和可观测性

π/2 π (1 − e − tR )
≤ R α ( R α − λ ) −n ∫ e − tR 2ϕ / π dϕ = → 0 　 (R → ∞) 　　　　　　　　　　　　　　（３－１６）　
0 2tR1−α ( R α − λ ) n

当ε → 0 时 　

∫L2
s α −1 ( s α − λ ) − n e st ds + ∫L s α −1 ( s α − λ ) − n e st ds 　
3

∞
= − ∫ x α −1 ( x α e π α j − λ ) −n e xt d x − ∫ x α −1 ( xα e −π α j − λ ) − n e xt d x 　
0

∞ 0

= ∫ x α −1 e xt (( x α e π α j − λ ) − n − ( x α e −π α j − λ ) − n ) dx 　
∞

n
e − tx ∑ ( −1) k Cnk λk x α ( n −k +1 )−1 sin [πα (n − k − 1) ]
∞
= 2 j ∫0 k =0
dx 　　　　　　　　　　　　　　　　　　　　　　　　（３－１７）　
[
x 2 α − 2λxα cos(απ ) + λ2
n
]
由留数定理可知［７０］　

[ ]
q

∫ s α −1 ( s α − λ ) − n e st ds = 2πj ∑ Re s s α −1 ( s α − λ ) −n e st , pk 　　　　　　　　　　　　　　　　（３－１８）　
Γs
k =1

由拉普拉斯逆变换的定义可知［７１］　

L−1 (s α −1 ( s α − λ ) −n ) =
1 σ + jR 1
lim ∫ s α −1 ( s α − λ ) − n e st ds =
2πj R →∞ ∫L1
lim F ( s )ds 　　　　（３－１９）　
2πj R → ∞ σ − jR

当 ε → 0, R → ∞ 时 并把式（３－１４）－（３－１９）代入式（３－１３） 不难验证式（３－１１）成立 若

z ( t ) ∈ L1 ( R, R ) 成立 只需 Re( p k ) < 0, k = 1,..., q, 即 arg( λ ) > απ / 2 　

３ ． １ ． ２ 　 外部稳定性　

定义 ３ － １ 　 考虑一个线性因果系统 如果对于一个有界的输入 u (t) 即满足条件　

u (t ) ≤ k 1 < ∞ ∀t ∈ [0, ∞) 　　　　　　　　　　　　　　　　　　　　　　　　（３－２０）　

的输入 u (t) 所产生的输出 y(t) 也是有界的 即成立　

y (t) ≤ k 2 < ∞ ∀t ∈ [0, ∞) 　　　　　　　　　　　　　　　　　　　　　　　　（３－２１）　

则称此因果系统是外部稳定的 也即是 ＢＩＢＯ 稳定的［６９］ 应当指出 在讨论外部稳定性时

必须假定系统的初始条件为零 因为 只是在这种假定下 系统的 ＢＩＢＯ 描述才是唯一的
和有意义的 　
定理 ３－１ 零初始条件下的系统（２－７３）为 ＢＩＢＯ 稳定的充分必要条件是 当其传递函数矩阵

38
 博士学位论文

G(w) w = sα 是 ｗ 的真的有理分式函数矩阵时 G(w) 的每一个元传递函数 g ij ( w), ∀ i, j,

的所有极点 λi , 满足　

απ
arg( λi ) > , ∀ i 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－２２）　
2
证明 当 g ij (w) 为真的有理分式时 必可以利用部分分式法将其展开为有限项之和 其

中每一项的形式为 　
βi
∀ i 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－２３）　
(s α
− λi ) i
n

式中 λi 为 g ij (w) 的极点 βi 和 ni 可为零或非零常数 考虑到式（３－２３）所对应的拉普拉

斯逆变换为　

β i t αni −1 Eα( n,αi −1 ) ( λi t α ) 　 ∀ i 　　　　　　　　　　　　　　　　　　　　　　　　　　（３－２４）　

dn
式中 Eα( n, β) ( x ) = E ( x) 若ni = 0 则为δ 函数 由此可知 由 g ij (w) 取拉普拉斯
dt n α , β

逆变换导出的 g i, j ( t ) 是有限个 βi t αni −1 Eα( n,αi −1 ) ( λi t α ) 之和 和式中也可能包含有δ 函数项

由引理 ３－１ 可知 当且仅当式（３－２２）满足时 βi t αni −1 Eα( n,αi −1 ) ( λi t α ) 为绝对可积 也即 g i, j ( t )

为绝对可积 从而 系统为 ＢＩＢＯ 稳定［６９］ 证明完成 　

３ ． １ ． ３ 　 内部稳定性　

定义 ３－２ 　对于分数阶线性定常系统（２－７３） 如果外输入 u(t) ≡ 0 初始状态 x 0 为任意

且由 x 0 引起的零输入响应 φ ( t ;0, x 0 ,0) 满足关系式　

lim φ ( t ;0, x0 ,0) = 0

t →∞ 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－２５）　
则称系统是内部稳定的 或称为是渐近稳定的［６９］ 　
定理　３－２　系统（２－７３）是渐近稳定的充要条件是矩阵 Ａ 的所有特征值 λi , det( λi I − A) = 0

满足　
απ
arg( λi ) > , ∀ i 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－２６）　
2
证明　 １ 系统（２－７３）的零输入响应 φ ( t ;0, x 0 ,0) 的拉普拉斯变换为　

39
 博士学位论文 第三章 分数阶线性系统的稳定性 可控性和可观测性

Φ ( s ) = ( s α I − A) − 1 s α −1 x( 0) 　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－２７）　

设矩阵 An×n 有相异的 ｍ 个特征根 λ1 (σ 1重 ， λ2 (σ 2 重 ， ，　 λm (σ m 重 ， ∑ k =1 σ k = n

m
存

在非奇异阵 Ｐ 使得 J = P −1 AP Ｊ 为约当阵 则 式（３－２７）可以改写为　

Φ ( s ) = PE( s ) P −1 x ( 0) 　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－２８）　

式中 　

E ( s ) = ( s α I − J ) −1 s α −1 　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－２９）　
易知上三角阵 Ｅ （ｓ）的非零元素 均包含因式　
s α −1
i = 1,..., m ni = 1,..., σ i 　　　　　　　　　　　　　　　　　　　（３－３０）　
(s α
− λi ) i
n

上式的拉普拉斯逆变换为　
ei , ni ( t ) = t α ( n i −1 ) Eα( n,1i −1 ) ( λi t α ) i = 1,..., m ni = 1,..., σ i 　　　　　　　　　　　　（３－３１）　

由引理 ３－２ 知 当且仅当（３－２６）成立时 ei ,ni ( t ) → 0 ( t → ∞ ) i = 1,..., m ni = 1,..., σ i

从而式（３－２５）成立 即原系统是渐近稳定的 　
对于定理 ３－２ 的证法 还可以运用用另一种方法证明 由于线性定常系统输入不影

响系统的渐近稳定性 为此设式（２－７３）中的输入 u (t ) = 0 即系统方程如下所示 　

0 Dtα x( t ) = Ax( t ) 0 < α < 1 ，　 x ( 0) = x 0 　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－３２）　

证明　２ （ａ）设 Ａ 有 ｎ 个不同的特征值 λi , i = 1,..., n 则存在非奇异变换阵 Ｔ 使得式（３－３２）

可以变换为　

0 Dαt x (t ) = Λ x (t ) ， x (0) = x0 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－３３）　

式中 　

x (t ) = Tx(t) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－３４）　

Λ = TAT −1 = diag [λ1 λ2 L λn ]　　　　　　　　　　　　　　　　　　（３－３５）　

设 Ｔ 的最大奇异值为 σ max 最小奇异值为 σ min 则下式成立　

σ min x( t ) ≤ x (t ) ≤ σ max x ( t ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－３６）　

从而若式（３－３６）成立 当且仅当　

40
 博士学位论文

lim x ( t ) = 0 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－３７）　
t→ ∞

式（３－３２）的解为 　

x (t ) = Eα ,1 ( Λ t α ) x0 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－３８）　

这样 若要 x (t ) → 0 成立 只需　

Eα ,1 ( λi t α ) → 0, ∀i
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－３９）　

Eα ,1 ( λi t α ) 的拉普拉斯变换为［６９］ 　

sα −1
L[ Eα ,1 ( λi t α )] =
sα − λi 　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－４０）　

映射 ｗ w = sα 把 ｓ 平面映射到 ｗ 平面 其相互关系见图 ３－２ 从图中易知复平面 ｓ 的

右半平面（不稳定区域）映射到 ｗ平面的一个扇形区内 显然原系统要稳定 当且仅当（３－２６）

成立 　

s- 平 面
w- 平 面

π
稳定区域 不稳定区域
w = sα 稳定区域 α
2
不稳定区域

图 3-2 s 和 w 平面
Fig.3-2 s and w plane
　

（ｂ） 对 于 Ａ 有 相 异 的 ｍ 个 特 征 值 λ1 （ σ 1 重 ） λ2 （ σ 2 重 ） ， λm （ σ m 重 ）

σ 1 + σ 2 + L + σ m = n 也可以通过非奇异变换化 Ａ 为某一约当阵 Ｊ 前面与（ａ）推导类似

不同的是式（３－３８）变为 　

x (t ) = Eα , 1 ( Jt α ) x 0 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－４１）　

这样 若要 x ( t ) → 0 成立 只需　

t iα ( i )
E ( λ t α ) → 0, i = 0,1, L , r − 1 　　　　　　　　　　　　　　　　　　　　　　　　（３－４２）　
i! α ,1 i

其中 ｒ 是 Ｊ 中各约当小块的最大维数 且　

41
 博士学位论文 第三章 分数阶线性系统的稳定性 可控性和可观测性

dn
E (n )
α ,1 ( z ) = n Eα ,1 ( z ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－４３）　
dt

上式的拉氏变换为［６］ 　
 t iα  sα −1
　　 L Eα( i,)1 ( λi t α )  = i = 0,1,L, r − 1 　　　　　　　　　　　　　　　　（３－４４）　
 (sα − λi )
(i +1 )
 i!
从上式可以得出 若要原系统稳定 当且仅当（３－２６）成立 　
推论 ３ － １ 　设线性定常系统（２－７３）是内部稳定的 则其必是 ＢＩＢＯ 稳定的 　

证明　 由系统（２－７３）的运动分析可知 其脉冲响应矩阵 G(t ) 为 　

G( t ) = t α −1 CEα ,α ( At α ) B + Dδ ( t ) 　　　　　　　　　　　　　　　　　　　　（３－４５）　

再知 当系统为渐近稳定 及双变量 Ｍｉｔｔａｇ－Ｌｅｆｆｌｅｒ 函数的性质有［６］ 　

lim t α −1 Eα ,α ( At α ) = 0 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－４６）　
t→ ∞

于是 利用上面两式即可导出 其 Ｇ （ｔ）的每一个元 g i, j ( t ), ∀i , j , 均满足关系式　

∞

∫ 0
g i , j ( t ) dt ≤ k < ∞ 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－４７）　

其中 ｋ 为有限常数 这表明 系统为 ＢＩＢＯ 稳定的［６９］ 从而 证明完成 　

推论 ３ － ２ 设线性定常系统（２－７３）是 ＢＩＢＯ 稳定的 则不能保证系统必是渐近稳定的 　
证明　由系统结构的规范分解定理可知 通过引入线性非奇异变换 可将系统分解为能控
能观测 能控不能观测 不能控能观测和不能控不能观测四个部分 而输入输出特性只
能反应系统的能控能观测部分 因此 系统的 ＢＩＢＯ 稳定只是意味着其能控能观测部分为
渐近稳定 它既不表明也不要求系统的其它部分是渐近稳定的 由此 结论得到证明 　
推论 ３－３ 　设线性定常系统（２－７３）是能控和能观测 则其内部稳定与外部稳定性是等价的 　
证明　利用推论 ３－１ 可知由内部稳定性可以导出外部稳定性 再根据推论 ３－２ 的证明
可知此时外部稳定意味着有内部稳定 于是 就完成了证明 　

３ ． １ ． ４ 　 闭环稳定性判据　

设 G(s) 为某分数阶单位反馈系统的开环传递

函数 见图 ３－３ 　

Q( sα )
G( s ) = 　　　　　　　　　　　　　　　　（３－４８）　
P( s α )

其中 P(λ ) 和 Q(λ ) λ = sα 是两个互质多项式 且 deg[P(λ )] = n deg[Q(λ )] = m

42
 博士学位论文

n>m α = 1/ q ｑ 为正整数 则其单位闭环传递函数 Φ(s) 为 　

Q( s α )
Φ(s) = 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－４９）　
P( s α ) + Q ( s α )

其闭环特征多项式为　

D( s ) = P( s α ) + Q ( s α ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－５０）　

设辅助函数 Ｆ（ｓ）为　

Q( s α ) P( sα ) + Q( sα )
F ( s) = 1 + = 　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－５１）　
P (sα ) P( sα )

显然 Ｆ（ｓ）的零点和极点分别是闭环系统的极点和开环系统的极点 　

引理 ３－３ 　（辐角原理［７０］）：　如果封闭曲线 Γs 内有 Ｚ 个 Ｆ（ｓ）的零点 Ｐ 个 Ｆ（ｓ）的极点 则 ｓ

沿 Γs 顺时针转一圈时 在 Ｆ（ｓ）平面上 Ｆ（ｓ）曲线绕其原点逆时针转过的圈数 Ｒ 为 Ｐ 和 Ｚ

的差 即　
Ｒ＝Ｐ－Ｚ　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－５２）　
定理　３－３ 　（分数阶系统奈奎斯特判据）　分数阶单位反馈系统（图 ３－３）稳定的充要条件是

G(s) 的奈奎斯特曲线逆时针包围临界点（－１，ｊ０）的圈数 Ｒ 等于 G(λ ) ， λ = sα 在角形区

域 (− απ / 2, απ / 2 ) 内的极点数 Ｐ 否则闭环系统不稳定 且闭环系统不稳定特征根的个

数 Ｚ 可按下式确定 　
Ｚ＝Ｐ－Ｒ　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－５３）　

证　考虑到闭环系统的特征多项式 D(s) 通常不是个有理多项式 它的根有无穷多个 其

中只有有限个根在黎曼主平面内 即　

− π < arg( si ) ≤ π 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－５４）　

这些根称为结构根（ｓｔｒｕｃｔｕｒａｌ　ｒｏｏｔｓ） 根据它们在黎曼主平面的位置 系统有 ６ 种不

同的响应 　
（１）　黎曼主平面内无根 系统响应为一单调下降函数 　
（２）　黎曼主平面内有根 且 Ｒｅ（ｓ）＜０，Ｉｍ（ｓ）＝０ 系统响应为一单调下降函数 　
（３）　黎曼主平面内有根 且 Ｒｅ（ｓ）＜０，Ｉｍ（ｓ） ≠ ０ 系统响应为一阻尼振荡函数 　
（４）　黎曼主平面内有根 且 Ｒｅ（ｓ）＝０，Ｉｍ（ｓ） ≠ ０ 系统响应为一等幅振荡函数 　
（５）　黎曼主平面内有根 且 Ｒｅ（ｓ）＞０，Ｉｍ（ｓ） ≠ ０ 系统响应为一发散振荡函数 　

43
 博士学位论文 第三章 分数阶线性系统的稳定性 可控性和可观测性

（６）　黎曼主平面内有根 且 Ｒｅ（ｓ）＞０，Ｉｍ（ｓ）＝０ 系统响应为一单调上升函数 　

　
因而只需考虑黎曼主平面内根的分布情况 就
可以判断系统的稳定性 把黎曼主平面 ｓ 的虚轴和

半径 ρ 为无穷的半圆取为闭曲线Γs 如图３－４所示

那么 Γs 就扩大为包括虚轴的整个右半 ｓ 平面 辐角

原理表达式（３－５２）中的 Ｐ 和 Ｚ 则分别表示辅助函数

F (s) 位于右半 ｓ 平面的极点数和零点数 而且 Ｐ 也

等于 G(λ ) ， λ = sα 在角形区域 (− απ / 2, απ / 2 ) 内

的极点数 Ｐ F (s) 曲线绕原点逆时针转过的圈数 Ｒ 就是开环传递函数G(s) 绕（－１，ｊ０）逆

时针转过的圈数 此外由于 n > m 当 ｓ 沿 ρ 为无穷的半圆取值时 通过 G(s) 映射到 G(s)

平面的象是原点 这也恰好是 ｓ 平面虚轴无穷远点映射到 G(s) 平面的象 这样 Ｒ 就是

奈氏曲线（ｓ 沿虚轴 − j ∞ 到 j ∞ 取值 频率特性 G( jω) 的辐相曲线）绕临界点（－１，ｊ０）转过

的圈数 显然若要闭环系统稳定 只需 Ｒ＝Ｐ 否则闭环系统不稳定 且不稳定特征根个数

按式（３－５３）确定 若 arg( λi ) = απ / 2 则闭环系统临界稳定 　

定理　３－４　 （分数阶系统对数频率判据）　分数阶单位反馈系统（图 ３－３）不稳定的根的个数

Ｚ 可以根据 G(λ ) ， λ = sα 在角形区域 (− απ / 2, απ / 2 ) 内的极点数 Ｐ 和开环对数幅频特

性为正值的所有频率范围内 对数相频曲线与 ±180° 线的正负穿越数之差 N = N + − N −

确定　
Ｚ＝Ｐ－２Ｎ　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－５５）　
若 Ｚ 等于零 闭环系统稳定 否则 不稳定 　

证　开环传递函数 G(s) 的对数幅频特性和对数相频特性分别定义为［７２］ 　

L(ω ) = 20 log G ( jω ) = 20 log Q (( jω ) α ) − 20 log P(( j ω ) α ) 　　　　　　　　（３－５６）　

ϕ (ω ) = ∠ Q(( j ω ) α ) − ∠P(( j ω )α ) 　　　　　　　　　　　　　　　　　　　　（３－５７）　

G( jω) 的辐相曲线绕（－１，ｊ０）旋转的圈数 由ω 增加时幅相曲线自下向上（相角减少）和自

44
 博士学位论文

上向下（相角增加）穿越实轴区间 (−∞, −1) 的次数决定 把自上向下的穿越称为正穿越 N +

自下向上的穿越称为负穿越 N − 则　

N = N + − N − 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－５８）　

N + 和 N − 也可以分别看成 对数幅频曲线在大于 ０ｄｂ 的频率范围内 对数相频曲线自下

向上地穿越 ±180° 线的次数和对数相频曲线自上向下地穿越 ±180° 线的次数 显然若闭环

系统稳定 必成立 Ｐ＝２Ｎ 否则不稳定 且不稳定根的个数满足式（３－５５） 　

３ ． １ ． ５ 　 实例分析　 　
K
设系统开环传递函数 G( s ) = 讨论使闭环系统稳定时 Ｋ 的取值范围 　
s − 2 s1 / 2 + 1
K
令 G( λ ) = , λ = s1 / 2 　 则其开环特征多项式 P(λ ) 　
λ − 2λ + 1
2

P( λ ) = λ2 − 2 λ + 1 　

π
开环极点 λ1 = λ2 = 1 显然 arg( λ1 , 2 ) < 则 Ｇ（ｓ）在黎曼主平面内有两个不稳定极点 　
4
图 ３－５ ３－６ ３－７ 分别给出了 Ｋ＝０．５，　Ｋ＝１，　Ｋ＝２ 时 G(s) 的奈奎斯特图 从中可以

发现 Ｋ＝０．５ 时 奈奎斯特曲线不包含点（－１，ｊ０） 因而闭环系统不稳定 Ｋ＝１ 时 奈奎

斯特曲线通过点（－１，ｊ０） 因而闭环系统处于临界稳定 Ｋ＝２ 时 奈奎斯特曲线逆时针绕
点（－１，ｊ０）旋转 ２ 圈 因而闭环系统稳定 　
图 ３－８ ３－９ ３－１０ 分别给出了 Ｋ＝０．５，　Ｋ＝１，　Ｋ＝２ 时 Ｇ（ｓ）的波德图 从中可以发现

Ｋ＝０．５ 时 在对数幅频曲线大于零的频率范围内 对数相频曲线不穿过180o 线 因而闭

环系统不稳定 Ｋ＝１ 时 在对数幅频曲线大于零的频率范围内 对数相频曲线恰好穿过180o

线 因而闭环系统临界稳定 Ｋ＝２ 时 在对数幅频曲线大于零的频率范围内 对数相频

曲线自下向上穿过 180o 线 １ 次 N + = 1, N − = 0, N = N + − N − = 1 Ｚ＝Ｐ－２Ｎ＝０ 因而闭

环系统稳定 　
从上面的讨论可以看出 这两种判据得出的结果一致 综上所述 当 Ｋ＞１ 时 闭
环系统稳定

45
 博士学位论文 第三章 分数阶线性系统的稳定性 可控性和可观测性

图 3-5 K=0.5 时的奈奎斯特路径图 图 3-6 K=1 时的奈奎斯特路径图

Fig. 3-5 Nyquist path at K=0.5 Fig. 3-6 Nyquist path at K=1

图 3-7 K=2 时的奈奎斯特路径图 图 3-8 K=0.5 时的波德图

Fig. 3-7 Nyquist path at K=2 Fig. 3-8 Bode plots at K=0.5

图 3-9 K=1 时的波德图 图 3-10 K=2 时的波德图

Fig. 3-9 Bode plots at K=1 Fig. 3-10 Bode plots at K=2

46
 博士学位论文

３ ． ２ 分数阶系统的可控性和可观测性
3.2.1 可控性 　

定义 ３ －３　 对于分数阶线性定常系统（２－７３） 如果对取定初始时刻 t 0 ∈ T 的一个非零初

始状态 x 0 存在一个时刻 t1 ∈ T , t 1 > t 0 和一个无约束的容许控制 u (t) t ∈ [ t 0 , t1 ]

使状态由 x 0 转移到 t 1 时 x ( t1 ) = 0 则称此 x 0 是在 t 0 时刻为能控的［６９］ 对于线性定常

系统 x 0 的能控性对任意 t 0 都成立 　

定义 ３ －４　 如果状态空间中的所有非零状态都是在 t 0 , ( t0 ∈ T ) 时刻为能控的 则称系统

（２－７３）在时刻 t 0 是完全能控的［６９］ 　

定理 ３ － ５ 　 分数阶线性定常系统（２－７３）为完全能控的充分必要条件是　

[ ]
rank B AB L An −1 B = n 　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－５９）　

其中 ｎ 为矩阵 Ａ 的维数 [ ]
Qc = B AB L An −1 B 称为系统的能控性判别阵 　

证明 给定 n × n 常阵 Ａ 表其特征多项式为 　

det( sI − A) = s n + α n−1s n −1 + L + α 1s + α 0 　

则根据 Ｃａｙｌｅｙ－Ｈａｍｉｌｔｏｎ 定理［６９］知 系统矩阵 Ａ 必满足其本身的零化特征多项式

即成立　

An + α n −1 A n−1 + L + α 1 A + α 0 I = 0 　

这表明 Ａ ｎ 可以表示为 Ａ ｎ －１， ，Ａ ，Ｉ 的线性组合 　

An = −α n−1 An −1 − L − α 1 A − α 0 I 　

进而可知 Ａ ｎ ＋１，　Ａ ｎ ＋２， 等均可表为 Ａ ｎ －１， ，Ａ ，Ｉ 的线性组合 这样 利用这些结果

即可将 Eα ,1 ( At α ) 的无穷多项式表示为 Ａ ｎ －１， ，Ａ ，Ｉ 的线性组合 但其系数为时间 ｔ 的

函数 即　

Eα ,1 ( At α ) = α 0 (t ) I + α1 (t ) A + L + α n −1 ( t ) A n −1 　　　　　　　　　　　　　　（３－６０）　

其中 对于 Ａ 的特征值 λi , i = 1,2,L , n 两两相异的情况 α 0 (t ), α1 ( t ), L ,α n−1 ( t ) 可按下

式计算 　

47
 博士学位论文 第三章 分数阶线性系统的稳定性 可控性和可观测性

−1
 α 0 ( t )  1 λ1 λ21 L λn1 −1   Eα , 1 ( λ1 t α ) 
 α (t )  1 λ   
λ22 L λn2 −1   Eα ,1 ( λ2 t α ) 
 1 = 2
　　　　　　　　　　　　　　　　（３－６１）　
 M  M M M L M   M 
α ( t )     
 n −1  1 λn λ2n L λnn −1   Eα ,1 (λn t α ) 

