第1章能控性与能观性概述

1、能控性与能控性概述：离散系统状态空间模型回顾，能控性与能观性的物理意义与工程背景

咱们先聊聊离散系统。说白了，就是系统只在特定的时间点上发生变化。比如数字控制器每隔1ms采样一次，这中间的状态变化，我们是不管的。

离散系统的状态空间模型长这样：

x(k+1) = A·x(k) + B·u(k)
y(k)   = C·x(k) + D·u(k)

这里：

举个例子。假设你有一个水箱，每隔1秒记录一次水位。状态x就是水位高度，输入u是进水阀的开度。那么A矩阵就描述了水自然蒸发的速度，B矩阵描述了阀门开度对水位的影响。嗯，就是这么回事。

核心要点：状态空间模型把系统的「内部状态」和「外部表现」分开了。你看到的是y，但真正决定系统行为的是x。

能控性，说白了就是：你能不能通过输入u，把系统从任意初始状态，拽到任意目标状态？

我在做电机控制项目时遇到过这个问题。当时设计了一个电流环，理论上应该能控制电机转速。但调试时发现，无论我怎么给电压，电机就是转不到目标转速。后来一查，原来是状态方程里有一个状态根本不受输入影响——那个状态是「不可控」的。

能控性的数学定义是这样的：

能控性矩阵：C = [B  AB  A²B  ...  Aⁿ⁻¹B]
如果C满秩（秩为n），则系统完全能控。

你想想看，这个矩阵的每一列，其实代表的是「输入u经过不同时间延迟后，对状态的影响」。如果这些影响能覆盖整个状态空间，那你就赢了。

我的经验：检查能控性时，别只看矩阵满不满秩。有时候数值上满秩，但条件数很大，实际控制起来也费劲。我建议你算一下能控性矩阵的奇异值，看看最小的奇异值是不是太小了。

能观性，和能控性是对偶的。它问的是：你光看输出y，能不能猜出系统内部的状态x？

说白了，就是「透过现象看本质」的能力。

我记得有一次做温度控制系统。传感器只测了出水温度，但我想知道水箱内部各层的温度分布。理论上，如果系统能观，我可以通过观测器把内部状态估计出来。但实际试了试，发现估计值总是发散。后来发现，是因为系统有一个状态模式在输出中完全「隐身」了——那个模式不可观。

能观性的数学定义：

能观性矩阵：O = [C  CA  CA²  ...  CAⁿ⁻¹]ᵀ
如果O满秩，则系统完全能观。

注意：能观性和能控性不是一回事。一个系统可能能控但不能观，或者反过来。我见过有人把两者搞混，结果设计控制器时发现状态估计不准，整个系统都崩了。

这里有个很有意思的结论：系统(A, B)能控，当且仅当系统(Aᵀ, Cᵀ)能观。

为什么会这样？你想想看，能控性关心的是「输入能不能影响状态」，能观性关心的是「输出能不能反映状态」。如果把系统转置一下，输入和输出的角色就互换了。这个对偶关系在实际工程中很有用——你只需要研究其中一个，另一个自然就清楚了。

下面这张图，是我梳理的本章知识脉络。你看一眼就能明白能控性和能观性在整个离散系统分析中的位置。

在实际工程中，能控性和能观性不是纸上谈兵。它们直接决定了：

我曾经踩过的坑：有一次设计飞行器姿态控制系统，模型建好了，能控性检查也过了。但实际试飞时，发现某个模态根本控不住。后来才发现，是因为建模时忽略了一个执行器的饱和特性。所以，能控性分析一定要结合执行器的实际能力，别光看矩阵满不满秩。

另外，我建议你在做能控性能观性分析时，养成一个习惯：先画系统的物理连接图。看看输入信号能不能「流到」每个状态，输出信号能不能「看到」每个状态。有时候，物理直觉比数学计算更快发现问题。

小技巧：对于低阶系统（n≤3），你可以直接手算能控性矩阵的行列式。但对于高阶系统，我建议用MATLAB的ctrb()和obsv()函数。不过要注意，数值计算时可能会有舍入误差，最好用rank()函数配合一个合适的容差。

好了，能控性与能观性的概述就聊到这儿。记住一句话：能控性决定了你能不能「动手」，能观性决定了你能不能「看清」。 两者缺一，你的控制系统就瘸了一条腿。