第2章线性定常系统的能控性定义

2. 线性定常系统的能控性定义：状态能控与输出能控的区别与联系

能控性这个概念，说白了就是问一个问题：你手里的控制量，到底能不能把系统的状态或者输出，拽到你想要的地方去？

我刚入行做飞行器控制的时候，遇到过一件挺尴尬的事。设计了一个控制器，仿真跑得飞起，结果一上硬件，某个状态变量死活调不回来。后来一查，那个状态根本不受控制输入的影响——这就是典型的能控性问题。从那以后，我设计任何系统之前，第一件事就是先算能控性矩阵。

这一节，我们就来掰扯清楚两个概念：状态能控和输出能控。它们长得很像，但本质完全不同。

先看定义。对于一个线性定常系统：

ẋ = Ax + Bu
y = Cx + Du

状态能控性指的是：是否存在一个控制输入 u(t)，能在有限时间内，把系统的任意初始状态 x(0) 转移到任意期望的终端状态 x(t₁)。

嗯，这里要注意：它关心的是状态变量，不是输出。状态变量是系统内部的、看不见摸不着的东西。比如一个电机，它的状态可能是电流和转速，但你只能测到转速输出。状态能控性问的是：你能不能通过调节电压（输入），让电流和转速都按你的想法走？

判断方法很简单——算能控性矩阵：

Qc = [B  AB  A²B  ...  Aⁿ⁻¹B]

如果这个矩阵满秩（秩等于 n，系统阶数），那系统就是状态完全能控的。

核心要点：状态能控性关注的是系统内部所有状态变量的可操控性。它是最根本的能控概念。

输出能控性就接地气多了。它问的是：你能不能通过控制输入 u(t)，在有限时间内，让系统的输出 y(t) 从任意初始值到达任意期望值？

你想想看，很多时候我们并不关心系统内部的状态到底怎么样。比如一个温度控制系统，我只关心最终温度（输出）能不能达到设定值，至于加热器内部的温度分布怎么样，我不在乎。

输出能控性的判断矩阵是：

Qoc = [CB  CAB  CA²B  ...  CAⁿ⁻¹B  D]

如果这个矩阵的秩等于输出变量的个数 p，那系统就是输出能控的。

我个人习惯：做工程应用时，我通常先检查输出能控性。因为大多数控制任务最终关心的是输出。但如果做状态反馈或者观测器设计，那就必须检查状态能控性了。

这里有个坑，我曾经踩过：状态能控的系统，输出不一定能控；反过来，输出能控的系统，状态也不一定能控。

为什么会这样？举个例子你就明白了。

假设一个系统有两个状态变量，但输出只取了其中一个。如果那个被取出的状态是能控的，但另一个状态不能控——那输出能控性矩阵可能是满秩的（因为输出能控），但状态能控性矩阵不满秩（因为有一个状态不能控）。

反过来，如果两个状态都能控，但输出是它们的某种线性组合，且这个组合恰好抵消了控制输入的影响——那状态能控，但输出可能不能控。

避坑指南：我曾经在一个电机控制项目里，只验证了输出能控性就上了状态反馈控制。结果发现某个内部状态发散，系统直接炸了。后来才意识到——状态反馈要求所有状态都能控，光输出能控是不够的。

下面这张图，帮你理清状态能控与输出能控的关系：

来看个具体的系统，加深理解：

A = [0  1;    B = [0;    C = [1  0];    D = 0
     0  0]         1]

这个系统是个积分器串联结构。状态 x₁ 是位置，x₂ 是速度，输入 u 是加速度。

先算状态能控性：

Qc = [B  AB] = [0  1; 1  0]
rank(Qc) = 2 = n  → 状态完全能控

再算输出能控性：

Qoc = [CB  CAB  D] = [0  1  0]
rank(Qoc) = 1 = p  → 输出完全能控

这个例子里，状态和输出都能控。但如果我们把 C 改成 [0 1]，输出只测速度：

Qoc = [CB  CAB  D] = [1  0  0]
rank(Qoc) = 1 = p  → 输出仍然能控

状态能控性不变，还是满秩。但如果把 B 改成 [1; 0]，输入只作用在位置上：

Qc = [B  AB] = [1  0; 0  0]
rank(Qc) = 1 ≠ 2  → 状态不能控

但输出能控性呢？

Qoc = [CB  CAB  D] = [1  0  0]
rank(Qoc) = 1 = p  → 输出仍然能控

看到了吗？状态不能控，但输出能控。这就是两者的本质区别。

总结一下：状态能控性更"底层"，它决定了你能不能对系统内部动手术。输出能控性更"实用"，它决定了你能不能完成控制任务。做工程时，我建议两个都算一遍，别偷懒。

公众号:蓝海资料掘金营，微信deep3321