对于 Ａ 包含重特征值的情况 例如其特征值为 λ1 （三重） λ2 （二重） λ3 ， ， λ n −3 时

α 0 (t ), α1 ( t ), L ,α n−1 ( t ) 可按下式计算

−1
 ( n − 1)( n − 2 ) n −3   1 t 2α E ( 2 ) ( λ t α )
0 0 1 3λ1 L λ1   2! 
 0  
α α ,1 1
( t ) 2!
 α (t )   ( n − 1) n −2   1 α (1 ) 
 1  0 1 2λ1 3λ21 L λ1   t Eα ,1 ( λ1 t α ) 
 α 2 (t )   1!   1! 
 Eα ,1 ( λ1 t ) 
α
 α ( t )  1 λ1 λ12 λ13 L λn1 −1 
 3  = 0 1 ( n − 1) n −2   
2λ2 3λ22 L λ2 =  1 t α Eα(1,1) ( λ2 t α )  (3-62)
 α 4 (t )   1! 
  1 λ   1! 
α λ22 λ32 L λn2 −1  Eα ,1 ( λ2 t ) 
α
 5  
( t ) 2 
 M  1 λ3  λ23 λ33 L λ3n −1
  Eα ,1 ( λ3 t α ) 
  M   
M M M L M  M 
 n −1  
α ( t ) 
1 λn −1 λn −1
2
λ n −1
3
L λn −1
n −1   E (λ t α ) 
 α ,1 n −3 
式(3-61)和(3-62)可以利用化矩阵 A 为对角阵或约当阵,并结合 Mittag-Leffler 函数的性
质[6]推出

假设经过时间 t f 能够使系统 （２－７３）从不为零的初始状态 x( t 0 ) 转变为零 即

x ( t f ) = 0, 则由式（２－８０）得　
tf

x ( t f ) = Φ (t f ) x( t 0 ) + ∫ Φ ( t f − τ ) B t 0 Dτ1 −α u(τ ) dτ 　　　　　　　　　　　　　　　　　

t0

令 M = Φ ( t f ) x( t 0 ) 并利用（３－６０） 上式可以变为　
tf

− M = ∫  ∑α i ((t f − τ )α ) Ai B t 0 Dτ1 −α u(τ )  dτ 　

 n −1 
t0  i= 0 
tf

= ∑ A B ∫ α i ((t f − τ ) α ) t 0 Dτ1 −α u (τ ) dτ 　
n −1
i

i= 0 t0

而上式可以改写为　

48
 博士学位论文

 z1 
z 
[
− M = B AB A 2 B L An −1 B  2  　
 M 
]
 
 z n −1 

= Qc Z 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－６３）　

其中　
tf

(
z i = ∫ α i ( t1 − τ ) α ) t0 Dτ1−α u(τ )dτ 　　　　　　　　　　　　　　　　　　　　　　　　　　（３－６４）　
t0

Z = [z1 z 2 L z n −1 ]T 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－６５）　

[ ]
Qc = B AB A 2 B L A n −1 B 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－６６）　

为了使方程（３－６３）有唯一解 当且仅当（３－５９）成立 　

３ ． ２ ． ２ 　 可观测性　

定义 ３ －５　 对于分数阶线性定常系统（２－７３） 如果对取定初始时刻 t 0 ∈ T 的一个非零初

始状态 x 0 存在一个有限时刻 t1 ∈ T , t 1 > t 0 使对所有 t ∈ [ t 0 , t1 ] 有 y(t) = 0 则称此 x 0

在时刻 t 0 时刻是不能观测的［６９］ 对于线性定常系统 x 0 的能观测性对任意 t 0 都成立 　

定义 ３ －６　 如果状态空间中的所有非零状态都不是时刻 t 0 , ( t0 ∈ T ) 的不能观测状态 则

称系统（２－７３）在时刻 t 0 是完全能观测的［６９］ 　

定理 ３ － ６ 　 分数阶线性定常系统（２－７３）为完全能观测的充分必要条件是　
 C 
 CA 
rank   = n 　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－６７）　
 M 
CAn −1 
 
或　

[ ]
rank C T , AT C T ,L , ( A n −1 ) T C T = n 　　　　　　　　　　　　　　　　　　　　　　　　　（３－６８）　

其中 ｎ 为矩阵 Ａ 的维数 [ ]
Qo = C T , AT C T ,L, ( A n −1 ) T C T 称为系统的能观测性判别

阵 　

证明 系统（２－７３）的解 y (t ) 为 　

49
 博士学位论文 第三章 分数阶线性系统的稳定性 可控性和可观测性

y ( t ) = C Φ ( t ) x( t 0 ) + ∫ C Φ ( t − τ ) B t0 Dτ1−α u(τ ) dτ 　　　　　　　　　　　（３－６９）　

t0

由于 Ｃ ，Ｂ 和 u (t) 已知 （３－６９）中的右边最后一项为某一确定值 因而可以从观测值

y (t ) 中减去这一项 即对 x( t 0 ) 的观测仅仅依赖于第一项 所以不考虑输出方程中的

输入项就可以推导出可观测性条件 即　

y (t ) = C Φ (t ) x( t 0 ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－７０）　

上式可以改写为下式　

y ( t ) = C ∑α i (( t − t 0 ) α ) A i x ( t 0 ) = ∑α i (( t − t 0 ) α ) CAi x (t 0 ) 　　　　　　　　　
n −1 n −1

i =0 i =0

 C 
 CA 
= [α 0 α 1 Lα n −1 ]   x ( t ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－７１）　
 M  0
CA n −1 
 
为了使方程（３－７１）有唯一解 当且仅当（３－６７）成立 　

３ ． ２ ． ３ 　 实例分析　
给定某粘弹性系统如下　
mD 2 x (t ) + cD α x ( t ) + kx( t ) = u( t )
　　　　　　　　　　　　　　　　　　　　　　　　　（３－７２）　
x (0) = a1 , x& (0) = a 2

其中 Dα x (t ), 0 < α < 1 表示位移函数 x (t ) 的 α 阶导数 此处分数导数取 Ｃａｐｕｔｏ 定

义 取 m = 1, c = 1.5, k = 1, α = 0.5, a1 = 0, a2 = 1, u (t ) = 1 　（单位阶跃输入） 其状态空

间描述为　
D 0.5 x ( t ) = Ax( t ) + Bu( t )
 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（３－７３）　
 y ( t ) = Cx( t )
其中　
0 1 0 0  0
0 0 1 0   0
A=  　，　 B =   ，　 C = [1 0 0 0] 　
0 0 0 1  0
 − 1 − 1.5   1
 0 0  

易知矩阵 Ａ 的特征值为 λ 1,2 = 0.7479 ± 1.0299i λ3,4 = −0.7479 ± 0.2407i 显然定理

50
 博士学位论文

３－２ 满足 故原系统稳定 根据定理 ３－５ 和 ３－６ 也不难验证系统(3-73)是既能控又能

观测的

３ ． ３ 本章小结 　

本章在上一章的基础上重点讨论了分数阶线性定常系统的稳定性 可控性和可观
测性条件 给出了分数阶线性定常系统的外部稳定(BIBO)和内部稳定(渐近稳定)性定
义 通过拉普拉斯变换 分数阶线性系统的状态方程的解和留数定理给出并证明了
分数阶系统 BIBO 稳定和渐近稳定性定理 运用复分析中的辐角原理 推导出分数
阶线性定常系统 2 个有效的稳定性判据 分数阶系统奈奎斯特判据和分数阶系统对
数频率判据 结合分数阶线性定常系统状态方程的解 给出了分数阶线性定常系统
的能控性和能观测性秩判别定理及其证明

51
 博士学位论文 第四章 分数阶微分方程的数值算法

第四章 分数阶微分方程的数值算法

正如第一章所述 把分数微积分用于建立实际对象的数学模型是目前研究的一个
热点 而分数阶微分方程是描述此类模型的有用工具 分数微积分的计算远比整数
微积分要复杂 很重要的原因之一是分数微积分与过去所有信息都有关 近年来
由于计算机科学的快速发展 使得一些以前不能计算的问题迎刃而解 尽管如此
如何快速 有效地利用数值方法计算出分数微积分及分数阶微分方程和系统的解仍
然是个难题
目前已有一些求解分数阶微分方程和分数阶系统的方法 解析算法如拉普拉斯变
换法和傅立叶变换法[1,4,6,18,73,74,75] 数值算法如 Zhang and Shimizu 法[76] L-1 法[1,77]
和池田法[78,79]等 这些方法都有些缺陷 解析算法虽然精度高但公式复杂 计算费
时还常常伴随发散问题;上述数值算法一般都要求分数导数的阶次在 0 1 之间 所有
这些都限制了它们的进一步应用 本章将给出求解分数阶微分方程和分数阶状态方
程的一个非常有效的数值方法 本方法不但精度高 计算速度快而且不需要作上述
限制 本方法的思想是依据在实际应用中 通常要求给定函数有足够的连续性和光
滑性 这就使得它们的 RL 和 GL 分数微积分完全等价 这样在分数阶动态系统中
可以利用 GL 分数微积分的 1 阶或高阶近似表达式来近似表示 RL 分数微积分
本章的安排如下 第一节讨论分数微积分的数值近似算法 给出分数微积分算子
表示 并重点分析了卷积分的收敛性和分数阶线性多步长方法 第二节讨论分数阶
微分方程的数值算法 包含分数阶常微分方程的数值算法和分数阶状态方程描述的
数值算法 并给出仿真实例 第三节为本章小节

４ ． １ 　 分数微积分的数值近似算法
4.1.1 分数微积分的算子表示

分数微积分的算子定义如下　

1 t
Γ (α ) ∫0
I α f (t ) = (t − τ )α −1 f (τ ) dτ 　 α ∈ R + ∪ R − 　　　　　　　　　　　　　　　　　（４－１）　

式中 算子 I α 表示分数微积分算子 α 为微积分的阶次 α > 0 指分数积分 α < 0 指

分数微分 此时 I α 也即分数导数算子 D−α 反之亦然 上式可以指 ＲＬ 或 ＧＬ 分数微

52
 博士学位论文

积分 它们可以统一表示成算子 I α , α ∈ R + ∪ R − 例如 ＧＬ 分数微积分定义为　

n
I α f ( t ) = lim h α ∑ wn − j f ( jh) 　 nh = t 　 α ∈ R + ∪ R − 　　　　　　　　　　　　　（４－２）　
h →0 j =0

其中 权系数 w j 　

( −1) j Γ (α + 1)
wj = 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－３）　
j! Γ (α − j + 1)

因而可以利用式（４－２）的有限项来近似表示分数微积分 但只能获得 O(h) 的精度［１，６］ 　

对于算子 I α 下面两式成立 　

( I α f )( x ) = x α ( I α f ( tx))(1) 　　　　　　　　　　　　　　　　　　　　　　　　（４－４）　

1 α −1
Iα f = t *f
Γ(α ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－５）　
式中 ∗ 表示卷积运算 　
考虑如下的离散化卷积公式 　
n s
I αh f ( x ) = h α ∑ wn − j f ( jh) + hα ∑ ϕ nj f ( jh) x = nh 　 α ∈ R + ∪ R − 　　　　　　　　（４－６）　
j =0 j= 0

其中卷积权系数 wn ( n ≥ 0) 和初始卷积权系数 ϕ nj (n ≥ 0), j = 0,..., s ｓ 固定 都独立于

ｈ 显然下式成立 　

( )
( I hα f )( x) = xα I αh / x f ( tx) (1) 　　　　　　　　　　　　　　　　　　　　　　　　　　（４－７）　

为讨论方便 下面给出几个定义 　
n
Ω αh f ( x ) = hα ∑ wn − j f ( jh) 　 　 x = nh 　　　　　　　　　　　　　　　　　　　　　　　　　（４－８）　
j =0

Ehα = Ω αh − I α 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－９）　

当 f (t ) = t β −1 时有　

( )
( Eαh t β −1 )( x ) = x α + β −1 Ehα/ x t β −1 (1) 　　　　　　　　　　　　　　　　　　　　　　　　　　（４－１０）　

定义序列 a = (a n )∞0 的生成幂级数为 　

53
 博士学位论文 第四章 分数阶微分方程的数值算法

∞
a ( z ) = ∑ a n z n 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－１１）　
n= 0

称 ( a n ) 为 a (z) 的系数 卷积生成函数 ｗ 可以分解为 　

w( z ) = r1 ( z )α r2 ( z ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－１２）　

其中 ri ( z ) 为有理函数 w(z) 可以分解为 　

[ ]
w( z ) = (1 − z ) −α c0 + c1 (1 − z ) + L + c N −1 (1 − z ) N −1 + (1 − z ) N r ( z ) 　　　　　　　　（４－１３）　

二项式系数的渐进展开式为 　

 − α  nα −1
( −1) n   =
Γ α
[ ]
1 + a1 n −1 + a 2 n −2 + L + aN −1 n −( N −1 ) + O (n − N ) 　　　　　　　　（４－１４）　
 n  ( )

４ ． １ ． ２ 　 卷积分的收敛性和分数阶线性多步长方法　

当α = 1 时 式（４－１）即为传统的微积分 运用线性多步长方法 ( ρ , σ ) ， ρ, σ 指本

方法中的生成多项式 易知式（４－６）中的权系数 wn 为下式的泰勒展开式系数：　

σ (1 / z ) ∞
w( z ) = = ∑ wn z n 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－１５）　
ρ (1 / z ) n =0

线性多步长方法的收敛性由其稳定性和一致性决定［８０］ 对权系数 wn 来说 稳定性与

wn 的有界性等价 ｐ 阶一致性可以表示为 　

hw( e − h ) = 1 + O ( h p ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－１６）　

下面把上述概念推广到分数阶微积分领域 从而可以得出所谓分数阶线性多步长方
法 　

定义 ４ － １ 　 I α 的生成函数 ｗ 是稳定的 如果　

wn = O( n α −1 ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－１７）　

定义 ４ － ２ 　 I α 的生成函数 ｗ 是 ｐ 阶一致性的 如果　

h α w(e − h ) = 1 + O( h p ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－１８）　

引理 ４ － １ 　　ｗ 是稳定的 当且仅当（４－１３）中 r(z) 的系数 rn 满足　

54
 博士学位论文

rn = O( nα −1 ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－１９）　

证　从式（４－１４）可以看出 若式（４－１８）成立 则式（４－１７）成立 反之 设 ｗ 稳定 则

w(z) 在｜ｚ｜＜１ 内无奇点 所以式（４－１２）可以改写为 　

m
w( z ) = u( z ) ∏ ( z − z j ) −α j 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－２０）　
j= 0

其中 z j 为绝对值为 １ 的不同数值 不妨设 z 0 = 1 α0 = α u(z) 在 z ≤ 1 内解析 且

u ( z j ) ≠ 0, α j ≠ 0, −1,−2,... 把 w(z) 在 z j 处利用部分分式展开得到 　

m
w( z ) = ∑ ( z − z j ) −α j p j ( z − z j ) + q( z ) 　　　　　　　　　　　　　　　　　　　　　（４－２１）　
j= 0

其中 p j 为某一多项式 且 p j ( 0) ≠ 0 q(z) 在 z = 1 上存在足够多次（如 ｋ 次）导数

即其系数是 O( n − k ) ［８１］ 由（４－１４）不难看出 　

wn = O( n α −1 ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－２２）　

成立 当且仅当 Re(α j ) ≤ Re( α ), j = 1,L , m 　

同理 r(z) 也可以表示为 　

m
r ( z ) = ∑ ( z − z j ) −α j ~
pj (z − z j ) + ~
q( z) 　
j =0

~
p j 和 q~ 的定义同 p j 和 ｑ 所以把 wn 换成 rn 式（４－２２）仍然成立 从而引理得证 　

引理　 ４ － ２ 　如果　

(E α k −1
ht )(1) = O (h k
) + O( h p ) ，　 k = 1,2,3... 　　　　　　　　　　　　　　　　　　（４－２３）　

则 ｗ 是 ｐ 阶一致性的 特别地 ｐ 阶收敛性意味着 ｐ 阶一致性 　

证　考虑自变量为 ｔ 的函数 et− x 在区间 [0, x] 内有 　

(
eh ( x ) = Eαh e t− x ( x ) = h α ) ∑ w j e − jh − (I α e t− x )( x ) 　
0≤ jh≤ x

当x→ ∞ 上式中的第一项趋于 h α w( e − h ) 则不难得到下式 　

(I α
e t − x )( x ) → 1 　x → ∞　

55
 博士学位论文 第四章 分数阶微分方程的数值算法

所以下式成立 　

eh ( ∞ ) = hα w( e −h ) − 1 　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－２４）　

把 et− x 在 t = 0 处展开有　

e + (τ * e )( t ) 　
q
t k −x 1 q τ −x
e t− x = ∑
k = 0 k! q!

其中 q + 1 ≥ max{ p, p − Re(α)} 下式成立　

eh ( x ) = e1h ( x ) + eh2 ( x ) 　

其中 　

( )
q
1 α k
e1h ( x ) = e − x ∑ Eh t ( x ) 　
k =0 k!

由（４－１０）知 当x → ∞时 (E t )(x ) 只是以多项式形式无限增大

α k
h 所以　

e1h ( ∞ ) = 0 　

1 α q t− x 1 1 x
eh2 ( x ) = Eh ( t * e )( x ) = ( Eαh ( t q ) * et − x )( x) = ∫ e − s ( Ehα t q )( s )ds 　
q! q! q! 0

可以得到　
1 ∞ −s α q
q! ∫0
eh2 ( ∞ ) = e ( Eh t )( s ) ds 　　　　　　　　　　　　　　　　　　　　　　　　（４－２５）　

由（４－１０）和假设有　

( E αh t q )( s ) = s q+α ( Ehα/ s t q )(1) = O( s q+α − ph p ) 　

由（４－２４）和　（４－２５）可以得出　

h α w(e − h ) − 1 = O( h p ) 　

即 ｗ 是 ｐ 阶一致性的 　

引 理 　 ４ －３ 　 如 果 Re(α ) > 0 ( )
且 Ehα t p−1 (1) = O( h p ) 则 对 任 意 Re(β ) > p 有

(E α β −1
ht )(1) = O (h p
) 　

证　令 β = p + u 易知　

56
 博士学位论文

Γ( p + u ) p −1 u −1
t β −1 = t *t 　
Γ( p ) Γ(u )

则由（４－１０）得到　

(E α p −1
ht )( x ) = O( x α −1
h p) 　

Ehα (t p −1 * t u−1 )(1) = ( E αh t p−1 * t u−1 )(1) = O( h p ) 　

因而结论成立 　

引 理　 ４－４ 　设α , β ∈ R , β ≠ 0, −1, −2, L 如果 ｗ 是稳定的 则 t β −1 的卷积误差可以渐进

展开成下式 　

( E αh t β −1 )(1) = e0 + e1h + L + e N −1h N−1 + O (h N ) + O ( h β ) 　　　　　　　　　　（４－２６）　

其中系数 e j e j (α , β , c0 , c1 ,L , c p−1 ) 取决于 α β 和（４－１３）中的系数 c j 　

证 　首先给出如下的辅助结论 两 个 离 散 序 列 un = O (n u ) 和 v n = O (n v ) ， 其 中

v < min {− 1, u − 1} 的卷积满足下式 　

∑u
j= 0
n− j v j = O( n u ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－２７）　

这可以从下面二式看出　
n −1 u

u n − j v j ≤ u n v 0 + u 0 v n + Mn ∑  1 −  j v 　
n
j
∑
j= 0 j =1 
u

n

j  1 u≥0
u

1 −  ≤  　 1 ≤ j ≤ n − 1　
 n  ( j + 1) u<0
−u

若 β ≠ 0,−1,−2,L 由（４－１４）可知下式成立 　

− β   − β + 1
n β −1 = b0 ( −1) n   + b1 ( −1) n   + L
 n   n  　
 − β + N − 1
+ bN −1 ( −1) n   + O( n β −1− N )
 n  　　　　　　　　　　　　　　　　　　（４－２８）　

定义如下函数 b(z) 　

57
 博士学位论文 第四章 分数阶微分方程的数值算法

∞
b( z ) = ∑ n β −1 z n = b0 (1 − z ) − β + b1 (1 − z ) − β +1 + L + bN −1 (1 − z ) − β + N −1 + s ( z )
n =1 　

其中 s(z) 的系数 s n 满足　

sn = O( n β −1− N ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－２９）　

考虑表达式　
n
h α ∑ wn − j ( jh) β −1 hn = 1 　
j =1

令 y n , y n = ∑ j =1 wn − j j β −1 为 y( z) = w( z)b( z) 的第 ｎ 个系数
n
则由（４－１３）和（４－２８）可

以得到 　

y ( z ) = d 0 (1 − z ) − (α +β ) + d1 (1 − z ) − (α +β )+1 + L + d 2N − 2 (1 − z ) −( α + β )+ 2N − 2 　

+ w( z ) s( z ) + [ b( z ) − s ( z )]( 1 − z ) N r ( z ) 　

d k = ∑ j = 0 bk − j c j
k
其中 当 Ｎ 取足够大时 由（４－１３） （４－１９） （４－２９）和（４－２７） 可

以得出 w( z)s( z) 和 [ b( z ) − s ( z )](1 − z ) N r ( z ) 的系数都为 O( nα −1 ) 由（４－１３）得出　

y n = e0 nα + β −1 + e1nα + β −2 + L + e0n α + β − N −1 + O( n α −1 ) 　

从而　

( )
( Eαh t β −1 )(1) = hα + β −1 y n − I α t β −1 (1) hn = 1 　

定理　 ４ － １ 　设 α ∈ R 如果 ｗ 是稳定的且是 ｐ 阶一致性的 则其也是 ｐ 阶收敛的 　

证　假设 Re(α ) > 0 由引理 ４－１ ４－２ ４－３ 和 ４－４ 知 对于任意 Re(α ) > 0 ， Re(β ) > p

有　
e j (α , β , c0 , c1 ,L , c p−1 ) = 0 j = 0,1,L, p − 1　

通过解析分析 根据假设不难看出上式对任意 α 和 β 都成立 这样由引理 ４－ ４ 可以

直接得出本定理 　

定 理　 ４－２ 　（分数阶线性多步长方法）　令 ( ρ , σ ) 表示某一稳定的 ｐ 阶一致性的隐含的

线性多变量方法 假设 ρ (z) 的零点的绝对值小于 １ 令 w(z) 由（４－１５）式给定 表示

58
 博士学位论文

相应卷积分的生成幂级数 定义 wα = wαn ( ) ∞
0 有　

wα ( z ) = ( w( z ) )α 　　　　　　　　　　　　　　　　　　　　　　　　　　（４－３０）　

则 I α 的卷积分生成函数 wα 为 ｐ 阶收敛的 　

证　因为线性多步长方法是 ｐ 阶一致性的 即　

hw( e − h ) = 1 + O ( h p ) 　

把上式推广到α 次幂有　

h α w( e − h ) = 1 + O( h p ) 　

以便 wα 对于 I α 是 ｐ 阶一致性的 由加在 ( ρ , σ ) 上的假设有　

σ ( z −1 ) r
w( z ) = = ∏ (1 − z i z )−1v( z ) 　
ρ ( z −1 ) i =0

其中 v(z) 解析且在 z ≤ 1 附近无零点 z i 为 ρ (z) 在单位圆上的零点 则　

r
wα ( z ) = ∏ (1 − z i z ) −α u( z ) 　
i =0

其中 u( z ) = v ( z ) α 在 z ≤ 1 附近解析 由（４－２０）和（４－２２）知 wαn = O( nα −1 ) 所以 wα 是

稳定的 再运用定理 ４－ １ 可以证明出本定理 下面给出 p = 1, 2,3 时 ｐ 阶收敛精度的

生成函数 wαp 的一组表达式 　

w1α ( z ) = (1 − z ) −α 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－３１）　

wα2 ( z ) = (1.5 − 2 z + 0.5z 2 ) −α 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－３２）　

wα3 ( z ) = (11 / 6 − 3 z + 1.5 z 2 − 1 / 3z 3 ) −α 　　　　　　　　　　　　　　　　　　　　　　　　（４－３３）　

