离散时间线性定常系统的李雅普诺夫稳定性判据与实践

1. 离散时间系统稳定性分析入门

刚接触控制系统时，我总被各种稳定性判据绕得头晕。直到在实际项目中遇到一个无人机悬停控制问题，才发现李雅普诺夫稳定性理论原来这么实用。想象一下，你的无人机在空中轻微晃动，就像喝醉酒的蜜蜂 - 这就是典型的稳定性问题。

离散时间系统与连续系统最大的区别在于"时间刻度"。好比看电影时，连续系统是流畅的60帧视频，而离散系统则是每秒几帧的幻灯片。对于形如x(k+1)=Gx(k)的系统，稳定性判据的关键在于系统矩阵G的特征值是否都落在单位圆内。

但特征值计算在高阶系统中就像解高次方程一样痛苦。记得有次处理一个6阶系统，特征多项式展开后像天书一样。这时候李雅普诺夫第二方法就像救命稻草 - 它不需要直接计算特征值，而是通过构造能量函数来判断稳定性。

2. 李雅普诺夫方程实战详解

2.1 正定矩阵的烹饪秘诀

构造李雅普诺夫函数就像做菜，正定矩阵P就是我们的主料。我常用的"菜谱"是：

1. 先选个简单的Q矩阵，比如单位矩阵I
2. 解李雅普诺夫方程GᵀPG - P = -Q
3. 检查解出的P是否正定

在MATLAB中实际操作是这样的：

G = [0.8 0.2; -0.1 0.9]; % 系统矩阵 Q = eye(2); % 选择单位矩阵 P = dlyap(G', Q); % 解李雅普诺夫方程 eig(P) % 检查P的正定性

2.2 数值计算的坑与技巧

有次仿真时，我遇到P矩阵几乎正定的情况 - 特征值一个是0.0001，另一个是1.2。这时候要注意数值精度问题。我的经验是：

• 使用条件数cond(P)判断矩阵病态程度
• 尝试不同Q矩阵验证结果一致性
• 必要时采用符号计算工具箱

对于病态系统，我推荐使用：

P = dlyap(G', Q, [], 'nobalance'); % 禁用自动平衡

3. 从理论到仿真的完整案例

3.1 倒立摆的离散化控制

以经典倒立摆为例，采样周期T=0.1s时：

1. 连续状态矩阵A = [0 1; 9.8 0]
2. 离散化后G = e^(AT)
3. 设计控制器K使Gc = G-BK稳定

仿真时发现有趣现象：当T>0.3s时，无论如何调整K都无法稳定。这就是采样周期对稳定性的影响 - 离散化会改变系统动力学特性。

3.2 电力系统稳定性分析

某微电网系统离散模型为：

G = \begin{bmatrix} 0.92 & 0.05 & -0.01 \\ 0.03 & 0.88 & 0.02 \\ -0.02 & 0.06 & 0.94 \end{bmatrix}

通过求解李雅普诺夫方程，我们发现：

• 当Q取对角阵[1 0 0; 0 1 0; 0 0 1]时，P正定
• 但Q取[1 1 0; 1 1 0; 0 0 1]时，P非正定

这说明稳定性判断对Q矩阵的选择很敏感。

4. 工程实践中的进阶技巧

4.1 鲁棒稳定性分析

实际系统总有参数不确定性。假设G矩阵存在±10%扰动，我们可以：

1. 构造顶点模型集
2. 对每个顶点模型求解公共P矩阵
3. 使用LMI工具箱验证鲁棒稳定性

cvx_begin sdp variable P(n,n) symmetric P > 0.1*eye(n); for i = 1:4 G'*P*G - P <= -0.01*eye(n); end cvx_end

4.2 时变系统的处理技巧

对于缓慢时变系统，我的经验是：

1. 冻结系数法：在每个采样周期视为定常系统
2. 参数依赖李雅普诺夫函数
3. 采用平均系统矩阵分析

曾有个卫星姿态控制系统，转动惯量缓慢变化。我们采用方法2成功实现了稳定控制。

5. 常见误区与调试方法

新手常犯的错误包括：

1. 混淆连续与离散李雅普诺夫方程形式
2. 忽略数值计算误差
3. 错误判断矩阵正定性

我的调试工具箱里有这些"武器"：

• 奇异值分解检查矩阵秩
• 特征值轨迹图观察参数变化影响
• 蒙特卡洛仿真验证鲁棒性

记得有次调试三天才发现问题出在矩阵转置符号漏写 - 现在我都用G'而不是transpose(G)来避免这种错误。