Estabilidad exponencial de los observadores estatales [cerrado]

0

Referencia al libro de Wilson Rugh: dice que el objetivo es generar \ $ \ hat {x} (t) \ $ tal que:

\ $ \ displaystyle \ lim_ {t \ to \ infty} \ left (x (t) - \ hat {x} (t) \ right) \ to 0 \ tag {1} \ $

Luego, en la ecuación de error estándar:

\ $ \ frac {de (t)} {dt} = (A (t) -L (t) C (t)) e (t), \ $

dice estabilidad exponencial uniforme (UES) de:

\ $ A (t) -L (t) C (t) \ $

es una condición más fuerte de lo necesario para satisfacer \ $ (1) \ $.

Es eso porque UES de A-LC implica:

\ $ x (t) \ to \ hat {x} (t) \ to 0 \ $

eventualmente, mientras que solo necesitamos \ $ x (t) \ to \ hat {x} (t) \ $, independientemente de \ $ x (t) \ to 0 \ $ o no?

    
pregunta db18

1 respuesta

3

Con el error de estimación definido como \ $ e = x - \ hat {x} \ $, la estabilidad exponencial uniforme (UES) del sistema de error \ $ \ dot {e} = (A-LC) e \ $ does no implica \ $ x \ a 0 \ $ o \ $ \ hat {x} \ a 0 \ $, como sugirió. En realidad, la razón por la que UES es una condición más fuerte que \ $ e \ a 0 \ $ es que UES nos dice algo sobre con qué rapidez \ $ e \ $ converge a \ $ 0 \ $. En términos generales, la palabra exponencial nos dice que \ $ e \ $ se aproxima a cero al menos tan rápido como un decaimiento exponencial , mientras que uniforme nos dice que esta tasa de convergencia no cambia con el tiempo . Esta 'uniformidad' es importante cuando se trata de \ $ A (t) \ $ variable en el tiempo, porque si la convergencia no es uniforme, podemos tener casos patológicos en los que la convergencia a \ $ 0 \ $ se hace más lenta con el tiempo, de modo que mantenemos un gran error \ $ e \ $ durante un período de tiempo arbitrariamente largo.

Para proporcionar un contexto para que otros lean esta pregunta, en este problema de estimación de estado queremos estimar el estado \ $ x \ $ de un sistema de espacio de estados (lineal, variable en el tiempo) $$ \ dot {x} = A (t) x, \ qquad y = C (t) x $$ formando alguna estimación \ $ \ hat {x} \ $. Podemos realizar dicha estimación simulando el sistema y aplicando algunos comentarios de la salida como $$ \ dot {\ hat {x}} = A (t) \ hat {x} + L (t) (y-C (t) \ hat {x}) $$ y queremos diseñar \ $ L (t) \ $ para que nuestra estimación \ $ \ hat {x} \ $ converja a \ $ x \ $ después de algún tiempo. Analizamos esto introduciendo el error \ $ e = x- \ hat {x} \ $, que satisface $$ \ punto {e} = (A (t) - L (t) C (t)) e $$ y al analizar la estabilidad de este sistema, podemos descubrir si el error \ $ e \ $ va a cero o no.

Para que la discusión sobre estabilidad sea más precisa, si decimos que el sistema de error es exponencialmente estable queremos decir que para cada condición inicial \ $ (t_0, e (0)) \ $ tenemos $$ \ | e (t) \ | \ leq \ alpha \ | e (0) \ | \ exp (- \ beta t) $$ para algunas constantes \ $ \ alpha > 0 \ $, \ $ \ beta > 0 \ $. Si decimos que es uniformemente exponencialmente estable , queremos decir que podemos encontrar algunos \ $ \ alpha > 0 \ $, \ $ \ beta > 0 \ $ de tal manera que esta desigualdad se satisfaga para cualquier inicial tiempo \ $ t_0 \ $. Cuando se trata de sistemas no lineales, a veces también decimos que la estabilidad es local o global dependiendo de si también restringimos \ $ e (0) \ $ para estar dentro de algunos Región del espacio estatal o no, pero para sistemas lineales como el que se considera aquí, no tenemos que preocuparnos por esto, ya que la estabilidad es automáticamente global.

    
respondido por el JayMFleming

Lea otras preguntas en las etiquetas