当α < 0 时 它们为相应分数微分的 ｐ 阶收敛权系数 　

４ ． ２ 　 分数阶微分方程的数值算法　
４ ． ２ ． １ 　 分数阶常微分方程的数值算法　

设分数阶线性定常系统为　

a n D pn y (t ) + ⋅ ⋅ ⋅ + a1D p1 y (t ) + a 0 D p0 y ( t ) = u( t ) 　 　　　　　　　　　　 （４－３４）　

59
 博士学位论文 第四章 分数阶微分方程的数值算法

( n pi − 1 ≤ pi < n pi , n pi ∈ Z , i = 1, L , n) 　

其中 Dα 为 Ｃａｐｕｔｏ 分数导数算子 　 a i ∈ R, i = 1,2,..., n 为常数 pi ∈ R, i = 1,2,..., n

p n > pn −1 > ⋅ ⋅ ⋅ > p1 > p0 > 0 l − 1 < p n < l , l ∈ N , D pn − k y ( t ) |t =0 = 0 k = 1,2,..., l − 1 也

可以运用式（２－３７）把 Ｃａｐｕｔｏ 分数导数转化为 ＲＬ 分数导数 式（４－３４）的解析解为［６］ 　

t

y ( t ) = ∫ g n ( t − τ )u(τ ) dτ 　　　　　　　　　　　　　　　　　　　　　　　　（４－３５）　
0

其中 　
k
∞
( −1) m n −2
 ai  i ( pn − pn −1 ) m + p n +∑ nj −=20 ( p n −1 − p j )k j −1
∑ m! k + k +∑ (m; k 0 , k1 ,L , k n −2 ) ∏   t
1
g n (t ) = 　
an m =0 0 1 L+k n −2 = m i =0  a n 
k 0 ≥0 ;L;k n −2 ≥0

 an −1 p n − p n −1 
E (pm−) p − t  　　　　　　　　　　　　　　　　　　　　　　（４－３６）　
∑ j=0 ( pn −1 − p j )k j 
n− 2
n −1 , p n +
n
 an 

式中 ( m; k 0 , k1 ,L , kn −2 ) 为广义多项式系数 Eα( m,β) ( z ) 为双变量 Ｍｉｔｔａｇ－Ｌｅｆｆｌｅｒ 函数

Eα ,β ( z ) 的 ｍ 次导数 其定义参见式（２－２４） 显然当方程中分数微分项数较多时 解

析解公式将变得非常复杂 　
在实际应用中 通常要求给定函数有足够的连续性和光滑性 这就使得它们的
ＲＬ 和 ＧＬ 分数微积分完全等价 这样在分数阶动态系统中 可以利用 ＧＬ 分数微积分
的 １ 阶或高阶近似表达式来近似表示 ＲＬ 分数微积分 ＧＬ 分数导数定义的极限形式如
下　

∆γh f ( t )
D f ( t ) = lim
γ
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－３７）　
h →0 hγ

[t / h ]
∆γh f ( t ) = ∑wj =0
γ
j f (t − jh) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－３８）　

( −1) j Γ(γ + 1)
wγj = 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－３９）　
j! Γ(γ − j + 1)

式（４－３８）中［　］表示取整运算 从式（４－３７）可以方便地得到 ＧＬ 分数导数的近似表达

式 　

∆γ f (t ) 1 n

∑w
~
Dγ f ( t) = h γ = γ γ
j f ( t − jh) 　 nh = t 　　　　　　　　　　　（４－４０）　
h h j= 0

60
 博士学位论文

~
实际上 Dγ f ( t ) 是以 O(h) 的精度收敛于 Dγ f (t ) 　［６］ 并且权系数 wγj j = 0,1,2,..., n

可以认为是幂级数 (1 − z )γ 在原点的泰勒展开式的系数 如下　

∞
( −1) j Γ(γ + 1) j ∞ γ k
ω1γ ( z ) = (1 − z ) γ = ∑ z = ∑ w j z 　　　　　　　　　　　　　　　　　　　（４－４１）　
j =0 j! Γ(γ − j + 1) j= 0

当 γ =1时 式（４－４０）即为函数 f (t) 一阶导数的两点后向差分近似表达式 　

f ( t ) − f (t − h )
　 f / (t ) ≈ 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－４２）　
h
此时 w10 = 1 w11 = −1 w1i = 0 i = 2,3,4,..., n 实际上式（４－４１）中的 γ 即为式（４－３１）

中的 − α 换句话说 当式（４－４１）中的权系数 wγj 取式（４－３２）和（４－３３）的泰勒展开式

系数时 将分别得到 ２ ３ 阶近似 计算权系数 wγj 的最方便有效的方法是利用快速

傅立叶变换技术 　
下面给出式（４－３４）的数值解迭代公式 把式（４－３４）进行离散化处理得　
n pi −1
n
y ( j ) ( 0) n
an h − pn
∑w pn
y n− j − an ∑ + L + a1 h ∑ w pj1 y n − j 　
− p1

j =0 Γ(1 + j − pn )
j
j =0 j =0

n p1 −1
y ( j ) ( 0)
− a1 ∑ + a0 yn = un 　　　　　　　　　　 n = 1,2,... 　　　　　　　　　　（４－４３）　
j= 0 Γ(1 + j − p1 )

其中 y j = y ( jh), u j = u( jh), j = 0,1,2,..., n, t = nh w pj n −k , k = 0,1,L , n 分 别 为 y(t ) 的

D p n −k 分数导数所对应的权系数 从式（４－４３）可以得到如下的迭代公式　
−1
 n p n −k p n − p n −k   p n
n −1 n
y n =  ∑ a n −k w 0 h   h un − ∑ a n − k h ∑
pn − pn − k
w pj n −k y n − j 　
 k =0   k=0 j =1

n  n pi −1 y ( j ) ( 0)  
+ ∑ al  ∑  　　 n = 1,2,... 　　　　　　　　　　　　　　　　　　　　　　（４－４４）　

l =0  j =0 Γ(1 + j − pl )  
从 ４－１ 节的讨论可知 式（４－４４）的收敛速度与精度取决于如何对分数导数进行离

散化处理 即采用不同的权系数 w pjn −k k = 0,1,L , n 近似表示分数导数 将得到不

同的计算精度 若 w pjn −k 分别选取式（４－３２）　 （４－３３）的泰勒展开式系数 则式（４－４４）

的计算精度分别为 O( h 2 ) O( h 3 ) 　

61
 博士学位论文 第四章 分数阶微分方程的数值算法

４ ． ２ ． ２ 　 分数阶状态方程描述的数值算法 　

设分数阶系统的状态方程为 　
 0 Dtα x( t ) = Ax( t ) + Bu( t )
 　 x (0 ) = [x1 ( 0), x2 (0), L , xn ( 0)]T 　　　　　　　　　　　　（４－４５）　
 y ( t ) = Cx( t ) + Du( t )

其中 分数导数取 Ｃａｐｕｔｏ 定义 x ( t ) ∈ ℜ n ×1 , A ∈ ℜ n ×n , B( t ) ∈ ℜn ×1 从第二章知其解

析解为 　
t

x ( t ) = Eα ,1 ( At α ) x (0) + ∫ (t − τ )α −1 Eα ,α ( A( t − τ ) α ) Bu (τ )dτ 　　　　　　　　　　　（４－４６）　

0

根据前面的讨论 可以得到式（４－４５）的离散化表达式如下　
n
( nh ) −α
h −α ∑ ω αj x n− j − x( 0) = Axn + Bun 　　　　　　　　　　　　　　　　　　（４－４７ａ）　
j =0 Γ(1 − α )

y n = Cxn + Du n 　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－４７ｂ）　

其中 x j = x ( jh), u j = u ( jh), j = 0,1,2,..., n, t = nh ω αj 可以取（４－３１）　 （４－３２）或（４－３３）

的泰勒的展开式系数 上式左边第二项为考虑初始条件不为零时的附加项 　
从（４－４７ａ）可以得到如下的迭代公式　

−1  ( nh ) −α h α 
x n = (ω α0 I − hα A )  Bhα un +
n
x (0) − ∑ ω αj x n− j , n = 1,2,... 　　　　　　　　（４－４８）　
 Γ(1 − α ) j =1 

４ ． ２ ． ３ 　 仿真实例　
给定某粘弹性系统如下　
mD 2 x (t ) + cD α x ( t ) + kx( t ) = u( t )
　　　　　　　　　　　　　　　　　　　　　　　　　（４－４９）　
x (0) = a1 , x& (0) = a 2

其中 Dα x (t ), 0 < α < 1 表示位移函数 x (t ) 的 α 阶导数 此处分数导数取 Ｃａｐｕｔｏ 定

义 取 m = 1, c = 1.5, k = 1, α = 0.5, a1 = 0, a2 = 1, u (t ) = 1 　（单位阶跃输入） 其状态空

间描述为　
D 0.5 x ( t ) = Ax( t ) + Bu( t )
 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（４－５０）　
 y ( t ) = Cx( t )
其中　

62
 博士学位论文

0 1 0 0  0
0 0 1 0  0
A=   　，　 B =   ，　 C = [1 0 0 0] 　
0 0 0 1  0
− 1 − 1.5   1
 0 0  

x ( t ) = [x1 (t ) x 2 ( t ) x3 ( t ) x4 ( t ) ]T x ( 0) = [0 0 1 0]T 　

利用上 ２ 小结介绍的方法 可以求出方程（４－４９）的解析解和数值解 图 ４－１ ４－２

分别给出了步长 ∆t = 0 .3 秒和 ∆t = 0 .1 秒时 系统的仿真结果 包括系统的解析解和
系统的卷积权系数分别取 １ ２ ３ 阶精度时的数值解 表 ４－１ 给出了三种近似解的
计算时间及其与解析解之间的相对误差 从表 ４－１ 中可以看出 卷积权系数的近似
阶次越高 时间步长取得越小 近似解与解析解就越接近 本章所有仿真程序都是
利用 Ｍａｔｌａｂ 软件包编程 数值计算速度非常快 在普通 ＰＥＮＴＩＵＭ－４ ＣＰＵ１．７ＭＨｚ 计
算上述 １ ２ ３ 阶近似数值解 当 ∆ t = 0 .1s 时 运行时间不到 ２ 秒 　
　 本章提出的分数阶线性多步长方法 非常适合求解分数阶系统的数值解 特别是
卷积权系数取高阶近似时 数值解收敛到解析解的速度很快 另外本方法不需限制
分数阶导数的阶次在 ０ １间 这可以从本文直接利用 ＧＬ 分数导数的定义推导近似
求解公式上直观地看出来 　

表 4-1 分数导数的 3 种不同近似方法的计算时间与相对误差比较

Tab.1 Comparison of time and relative error among three different approximation methods of fractional
derivatives
０．３　 ０．１　 ０．０１　
２阶
∆t(s) 　 １ 阶精 ３ 阶精 １ 阶精 ２ 阶精 ３ 阶精 １ 阶精 ２ 阶精 ３ 阶精
精度
度解　 度解　 度解　 度解　 度解　 度解　 度解　 度解　
解　

(x − ~
x ) / x 　 ０．２４７１　 ０．１２６　 ０．０５１１　 ０．０８２８　 ０．０４８８　 ０．０３５８　 ０．０３９６　 ０．００８２　 ０．００５９　

TC (s ) 　 ０．１２５　 ０．９３７　 １．１０９　 ０．６７２　 １．５　 １．５６９　 １９．４３６　 ２０．７３３　 ２１．８４７　

63
 博士学位论文 第四章 分数阶微分方程的数值算法

图 4-1 ∆t = 0 .3 秒时系统的单位阶跃响应

Fig. 4-1 Unit Step Response at time step ∆ t = 0.3( s)

图 4-2 ∆t = 0 .1 秒时系统的单位阶跃响应

Fig. 4-2 Unit Step Response at time step ∆t = 0.1(s)

64
 博士学位论文

4.3 本章小节

本章针对分数阶微分方程的解析解不易求解 计算复杂 费时且容易发散的特点

给出了它们的一个快速数值计算方法 在讨论了分数微积分的算子表示 并运用卷
积分的收敛性和分数阶线性多步长方法给出其高阶近似数值算法后 推导出分数阶
微分方程的数值算法 包含分数阶常微分方程的数值算法和分数阶状态方程的数值
算法 给出的实例验证了所给方法的有效性

65
 博士学位论文 第五章分数阶系统响应和分数阶 PID 控制器

第五章 分数阶系统响应和分数阶 PID 控制器

与整数阶系统一样 分数阶系统也有时域 频域和稳态响应 它们都是研究分数

阶系统的有用工具 可以根据其特征根在黎曼主平面内 外的位置 系统有 5 种不
同的响应 单调下降函数 阻尼振荡函数 等幅振荡函数 发散振荡函数 单调上
升函数
分数阶比例 积分 微分(Proportional, Integral and Derivative, PID)控制器[44]是传
统整数阶 PID 控制器概念的推广 因为无论是积分器的阶次 还是微分器的阶次都
可以不是整数 整数阶 PID 控制器只是分数阶 PID 控制器的特例 不仅如此 本文
进一步推广了分数阶 PID 控制器的概念 提出分数阶 DD II IDI PDD 等分数阶
控制器 其原因是由于分数微积分的阶次不是整数 即使出现两种分数阶微分或积
分控制器 也因其阶次不同 而不能简单地将其合并为一个分数阶微分或积分控制
器 Podlubny 指出分数阶 PID 控制器用于控制分数阶系统能够取得比整数阶 PID 控
制器更好的效果[6,44] 其实不仅如此 分数阶 PID 控制器也能用于整数阶系统 甚至
非线性系统 有时也能取得更好的控制效果 实际上 分数阶 PID 控制器比整数阶
PID 控制器多两个自由度 积分器和微分器的阶次 因而它更具有灵活性
一般在设计分数阶 PID 控制器时 主要着眼于在复域 s 中考虑 但这样做必须解
决一个难题 如何快速有效地计算分数阶导数和积分 为此本文提出了分数阶 PID
控制器的一种新的数字实现方法 本方法直接在时域中完成 因而很适合用 Z 变换
方法求解且易于数字实现 其原理是运用 GL 分数微积分定义 取其有限项作近似处
理 这样可以直接在时域或 Z 域中计算分数阶 PID 控制器 而且能保证足够多的近
似精度
本章的安排如下 第一节讨论分数阶系统响应 给出其时域 频域和稳态响应
第二节讨论分数阶 PID 控制器及其应用 给出分数阶 PID 控制器的原理 时域和频
域表示方法和一个运用分数阶 DD 控制器用于汽车减震的实例 给出两种分数阶 PID
控制器的数字实现方法 LIS 方法和 TGLS 方法 并给出了一个设计分数阶数字 PID
控制器的实例 该例中控制对象为某一非线性系统 该系统包含下面四种不同的非
线性模块中的一种 饱和 死区 迟滞和继电器 第三节为本章小节

5.1 分数阶系统响应
5.1.1 时域响应

考虑如下的分数阶传递函数 G(s)

66
 博士学位论文

bn s m α + bn −1 s ( m −1 )α + L b1 s α + b0
G( s ) = 　　　　　　　　　　　　　　　　　　（５－１）　
an s nα + a n −1 s ( n −1 )α + L a1 s α + a0

α = 1 / q, q, n ∈ Z + , a i , b j ∈ R, i = 1,L n, j = 1L m 　

G(s) 的特征方程如下 　

a n s nα + a n−1 s ( n−1) α + L a1s α + a0 = 0 　　　　　　　　　　　　　　　　　　　　　　（５－２）　

它有有限个特征根在黎曼主平面内 即　
− π < arg( si ) ≤ π 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（５－３）　

这些根也被称为结构根 根据它们在黎曼主平面内 外的位置 系统有 ６ 种响应 　

（７）黎曼主平面内无根 系统响应为一单调下降函数 　
（８）黎曼主平面内有根 且 Ｒｅ（ｓ）＜０，Ｉｍ（ｓ）＝０ 系统响应为一单调下降函数 　
（９）黎曼主平面内有根 且 Ｒｅ（ｓ）＜０，Ｉｍ（ｓ） ≠ ０ 系统响应为一阻尼振荡函数 　
（１０）　 黎曼主平面内有根 且 Ｒｅ（ｓ）＝０，Ｉｍ（ｓ） ≠ ０ 系统响应为一等幅振荡函数 　
（１１）　 黎曼主平面内有根 且 Ｒｅ（ｓ）＞０，Ｉｍ（ｓ） ≠ ０ 系统响应为一发散振荡函数 　
（１２）　 黎曼主平面内有根 且 Ｒｅ（ｓ）＞０，Ｉｍ（ｓ）＝０ 系统响应为一单调上升函数 　
G(s) 的脉冲响应 g(t ) 为 　

 m 
 ∑ bk λ
k

−1  ck  n
g ( t ) = L−1 {G( λ ), λ = s α }= L−1  kn= 0
n
= ∑  = ∑ ck t Eα ,α ( λk t ) 　　（５－４）　
α −1 α
 L
 ∑ ak λk   k =0 λ − λ k  k =0
 k =0 

G(s) 的单位阶跃响应 y(t ) 为 　

 n ck s− 1  n
y ( t ) = L ∑ α
−1
 = ∑ ck t Eα ,α +1 ( λk t ) 　　　　　　　　　　　　　　　　　　　（５－５）　
α α

 k =0 s − λ k  k =0

g(t ) 和 y(t ) 的响应形式有 　

（１）　当 arg (λk ) ≥ απ 时 单调下降 　

π
（２）　当 α < arg (λk ) < απ 时 减幅振荡 　
2
π
（３）　当 arg (λk ) = α 时 等幅振荡 　
2
π
（４）　当 arg (λk ) < α arg (λk ) ≠ 0 时 增幅振荡 　
2
（５）　当 arg (λk ) = 0 时 单调递增 　

67
 博士学位论文 第五章分数阶系统响应和分数阶 PID 控制器

５ ． １ ． ２ 　频域响应　

　 一般情况下 计算频率响应可以通过把虚轴 s = jω, ω ∈ (0, ∞) 直接代入式（５－１）

得到 但是对于同元次系统来说 可以采用下面如整数阶系统的因式分解方法 　

∏ (s + zk )
m
α
α
P( s )
G( s ) = = k =0
z k , P( zk ) = 0; pk , Q( pk ) = 0, z k ≠ p k 　　　　　　　　（５－６）　
∏ (s + pk )
Q( sα ) n
α

k =0

如 (sα + γ )
±1
对上式的每一个乘积项 其幅频特性都是从接近 ０ｄｂ（低频段）处开始

到趋于 ± 20α ｄｂ／ｄｅｃ（高频段） 如果 α > 1 还将出现谐振 给定　

1
G( s ) = 　
s 3/ 2
+1

其伯德图见图 ５－１ 从中可以发现幅频曲线的斜率从 ０ｄｂ 到－３０ｄｂ 相频曲线从 0 o 到

± 20α ｄｂ／ｄｅｃ 谐振频率 ω ≈ 0 .8 ｒａｄ／ｓ 　

　
图 ５－１　系统的频率响应　
Ｆｉｇ．　５－１　Ｆｒｅｑｕｅｎｃｙ　ｒｅｓｐｏｎｓｅ　ｏｆ　ｔｈｅ　ｓｙｓｔｅｍ．　

５ ． １ ． ３ 　 稳态响应 　

　 设单位反馈系统的开环传递函数为 G(s) 则其稳态误差系数的定义［７２］为 　

１）　位置误差系数 　

68
 博士学位论文

K p = lim G( s) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　（５－７）　
s→0

２）　速度误差系数 　
K v = lim sG ( s ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　（５－８）　
s→0

３）　加速度误差系数 　
K a = lim s 2 G ( s ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　（５－９）　
s →0

对于如下的分数阶传递函数　

G( s ) =
(
K bm s β m + bm −1 s βm −1 + L + b1 s β1 + 1 )
　　　　　　　　　　　　　　　　（５－１０）　
s γ (a n s n + an −1 s n −1 + L + a1 s + 1)
可以得到如下的关系 　
K 1
K p = lim = lim Ks −γ 　ep = 　　　　　　　　　　　　　　　　　　（５－１１）　
s →0 s γ s→ 0 1 + Kp

s 1
K v = lim K γ
= lim Ks1−γ 　 ev = 　　　　　　　　　　　　　　　　　　　（５－１２）　
s→ 0 s s→ 0 Kv

s2 1
K a = lim K γ
= lim Ks 2 −γ 　 ea = 　　　　　　　　　　　　　　　　　　　（５－１３）　
s →0 s s→ 0 Ka

根据不同的 γ 值 所得到的结果见表 ５－１ 从中可以看出分数阶系统的稳态误差系数

不是 ０ 就是 ∞ 因而其稳态误差不是 ∞ 就是 ０ 这一点与整数阶系统不同 　
　
表 ５－１ 系统的稳态误差　
Ｔａｂ．　５－１　Ｔｈｅ　ｓｙｓｔｅｍ ｓ　ｓｔａｔｉｃ　ｅｒｒｏｒ．　

γ　 K p, ep 　 K v , ev 　 K a , ea 　

０　 K p ,1/ (1 + K p ) 　 0, ∞ 　 0, ∞ 　

（０，１）　 ∞ ,0 　 0, ∞ 　 0, ∞ 　

１　 ∞ ,0 　 Kv ,1 / K v 　 0, ∞ 　

（１，２）　 ∞ ,0 　 ∞ ,0 　 0, ∞ 　

２　 ∞ ,0 　 ∞ ,0 　 K a ,1/ K a 　

（２，３）　 ∞ ,0 　 ∞ ,0 　 ∞ ,0 　

69
 博士学位论文 第五章分数阶系统响应和分数阶 PID 控制器

５ ． ２ 　 分数阶 Ｐ Ｉ Ｄ 控制器及其应用 　
５ ． ２ ． １ 分数阶 Ｐ Ｉ Ｄ 控制器　

　 考虑到整数阶 ＰＩＤ 控制器的传递函数描述为　

U (s) K
Gc ( s ) = = K P + I + K D s 　　　　　　　　　　　　　　　　　　　　　（５－１４）　
E (s) s

其中 U (s) 为控制器的输出 E(s) 为控制器的误差输入 把式（５－１４）中的微分和积

分项的阶次推广到分数 可以得到分数阶 ＰＩＤ 控制器传递函数为　

U (s) K
Gcf ( s ) = = K P + αI + K D s β 　　　　　　　　　　　　　　　　　　　（５－１５）　
E (s) s

显然当 α = β = 1 时 Gcf (s ) 就成为整数阶 ＰＩＤ 控制器 　α = 0, β = 1 时 Gcf (s ) 为 ＰＤ

控制器 α = 1, β = 0 时 Gcf (s ) 为 ＰＩ 控制器 参见图 ５－２（图中原点指比例控制器 Ｐ

它是 ＰＩＤ 控制器的特例 此时控制器中微分和积分作用为零） 式（５－１５）所对应的时

间域方程可以表示为　

u (t ) = K P e( t ) + K I D −α e( t ) + KD D β e( t ) 　　　　　　　　　　　　　　　　（５－１６）　

PD PID

P PI

图 5-2 P －I －D 平面
Fig. 5-2 The P －I －D plane

令式（５－１５）中的 K P = K I = K D = 1 ， α = β = 0.5 则 Gcf ( s ) = 1 + s −0 .5 + s 0 .5 其伯德图

见图 ５－３ 从图中可以看出 在低频段 Gcf (s ) 近似为比例环节＋分数积分环节 而在

高频段 Gcf (s ) 近似为比例环节＋分数微分环节 　

70
 博士学位论文

图 5-3 分数阶 PID 控制器的伯德图

Fig.5-3 Bode plots of fractional PID controller.
实际上分数阶 PID 控制器的概念还可以进一步推广 由于微积分的阶次不是整
数 即使出现两种分数阶微分或积分控制器 也因其阶次不同 而不能简单地将其
合并为一个分数阶微分或积分控制器 因而可以设计出分数阶 PDD 分数阶 PII 分
数阶 DDI 分数阶 IDI 等分数阶控制器 本文根据习惯称呼也把它们统称为分数阶
PID 控制器 下面的例子将给出利用分数阶 DD 控制器控制汽车车身震动的例子

