本页目录

现代 I · 状态空间与能控能观

层次：本科核心（现代控制的入口）｜ 🔗 前置：线性代数（数学站）。 经典控制用传递函数，只看输入输出；现代控制把系统写成状态方程，直接描述内部状态的演化。这个转换带来三样经典方法难以处理的能力：多输入多输出（MIMO）、时变与非线性的统一框架、以及最优控制的严格表述。它还揭示了两个传递函数看不见的性质——能控性与能观性。

一、状态空间表示

\[\dot{x} = Ax + Bu, \qquad y = Cx + Du\]

状态的物理含义：通常是能量存储元件的状态——位置与速度、电容电压与电感电流、各处温度、罐中液位。"要预测未来，我至少需要知道什么"——答案就是状态。

与传递函数的关系：

\[G(s) = C(sI-A)^{-1}B + D\]

\(A\) 的特征值就是系统的极点——第二、三页关于极点的一切直觉在此完全适用。

一个重要的不对称：状态空间表示不唯一（任何相似变换 \(\tilde{x}=Tx\) 给出等价描述），但传递函数唯一。反过来，从状态空间到传递函数的转换可能"丢失信息"——这正是下面能控能观要处理的问题。

二、能控性：我能不能把系统带到任意状态

定义：若存在有限时间内的输入 \(u(t)\)，能把系统从任意初态转移到任意终态，则系统能控。

判据：能控性矩阵满秩

\[\mathcal{C} = [B \ \ AB \ \ A^2B \ \cdots\ A^{n-1}B], \qquad \mathrm{rank}(\mathcal{C}) = n\]

直观理解：\(B\) 给出输入能直接推动的方向，\(AB\) 是这些方向经过一步动态演化后到达的方向……若这些方向张成整个状态空间，就能控。若不能，说明状态空间中存在一个"输入无论如何也影响不到"的子空间。

不能控的典型例子：

三、能观性：我能不能从输出推断内部状态

定义：若能从有限时间的输出观测唯一确定初始状态，则系统能观。

判据：

\[\mathcal{O} = \begin{bmatrix} C \\ CA \\ \vdots \\ CA^{n-1}\end{bmatrix}, \qquad \mathrm{rank}(\mathcal{O}) = n\]

对偶性：\((A,B)\) 能控 \(\iff\) \((A^T, B^T)\) 能观。控制与估计是对偶问题——这个对偶贯穿现代控制（第八、九页的 LQR 与卡尔曼滤波器正是一对对偶）。

不能观的例子：只测量总电流，无法区分两条并联支路各自的电流。

四、为什么这两个概念如此重要

① 它们解释了第四页那个"零极点对消"的陷阱。

当控制器零点与对象极点对消时，被对消的模态在系统中依然存在，只是变得不能控或不能观——从输入输出看不见它。若该模态稳定，只是浪费；若它不稳定，系统会内部发散而你从输出上毫无察觉，直到崩溃。

Kalman 分解把系统分成四部分：能控能观、能控不能观、不能控能观、都不能。传递函数只反映"能控且能观"的那一部分——这就是为什么传递函数会"丢失信息"。

② 它们给出了设计的可行性条件：

③ 它们指导传感器与执行器的配置。 这是极实际的用途：该在哪里装传感器？执行器该放哪？ 答案是"使系统能观/能控，且条件数良好的位置"。这个问题在大型系统（电网、柔性结构、化工装置）中是真实的设计任务。

五、"程度"比"有无"更重要

秩判据是二元的（满秩或不满秩），但工程上真正关心的是程度：

这直接引出了模型降阶：把 Hankel 奇异值很小的状态（既难控又难观）直接删掉，得到低阶模型而几乎不损失输入输出行为。平衡截断是工业上处理高阶模型（如有限元得到的上千阶柔性结构模型）的标准手段。

工程判断："这个模态能不能控"往往不如"推动它要花多少代价"重要。 这与第五页水床效应的精神一致——控制理论的成熟之处，在于它能量化"代价"而不只判断"可不可能"。

六、状态空间的优势与代价

优势：

代价：

七、要点

下一页：既然能控就能任意配置极点，那该把极点放在哪里？LQR 用一个优化问题回答了这个问题，并给出了一个漂亮的保证。