5.2.2 汽车减震系统的设计

系统本身是一个简单的力学模型 它用于汽车的减震控制 Ｍ 是汽车每个车轮所

支撑的重量 并假设其为汽车总重量的 １／４ 系统的输入是车轮轴心 yr 的垂直位置

它是道路表面状况 汽车速度和车胎充气程度的函数 系统输出 ｙ 是车身的垂直位

置 yr 和 ｙ 都是相对其平衡点测量出来的 通常减震装置是由弹簧和吸震器组成

设弹簧的弹性系数为 ｋ 吸震器的粘性系数为 ｆ yr 和 ｙ 的复频域的关系如下 　

Ms 2Y ( s ) = −( k + fs)[Y ( s ) − Yr ( s )] 　　　　　　　　　　　　　　　　　　　　　（５－１７）　

上式相当于由图 ５－４ 表示的系统 其中 G( s ) = 1 /( Ms 2 ) C( s) = k + fs 其闭环系统

71
 博士学位论文 第五章分数阶系统响应和分数阶 PID 控制器

传递函数 Gc (s ) 　

fs + k
Gc ( s ) = （５－１８）　
Ms + fs + k 　　　　　　　　　　　　　　　　　　　　　　　　　　　　
2

yr C(s) G(s) y
-
　
图 ５－４　单位反馈系统　
Ｆｉｇ．　５－４　Ｕｎｉｔ　ｆｅｅｄｂａｃｋ　ｓｙｓｔｅｍ．　

　 考虑下面的鲁棒控制问题 设计一个减震装置 能够使得对所有的 Ｍ

100kg ≤ M ≤ 900kg 系 统 的 单 位 阶 跃 响 应 的 超 调 量 不 超 过 ２０ 并且当

M = M 0 = 300kg 时 系统的穿越频率 ω 0 = 10 ｒａｄ／ｓ 以便使乘车人获得最佳的舒适

感受 当 M = M 0 时 同时满足超调量限制和穿越频率要求 就已经决定了减震装置

的 参 数 选 择 对 于 本 例 k ≈ 1.74 × 10 4 , f ≈ 3.5 × 10 3 图 ５－５ 给 出 了

M = 100kg, M = 300kg, M = 900kg 减震装置的闭环系统的单位阶跃响应 显然当汽车

重量较大时 系统的超调量不能满足要求 下面选用分数阶 ＤＤ 控制器就能很好地解

决这一问题 设分数阶 ＤＤ 控制器 C f (s ) 　

C f ( s ) = k1 Dα + k 2 D β , α > β 　　　　　　　　　　　　　　　　　　　　　　　　（５－１９）　

其闭环系统的传递函数 Gcf (s ) 　

k1 s α + k 2 s β k1 s α − β + k 2
Gcf ( s ) = = （５－２０）　
Ms 2 + k1 s α + k 2 s β Ms 2 − β + k1 s α − β + k 2 　　　　　　　　　　　　　　　　　　

取 定 k1 = 3500, k 2 = 2500, α = 0.9, β = 0.5 图 ５－６ 给 出 了 M = 100kg, 　 M = 300kg, 　

M = 900kg 时 采用分数阶 ＤＤ 控制器的减震装置的闭环系统的单位阶跃响应 从图

５－６ 中可见 系统的超调量明显减小 综合条件达到设计要求 而且参数系数也比整

数阶 ＰＤ 控制器要小许多 从式（５－２０）可以发现加入分数阶 ＤＤ 控制器后 闭环系统
的阶次减小了 因而系统的振荡减弱了 相比整数阶 ＰＤ 控制器的 ２ 个调节参数 分
数阶 ＤＤ 控制器有 ４ 个调节参数 因而选择起来灵活度更大

72
 博士学位论文

图 5-5 取整数阶 PD 控制器时系统的单位阶跃响应

Fig. 5-5 The system’s unit step response with conventional PD controller.

图 5-6 取分数阶 DD 控制器时系统的单位阶跃响应

Fig. 5-6 The system’s unit step response with fractional DD controller.

73
 博士学位论文 第五章分数阶系统响应和分数阶 PID 控制器

5.2.3 分数阶 PID 控制器的数字实现

一个分数阶系统可以包含分数阶控制器或分数阶控制对象或两者兼而有之 然而
实际应用中 系统模型可能已用传统整数阶模型建好 因而本章下面把重点主要放
在如何设计分数阶 PID 控制器上
把分数阶 PID 控制器用于实际系统控制中存在一个难点 如何快速有效地计算出
分数阶导数和积分 由于分数阶系统的求解问题比传统整数阶系统的求解要复杂
费时的多 自然考虑到应用拉氏变换的方法来简化求解 这样首先需要把控制系统
从时域转变到 s 域 s 为拉氏变换变量 然后再在 s 域内设计合适的控制器 然而这
种方法并不利于其数字实现 实际上把分数阶系统在有限频谱内实现更有应用价值
即把分数阶系统在感兴趣的频谱内进行有限维数值逼近更符合实际应用需要 本章
下面提出的线性插值方法(Linear Interpolation Scheme,LIS)和截断 Grünwald-Letnicov
方法(Truncated Grünwald-Letnicov Scheme,TGLS)可用于解决上述问题 LIS 方法是利
用线性插值来近似分数微积分 而 TGLS 方法是基于 GL 分数导数的定义而得出的
实际上前者是后者的特例 TGLS 方法的思路简单明了 由于 GL 分数导数在形式上
是某一无穷级数的极限 可以取上述级数的有限项来近似表示分数微积分 这样一
方面可以利用 Z 变换来进行系统分析 另一方面又有利于数字实现 需说明的是
GL 和 RL 两种分数微积分定义 就工程应用而言几乎是完全等价的 这样在实际应
用中可以灵活选择何种定义 换句话说可以用 RL 定义来描述问题 而用 GL 定义求
解问题 为此本文不区分上述两种定义

5.2.3.1 LIS 方法

　 在区间 0 ≤ t ≤ T 内对 x(k − 1) 和 x(k) 进行线性插值可以得到下式　

x ( t ) = [x ( k ) − x( k − 1)]
t
+ x ( k − 1) 　　　　　　　　　　　　　　　　　　　　　（５－２１）　
T
　由上式的 α 次分数积分如下　

x ( k ) − x ( k − 1) t α +1 x ( k − 1) α
D −α x (t ) = ⋅ + t 　　　　　　　　　　　　　　　　（５－２２）　
Γ (2 + α ) T Γ (1 + α )

令 t = T ，则上式的时域和 Ｚ 域表达式分别为　

Tα
D −α x = [x (k ) + α ⋅ x( k − 1) ]　　　　　　　　　　　　　　　　　　　（５－２３）　
Γ (2 + α )

Z {D x }=
−α Tα
[ ]
1 + α ⋅ z −1 ⋅ X ( z ) 　　　　　　　　　　　　　　　　　　（５－２４）　
Γ (2 + α )

74
 博士学位论文

设 α = −1,0,1 则上述这些表达式分别对应于微分（Ｄ） 比例（Ｐ）和积分（Ｉ）三种情况，

且下式成立　
1 T
H D ( z) = (1 − z −1 ), H P ( z ) = 1, H I ( z ) = (1 + z −1 ) 　　　　　　　　　　　（５－２５）　
T 2
这样式（５－２４）可以看作增益为 K P , K D 的 ＰＤ 控制器或者增益为 K P , K I 的 ＰＩ 控制器

从上面的讨论不难得到下面两式　

Z {D −α x}= K P ⋅ H P ( z ) + KD ⋅ H D ( z ) 　　　　　　　　　　　　　　　　　　　　　　（５－２６）　

Z {D −α x }= K P ⋅ H P ( z ) + K I ⋅ H I ( z ) 　　　　　　　　　　　　　　　　　　　　　　（５－２７）　

其中　

(1 + α )T α αT α +1
KP = , KD = − 　　　　　　　　　　　　　　　　　　　　　　　（５－２８）　
Γ (2 + α ) Γ (2 + α )

(1 − α ) T α 2αT α −1
KP = , KI = 　　　　　　　　　　　　　　　　　　　　　　　　　（５－２９）　
Γ (2 + α ) Γ (2 + α )

显 然 若 − 1 < α < 0 成 立 ，　 则 K D > 0, K I < 0 成 立 若 　 0 < α < 1 成 立 ，　 则 K D < 0, 　

K I > 0 　成立 因而可以运用传统 ＰＤ 或 ＰＩ 控制器来近似表示分数阶 ＰＩＤ 控制器 实

际上 ＬＩＳ 方法可以看着 ＴＧＬＳ 方法的特例 参见下一小节 　

５ ． ２ ． ３ ． ２ 　 　 Ｔ Ｇ Ｌ Ｓ 方法　

　 ＴＧＬＳ 方法是根据 ＧＬ 分数微积分得出的 为讨论方便重新给出其定义如下 　

1 ∞

D p x ( t ) = lim  p
h→ 0  h
∑w k
p
x (t − kh)  　　　　　　　　　　　　　　　　　　　　　　（５－３０）　
k=0 

( −1) k Γ ( p + 1)
wkp = 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（５－３１）　
k! Γ ( p − k + 1)

当 p > 0时 式（５－３０）称为 ＧＬ 分数导数 当 p < 0时 称其为 ＧＬ 分数积分 　

设采样时间为 Ｔ 则式（５－３０）可以利用其 ｎ 项截断级数来近似表示 可以得到下面的

时域和 Ｚ 域表达式为　
n
1
D p x (t) ≈
Tp
∑w k
p
x (t − kh) 　　　　　　　　　　　　　　　　　　　　　　　　　　（５－３２）　
k =0

75
 博士学位论文 第五章分数阶系统响应和分数阶 PID 控制器

( )  1 
n
Z D p x (t ) ≈  p
T
∑w
k =0
p −k
kz  X ( z ) 　　　　　　　　　　　　　　　　　　　　　　　　（５－３３）　


其中 X (z) 为 x(t ) 的 Ｚ 变换 从式（５－３２）知 ＬＩＳ 方法可以看作为 n = 1 时的 ＴＧＬＳ 方法

在此种情况下分数阶 ＰＩＤ 控制器也可以看成为传统的 ＰＤ 或 ＰＩ 控制器 式（５－１６）的

近似 Ｚ 变换为　
n n
U ( z ) ≈ K P E ( z ) + K I T α ∑ wk−α z −k E ( z ) + K D T − β ∑ wkβ z −k E( z ) 　　　　　　　　　　　（５－３４）　
k=0 k =0

从第四章知可以定义一个生成函数 ω p ( z −1 ) 使得它在原点处的泰勒展开式系数和式

（５－３１）成正比 见下式　
∞
( −1) k Γ ( p + 1) − k
ω p ( z −1 ) = (1 − z −1 ) p = ∑ z 　　　　　　　　　　　　　　　　　　　　　（５－３５）　
k = 0 k ! Γ ( p − k + 1)

下面给出 １／２ 阶分数导数算子 s0.5 和 １／２ 阶分数积分算子 s− 0. 5 的数字实现例子

设采样时间为 ０．００１ｓ 利用生成函数 ω 0 . 5 ( z −1 ) 和 ω −0. 5 ( z − 1 ) 可以分别得到 s0.5 和 s− 0. 5 的

离散传递函数的首 ７ 项表达式 分别表示为　

G7d ( z ) = 31.6228 − 15.8114 z −1 − 3.9528 z −2 − 1.9764 z −3 − 1.2353z −4 　

− 0.8647z−5 − 0.6485z−6 − 0.5095z −7 　　　　　　　　　　　　　　　　　　　　　　　　　　（５－３６）　

G7i ( z ) = 0.0316 + 0.0158 z −1 + 0.0119 z −2 + 0.0099 z −3 + 0.0086 z −4 　

+ 0.0078z −5 + 0.0071z −6 + 0.0066z −7 　　　　　　　　　　　　　　　　　　　　　　　　　　（５－３７）　

图 ５－７ ５－８ 分别给出了 s0.5 或 s− 0. 5 的连续伯德图和 ４ 个对其取不同近似项数的离

散伯德图 图中清楚地显示 随着近似项数的不断增多 它们的离散传递函数的对

数幅频特性和对数相频特性更加接近其连续传递函数的对数幅频特性和对数相频特

性 但在低频段和高频段相频存在较大的误差 这可以利用补偿器 z 0. 5 r （ｒ 由实验确

定）乘以上述离散传递函数来补偿离散传递函数和连续传递函数在低频和高频段的

相位差 易知补偿器 z 0. 5 r 不影响离散传递函数的幅频特性 图中还可以看出随着所取

近似项数 ｎ 的增多 ＴＧＬＳ 方法比 ＬＩＳ 方法（即 n = 1 时的 ＴＧＬＳ 方法）有更高的近似精

度 　

76
 博士学位论文

图 5-7 T=0.001s s0.5 的连续和离散伯德图

Fig.5-7 Continuous and discrete Bode diagrams of s0.5 at T=0.001s

77
 博士学位论文 第五章分数阶系统响应和分数阶 PID 控制器

图 5-8 T=0.001s s−0.5 的连续和离散伯德图

Fig.5-8 Continuous and discrete Bode diagrams of s−0.5 at T=0.001s

78
 博士学位论文

5.2.4 分数阶数字 PID 控制器的应用

本节结合第 5.2.3 节所提出的方法 给出了一个为给定控制系统设计合适的分数

阶数字 PID 控制器的实例 图 5-9 给出了整个闭环系统的结构图 图 5-10 给出了图
5-9 中的 4 种不同的非线性模块 饱和 死区 迟滞和继电器
　 设本例中分数阶 ＰＩＤ 控制器的传递函数如式（５－１６） 假定在所有情况下 参数

K P , K I , K D ,α , 和 β 的初始值为 K P = 2, K I = 0.1, K D = 3 .5, α = 0.5, β = 0 .5 采样和保持

器的采样时间 Ｔ＝０．１ｓ 增益 Ｋ＝１，输入信号取单位阶跃信号 　

　 图 ５－１１（ａ）给出了分数阶 ＰＩＤ 控制器取近似项数 ｎ (1 ≤ n ≤ 7) 时 线性系统（无非

线性模块）的单位阶跃响应 显然 ｎ 越大 系统的响应越好 正如第 ５．２．３．１ 节所述

当 n = 1 时分数阶数字 ＰＩＤ 控制器可以近似看成为传统的 ＰＤ 控制器 这样本例中如果
取足够多的近似项数 采用 ＴＧＬＳ 方法设计出所谓分数阶数字 ＰＩＤ 控制器比采用类似
ＰＤ 控制器的控制效果要好 　
　 如考虑系统中的非线性因素 可以发现采用 ＴＧＬＳ 方法比采用类似 ＰＤ 控制器方法
的鲁棒性更突出 图 ５－１１（ｂ）显示系统中采用类似 ＰＤ 控制器方法对饱和非线性因素
的影响比采用 ＴＧＬＳ 方法更敏感 图 ５－１１（ｃ） ５－１１（ｄ） ５－１１（ｅ）同样显示出在系统
中含有非线性因素条件下 采用 ＴＧＬＳ 方法比采用类似 ＰＤ 控制器方法 系统的鲁棒
性更好 因而即便系统中含有多种非线性因素 分数阶 ＰＩＤ 控制器如取其首 ７ 项近
似表示 系统已具有相当好的鲁棒性 　

　 也可以对分数阶 ＰＩＤ 控制器的 ５ 项参数 KP , K I , KD , α , 和 β 进行寻优 从而可以获

得更好的控制效果 设需最小化的控制性能指标取 ＩｔＡＥ 并表示为函数 Ｑ　　

t

Q = ∫ t ⋅ e( t ) dt 　
0

其中 e(t) 为对时间 ｔ 的误差函数 参见图 ５－９ 本例中优化策略取差分拟牛顿法［８２］

整个优化过程中分数阶 ＰＩＤ 控制器取其首 ７ 项近似表示 表 ５－２ 给出了优化前和优

化后系统的一些性能指标 图 ５－１１（ａ） ５－１１（ｂ） ５－１１（ｃ） ５－１１（ｄ）和 ５－１１（ｅ）也
同时给出了优化后的系统的单位阶跃响应 从表 ５－２ 中可以看出 优化后系统的总

体性能比优化前要好许多 需要指出的是整个优化过程与参数 K P , K I , K D ,α , β 的初

始值选取有关 这些参数取不同的初始值 优化的结果也不一样 也就是说上述寻

优过程是局部的 　

79
 博士学位论文 第五章分数阶系统响应和分数阶 PID 控制器

表 5-2 分数阶 PID 控制器取首 7 项近似时 系统优化前和优化后的性能指标

Table 5-2 The system’s performance criteria of both before and after the optimization with the 7-th
order approximations to the fractional order PID controllers

　 Ｋ Ｐ 　 Ｋ Ｉ 　 Ｋ Ｄ 　 α 　 β　 Ｑ 　 ％ 　 ｔｓ (sec) 　

初值　 ２　 ０．１　 ３．５　 ０．５　 ０．５　 １．２７７　 ５７　 ２．３０　

线性　
终值　 ３．３９２　 ０．４８９　 ５．６６５　 ０．４２４　 ０．７５７　 ０．１９９　 ３９　 ０．８９　
初值　 ２　 ０．１　 ３．５　 ０．５　 ０．５　 １．８６４　 ３２　 ２．８２　
饱和　
终值　 ７．４７８　 ４．９９９　 １５．４９５　 ０．６６９　 ０．７５２　 ０．６０３　 ２　 １．３７　
初值　 ２　 ０．１　 ３．５　 ０．５　 ０．５　 ２．１２７　 ５８　 ２．５０　
死区　
终值　 ４．８１３　 ３．６３０　 ５．９０６　 １．０００　 ０．７９４　 ０．３８８　 ４４　 ０．８７　
初值　 ２　 ０．１　 ３．５　 ０．５　 ０．５　 １．７５３　 ５８　 ２．３１　
磁滞　
终值　 ４．４５５　 １．８５３　 ３．４０３　 ０．６１３　 １．０００　 ０．３８５　 ２９　 １．１０　
初值　 ２　 ０．１　 ３．５　 ０．５　 ０．５　 １．９６　 ２９　 ２．６９　
继电器　
终值　 ３．２１４　 ０．３２４　 ５．５２６　 ０．４３８　 ０．６５３　 ０．８６３　 ９　 １．３４　

图 5-9 系统的闭环结构图
Fig. 5-9 The architecture of the closed-loop control system

图 5-10 含 4 种不同的非线性现象的非线性系统模块 饱和 死区 迟滞和继电器

Fig. 5-10 The four different nonlinear phenomena of the nonlinear system block: saturation, deadzone,
hysteresis, and relay.

80
 博士学位论文

(a)线性系统的响应(无非线性模块).
(a) Linear system response (i.e. without the nonlinear block).

(b)含饱和非线性模块的系统响应.
(b) System response with saturation as a nonlinear block.

81
 博士学位论文 第五章分数阶系统响应和分数阶 PID 控制器

(c) 含死区非线性模块的系统响应.
(c) System response with deadzone as a nonlinear block.

(d) 含磁滞非线性模块的系统响应.
(d) System response with hysteresis as a nonlinear block.

82
 博士学位论文

(e) 含继电器非线性模块的系统响应.
(e) System response with relay as a nonlinear block.
图 5-11 分数阶 PID 控制器采用 n 项近似表示和 n=7 KP =2,KI=0.1,KD =3.5,á=0.5, â=0.5 作为初始
值时系统的响应.
Fig. 5-11 System response for a n-th order series approximation to the fractional order PID controller
and its optimal system response with n=7,KP =2,KI=0.1,KD =3.5,á=0.5, and â=0.5, as the initial values.

5.3 本章小节

本章讨论了分数阶系统的时域 频域和稳态响应 给出了分数阶 PID 控制器的基

本结构 时域和频域的表示方法 并给出了把分数阶 DD 控制器用于汽车减震的一
个实例 给出两种分数阶 PID 控制器的数字实现方法 LIS 方法和 TGLS 方法 由于
上述方法直接在时域中进行 因而很适合用 Z 变换方法求解 且易于数字实现 最
后给出了一个设计分数阶数字 PID 控制器的实例 该例中控制对象为某一非线性系
统 该系统包含下面四种不同的非线性模块中的一种 饱和 死区 迟滞和继电器
仿真实例显示出本文所提方法特别适合设计分数阶数字 PID 控制器 为其进一步应
用于实际系统中奠定了基础

83
 博士学位论文 第六章 分数阶系统辨识

第六章 分数阶系统辨识

很多实际系统 如电化学反应[30,31,83] 热传导[36,84] 扩散[32,33,34,85]和粘弹性系统

[17,18,19,20,21]
等 更加适合利用分数阶系统来描述 或者说此类系统的阶次取分数而不
是整数更加符合实际情况 本章将讨论分数阶系统的辨识问题 对于整数阶系统的
辨识问题 已有许多成熟的算法 如 ARX ARMAX 最小二乘法 预报误差法
辅助变量法等[86,87] 但对于分数阶系统的辨识问题 据作者所知 目前国内外还没
有什么有效的方法
本章将给出辨识分数阶线性系统的 2 种非常有效的方法 基于分数阶泊松滤波器
的辨识方法和基于状态空间模型分解的辨识算法 前者的基本思想是利用分数阶泊
松滤波器先对输入输出数据进行滤波处理 然后再对滤波后的数据进行系统辨识
辨识算法采用最小二乘算法 其独到之处在于把滤波和分数导数的计算结合起来
只需计算一次就可以获得滤波后的分数导数 本方法把辅助变量法也运用到分数阶
系统的辨识上 这样即使系统中存在有色噪声 仍可以获得参数的无偏估计 但本
方法只能用于待辨识系统的阶次已知的情况 后者可以同时辨识系统的阶次和参数
其基本思想是通过基底变换把分数阶线性系统的系统矩阵变换成对角阵 这就把原
系统的输入 输出关系转化为若干简单的子系统的和 再对这些子系统的模型参数
进行辨识 最后可以获得与原系统代数等价的辨识系统的模型参数 这样做的另一
个优点是能够容易地得到系统的输出误差对其模型参数及系统阶次的导数 这样就
[82,88,89,90]
可以选择利用梯度的优化算法 如梯度下降法和拟牛顿法 等 进行系统辨识
使得算法的速度大为提高 也较容易获得全局最优解
本章的安排如下 第一节介绍基于分数阶泊松滤波器的分数阶系统的辨识方法
包含分数阶系统辨识模型 分数阶泊松滤波器 辨识模型的参数估计和估计参数的
偏差分析 并给出实例 第二节介绍基于状态空间模型分解的分数阶系统的辨识算
法 包含分数阶状态方程描述的矩阵分解算法 分数阶系统辨识模型和模型的参数
估计 并给出实例 第三节为本章小节

6.1 基于分数阶泊松滤波器的分数阶系统的辨识方法
6.1.1 分数阶系统辨识模型

任何系统辨识的目的是要从一系列的观察数据中建立一个能尽可能准确地重现
系统的物理性能的数学模型 分数阶系统辨识也不例外 本章给出的待辨识模型是
如下的常系数分数阶线性方程

84
 博士学位论文

Dα 0 y( t ) + a1 Dα1 y (t ) + L + an Dαn y (t ) = b0 Dβ 0 u( t ) + b1 Dβ1 u( t ) + L + bm D βm u(t ) 　　（６－１）　

其中分数阶导数的阶次 (α1 , α 2 , L , α n , β 0 , β1 , L , β m ) 是有理数（整数或者分数） 且已知

（如分数阶粘弹性系统及许多热力学系统的阶次可以通过实验确定 ［１７，１８，８４，８５］） 设式
（６－１）的待辨识系数可以表示成如下的参数向量 θ 　

θ = [ a1 , a2 ,L, an, b0 , b1 ,L , bm ] 　　　　　　　　　　　　　　　　　　　　　　　　　（６－２）　

T

对（６－１）施行某一线性变换（本文中为分数阶泊松滤波器 F (s ) ） 并分离出 Dα0 y f ( t )

可以得到零初始条件下的一个线性连续回归表达式 　

Dα 0 y f ( t ) = ϕ f ( t )θ 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－３）　

其中　

ϕ f (t ) =  −Dα1 y f (t ), L, − Dαn y f (t ), D β0 u f (t ), L , D βm u f (t )  　　　　　　　　　（６－４）　

u f (t ) 和 y f (t ) 分别表示滤波后的系统的输入和输出 等式（６－１）和（６－３）一般情况下是

等价的 但是利用（６－３）式可以根据观察数据和滤波器 F ( s) 直接计算出矢量 ϕ f (t ) 中

的各个导数 而（６－１）式则不行 　

６ ． １ ． ２ 　 分数阶泊松滤波器　

参数辨识需要计算滤波后的输入输出的分数导数 正如整数阶系统可以利用状态

变量滤波器 F (s) F (s) 可以采用状态空间描述 进行滤波处理 本文所提的分数阶

系统也可以采用分数阶状态滤波器 F (s) 来进行滤波处理 而分数阶泊松滤波器是分

数阶状态滤波器的一种特例 其传递函数可以表示成下式 　
1
F (s ) = nf
=　
 s 
α

  + 1
  ω f  
 
α nf
ωf
　　 0 < α < 1 　　　　　　（６－５）　
sα n f + C 1n f ω αf sα ( n f −1) +L + Cnnff −1ω αf ( n f −1) sα + ω αf n f

其中 频率 ω f 的大小可以根据被辨识系统的频率特性来定（接近系统的最高角频

率） α × n f 为滤波器的阶次 n f 为分数阶泊松滤波器状态空间描述的维数 从上式

85
 博士学位论文 第六章 分数阶系统辨识

可以发现分数阶泊松滤波器是传统整数阶泊松滤波器的推广 即当 α = 1 时 两者等
价 当然分数阶泊松滤波器还需要满足一定的条件 　
１ 由于分数阶状态向量是由滤波后的分数阶导数组成 α 应满足如下的条件 　
α i = α kα i , i = 0,1,L , n, β j = α k β j j =0, 1L , m, kα i k β j ∈ N ｎ f ≥ max( kα 0 , k β0 ) 　

２．　　式（６－５）的系数应满足稳定性定理 ３－１ 　
式（６－５）的分数阶状态向量由滤波后的输入输出的分数阶导数组成 可以表示成下
式 　
T
x =  z f (t ), Dα z f (t ),L , D f z f (t ), D f z f (t )  　　　　　　　　　　　　　　（６－６）　
α (n − 2) α (n −1)

其中 z f (t ) 表示 u f (t ) 或者 y f (t ) 式（６－５）的分数阶状态空间表示为 　

 0 1 0 L 0   0 
 M 0 1 O M   M 
   
D x (t) =  M
α O O O 0  x (t) +  M  z( t ) 　　　（６－７）　
   
 0 L L 0 1   0 
 −ω αn f n −1
−Cn ff ω f
α( n f −1)
L −Cn2 f ω 2f α α 
−C n f ω f 
1 ω α n f 
 f  f 

利用上式及第四章介绍的分数阶导数的数值近似方法 分数阶泊松滤波器以及滤波
后的输入输出的分数阶导数可以同时计算出来 这也是本方法的独到之处 　

６ ． １ ． ３ 　辨识模型的参数估计　

　 假设 u(t ) 和 y * ( t ) 为输入输出数据 且　

y* ( t ) = y( t ) + p(t ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－８）　

其中 p (t ) 为某一扰动信号（如测量噪声） 参数估计可以通过传统的最小二乘法极小

化函数 e(t ) 的二次型范数获得 　

1 D y f ( t ) + L + an D y f (t ) − b0 D u f (t ) −L − bm D
e(t ) = Dα0 y*f (t ) + aˆˆ α1 * αn * ˆˆ β0 * βm *
u f ( t ) 　　（６－９）　

其中 ( aˆ,̂L, a , bˆˆ,L , b ) 是待辨识参数

1 m 0 m 参见图 ６－１

86
 博士学位论文

p (t )
u(t) y(t ) y * (t )
+

+
控制对象

F(s) F(s )
分数阶泊松滤波器 分数阶泊松滤波器
1 L
L  bˆ0   aˆ 
 
[D u (t),L, D
β0
f
βm
u f (t) ] M 
- +  1
 M [Dα0
y*f (t), L, Dα y*f ( t)
n
]
bˆm  aˆ 
   n
e(t )

图 6-1 分数阶系统参数辨识图
Fig. 6-1 Parameter identification diagram of the fractional system
考虑系统 K 对观察数据 参数辨识可以通过极小化目标函数 J 获得

( )
J θˆ = E T E 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－１０）　

其中 E = [ e( k0 ×Ts ), e(( k0 +1) ×Ts ), L, e(( k0 + K − 1) × Ts ) ]

T
Ts 为采样时间 k 0 为某一整

数 满足 k 0 × Ts ≥ Tf T f 表示滤波器 F (s) 的调节时间 对式（６－３）运用线性回归方法

并通过极小化 J (θˆ) 可以获得最优估计 θˆopt 　

( )
−1
θˆopt = Φ *f Φ *f Φ *f Dα0 Y f* 　　　　　　　　　　　　　　　　　　　　　　　　（６－１１）　
T T

其中　
T
Φ *f = ϕ *f ( k 0 × Ts ), ϕ *f (( k 0 + 1) × Ts ),L , ϕ *f (( k 0 + K − 1)× Ts )  　
T T T

 

Y f* =  y*f ( k0 × Ts ), y*f (( k0 +1) × Ts ), L , y*f (( k0 + K − 1) × Ts )  　

T

６ ． １ ． ４ 　估计参数的偏差分析　

　 假设方程（６－９）的估计参数向量 θˆ 的真实值 θ 由下式确定 　

Dα 0 y*f (t ) = ϕ *f (t )θ + e (t ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－１２）　

把（６－１１）式中的 Dα0 Y f* 用上式代换可以得到传统的估计偏差表达式 　

 e( k0 × Ts ) 
 e(( k + 1) × T ) 
( )
−1
∆ θ = θˆopt −θ = Φ *f Φ *f
T
Φ *f
T
 0 s  　　　　　　　　　　　　　　　　（６－１３）　
 M 
 
e(( k 0 + K − 1) × Ts ) 

87
 博士学位论文 第六章 分数阶系统辨识

上式表明若 e(t ) 不是输出白噪声 那么采用上述方法得到的估计参数并不是无偏的

在这种情况下可以采用辅助变量方法 参数估计是按迭代的方法进行的 参见下式 　

( )
−1
θˆkIV+1 = Φ IVf (θ kIV ) × Φ *f Φ IVf (θ kIV ) × Dα0 Y f* 　　　　　　　　　　　　　　　　　　　　　　（６－１４）　
T T

其中　

Φ IVf (θ kIV ) = ϕ IV (θ kIV , k0 × Ts ) ,ϕ IVf (θ kIV , (k0 + 1)× Ts ) ,L , 　

T T

( )
T
ϕ IVf θ kIV , ( k0 + K − 1) × Ts  　　　　　　　　　　　　　　　　　　　　　　　　（６－１５）　
T

( )
ϕ IVf θ kIV , t =  −Dα1 y IVf (θ kIV ,t ),L , − Dα n y IVf (θ kIV , t ), Dβ 0 u f (t ),L , Dβ m u f (t )  　　　　（６－１６）　

上式中的 y IVf (θ kIV , t ) 可以利用参数向量 θ kIV 从方程（６－１）式中求出 　

６ ． １ ． ５ 　 仿真实例　

　 设某质量阻尼系统可表示为　
D2 y (t ) + 0.5 D0.5 y (t ) + y (t ) = D0.5 u (t ) + u (t )
　　　　　　　　　　　　　　　　　　　　　　　（６－１７）　
& =0
y(0) = 0,y(0)

其传递函数描述为　

s 0 .5 + 1
G( s ) = 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－１８）　
s 2 + 0.5s 0 .5 + 1

图 ６－２ 给出了其波德图 式（６－１７）的参数矢量 θ = [0.5111] T 输入为 ３００ 个点的伪随

机二进制信号 采样周期 Ts = 0.05s 系统输出加入了噪信比（ＮＳＲ）介于 ０－７０％的高斯

白噪声：　
var( p(t ))
NSR = ×100 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－１９）　
var( y( t ))

式（６－５）中的分数阶泊松滤波器的角频率 ω f = 0.1Hz α = 0.5 nf = 5 由定理 ３－１

易知该滤波器稳定 为了比较不同的噪信比的辨识效果 采用如下的相对平均 ２ 范

数误差（ＭＮＥ）：　
θ −θˆ
MNE = ×100 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－２０）　
θ

分数导数 Dα y (t ) 的权系数 wαk 取下式在原点的泰勒展开式系数 　

88
 博士学位论文

ω 4α ( z ) = ( 25 / 12 − 4 z + 3z 2 − 4 / 3 z 3 + 0.25z 4 )α 　　　　　　　　　　　　　　　　　　（６－２１）　

按上式的泰勒展开式系数计算分数阶导数可以获得其 O( h 4 ) 的近似精度 参数估计采

用辅助变量方法 表 ６－１ 给出了辨识结果 从表 ６－１ 可以看出即使输出中混有很强

的高斯白噪声 辨识参数仍然具有很高的精度 图 ６－３ 给出了噪信比 ＮＳＲ＝３０％时 原
系统和辨识系统的仿真图 从中可以发现本文所给出的辨识算法能够抑制较强的噪
声 辨识系统能与原系统很好地吻合 　　

表 6-1 权系数取 4 阶近似时的辨识结果

Tab. 6-1 Identification results with weight coefficients taking fourth order approximation

NSR(%) θˆT MNE(%)

0 [ 0.500 1.000 1.000 1.000 ] 0.000

10 [ 0.510 1.008 1.013 1.016 ] 1.341
30 [ 0.515 1.025 1.015 1.053 ] 1.547
50 [ 0.535 1.052 1.131 1.157 ] 1.984
70 [ 0.552 1.104 1.267 1.257 ] 2.995

图 6-2 系统的波德图
Fig. 6-2 Bode plots of the system.

89
 博士学位论文 第六章 分数阶系统辨识

图 6-3 加入高斯白噪声 NSR=30%时 系统的辨识结果

ａ）　系统输入　
ｂ）　系统输出：　 L 加入噪声；　 − 不加噪声　
ｃ）　辨识结果：　 L 　原系统；　 − 辨识系统．　　
ｄ）　相对平均 ２ 范数误差　（ＭＮＥ）　
Ｆｉｇ．　６－３　Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ｏｕｔｃｏｍｅｓ　ｏｆ　ｔｈｅ　ｓｙｓｔｅｍ　ｗｉｔｈ　ＮＳＲ＝３０％　ｏｆ　ｔｈｅ　ａｄｄｅｄ　Ｇａｕｓｓ　ｗｈｉｔｅ　
ｎｏｉｓｅ．　
ａ）　Ｓｙｓｔｅｍ　ｉｎｐｕｔ．　
ｂ）　Ｓｙｓｔｅｍ　ｏｕｔｐｕｔ：　 L ｎｏ　ｎｏｉｓｅ；　 − ｗｉｔｈ　ｎｏｉｓｅ．　
ｃ）　Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ｏｕｔｃｏｍｅ：　 L 　ｒｅａｌ　ｓｙｓｔｅｍ；　 − ｉｄｅｎｔｉｆｉｅｄ　ｓｙｓｔｅｍ．　　
ｄ）　Ｍｅａｎ　ｎｏｒｍａｌｉｚｅｄ　ｅｒｒｏｒｓ　（ＭＮＥ）　
　

６ ． ２ 　 基于状态空间模型分解的分数阶系统的辨识算法　
６ ． ２ ． １ 　 分数阶状态方程描述的矩阵分解算法　

　 设分数阶系统的状态方程可以表示为 　

90
 博士学位论文

 0 Dtα x( t ) = Ax( t ) + Bu( t )

 　 　　　　　　 0 < α < 1 　　　　　　　　　　　　　　　　　　　（６－２２）　
 y ( t ) = Cx( t )

式中 0 Dtα 表示 ＲＬ 分数导数算子 标量函数 u (t) 和 y(t ) 分别表示系统的输入和输出

x(t) 为分数阶状态变量 Ａ ，Ｂ ，Ｃ 为适当维数的矩阵 　

　 假设分数阶状态方程（６－２２）的系统矩阵 An× n 有 ｎ 个各不相同的特征值 则存在非

奇异阵 Ｔ ，可以把 Ａ 变换成对角阵 Λ 这样方程（６－２２）可以转换为 　

 Dα x (t ) = Λ x (t ) + B u (t )
　　　　  0 t 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－２３）　
 y ( t ) = C x ( t )

其中　

x = T −1 x ，　 Λ = T −1 AT ，　 B = T −1 B ，　 C = CT 　　　　　　　　　　　　　　　　　　　（６－２４）　

则系统输出 y(t ) 可以表示为 　

y ( t ) = L−1 {C ( s α I − Λ ) −1 B }* u( t ) 　　　　　　　　　　　　　　　　　　　　　　　　　（６－２５）　

其中　

 1 
 sα − λ 
 1

( s α I − Λ ) −1 =  O  　　　　　　　　　　　　　　　　　　　　　　　　（６－２６）　
 1 
 s α − λn 

上式中的 λi 为系统的特征值 若矩阵（６－２６）已给定 则可以得到系统的输出 y(t )

它可以表示为下式的一个线性组合 　
 1 
L−1  α  * u( t ) i = 1,..., n 　　　　　　　　　　　　　　　　　　　　　　　　（６－２７）　
 s − λi 

1
显然很容易求出 H i ( s ) = 的拉氏逆变换 这样系统输出 y(t ) 也不难求出 　
s − λi
α

６ ． ２ ． ２ 　 分数阶系统辨识模型　

　　　　本文所给出的辨识模型采用了分数阶状态方程描述 其系统矩阵为对角阵 系
统的输出是一系列简单的分数阶子系统的线性组合 图 ６－４ 给出了辨识系统的结构
图 　

91
 博士学位论文 第六章 分数阶系统辨识

A1 y1 (t )
sα − λ1

u (t) Ai yi (t ) y (t )
α
s − λi

An yn (t)
sα − λn

图 6-4 分数阶系统模型分解图
Fig. 6-4 Modal decomposition of fractional systems
辨识的目的是估计出矢量 è 　

è = [α , A1 , λ1 ,..., An , λn ]T 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－２８）　

其中 α Ａｉ 和 λi 分别为辨识模型的阶次 子系统的分子系数和辨识系统的特征值 　

利用分数导数的离散化定义　
m
1
D y ( mh) = α
α

h
∑w α
k y (( m − k )h ) 　　　　　　　　　　　　　　　　　　　　　　　　　　（６－２９）　
k =0

其中　

( −1) k Γ(α + 1)
wαk = 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－３０）　
k! Γ(α − k + 1)

辨识模型在时刻 t = mh 的输出估计 可以表示为下式 　

n
yˆ( mh) = ∑ yi ( mh) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－３１）　
i =1

其中 yi (mh) 由下式确定 　

m
1
hα
∑w α
k y i (( m − k )h ) − λi yi ( mh) = Ai u ( mh) i = 1,..., n 　　　　　　　　　　　　　　　（６－３２）　
k =0

６ ． ２ ． ３ 　 模型的参数估计　

６ ． ２ ． ３ ． １ 　 输出误差辨识算法　

假设采样数据由 m + 1 对数据组成 {u (kh), y * ( kh)} k = 0,..., m, 其中 ｈ 为采样周期 　

y * ( kh) = y ( kh) + b( kh) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－３３）　

上式中 ｂ 为某一输出白噪声 　

92
 博士学位论文

假设矢量 èˆ为 è 的估计 则输出预测误差为 　

e (kh) = y * ( kh) − yˆ( kh, èˆ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－３４）　

最优值 èˆopt 可以通过极小化如下的二次型准则得到　

m
J (èˆ) = ∑ e 2 ( kh, èˆ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－３５）　
k =0

对于式（６－３５）的优化问题 可以采用梯度下降法 拟牛顿法等优化算法 但此类算

法必须先求出梯度 ∇J è 的信息 下面给出其表达式 　

m
∇J è = −2∑ e( kh, èˆ) S ( kh, èˆ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－３６）　
k =0

其中输出灵敏度函数 S ( kh, èˆ) 　

∂yˆ(kh, èˆ)
　 S (kh, èˆ) = 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－３７）　
∂èˆ

实际上还可以求出 Ｈｅｓｓａ 阵 ∇ 2 Jθθ 的近似表达式 　

m
∇ 2 J èè ≈ 2 ∑ S ( kh, èˆ) S T ( kh, èˆ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－３８）　
k =0

这样也可以利用牛顿法求解上述优化问题 究竟采用何种优化算法 将视实际情况

而定 　

６ ． ２ ． ３ ． ２ 　 输出灵敏度函数的计算　

从上一小结知 分数阶模型分解辨识算法的关键是如何求出输出灵敏度函数

S ( kh, èˆ) 下面给其求解方法 对输出预测求偏导数可以得到下式 　


 ∂yˆ( t , è ) = L−1  α 1  * u ( t )
ˆ
 ∂Ai s −λ 
 i 
  
 ∂yˆ( t , è )
ˆ A
 = L−1  α i 2  * u (t ) (6-39)
∂λi  (s − λ ) 
  i 
 ∂yˆ(t , èˆ)  A s ln( s ) 
n α
 = L−1  ∑ i α  * u( t )
 ∂α  i =1 (s − λ )2 
 i 
利用分数导数的离散化公式(4-40)可以很容易地求出(6-39)中的前面二式 关键问题

93
 博士学位论文 第六章 分数阶系统辨识

是如何求出第三个表达式中的 ln(s) 项 下面以分数导数的一阶近似为例 结合分数

α
 1 − z −1 
导数算子 s =   的 １ 阶离散化近似 推导出第三式的离散化表达式
α
ln(s) 的
 h 
Ｔａｙｌｏｒ 级数展开式为　
∞
z −k
ln( s ) = − ln( h ) − ∑ 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－４０）　
k =0 k

若令　
s α ln( s )
Gi ( s ) = 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－４１）　
(sα
− λi )
2

则利用分数导数的牛顿二项式展开 及 Gi ( s) 的 Ｚ 变换有 　

 1 ∞ α −k   ∞
z −k 
 h α ∑ wk z   − ln( h ) − ∑ k 
Gi ( z ) =  ∞k = 0  k =0  　　　　　　　　　　　　　　　　　　（６－４２）　
2 λ ∞

∑ w 2α z − k − hαi ∑
1
wαk z − k + λ2i
h 2 α k =0 k k =0

若把上式中的 ∞ 和 z −1 分别用 ｍ q −1 代替 q −1 为后向移位算子 式（６－３９）中的 ｔ 换

成 ｍｈ 则可以得出输出预测对分数导数阶次 α 的偏导数的离散化近似表达式 　

∂yˆ( mh, èˆ) n

∂yˆ ( mh, èˆ)
= −∑ Ai i 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－４３）　
∂α i =1 ∂α

其中　

 1 m
2λi m
 ∂yˆ ( mh, èˆ)
 2α ∑w 2α
k q−k −
hα
∑w α
k q − k + λ2i  i
∂α
=　
　　  h k =0 k =0 

1 m
α −k 
m
q−k 
hα

∑
k =0
w k q 

− ln( h ) − ∑
k =0 k 
 u( mh) 　　　　　　　　　　　　　　　　　　　（６－４４）　

６ ． ２ ． ３ ． ３ 　 参数估计的有效性　

假设估计出的误差是零均值白噪声序列 则估计参数的协方差矩阵可以定义为 　
−1
 m 
cov( èˆ) = σ 2  ∑ S (kh,èˆ) S T ( kh, èˆ)  　　　　　　　　　　　　　　　　　　　　　（６－４５）　
 k=0 
利用上式中的协方差矩阵可以计算出辨识参数的方差 即协方差矩阵主对角线上的
元素 和各参数间的相关系数 即不在协方差矩阵主对角线上的元素 　

94
 博士学位论文

６ ． ２ ． ４ 　 仿真实例　

　 设某一粘弹性系统可表示为 　
D 2 x (t ) + 0.5D 0. 5 x( t ) + x ( t ) = 1(t )
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－４６）　
x (0) = 0, x& (0) = 0

其中 分数导数定义为 ＲＬ 分数导数 其状态空间描述为　

D 0.5 x ( t ) = Ax( t ) + Bu( t )
 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－４７）　
 y ( t ) = Cx( t )

0 1 0 0 0
0 0 1 0 0
A=   　，　 B =   ，　 C = [1 0 0 0] 　
0 0 0 1 0
− 1 − 0.5   
 0 0 1
　
利用 ６．２．１ 节介绍的方法 通过线性非奇异变换 可以求出式（６－４７）的代数等价系
统如下　
D 0. 5 x ( t ) = A x( t ) + B u( t )
 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（６－４８）　
 y ( t ) = C x (t )

A = diag [− 0.713 − 0.827 j − 0.713 + 0.827 j 0.713 − 0.576 j − 0.713 + 0.576 j ] 　

B = [0.481 + 0.027 j 0.481 − 0.027 j 0.302 − 0.437 j 0.302 + 0.437 j ]T 　

C = [− 0.367 − 0.232 j − 0.367 + 0.232 j 0.565 0.565] 　　　　　　　　　　　　　　　　

式（６－４８）的传递函数描述如下 　
− 0.17 − 0.121 j − 0.17 + 0.121 j
H (s) = + 0 .5 +　
s − 0.713 − 0.827 j s − 0.713 + 0.827 j
0 .5

0.17 − 0.247 j 0.17 + 0.247 j

+ 0 .5 　　　　　　　　　　　　　　　　　　　　（６－４９）　
s + 0.713 − 0.576 j s + 0.713 + 0.576 j
0 .5

易知定理 ３－２ 满足 因而原系统稳定 给定 ２ 组数据 每组 ３００ 对输入输出数据

一组输出没有噪声 一组输出带有高斯白噪声 两组的采样周期 T = 0.1s 为了检验
辨识模型的有效性 前 ２００ 对数据作为辨识数据 后 １００ 对数据作为检验数据 分
数阶导数的离散化权系数分别取 １ ３ 阶精度权系数 运用上面介绍的辨识算法得到
辨识系统 １ 和 ２ 参见图 ６－５ 和 ６－６ 表 ６－２ 给出了辨识结果 从表 ６－２ 可以看出即
使输出中混有较强的高斯白噪声 ２ 种辨识模型仍然都具有较高的精度 所以本算法

95
 博士学位论文 第六章 分数阶系统辨识

鲁棒性较强 取权系数的 ３ 阶近似总体上要稍稍优于 １ 阶近似 图 ６－５ ６－６ 分别给

出了原系统输出中不加和加入高斯白噪声时 原系统和本文所提的 ２ 种辨识系统及
采用 ＡＲＸ 模型所得到的系统的仿真图 从中可以看出采用 ＡＲＸ 方法明显不如本文所
提方法 图 ６－７ ６－８ 分别给出了权系数取 １ ３ 阶近似时 辨识系统 １ 和 ２ 的输出
误差图 　
从上面的讨论知本方法是一种非常有效的方法 该方法不但辨识精度高 而且算
法的收敛速度快 这与本方法中利用梯度信息有关 在辨识实际系统时 对系统矩
阵的维数选择上 应当尽量选择较小的维数 一般选择 ３ 或 ４ 对于是否选择分数导
数的 １ 阶或高阶近似要视实际情况灵活选择 　

表 6-2 辨识结果
Tab. 6-2 Identification results
　 １ 阶近似　 ３ 阶近似　
理论值　 输出有高斯白噪 输出有高斯白噪
输出无噪声　 输出无噪声　
声　 声　
α　 ０．５　 ０．５１３　 ０．５１３　 ０．４９７　 ０．４９８　

A1, 2 　 －０．１７ m ０．１２１ｊ　 －０．１６６ m ０．１３４ｊ　 －０．１６６ m ０．１３４ｊ　 －０．１５２ m ０．１３７ｊ　 －０．１５５ m ０．１３７ｊ　

λ1, 2 　 ０．７１３ ± ０．８２７ｊ　 ０．７２２ ± ０．８２３ｊ　 ０．７２２ ± ０．８２４ｊ　 ０．７１５ ± ０．８２１ｊ　 ０．７１３ ± ０．８２３ｊ　

A3, 4 　 ０．１７ m ０．２４７ｊ　 ０．１５５ m ０．２５６ｊ　 ０．１５５ m ０．２５６ｊ　 ０．１６１ m ０．２６１ｊ　 ０．１６３ m ０．２５ｊ　

λ3, 4 　 －０．７１３ ± ０．５７６ｊ　 －０．７１８ ± ０．５７６ｊ　 －０．７１７ ± ０．５７６ｊ　 －０．７２ ± ０．５７３ｊ　 －０．７１４ ± ０．５７７ｊ　

J (θ ) ０．４６４　 ７．９４ｅ－５　 ０．０２７２　 ６．５９ｅ－５　 ０．０２４７　

　

96
 博士学位论文

图 6-5 系统不加噪声时 原系统和辨识系统图

Fig. 6-5 Original system with noise free and its identified systems

图 6-6 系统加入高斯白噪声时 原系统和辨识系统图

Fig. 6-6 Original system with Gauss white noise and its identified systems

97
 博士学位论文 第六章 分数阶系统辨识

图 6-7 输出误差图 权系数取 1 阶近似

Fig. 6-7 Output error diagrams with the weight coefficients taking 1st order approximations

图 6-8 输出误差图 权系数取 3 阶近似

Fig. 6-8 Output error diagrams with the weight coefficients taking 3rd order approximations

98
 博士学位论文

6.3 本章小节

本章主要讨论了分数阶系统的辨识问题 重点介绍了两种分数阶系统辨识算法
基于分数阶泊松滤波器的分数阶系统的辨识方法和基于状态空间模型分解的分数阶
系统的辨识算法 前者主要用于辨识模型的阶次已知的情况 结合分数阶泊松滤波
器 给出分数阶系统辨识模型 及其参数估计和估计参数的偏差分析 给出的实例
验证了上述算法 后者可以同时辨识系统的阶次和其它辨识参数 运用分数阶状态
方程描述的矩阵分解算法 给出分数阶系统辨识模型和模型的参数估计 包含输出
误差辨识算法 输出灵敏度函数的计算和参数估计的有效性 给出的实例验证了上
述算法

99
 博士学位论文 第七章 MCFC 电堆的温度控制

第七章 MCFC 电堆的温度控制

包括熔融碳酸盐燃料电池(MCFC)在内的几种主要类型燃料电池是当今世界科技
界与工程界研究的的重大热点之一 但绝大部分研究者主要集中在化学化工 材料
改进等范围 建模也止步于守恒定律模型 面向控制的 MCFC 建模 对 MCFC 的系
统控制的研究基本是空白 随着 MCFC 的大规模商业化 为提高 MCFC 发电系统运
行性能 延长其使用寿命 至少 ４００００ 小时 保障系统安全持续运行 必须对其进
行有效的控制 例如 影响 MCFC 燃料电池寿命的主要原因有阴极溶解 阳极蠕变
和电解质溶解 而这些都与其内部温度有关 熔融碳酸盐燃料电池的最佳工作温度
约为 650OC 温度过低 熔盐活性降低 电池性能大大下降 另一方面 温度升高
又有利于提高 MCFC 的工作电压和输出性能 但温度过高 将使电解质高温使电池
组分的腐蚀速度加快 电解质损失加大 电池内阻增加 短路可能性加大 因此
[91,92,93,94]
如何把温度控制在给定范围内 减小温度波动是提高 MCFC 的性能的关键
分数阶迭代学习控制(Iterative Learning Control, ILC)是 P 型和 D 型迭代学习控制
[95,96,97,98,99,100]
的推广 它不但具有一般 P 型和 D 型迭代学习控制的优点 如对控制
对象本身不需太多的限制(对象可以是线性 非线性 时变或定常) 不需要系统输入
和输出的确切映射关系 具有在迭代过程中不断记忆学习的功能 收敛速度较快
跟踪精度较高等 而且在迭代过程中可以同时调整学习速度增益和跟踪误差的微分
阶次 使得迭代和收敛速度更加快速 从而使系统输出能够更快地逼近期望值 达
到较好的控制效果
考虑到 MCFC 系统性能除了受其本身的硬件条件 如电池的材料 双极板流场
设计 电解质板 阴极和阳极的空隙率等 影响外 还与电堆温度 阴极和阳极压
力 阴极气体和阳极气体的组分构成以及各组分的分压 电堆的平均电流密度 燃
[91]
料利用率和氧化气利用率等诸多外界因素有关 因而 MCFC 系统具有非线性 时
变 强耦合的特点 使得传统的控制方法难以取得很好的控制效果 本文把分数阶
迭代学习控制用于 MCFC 电堆的温度控制 能够很好地解决上述问题 并能取得令
人满意的控制效果
本章的安排如下 第一节介绍 MCFC 的工作原理 包含 MCFC 单电池 电堆和
MCFC 发电系统 第二节介绍 MCFC 动态机理模型 包含电化学反应模型和热力学
模型 第三节介绍 MCFC 的控制模型 包含组分的质量守恒 系统的能量守恒 反
应动力学和电池的电压方程 第四节分数阶迭代学习控制 包含基本定义和分数阶
迭代学习控制的算法收敛性分析 第五节结合目前本所正在进行的 十五 ８６３ 计划
项目 ５０ｋＷ 级 MCFC 示范发电系统 的有利条件 给出了一个利用分数阶迭代学

100
 博士学位论文

习控制来控制 MCFC 电堆温度的实例 第六节为本章小节

7.1 MCFC 工作原理

7.1.1 MCFC 的单电池
负载
ｅ－
H2 等燃料气 空气 (O2) , CO2

阳极

阴极 空 气极
气室

气室
CO32 −
燃 料极
CO2 , H2O N2 等
电解质基板
双极板 双极板

图 7.1 MCFC 燃料电池单体的结构与原理图

Fig.7.1 Structure and operation principle of a cell of MCFC

MCFC 单电池结构由阳极 Ni 多孔体 阴极 NiO 多孔体 电解质基板 一

般是浸注 Li 和 K 或 Na 的混合碳酸盐的 LiAlO 2 多孔性陶瓷板 和双极板组成 MCFC
燃料电池单体的结构与工作原理如图 7.1 所示 典型的电解质组成是 62%Li2 CO3
+38%K 2 CO3 摩尔比 电解质中的离子导体是碳酸根 CO32- 一般碳酸盐的熔点
在 500°C 左右 因此在工作温度 650°C 时已成为液体 氢气与氧气的活性提高 很
容易发生化学反应 因此 它可以不用价格高昂的铂金催化剂 而以雷尼镍和氧化
镍为主[101] 避开了铂金催化剂的 CO 中毒问题 甚至可以用 CO 作为电池燃料 但
由于发电温度高 碳酸盐电解质具有强烈的腐蚀性 电池的各种材料易被腐蚀 同
时电解质本身的挥发和电堆密封都成为重要课题
MCFC 的电化学反应在气-液(熔融电解质)-固三相界面进行 MCFC 依靠多孔电
极内毛细管压力平衡建立稳定的三相界面 在阳极 H2 与电解质中的 CO3 2-反应生成
CO2 和 H2O 同时将电子送到外电路 在阴极 空气中的 O2 和 CO2 与外电路送来的
电子结合生成 CO3 2- 　
ＭＣＦＣ 中发生的主要反应 Ｈ２ 作燃料气 　

阳极 　　　　　　　　 H 2 + CO 23 − → CO 2 + H 2 O + 2e − 　

阴极 　　　　　　　　 2e − + CO 2 + 1 O 2 → CO32− 　
2

水汽转换反应 CO + H 2 O ↔ CO2 + H 2 　　

101
 博士学位论文 第七章 MCFC 电堆的温度控制

总的电化学反应 1
H 2 + O2 → H 2 O +电能 + 热 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（７．１）　
2
在单体中主要发生以下物质和能量转换过程 单体中的物质移动 阳极气道内
阳极表面上 H2 被吸收 而 H2 O 和 CO2 被释放 在阴极气道内阴极表面上 CO2 和
O2 被吸收 热传递 在阳极气道的燃料气 电极电解质板 阴极气道的氧化剂气
体之间存在热传导 对流和辐射现象 另外 还有由于燃气和氧化剂气体间物质移
动而引起的热传递

7.1.2 MCFC 电堆的构成

MCFC 电池单体工作时输出电压为 0.6~0.8V 电流密度约 150~200mA/cm2 而

实际应用中则需要更高的输出电压和电流 为提高输出电压 将多个电池串联 构
成电堆 相邻电池单元间用双极板隔开 双极板还提供气体流路 MCFC 电堆通常
安装在圆形或矩形的压力装置中 结构如图 7.2 所示
燃料气和氧化剂气体通过气体歧管输入电堆 阳极和阴极入口歧管中 气体沿
电堆方向传输 然后气体流入双极板气道形成阴极和阳极流场 反应后的尾气沿着
电堆方向通过出口歧管离开电堆 除了生成电能外 还有热的产生和传递 通常燃
料气和氧化剂气体在电化学反应过程中被加热 同时电堆本体的温度也将发生变化

图 7.2 直交流型 MCFC 电堆结构示意图

Fig.7.2 Structure of cross-flow MCFC stack

由于整个电堆性能和寿命与电堆的运行温度关系密切 所以 MCFC 电堆的热

管理和温度控制在整个发电系统中非常重要 　

102
 博士学位论文

7.1.3 MCFC 发电系统

MCFC 电堆正常运行 必须有一套完整的辅助系统 包括反应气体供给系统 电

能转换系统 尾气循环处理系统 热量回收系统 控制和故障诊断系统等 这时
燃料电池本体才能得到所需的燃料和氧化剂 并不断排出燃料电池反应所生成的水
和热 安全持续地供电 发电系统如图 7.3 所示

DC/DC或DC/AC
转换系统

MCFC电 堆
氧化 气
燃料 气 供气 系统

尾气循环和
处理系统

废热回收
利用系统

发电系统控制和
故障诊断系统

图 7.3 MCFC 燃料电池发电系统组成

Fig.7.3 Components of MCFC generation system

各个辅助装置作用如下
(1) 反 应 气 体 供 给 系 统 该系统对输入电堆的燃料气和氧化气进行预处理 包括燃气
重整 气体加温 加压等 气体组分配比等
(2) DC/DC DC/AC 电 流 转 换 系 统 燃料电池输出电流为直流 并且由于运行条件的
影响 电流输出容易收到扰动 所以该电力在实际应用前必须进行变换 使 MCFC
系统能提供平稳的直流或交流电流
(3) 废 热 回 收 系 统 该系统可以回收电堆本体发电时所产生的热 电池排气的含热
燃料重整系统的排热等 提高整个发电系统的热效率
(4) 尾 气 循 环 和 处 理 系 统 在高温燃料电池发电装置中 因为电堆尾气温度高 并且
含有一定的燃料气 因此可以应用于燃气轮机与蒸汽轮机 构成联合发电系统
(5) 控 制 和 故 障 诊 断 系 统 主要实现对电堆温度 压力 气体循环量 燃料利用率
氧化气利用率的控制 并能及时发现系统运行中出现的故障 并确定故障类型 所
以它对 MCFC 发电系统高效 长期平稳运行起着重要的作用

103
 博士学位论文 第七章 MCFC 电堆的温度控制

7.2 MCFC 动态机理模型

7.2.1 电化学反应模型

MCFC 电堆的正常工作温度范围在 873K 和 973K 之间 压力范围 0.1MPa 1 个

标准大气压 到 1MPa 设一个 MCFC 电堆由 N 个 MCFC 单体串联而成 电池单元
的有效反应面积为 S 那么电堆的电化学方程式表示为

I s = I c ( k ) ( k = 1, L, N ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（７．２）　

N
Vs = ∑ Vc (k ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（７．３）　
k =1

Wc = Vc × ∫∫ J locdxdy 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（７．４）　
S

其中 I 为电流强度 Ａ Ｊ 为电流密度 Ａ／ｍ２ Ｖ 为电压（Ｖ） Ｗ 为电功率（Ｗ） 下标

ｓ 表示电堆 ｃ 表示电池单元 ｌｏｃ 表示局部量 　
可逆电动势可以通过一组热力学方程及平衡数据计算得到的 方程如下 　

RT  PH 2 ,a PO 2 , c PCO 2 ,c 
E = E0 + ln   　　　　　　　　　　　　　　　　　　　（７．５）　
2 F  PH 2O ,a PCO 2 ,a 
 
E 0 = 1.2723 − 2.7645 ×10−4 T 　　　　　　　　　　　　　　　　　　　　　　　　（７．６）　

电池单体的输出电压可以通过可逆电动势 单体内部阻抗 阴极和阳极极化引起的

损耗得到 　

Vc = E − J * ( Rohm + η anode + ηcathode ) 　　　　　　　　　　　　　　　　　　　　（７．７）　

单体内部电池阻抗通常表示成电池温度的函数 极化损耗的计算的经验公式如下［１０２］ 　
 1 1 
Rohm = 0.5× 10−4 exp  3016  − 
  T 923  　　　　　　　　　　　　　　　　　　　　　　（７．８）　

ηanode = 2.27 ×10 −9 exp 

6435  −0.42 −0.17 −1.0
 PH PCO2 PH 2 O
 T  2 　　　　　　　　　　　　　　　　　（７．９）　

ηcathode = 7.505 × 10−10 exp 

9298  −0.43 −0.09
 PO PCO2
 T  2 　　　　　　　　　　　　　　　　　　（７．１０）　

７ ． ２ ． ２ 　 热力学模型　

电堆在发电过程中 伴随着热的产生和传递 质量的迁移和动量的变化 另外还

有流体的流动和与环境的热交换等 所以这些都受到 3 个基本物理规律的支配

104
 博士学位论文

即 质 量 守恒 动量守恒和能量守恒 这些守恒定律的数学表达式是对应的一组
偏微分方程

图 7.4 微元体
Fig. 7.4 Difference cell volume

质量守恒方程
MCFC 中 阴极气体一般包括氧气 二氧化碳以及氮气等 阳极气体一般包括氢气
一氧化碳 甲烷 水蒸气和氮气等混合气体 都是多组分工质 需进行规一化处理
在电池内部传质过程不断发生 维持电池内部电化学反应不断进行 与热量传递中
的导热和对流换热类似 质量传递方式大致分为分子扩散和对流传质两类 组分的
浓度差或者说浓度梯度是质量传递的驱动力
对图 7.4 中固定空间位置的容积微元体 质量守恒定律可以表示为 微元体中流体质
量单位时间增量 同一时间流入该微元体的净质量
所以质量守恒连续方程写作 　
∂ρ ∂ ( ρu ) ∂( ρv) ∂ ( ρw)
+ + + = S c 　　　　　　　　　　　　　　　　　　　　（７．１１）　
∂t ∂x ∂y ∂z

上式等式左侧的第 ２ ３
４ 项是质量流密度的散度 可用矢量符号写出 即 　
∂ρ r
+ div ( ρV ) = S c 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（７．１２）　
∂t
在正常运行时 由于阳极的一个氢分子与从电解质层通过离子传导过来的一个碳酸

根离子发生反应 阳极气流中的每一分子 Ｈ２ 要求提供一个的 CO 23 − 反应结果是阳极

物质总量的增加恰好等于参加电化学反应的碳酸盐总量 而阴极侧 ＣＯ２ 和 Ｏ２ 反应产生

CO 23 − 因此 阳极物质总量的增加和阴极物质总量的减少是同时存在的 且增量等

于减量 反应方程如下 　

H 2 + CO23 − → CO 2 + H 2O + 2e − 　　　　　　　　　　　　　　　　　　　　　　　

105
 博士学位论文 第七章 MCFC 电堆的温度控制

1
CO2 + O2 + 2e− → CO32−
2 　　　　　　　　　　　　　　　　　　　　　　（７．１３）　

进口速度取决于气体的进气量 分别由下面的方程决定 Ｎｃ 为组成电堆的单体数目 　

in
uanode = Vanode
in
/ N c 　　　　　　　　　　　　　　　　　　　　　　　　　　　（７．１４ａ）　

in
ucathode = Vcathode
in
/ N c 　　　　　　　　　　　　　　　　　　　　　　　　　　（７．１４ｂ）　

其连续方程可以写出如下形式 　
∂ρ r
+ div ( ρV ) = ± mCO 2 − 　　　　　　　　　　　　　　　　　　　　　　　　（７．１５）　
∂t 3

其中 上式右项与当前位置的电流密度有关 将在下面的分析中给出 　
　
动量守恒方程　
对图 ７．４ 所示的微元体分别在三个坐标方向上应用牛顿第二定律 在流体流动中的
表达形式 流体动量的单位时间增量 同一时间作用在微元体上的各种力之和　
∂ ( ρu ) r ∂p
+ div ( ρuV − µ∇u ) = − + S u 　　　　　　　　　　　　　　　　　（７．１６ａ）　
∂t ∂x
∂ ( ρv ) r ∂p
+ div ( ρvV − µ ∇v ) = − + S v 　　　　　　　　　　　　　　　　　（７．１６ｂ）　
∂t ∂y
∂ ( ρw ) r ∂p
+ div ( ρwV − µ∇ w) = − + S w 　　　　　　　　　　　　　　　　（７．１６ｃ）　
∂t ∂z
其中 S u Sv S w 为 ３ 个动量方程的广义源项 　

在牛顿流体和平流的假设条件下 Su = S v = S w = 0 于是动量守恒微分方程可以简

化为 　
∂( ρu ) r ∂p
+ div ( ρuV − µ∇ u) = − 　　　　　　　　　　　　　　　　　　　　（７．１７ａ）　
∂t ∂x
∂( ρv ) r ∂p
+ div ( ρvV − µ∇v ) = − 　　　　　　　　　　　　　　　　　　　　　（７．１７ｂ）　
∂t ∂y
∂( ρw) r ∂p
　　 + div ( ρwV − µ ∇w) = − 　　　　　　　　　　　　　　　　　　　　（７．１７ｃ）　
∂t ∂z
其中 µ 代表气体工质粘度 　

方程（７．１７）的动态形式还可以写作 　

106
 博士学位论文

r
∂( ρV ) rr r
+ div ( ρVV − µ∇ V ) = −∇p 　　　　　　　　　　　　　　　　　　　　　　（７．１８）　
∂t

其稳态形式为 　
rr r
div ( ρVV − µ∇V ) = −∇p 　　　　　　　　　　　　　　　　　　　　　　　　　　　　（７．１９）　

　
能量守恒方程　
对图 ７．４ 所示的微元体应用能量守恒定律 　
热力学能单位时间内的增量 同一时间进入该微元体的净热流量 同一时间体积力
与表面力对微元体做的功 　
再引入导热 Ｆｏｕｒｉｅｒ 定律 可以得到用流体比焓 ｈ 及温度 Ｔ 表示的能量方程 　
∂( ρh ) ∂( ρuh ) ∂( ρvh) ∂( ρwh)
+ + +
∂t ∂x ∂y ∂z 　　　　　　　　　　　　　　　　　　　　　（７．２０）　
r
= − p divV + div ( λgrad T ) + Φ + S h

其中 Φ 为粘性作用机械能转换为热能的部分 称为耗散函数 Ｄｉｓｓｉｐａｔｉｏｎ　

Ｆｕｎｃｔｉｏｎ Sh 为热量源项 忽略微元体容积相对膨胀所需功和耗散项的变化 得到

如下形式的能量方程 　
气体工质 包括燃料气和氧化剂 能量方程形式如下 　

∂ ( ρ h)  r λ∇ h 
　　　　　　 + div  ρVh −  = S h 　　　　　　　　　　　　　　　　　　　　　（７．２１）　
∂t  c p 


对于燃料气来说 Sh 是指由于水汽转换反应产生的热量 当燃料气中不含 ＣＯ 时 该

项为零 对氧化剂气体来说 因为没有热源 Sh 也是零 　

电解质板的能量方程可写作 　
∂ (ρ T )
cp − λ∇ 2 T = S h 　　　　　　　　　　　　　　　　　　　　　　　　　　　（７．２２）　
∂t
由于电化学反应产生的热量被释放到电解质板中 因此 Sh 的大小由反应放热和电解

质基板与双极板之间的辐射换热量决定 　

７ ． ３ 　 　 Ｍ Ｃ Ｆ Ｃ 控制模型　
采用上述机理模型 我们能够对电堆性能进行三维动态仿真研究 较为精确地描
述 ＭＣＦＣ 电堆的动态过程 分析各个主要参数在电堆内部的分布情况 但是机理模型

107
 博士学位论文 第七章 MCFC 电堆的温度控制

由多个偏微分方程组构成 算法复杂 计算机仿真过程非常缓慢 而在 ＭＣＦＣ 控制系

统的设计过程中 需要既能有效反应系统动态 又具有简洁的结构 适宜控制器设
计的模型 　
该模型基于 ＭＣＦＣ 的物理化学定律 包含了主要的电化学反应 并对系统作了合
理的简化 构成了系统的集中参数模型 在推导该控制模型之前 我们对电堆系统
作如下假设 　
l 电堆内部气体充分混和 电堆出口和内部具有相同的热力学状态 例如

T = To x i = x io 等 　

l 系统的硬件温度和气体出口流体的温度相同 即T s = T o 　

l 混和气体具有理想气体的热力学性质 　
l 忽略水汽反应对系统动态的影响 　

７ ． ３ ． １ 　 组分的质量守恒　

假设 ＭＣＦＣ 电堆的阴极气道和阳极气道分别构成一个控制容器 则阴极和阳极气体中

各个组分在电化学反应过程中浓度的变化方程写作 　
~
dCi
V = N iin − N io + Ri i = 1, 2..., ξ 　　　　　　　　　　　　　　　　（７．２３）　
dt

其中　
~
Ci 气体组分 i 的平均摩尔浓度 　

Ni 气体组分 i 的摩尔流速 　

V 阴极或阳极容器容量 　

Ri 气体组分 i 总的生产率 　

电化学反应中各组分的生产率由该组分参与的所有的化学反应决定 假设整个系统

包括 µ 个独立的反应 那么组分 i 总的生产率表示为 　

µ
Ri = ∑ v ij r j 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（７．２４）　
j =1

其中 vi j 表示组分 i 在反应 j 中的化学 当量 计算系数 r j 是在化学反应 j 中的摩尔

量 产生或消耗 　
把质量守恒方程（７．２３）中所有的反应组分进行代数和运算 可以得到 　

108
 博士学位论文

d ξ ~
(N iin − N io + Ri )　　　　　　　　　　　　　　　　　　　　　（７．２５）　
ξ
V ∑
dt i =1
C i = ∑
i =1

设 x i 为组分 i 的摩尔分率 则组分的质量守恒方程可以表示为　

VCio i = N iin (x iin − x io ) − xio ∑ Ri + Ri ，　 i = 1, 2..., ξ 　　　　　　　　　　　（７．２６）　

ξ
~ dx
dt i =1

７ ． ３ ． ２ 　 系统的能量守恒　

ＭＣＦＣ 电堆中 能量主要聚集在电堆硬件和流经电堆的气体上 根据能量守恒定律

得到下列能量守恒方程　
ξ ~ ξ
dT s dhi Ci
M C s
+V∑s
p = ∑ (hi in N iin − hi o N io ) − L 　　　　　　　　　　　　（７．２７）　
dt i =1 dt i =1

其中　

Ms 电堆硬件质量 　

C sp 电堆比热容 　

Ts 电堆硬件平均温度 　

hi 工质的平均焓 　

L 传导热和电功率 Pdc + Ql 　

结合质量守恒方程（７．２３） 方程（７．２７）可以写作　

in  o 
ξ ξ
dT s ~ o dhi o
+ VC i = N i  ∑ xi ( hi − hi )  − ∑ hi o Ri − L 　　　　　　　（７．２８）　
s s in in
M C p
dt dt  i =1  i =1
~ ~
假设系统反应气体充分混和 方程（７．２７）中的 hi 和 Ci 被它们的输出时的值 hi o 和 Cio

代替 　

７ ． ３ ． ３ 　 反应动力学　

不失一般性 设参与 ＭＣＦＣ 发电的气体为 Ｈ２ Ｏ２ Ｎ２ ＣＯ２ 和 Ｈ２Ｏ 为了有效的标识各个

组分在反应中的反应率 把反应气体顺序写成下列向量形式 　
Ｆ ［Ｈ２　　Ｏ２　　ＣＯ２　　Ｈ２Ｏ　　Ｎ２］　　　　　　　　　　　　　　　　　　　　　　　　　（７．２９）　
利用向量表示（７．２９） 阴极侧和阳极侧各组分的产生率可以表示为 　

Rcathode = [ 0, − r1 / 2 ,− r1 , 0, 0] 　　　　　　　　　　　　　　　　　　　　　　　　　（７．３０）　

109
 博士学位论文 第七章 MCFC 电堆的温度控制

Ranode = [ −r1 , 0, r1 , r1 , 0] 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（７．３１）　

其中反应率 r1 由电解法拉第 Ｆａｒａｄａｙ 定律［１０３］确定 　

− J ⋅ N c ⋅ Ar
r1 = 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（７．３２）　
F

其中　
J 燃料电池平均电流密度 　

Nc 组成电堆的单体数目 　

Ar 燃料电池的有效反应面积 　

F 法拉第常数 　
因此参加电化学反应的气体量由电堆的输出电流强度确定 遵循电解法拉第定律
（７．３２） 　

７ ． ３ ． ４ 　 电池的电压方程　

电堆在大气压力下 当前状态下 ＭＣＦＣ 的 Ｎｅｒｎｓｔ 电特性方程可以表示为［１０４］ 　

RT o x ⋅ x 0 .5 ⋅ x
Vo = E o + ⋅ ln H 2 O 2 CO 2 ( C ) 　　　　　　　　　　　　　　　　　　　　（７．３３）　
2F x H 2O ⋅ x CO2 ( A )

其中　

Vo 电池的开路逆电动势 　

Eo ＭＣＦＣ 标准逆电动势 　

xi 反应各组分的摩尔分率 　

负载条件下 电池电压还受内阻欧姆损失 阴极和阳极极化和温度的影响 为

简单起见 我们在此仅考虑欧姆损失对电池电压的影响 即　

V = V o − J ⋅ Ar ⋅ Rc 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（７．３４）　

其中 Rc 是电池的欧姆内阻 　

７ ． ４ 　 分数阶迭代学习控制　
７ ． ４ ． １ 　 基本定义　

　 迭代学习控制的名称最初是由 Ａｒｉｍｏｔｏ 及其助手们提出来 它可以用于更好地控

110
 博士学位论文

制完成一些重复性任务 如机器人手臂的跟踪控制［９５］ 一般地说有两种形式的 ＩＬＣ

更新法则 Ｄ 型 ＩＬＣ 法则和 Ｐ 型 ＩＬＣ 法则 定义 Ｄ 型 ＩＬＣ 法则如下 　
d
uk +1 (t ) = uk ( t ) + Γ ek ( t ) 　　　　　　　　　　　　　　　　　　　　　　　　（７．３５）　
dt
式中 Γ 为学习增益 它是根据所研究系统的先验知识来设计的 uk (t ) 为第 ｋ 次迭

代条件下的控制信号 ek (t ) ek ( t ) = y d ( t ) − y k ( t ) 为第 ｋ 次迭代条件下实际输出 y k (t )

与期望输出 y d (t ) 之间的跟踪误差信号 时间 t ∈ [0, T ] Ｔ 已知且有限 输入 u (⋅) 和输

出 y (⋅) 之间的确切映射关系不完全知道 上述 Ｄ 型 ＩＬＣ 法则一般用于 １ 阶系统［９６］ 定

义 Ｐ 型 ＩＬＣ 法则如下 　

uk +1 ( t ) = uk ( t ) + Γek (t ) 　　　　　　　　　　　　　　　　　　　　　　　（７．３６）　

可以把上述两种 ＩＬＣ 法则推广到分数阶 ＩＬＣ 见下式　

uk +1 ( t ) = uk ( t ) + ΓDα e k ( t ) 　　　　　　　　　　　　　　　　　　　　　　（７．３７）　

式中 Dα 为分数阶 ＲＬ 导数算子 α 为微分阶次 其幅频率域形式如下 　

U k +1 ( s ) = U k ( s ) + Γsα Ek ( s ) 　　　　　　　　　　　　　　　　　　　　　（７．３８）　

式中 当α = 0 时 式（７．３８）即为 Ｐ 型 ＩＬＣ 当α = 1时 式（７．３８）即为 Ｄ 型 ＩＬＣ 所

以 Ｄ 型 ＩＬＣ 和 Ｐ 型 ＩＬＣ 只是分数阶 ＩＬＣ 的特例 有关迭代学习控制的详细介绍可以
［９７，１００］
参阅文献 当前有关 ＩＬＣ 的很多研究都集中于分析其迭代方案的选择上 然而
在实际应用中 对于 ＩＬＣ 算法的收敛性条件的分析还不够完善 这也是近年来的研
［９８，１００］
究热点之一 可以参见近年来的一些文献 和专门关于 ＩＬＣ 的网络服务器［１０５］ 　
　 分数阶 ＩＬＣ 是一种新的 ＩＬＣ 它主要考虑当跟踪误差信号的微分阶次取分数时

对系统的跟踪精度和速度的影响 实际上 Dα 可以看成为一种特殊形式的滤波器

即它是和其定义的过去所有的信息都有关 这一点与传统 ＦＩＲ 和 ＩＩＲ 滤波器只与过

去的有限信息有关不同 换句话说 分数阶导数具有记忆能力 这也是它的一个不
同于整数阶导数的一个显著优点之一 　

７ ． ４ ． ２ 　 分数阶 Ｉ Ｌ Ｃ 的收敛性分析　

　 本节重点讨论分数阶 ＩＬＣ 在一般意义下的收敛性问题 把 ＩＬＣ 用作反馈控制器和

前馈控制器在实际应用中都比较常见 用于前馈或反馈控制器的 ＩＬＣ 算法的配置问
题 无论是在 ＩＬＣ 的分析或设计中都已经形成了一套标准的思路［９９］ ＩＬＣ 算法一开始

111
 博士学位论文 第七章 MCFC 电堆的温度控制

是作为开环控制被提出来［９５］ 现在除了被看作为现存的反馈控制器外 还被看作为

前馈控制器 正如文献［９９］中所述 当 ＩＬＣ 开始在实际控制显示出重要影响时 那么
一定是基于线性的 ＩＬＣ 是未来的发展方向 在工程应用中 为了设计一个控制系统

一个非常基本的做法是对低于所感兴趣的频率（如截止频率 ω c ）的那部分实际系统用

某个线性近似模型来代替 对某个设计完美的反馈控制系统 几乎可以肯定的是它

的频率响应可以用某个线性系统 例如其闭环传递函数为 Gc (s ) ，来很好地逼近 因

此 在这一点上 可以认为下面考虑的系统是具有某个线性主部的反馈控制系统
虽然总体上它是非线性的 此处反馈控制器无需是个线性反馈控制器 它可以是个
线性化了的反馈控制器 　

　 假设 u(t ) 和 y (t ) 分别是 Gc (s ) 的输入和输出 假设 Gc (s ) 是 ＢＩＢＯ 和内部稳定的

设 y d (t ), t ∈ [0, T ] 为给定跟踪信号 则可以找出一个唯一的期望输入 ud (t ) 使得　

y d ( t ) = Gc u d ( t ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（７．３９）　

从频率域的更新法则（７．３８） 可以得到　

U k +1 ( s ) = U k ( s ) + Γs α (Yd ( s) − Yk ( s) ) 　

= U k ( s ) + Γs α Gc ( s ) (U d ( s ) − U k ( s ) ) 　

( )
= 1 − Γsα Gc ( s) U k ( s ) + Γsα Gc ( s )Ud ( s ) 　　　　　　　　　　　　　（７．４０）　

令　

ρ = 1 − Γs α Gc ( s ) 　　　　　　　　　　　　　　　　　　　　　　　　　　（７．４１）　

则式（７．４０）可以改写为 　

U k +1 ( s ) = ρ U k ( s ) + (1 − ρ ) U d ( s ) 　

= ρ 2 U k −1 ( s ) + (1 − ρ 2 ) U d ( s ) 　

= ρ 3 U k − 2 ( s) + (1 − ρ 3 ) U d ( s ) 　

M　 　

　 = ρ U k − n+1( s ) + (1 − ρ ) U d ( s ) , n ≤ k 　　　　　　　　　　　（７．４２）　
n n

若　

ρ < 1 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（７．４３）　

112
 博士学位论文

可以得出　
lim U k ( s) = U d ( s ) 　　　　　　　　　　　　　　　　　　　　　　　　　　　　（７．４４）　
k ,n → ∞

从而算法的收敛条件为 　
1 − Γ ( jω ) α Gc ( jω ) < 1 ∀ω 　　　　　　　　　　　　　　　　　　　　　（７．４５）　

说明 ７ －１：　 收敛条件（７．４５）给出了分数阶 ＩＬＣ 的一般要求 原因是 Gc ( jω ) 的波德图

通常具有低通特性 当然 对于理想的反馈控制系统 Gc ( jω ) = 1 但是这是物理不

可实现的 同样理想化的是 把式（７．４５）中的 Γ ( jω )α 替换成 Gc ( jω ) 的倒数 但是

这同样是不可实现的 原因是我们可能不完全知道 Gc ( jω ) 的确切函数表达式 尽管

如此 一个比较合理的做法是 选取一个具有高通特性的滤波器来补偿和抵消 Gc ( j ω )

中的具有相位超前的低通特性 传统的 Ａｒｉｍｏｔｏ 所提出的 Ｄ 型 ＩＬＣ 方案 即当α = 1 时

恰好满足上述条件 对于 Ｄ 型 ＩＬＣ 复变量 ｓ 可以抵消一部分 Gc ( j ω ) 中的低通成分

所以能够相对容易地找到某个学习增益 Γ 使得算法的收敛速度较为理想 上述讨

论同样解释了为何一个 Ｐ 型 ＩＬＣ 的收敛速度较慢的原因 　
说明 ７ －２：　 分数阶 ＩＬＣ 能够提供更为有效的参数选择方法 当利用波德图或者是奈奎

斯特图来拟合实际系统时 因为 ( jω ) α Gc ( jω ) 的频率范围更宽 因而也使 Γ 的选择

范围进一步扩大 　
说明 ７ －３：　 在把 ＩＬＣ 用于实际系统时 零相位低通滤波器加上一个纯相位超前环节是
个关键的实现技巧［９９］ 根据以上讨论 可以发现运用 ＩＬＣ 法则的主要目的是补偿

Gc ( j ω ) 但这并不是说真的用一个高通滤波器来完全抵消 Gc ( j ω ) 而实际上只需补

偿掉其高频部分 相位超前环节在补偿 Gc ( j ω ) 的低通特性能够起到一定的作用 但

是不能取得更好的效果 因而 如果利用 s α 来代替 零相位低通滤波器加上一个纯

相位超前环节 就显得非常有意义了 　

７ ． ５ 　 　 Ｍ Ｃ Ｆ Ｃ 电堆温度控制实例　
７ ． ５ ． １ 　 问题概述　

　 本节给出利用分数阶 ＩＬＣ 算法来控制 ＭＣＦＣ 电堆温度的一个实例 例中将可以看

出 ＩＬＣ 算法对于控制由外部负载变化引起的 ＭＣＦＣ 电堆的温度变化 具有很好的控制

113
 博士学位论文 第七章 MCFC 电堆的温度控制

效果 特别是分数阶 ＩＬＣ 算法由于其具有更强的记忆能力 因而比传统 ＩＬＣ 算法的

控制效果更好 　
ＭＣＦＣ 工作在约 ６５０ 的高温下 其性能和寿命很大程度上取决于电堆的运行温
度 将其运行温度严格控制在给定范围内 减小温度波动是提高 ＭＣＦＣ 性能的关键
然而 无论是经典控制理论还是现代控制理论都需要建立精确的数学模型 已有大
量的 ＭＣＦＣ 模型　［９３，９４，１０６，１０７，１０８］ 但这些模型更多的表达出 ＭＣＦＣ 的物质 能量 动量守
恒等物理特性 而不是基于控制需要而建立的模型 这些模型表达式过于复杂 没
［１０９］
有给出很明确的输入输出控制关系 很难以用于控制系统的设计 本文采用文献
中的方法建立 ＭＣＦＣ 电堆的控制模型 它是根据一部分实验数据和机理模型产生的数
据 利用模糊神经网络（Ｆｕｚｚｙ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ，　ＦＮＮ）的学习记忆功能建立 ＭＣＦＣ 电
堆模型 　
当 ＭＣＦＣ 输出电能随负载变化时 需要供给的燃料气和氧化剂气体流量也随之作
出相应的变化 最终导致 ＭＣＦＣ 内部温度发生波动 为使 ＭＣＦＣ 电堆的高效 稳定工
作 并确保系统在紧急情况 如系统急停和故障时 不至受到损坏 设电堆温度为
被控制量 影响电堆温度的主要因素包括 燃料气和氧化剂气体流量 运行压力
电堆进气温度 电流密度 单体尺寸 单体数量和外部加热器 其中 电流密度
［１０２］
燃料气流量和氧化剂气体流量相对其它参数 对被控制量有更大影响 然而 在
电堆运行中 电流密度 i 受外部电力负荷要求的限制 不能作为控制量 且当外部负
荷波动时产生扰动量 ∆ i 因此可视 i 为干扰变量 燃料气和氧化剂气体的流量决定于
电流密度和各自的流速 因而选择调节量 控制量 为电堆入口处燃料气流速和氧
化剂气体流速 　

７ ． ５ ． ２ 　 仿真条件与结果　

　 作为仿真对象的 ＭＣＦＣ 电堆的单电池的有效面积为 0.56 × 1.8m2 仿真条件如下 　

　燃料气体组成 H 2 / CO2 / H 2 O / CO / N 2 = 52.61 / 5.46 / 30.25 / 1.43 / 10 .25 利用率 　

６０％ 　　

　氧化剂气体　组成 O2 / CO2 / N 2 = 15 / 30 / 55 利用率 ２０％ 　　

　ＭＣＦＣ 的工作温度为 ９２３　Ｋ 运转压力为 2.97 × 105 Pa 　

　电极 电解质板 隔板的厚度以及燃料气通道高为 １ｍｍ，氧化剂气体通道的高度　

为 ２ｍｍ 　
根据物理条件，设控制量的约束为燃料气流速 ０ １．０ m / s 氧化剂气体流速 ２．０ 　
６．０ m / s 　

114
 博士学位论文

ＭＣＦＣ 电堆的工作电流 I 实际并不总是恒定的 设它有正常运行项和扰动项两部

分构成 即 I = I 0 + ∆I 设 I 0 ＝１５００ A / m2 即电堆通常运行的电流密度值 ∆I 是系

统的干扰 它实际代表了外部负载的变化 设系统的初始状态为负荷 电流密度

为 I 0 = １５００ A / m2 燃 料 气 初 始 流 速 Va0 = ０．６ m / s 氧化剂气体初始流速

Vc0 = ３．６ m / s 电池内部温度为 T0 = ９２３Ｋ 系统处于稳态 设在此状态下 系统外

部负载即电流密度发生 ± 20% 的阶跃变化 对系统进行控制仿真 　

设定电堆的期望温度 Td (t ) = 923K 第 ｋ 次迭代燃料气流速和氧化剂气体流速分

别为 Vak (t ) 和 Vck (t ) 温度误差为 ek ( t ) = Tk (t ) − Td (t ) ， Γa 和 Γc 分别为 Vak (t ) 和 Vck (t )

的学习增益 本例中电流密度 I 发生 + 20% 的阶跃变化时 Γa = 160 Γc = 600 I

发生 − 20% 的阶跃变化时 Γa = 120 Γc = 450 ＩＬＣ 的迭代方程见下面两式　

Vak +1 ( t ) = Va k (t ) + Γa Dα ek ( t ) 　　　　　　　　　　　　　　　　　　　　　　（７．４６ａ）　

Vck +1 ( t ) = Vck ( t ) + Γc D α e k ( t ) 　　　　　　　　　　　　　　　　　　　　　　（７．４６ｂ）　

式（７．４６）中分数阶 ＲＬ 导数阶次α 分别取 １，０．９，０．７，０．５ 迭代次数 ｋ＝３０ 系统

外部负载即电流密度 I 发生 ± 20% 的阶跃变化时 在上述分数阶 ＩＬＣ 的作用下 系统

的输出响应及最大温度误差分别如图 ７．５ 图 ７．６ 所示 迭代完成后的控制输入Vak (t )

和 Vck (t ) 学习增益 Γa 及 Γc 和最大温度误差见表 ７．１ 　

从图 ７．５ 中可以发现 随着迭代次数 ｋ 的增大 由外部负载突然增大引起的 ＭＣＦＣ

输出温度与期望温度之差逐渐减小 特别是当 α 在 ０．５ 附近时 温度偏差减小的更

快 迭代 ３０ 步后的温度偏差也更小 迭代后的 Vak (t ) 和 Vck (t ) 也增加到一定值 以

便使 ＭＣＦＣ 电堆的温度保持在设定值附近工作 　
从图 ７．６ 中可以发现 随着迭代次数 ｋ 的增大 由外部负载突然减小引起的 ＭＣＦＣ
输出温度与期望温度之差逐渐减小 特别是当 α 在 ０．５ 附近时 温度偏差减小的更

快 甚至不需迭代 ３０ 步温度偏差就已非常小 迭代后的 Vak (t ) 和 Vck (t ) 也减小到一

定值 以便使 ＭＣＦＣ 电堆的温度保持在设定值附近工作 　

　

115
 博士学位论文 第七章 MCFC 电堆的温度控制

表 7.1 迭代后的仿真参数值
Table 7.1 Simulation parameter values after iterations
∆ I = 300 A 　 ∆ I = − 300 A 　
α 　
Va （ｍｏｌ／ｓ）　 Vc （ｍｏｌ／ｓ）　 max e （Ｋ）　 Va （ｍｏｌ／ｓ）　 Vc （ｍｏｌ／ｓ）　 max e （Ｋ）　

１　 ０．７６３　 ４．４２１　 １．４　 ０．６２５　 ３．５９４　 １．５　

０．９　 ０．７８２　 ４．４６３　 １．０　 ０．５１４　 ３．１２６　 ０．５　
０．７　 ０．７８８　 ４．４７８　 ０．７　 ０．４９２　 ２．９４１　 ０．６　
０．５　 ０．７９１　 ４．４８２　 ０．５　 ０．４８５　 ２．８２１　 ０．４　

a) b)

c) d)

116
 博士学位论文

e)
图 ７．５ 电流密度发生 + 20% 的阶跃变化 系统的仿真图　

ａ）　 α = 1, k = 30；　　　　　ｂ）　 α = 0.9, k = 30；　　　　ｃ）　 α = 0.7, k = 30；　　　　　

ｄ）　 α = 0.5, k = 30 ；　　　　ｅ）　最大温度偏差　

Ｆｉｇ．　７．５　Ｔｈｅ　ｓｙｓｔｅｍ ｓ　ｓｉｍｕｌａｔｉｏｎ　ｄｉａｇｒａｍｓ　ｗｈｅｎ　ｃｕｒｒｅｎｔ　ｄｅｎｓｉｔｙ　ｈａｓ　ａ　　
+ 20% 　ｓｔｅｐ　ｖａｒｉａｔｉｏｎ．　

ａ）　 α = 1, k = 30；　　　　　ｂ）　 α = 0.9, k = 30；　　　　ｃ）　 α = 0.7, k = 30；　　　　

ｄ）　 α = 0.5, k = 30 ；　　　　ｅ）　Ｍａｘｉｍａｌ　ｔｅｍｐｅｒａｔｕｒｅ　ｄｅｖｉａｔｉｏｎｓ　

a) b)

117
 博士学位论文 第七章 MCFC 电堆的温度控制

c) d)

e)
图 ７．６ 电流密度发生 − 20% 的阶跃变化 系统的仿真图　

ａ）　 α = 1, k = 30；　　　　　ｂ）　 α = 0.9, k = 28；　　　　ｃ）　 α = 0.7, k = 22；　　　　　

ｄ）　 α = 0.5, k = 18 ；　　　　ｅ）　最大温度偏差　

Ｆｉｇ．　７．６　Ｔｈｅ　ｓｙｓｔｅｍ ｓ　ｓｉｍｕｌａｔｉｏｎ　ｄｉａｇｒａｍｓ　ｗｈｅｎ　ｃｕｒｒｅｎｔ　ｄｅｎｓｉｔｙ　ｈａｓ　
ａ　 − 20% 　ｓｔｅｐ　ｖａｒｉａｔｉｏｎ．　

ａ）　 α = 1, k = 30；　　　　　ｂ）　 α = 0.9, k = 28；　　　　ｃ）　 α = 0.7, k = 22；　　　　　

ｄ）　 α = 0.5, k = 18 ；　　　　ｅ）　Ｍａｘｉｍａｌ　ｔｅｍｐｅｒａｔｕｒｅ　ｄｅｖｉａｔｉｏｎｓ　

118
 博士学位论文

7.6 本章小节

本章讨论了 MCFC 燃料电池的发电原理 给出 MCFC 动态机理模型和 MCFC 的

控制模型 提出分数阶迭代学习控制思想 给出其基本定义并分析了一般意义条件
下其算法的收敛性 给出了运用分数阶迭代学习算法控制 MCFC 电堆温度的一个实
例 说明本方法的有效性

119
 博士学位论文 第八章 总结与展望

第八章 总结与展望

多年来分数微积分这门学科仅仅只是少数人研究的对象 并主要以理论研究
为主 其中一个主要原因是分数微积分定义和分数阶微分方程的求解公式里面含
有一些超越函数 如伽马函数和 Mittag-Leffler 函数等 这在过去相当长的时间
内都无法直接进行数值研究 也不能把它应用到很多工程领域里 近年来 随着
计算机科学技术的飞速发展 很多以前不能解决的计算问题都能迎刃而解 客观
上也为其应用于工程技术领域创造了条件 而分数导数具有的独特记忆功能 分
数阶 PID 控制器具有更多的选择参数 分数阶系统的稳定范围更广及其特殊的
慢收敛性质等 都可以运用到系统建模和控制器设计中 分数微积分这一强有力
的数学工具正受到越来越多工程人员的注意 本文的主要工作有
(1) 结合分数微积分的定义和性质 给出并证明了分数阶常微分方程和分数
阶状态方程解的存在性和唯一性定理 给出分数阶线性系统的传递函数
状态方程 多项式描述 并与整数阶线性系统进行比较 运用分数微积
分建立了粘弹性系统的数学模型 并进行了仿真研究
(2) 研究了分数阶线性定常系统的稳定性 可控性和可观测性条件 运用拉
普拉斯变换和留数定理给出了分数阶线性定常系统的内部和外部稳定性
定理的证明 直接从复分析中的辐角原理出发 推导出分数阶线性定常
系统 2 种有效的闭环稳定性判据 分数阶系统奈奎斯特判据和分数阶系
统对数频率判据 结合分数阶线性定常系统状态方程的解和可控性与可
观测性定义 给出了分数阶线性定常系统的能控性和能观测性秩判别定
理及其证明
(3) 给出分数阶常微分方程和分数阶状态方程的一个快速数值求解方法 运
用分数微积分的算子表示法 给出分数阶线性多步长方法的一些定义
定理及其证明 给出了分数微积分的高价近似权系数的生成函数表达式
在此基础上推导出分数阶常微分方程和分数阶状态方程的高阶近似表达
式 并进行了仿真研究
(4) 研究了分数阶系统的时域 频域和稳态响应 根据其特征根在黎曼主平
面内 外的位置 指出它有 5 种不同的响应 单调下降函数 阻尼振荡
函数 等幅振荡函数 发散振荡函数 单调上升函数 在给出分数阶 PID
控制器的概念 及其时域和频域表示方法后 进一步把分数阶 PID 控制
器的概念推广到分数阶 DD II IDI PDD 等分数阶控制器 并给出运
用分数阶 DD 控制器来控制汽车减震的例子 提出了分数阶 PID 控制器
的一种新的数字实现方法 本方法可以直接在时域或 Z 域中计算分数阶

120
 博士学位论文

PID 控制器 而且能保证足够高的精度 并给出了一个设计分数阶数字

PID 控制器的实例
(5) 给出了辨识分数阶线性系统的 2 种方法 基于分数阶泊松滤波器的辨识
方法和基于状态空间模型分解的辨识算法 前者用于待辨识系统的阶次
已知的情况 其思想是利用分数阶泊松滤波器先对输入输出数据进行滤
波处理 然后再对滤波后的数据进行系统辨识 后者可以同时辨识系统
的阶次和参数 其思想是通过基底变换把分数阶线性系统的输入 输出
关系转化为若干简单的子系统的和 再对这些子系统的模型参数进行辨
识 最后可以获得与原系统代数等价的辨识系统的模型参数
(6) 给出了运用分数阶 ILC 方法来控制 MCFC 电堆温度的应用实例 介绍了
MCFC 的发电原理 给出 MCFC 动态机理模型和 MCFC 的控制模型 给
出了分数阶 ILC 用于一般系统下的收敛性条件及其证明 考虑到分数阶
ILC 的特点 对控制对象本身不需太多的限制 不需要系统输入和输出
的确切映射关系 具有在迭代过程中不断记忆学习的功能 在迭代过程
中可以同时调整学习速度增益和跟踪误差的微分阶次 说明分数阶 ILC
可以用于 MCFC 电堆温度的控制 仿真实例验证了上述思想

分数微积分如整数阶微积分一样 说到底也只是个数学工具 很难划定其研

究范围 它也必将能够用于各个研究领域 本文主要从控制的角度研究分数
微积分及分数阶线性系统 由于整数阶线性系统到现在为止也还有许多领域
尚待研究 更不要说分数阶线性系统了 本文也只是初步研究了分数阶线性
系统的一些最基本的问题 仍有许多问题留待进一步研究 如何把分数微积
分用于延迟系统 如何把分数微积分用于混沌系统 如何设计更加优秀的分
数阶控制器 特别是如何编制分数微积分的通用软件 例如在 matlab 软件中
加入分数微积分模块等等 所有这些都是进一步研究的方向

121
 博士学位论文 参考文献

参考文献
[1] Oldham K B, Spanier J. The fractional calculus [M]. New York: Academic, 1974.
[2] Camko S, Marichev O, Kilbas A. Fractional integrals and derivatives and some of their
applications [M]. Minsk: Science and Technica, 1987.
[3] Nishimoto K. An essence of Nishimoto’s fractional calculus [M]. Koriyama: Descards
Press, 1991.
[4] Miller K S, Ross B. An introduction to the fractional calculus and fractional differential
equations [M]. New York: John Wiley& Sons, 1993.
[5] Carpinteri A, Mainardi F. Fractals and fractional calculus in continuum mechanics [M].
Wien: Springer, 1997.
[6] Podlubny I. Fractional differential equations [M], Academic Press, San Diego, 1999.
[7] Nonnenmacher T F, Glockle W G. A fractional model for mechanical stress relaxation [J].
Philosophical Magazine Letters, 1991, 64(2): 89-93.
[8] Friedrich C. Mechanical stress relaxation in polymers: fractional integral model versus
fractional differential model [J]. J. Non-Newtonian Fluid Mech., 1993, 46(1): 307-314.
[9] Koeller R C. Polynomial operators, stieltjes convolution, and fractional calculus in
hereditary mechanics [J]. Acta Mechanica, 1986, 58(1): 251-264.
[10] Smit W, Vries H. Rheological models containing fractional derivatives [J]. Rheologica Acta,
1970, 9(1): 525-534.
[11] Sobotka Z. Rheology of materials and constructions [M]. Prague: Academia, 1981.
[12] Friedrich C. Rheological materials functions for associating combshaped or H-shaped
polymers: a fractional calculus approach [J]. Philosophical Magazine Letters,1992,
66(6):287-292.
[13] Mandelbrot B. The fractal geometry of nature [M]. San Francisco: Freeman, 1982.
[14] Koh C G, and Kelly, J M. Application of fractional derivatives to seismic analysis of
based-isolated model [J]. Earthq. Eng. Struct. Dyn., 1990, 19(1): 29-241.
[15] Lee H H, Tsai C S. Analytical model of viscoelastic dampers for seismic mitigation of
structures [J]. Computers and Structures, 1994, 50(1): 111-121.
[16] Anastasio T J. The fractional-order dynamics of brainstem vestiburo-oculomotor neurons
[J]. Biological Cybernetics, 1994, 72(1): 69-79.
[17] Markris N, Constantinou M C. Fractional-derivative Maxwell model for viscous dampers
[J]. J. Struct Eng., 1991, 117 (9): 2708-2724.
[18] Bagley R L. Power law and fractional calculus model of viscoelasticity [J]. AIAA Journal,
1989, 27(10): 1412-1417.
[19] Bagley R L, Calico R A. Fractional order state equations for the control of viscoelastically
damped structures [J]. J. Guidance, 1991, 14(2): 304-311.
[20] Bagley R L, Torvik P J. Fractional calculus in the transient analysis of viscoelastically
damped structures [J]. AIAA Journal, 1985, 23(6): 918-925.
[21] Bagley R L, Torvik P J. On the fractional calculus model of viscoelastic behavior [J].
Journal of Rheology, 1986, 30(1): 133-155.
[22] Clerc J P , Tremblay A, Albinet G, Mitescu C D. A.C. response of fractal networks[J]. J.
Phys. Lett., 1984, 45 (1): 913-924.
[23] Keshner M S. 1/f Noise [J]. Proc. IEEE, 1982, 70(1): 212-218.
[24] Vander Z A. Unified presentation of 1/f noise in electronic devices: fundamental 1/f noise
sources [J]. Proc. IEEE, 1988, 76(1): 233-258.
[25] Oustaloup A. Fractional order sinusoidal oscillators optimization and their use in highly
linear FM modulation [J]. IEEE Trans. Circuits Syst., 1981, 28(1): 10.
[26] Machado J A T, Azenha A. Position/force fractional control of resonant plants: application
of mechanical manipulators [A]. Proceedings of 1998 5th Int. Workshop on Advanced
Motion Control [C], Coimba, Portugal, 1998: 216-221.
[27] Duarte F B M, Tenreiro M J A. Pseudoinverse trajectory control of redundant manipulators:
a fractional calculus perspective [A]. Proceedings. ICRA '02. IEEE International
Conference on Robotics and Automation [C], 2002:2406 – 2411.
[28] Westerlund S. Capacitor theory [J]. IEEE Trans. Dielectrics Electron. Insulation, 1994, 1(5):
826–839.

122
 博士学位论文 参考文献

[29] M´ehaut´e L, Crepy G. Introduction to transfer and motion in fractal media: The geometry
of kinetics [J]. Solid State Ionics, 1983, 9(10): 17–30.
[30] Oldham K B. A signal-independent electroanalytical method [J]. Anal. Chem, 1972, 44(1):
196-198.
[31] Oldham K B. Interrelation of current and concentration at electrodes [J]. J. Appl.
Electrochem. , 1991, 21(1): 1068-1072.
[32] Giona M, Gerbelli S, Roman H E. Fractional diffusion equation and relaxation in complex
viscoelastic materials [J]. Physica A, 1992, 191(1): 449-453.
[33] Heleschewitz D, Matignon D. Diffusive realizations of fractional integrodifferntial
operators: structural analysis under approximation [J]. IFAC Conference on System,
Structure and Control. France, 1998, 2(1): 243-248.
[34] Mehaute A L, Crepy G. Introduction to transfer and motion in fractal media: the geometry
of kinetics [J]. Solid State Iomics, 1983, 9(10): 17-30.
[35] Kaplan T, Gray L J, Liu S H. Self-affine fractal model for a metal-electrolyte interface [J].
Phys. Review B, 1987, 35(10): 5379-5381.
[36] Babenko Y I. Heat and mass transfer [M]. Khimiya, Leningrad, 1986.
[37] Engheta N. On fractional calculus and fractional multipoles in electromagnetism [J]. IEEE
Transactions on Antennas and Propagation, 1996, 44(4): 554-566.
[38] Engheia N. On the role of fractional calculus in electromagnetic theory [J]. IEEE
Transactions on Antennas and Propagation, 1997, 39(4): 35 – 46.
[39] Engheia N. Fractional derivatives, fractional integrals and electromagnetic theory
Computational Electromagnetics and Its Applications [A]. 1999 International Conference
on Proceedings (ICCEA '99) [C], 1999: 20 –21.
[40] Cole K S. Electric conductance of biological systems [A]. Proc. Cold Spring Harbor Symp.
Quant. Biol [C], New York: Cold Spring Harbor, 1933:107-116.
[41] Anastasio T J. The fractional-order dynamics of brainstem vestiburo-oculomotor neurons,
Biological Cyb ernetics [J]. 1994, 72(1): 69-79.
[42] Mainardi F. Fractional calculus: some basic problems in continuum and statistical
mechanics, in Carpinteri and Mainardi [5].
[43] Axtell M, Bise M E. Fractional calculus applications in control systems [A]. In Proc. IEEE
Nat. Aerospace and Electronic Conf.[C], New York, 1990:563–566.
[44] Podlubny I. Fractional-order systems and PI λ D µ –controllers [J]. IEEE transactions on
automatic control, 1999, 44(1): 208-214.
[45] Podlubny I. Fractional-order systems and –controllers [J]. IEEE Trans on Automatic
Control, 1999, 44 (1): 208 - 214.
[46] Oustaloup A. La Commande CRONE [M]. Série Automatique: Éditions Hermè, 1991.
[47] Matignon D, d’Andréa-Novel B. Observer-Based Controllers for Fractional Differential
Systems [A]. 36th IEEE Conference on Decision and Control [C], San Diego, California,
1997: 4967-4972.
[48] Matignon D. Stability results for fractional differential equations with applications to
control processing [A]. Computational Engineering in Systems and Application
Multiconference [C], 1996:963-968.
[49] Matignon D, d’Andréa-Novel B. Décomposition modale fractionnaire del’équation des
ondes avec pertes viscothermiques [J]. École Nationale Supé rieure des Té lé
communications,1995,95 C 001.
[50] Ikeda F, Kawata S. An Optimal Design of Fractional Differential Active Mass Dampers for
Structures equipped with Viscoelastic Dampers [J]. MOVIC 2000, Sydney, Australia, 2000:
223-228.
[51] Oustaloup A. La derivation non entière: théorie,synthèse, applications [M]. Série
Automatique: Éditions Hermè, 1995.
[52] Oustaloup A, Mathieu B. La Commande CRONE: Du Scalaire au Multivariable [M]. Paris,
France: Hermes, 1999.
[53] Oustaloup A, Sabatier J, Lanusse P. From fractal robustness to CRONE control [J].
Fractional Calculus and Applied Analysis, 1999, 2(1): 1-30.
[54] Makroglou A, MillerR K, Skaar S. Computational results for a feedback control for a
rotating viscoelastic beam [J]. J. of Guidance Control and Dynamics, 1994, 17(1):84-90.

123
 博士学位论文 参考文献

[55] Kaloyanov G, Dimitrova J M. Theoretical-experimental determination of the area of

application of a system “PI (I)-controller object with non-integer astaticity” [J]. Izv.
Vysshykh Udtchebnykh Zav.- Electromekhanika, 1992, 2:65-72.
[56] Mbodje B, Montseny G.. Boundary fractional derivative control of the wave equation [J].
IEEE Trans. Aut. Control, 1995, 40(1): 378-382.
[57] Machado J A T. Analysis and design of fractional-order digital control systems [J]. 1997,
27(1): 107-122.
[58] 池田,川田,小口. 分数階微分 柔軟構造物 振動制御[A].
日本機械学会論文集(C), 2001, 67(661): 2798-2805.
[59] Erdélyi A. Higher transcendental functions [M]. New York: McGrawHill, volume 1, 1995.
[60] Erdélyi A. Higher transcendental functions [M]. New York: McGrawHill, volume 2, 1995.
[61] Erdélyi A. Higher transcendental functions [M]. New York: McGrawHill, volume 3, 1995.
[62] Mittag-Leffler G M. Sur la nouvelle fonction Eα ( x) [J], C.R. Acad. Sci. Paris, vol. 137,
1903: 554-558.
[63] Mittag-Leffler G M. Sopra la nouvelle funzione Eα ( x) [J], Rend. Acc. Lincei, 1904, 13(5):
3-5.
[64] Mittag-Leffler G M. Sur la representation analytique d’une branche uniforme d’une
fonction monogène, Acta Math. 1905, 29(1): 101-181.
[65] Mainardi F, Gorenflo R. On Mittag-Leffler-type functions in fractional evolution processes
[J]. Journal of Computational and Applied Mathematics, 2000, 118:283-299.
[66] Wiman A. über den fundamentalsatz in der teorie der funktionen Eα ( x ) [J]. Acta Math.,
1905, 29:191-201.
[67] Agarwal R P. A propos d’ume note de M. Pierre Humbert, C. R [J]. Séances Acad. Sci.,
1953, 236(21): 2031-2032.
[68] Humbert P, Agarwal R P. Sur la fonction de Mittag-Leffler et quelques-unes de ses
generalizations [J]. Bulletin des Sciences Mathématiques, 1953, 77(10): 180-185.
[69] 郑大钟. 线性系统理论[M]. 北京: 清华大学出版社 1990.
[70] 陆 庆 乐 , 王 绵 森. 工 程 数 学 - 复 变 函 数 [M]. 第 四 版 . 北 京 :高 等 教 育 出 版 社
1996:172-177.
[71] 南京工学院数学教研组 积分变换[M]. 北京 高等教育出版社 第三版 1978.
[72] 胡寿松. 自动控制原理[M]. 北京 国防工业出版社 第三版 1994.
[73] Podlubny I. Solution of linear fractional differential equations with constant coefficients [J].
Transform Method s and Special Functions, Singapore: SCT Publishers, 1995, 217-228.
[74] Podlubny I. Analytical solution of linear differential equations of the fractional order [A].
Proceedings of the 14th World Congress on Computation and Applied Mathematics [C],
Atlanta, 1994,102-106.
[75] Kilbas A A, Trujillo J J. Differential equations of fractional order: methods, results and
problems-I [J]. Applicable Analysis, 2001, 78(1-2): 153-192.
[76] Zhang W, Shimizu N. Numerical algorithm for dynamic problems involving fractional
operators [J]. JSME International Journal, Series C, 1998, 41(3): 364-370.
[77] Podlubny I. Numerical solution of ordinary fractional differential equations by the
fractional difference method [J]. Advances in Difference Equations, Amsterdam: Gordon
and Breach, 1997:507-516.
[78] 池田, 川田, 小口. 分数次微分方程式 時間応答 数値計算法[J].計測自動制御学会
論文集, 2001, 37(8): 795-797.
[79] Ikeda F, Kawata S, Oguchi T. A numerical algorithm of time response for factional
differential equations [J]. Trans. of SICE, 2001, 37(8): 795-797.
[80] Henrici P. Discrete variable methods in ordinary differential equations [M]. New York:
John Wiley, 1968.
[81] Katznelson Y. An introduction to harmonic analysis [M]. New York: John Wiley, 1968.
[82] Bazaraa M S, Sherali H D, Shetty C M. Nonlinear Programming: Theory and Algorithims
[M]. 2nded, New York: John Wiley & Sons, 1993.
[83] Darling R. and J. Newman. On the short behavior of porous intercalation electrodes [J]. J.
Electrochem. Soc., 1997, 144(9): 3057-3063.

124
 博士学位论文 参考文献

[84] Battaglia J L, Lay L L, Batsale J C, Oustaloup A, Cois O. Heat flow estimation through
inverted non-integer identification models [J]. International Journal of Thermal Science,
2000, 39(3): 374-389.
[85] Caputo M, Mainardi F. A new dissipation model based on memory mechanism [J]. Pure
and Applied Geophysics, 1971, 91(8): 134-147.
[86] Lennart L. System identification-Theory for the user [M]. Second Edition, Prince Hall:
PTR, 1999.
[87] 方崇智 萧德云. 过程辨识 [M]. 北京: 清华大学出版社 1988.
[88] 袁亚湘. 非线性规划数值方法[M]. 上海: 上海科学技术出版社, 1993.8.
[89] 周承高 廖原. 优化原理及其程序设计[M]. 北京: 中国铁道出版社, 1989.
[90] 汪树玉 扬德铨 刘国华 张科锋. 优化原理 方法 与工程应用[M]. 浙江 浙江大
学出版社 1991.10.
[91] Fuel cell handbook (fifth edition), EG&G Services Parsons, Inc., Oct. 2000.
[92] Yoshihiro M, Fumihiko Y, Yoshiyuki I, Takao W. Performance and life of 10-kW
molten-carbonate fuel cell stack using Li/K and Li/Na carbonates as the electrolyte [J].
Journal of Power Sources, 1998, 75(1): 108–115.
[93] 菰田峰生 渡边隆夫 伊崎庆之等, 10kW 级熔融碳酸盐燃料电池的运行研究 横须贺
研究所 平成 6 年 3 月 31 日 日文
[94] 渡边隆夫 伊崎庆之. 10kW 级熔融碳酸盐燃料电池的运行研究 横须贺研究所 设备
性能 评价 平成 7 年 3 月 30 日 日文
[95] Arimoto S, Kawamura S, Miyazaki F. Bettering operation of robots by learning [J]. J. of
Robotic Systems, 1984, 1(2): 123-140.
[96] Sugie T, Ono T. An iterative control law for dynamical systems [J]. Automatica, 1991,
27(4): 729-732.
[97] Moor K L. Iterative learning control-an expository overview [J]. Applied & Computational
Controls, Signal Processing, and Circuits, 1(1).
[98] Zeungnam B, Jian-Xin X. Iterative learning control-analysis, design, integration and
applications [M]. Kluwer Academic Publishers, 1998.
[99] Richard W L. Designing iterative learning and repetitive controllers [J]. Kluwer Academic
Publishers, 1998, 107-145.
[100] Yangquan C, Changyun W. Iterative learning control: convergence, robustness and
applicatons. Vol. LNCIS-248 of lecture notes series on control and information science,
Springer-Verlag, Londom, 1999.
[101] Tanimoto K, Miyazaki Y. Cell performance of molten carbonate fuel cell with alkali and
alkaline-earth carbonate mixtures [J]. Journal of Power Source, 1992, 39(3): 285-292.
[102] Koh J H, et al. Effect of various stack parameters on temperature rise in MCFC stack [J],
Journal of Power Sources, 2000, 91(1): 161-171.
[103] Lukas M D, Lee K Y, Ghezel-Ayagh H. An explicit dynamic model for direct reforming
carbonate fuel cell stack [J]. IEEE Transaction on Energy Conversion, 2001, 16(3): 289
–295.
[104] Lukas M D, Lee K Y, Ghezel-Ayagh H. Reduced-order dynamic model of carbonate fuel
cell system for distributed generation control [J]. Power Engineering Society Summer
Meeting, 2000, 3:1793 –1797.
[105] Yangquan C. Dedicated web server for iterative learning control research,
http://cisserver.ee.nus.edu.sg/`ilc , Oct. 1998.
[106] Wolf T L, Wilemski G. Molten carbonate fuel cell performance model [J]. J. Electrochem.
Soc., 1983, 130(1): 48-55.
[107] Standaert F, Hemmes K, Woudstra N. Analytical fuel cell-non-isothermal fuel cells [J].
Journal of Power Sources, 1998, 70(1): 181-199.
[108] Barbara B, Paola C, et al. Modeling and experimentation of molten carbonate fuel cell
reactors in a scale-up process [J]. Chemical Engineering Science, 1999,54(1): 2907-2916.
[109] 王振雷. 模糊神经网络及其在熔融碳酸盐燃料电池系统中的应用研究[D]. 上海交通
大学博士后研究工作报告, 2004.01.

125
 博士学位论文 致 谢

致 谢
― 谨以此文奉献给多年来所有关心和爱护我的师 长 亲人 朋友

本论文是在导师曹广益教授的精心指导下完成的 论文的每个细节都渗透
着导师的心血 在攻读博士学位期间 曹广益教授以他广博的视野 敏锐的洞
察力 严谨的学术态度和踏实的作风给了我莫大的帮助 他那宽广的胸怀 宽
容的为人和正直的品格更是深深印刻我的脑海之中 在这里 谨向曹老师对我
三年来的关怀和帮助表示衷心的感谢
在此 我还要特别感谢副导师朱新坚教授 在课题研究过程的每一过程中

朱老师以他深厚的理论功底 渊博的知识 勇于创新的治学精神给我提出了许

多宝贵的意见和建议 帮助我不断校正研究的方向 帮助我解决了许多学术难
题 给予了无私的 令人难以忘怀的帮助
特别感谢东京都立大学川田成一教授和池田富士雄博士对我的毫无保留
的交流 也感谢洪雪英老师 她在我学习和生活上给予了很多的帮助 感谢胡
鸣若博士在我论文的撰写过程中提出许多宝贵的意见
感谢番禺大厦原 204 室 现 1104 室的李国正 薛广涛 张立群 李树刚
贺小箭 李明齐 张向军等博士 感谢他们和我一起共同度过了三年的美好时

另外 我要感谢王振雷博士后 沈承 孙兴进 于立军 许春山 曾庆山

邵庆龙 卫东 李勇 莫志军 黄炳强 刘呈则 于如军 戚志东 吴秋

轩 田玉东 张学莲 李炜 孙涛等 博士 徐海琴 刘雪丽 郑周太等硕

士 感谢他们和我一起度过的美好日子 我还要祝福 A0103021 班的全体同学
祝他们学业顺利 前程似锦 心想事成
特别感谢我的父母 未婚妻牛立女士和她的父母以及远在加拿大的姐姐和
姐夫在生活和学习中给予我无微不至的关心和帮助 没有他们的支持和帮助

我是不可能顺利完成博士学业的 在此向他们表示我深深的谢意

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　王振滨　
２００４ 年 ３ 月　　于上海交通大学

126
 博士学位论文

攻读博士学位期间已发表或录用的主要论文

(以下论文全部为第一作者)

［１］　Wang Zhen-bin, Wang Zhen- lei, Cao Guang-yi, Zhu Xin- jian. The Digital
Implementation of Fractional Order PID Controller and Its Application Journal of
Systems Engineering and Electronics (EI 检索源) (Accepted)　

［２］　Wang Zhen-bin, Cao Guang- yi, Zhu Xin-jian. The Identification Algorithm for
Commensurate Order Linear Time-Invariant Fractional Systems Journal of Harbin
Institute of Technology (EI 检索源); (Accepted)　

［３］　Wang Zhen-bin, Cao Guang- yi, Zhu Xin-jian. Research on the Stability,
Controllability and Observability for Fractional Order LTI Systems Journal of
Harbin Institute of Technology (EI 检索源); (Accepted)　

［４］　Wang Zhen-bin, Cao Guang-yi, Zhu Xin-jian. The Identification Algorithm for a
Kind of Fractional Order Systems, Journal of Southeast University (EI 检索源);
(Accepted)　

［５］　王振滨 曹广益 朱新坚．分数阶线性系统的内部和外部稳定性研究 控制与

决策(EI 检索源) 已录用 　

［６］　王振滨 曹广益 朱新坚．分数阶系统状态空间描述的数值算法 控制理论与

应用 (EI 检索源) 已录用 　

［７］　王振滨 曹广益 朱新坚．分数阶线性定常系统的稳定性及其判据 控制理论

与应用 (EI 检索源) 已录用 　

［８］　王振滨 曹广益 朱新坚．分数微积分在系统建模中的应用 上海交通大学学

报(EI 检索源) 已录用 　

［９］　王振滨 曹广益 曾庆山 朱新坚．分数阶 PID 控制器及其数字实现 上海交

通大学学报(EI 检索源) , 2004, 38(4):517-520 　

［１０］　王振滨 曹广益 朱新坚．基于状态空间模型分解的分数阶系统的辨识算法

系统工程与电子技术(EI 检索源) 已录用 　

127
［１１］　王振滨 曹广益．分数阶动态系统的数值算法. 系统仿真学报(EI检索源), 2004,

16(3):477-479 　

［１２］　王振滨 曹广益．分数微积分的两种系统建模方法 系统仿真学报(EI 检索源)

2004, 16(4): 810-812.　

参加的国家级课题与项目

1 上海市科委资助项目 项目名称 10kW 级熔融碳酸盐燃料电池动态

分析及控制方法研究 编号 011607033 　

2 国家 863 重大科研项目 项目名称 50kw 级天然气熔融碳酸盐燃料

电池发电系统 编号 2003AA517020 　

128