李雅普诺夫判据控制稳定性

概述

李雅普诺夫稳定性理论是分析非线性系统稳定性的核心工具，由俄国数学家亚历山大·李雅普诺夫于1892年提出。它提供了判断系统稳定性的充分条件，是控制理论中最基础且最重要的理论之一。

一、稳定性定义

1.1 平衡点

考虑非线性系统：

$$ \dot{x} = f(x), \quad x \in \mathbb{R}^n $$

若 $x_e$ 满足 $f(x_e) = 0$，则称 $x_e$ 为系统的平衡点。

通常通过坐标变换将平衡点移至原点，即研究 $x_e = 0$ 的稳定性。

1.2 李雅普诺夫稳定性定义

设 $x_e = 0$ 是平衡点：

稳定性类型	定义
李雅普诺夫稳定	$\forall \epsilon > 0, \exists \delta > 0$，当 $\|x(0)\| < \delta$ 时，$\|x(t)\| < \epsilon, \forall t \geq 0$
渐近稳定	李雅普诺夫稳定 + $\lim_{t \to \infty} x(t) = 0$
指数稳定	存在 $\alpha, \lambda > 0$，使 $\|x(t)\| \leq \alpha \|x(0)\| e^{-\lambda t}$
全局渐近稳定	渐近稳定 + 对任意初始条件成立
不稳定	不满足李雅普诺夫稳定

1.3 几何解释

李雅普诺夫稳定：从平衡点附近出发，轨迹始终在平衡点附近
渐近稳定：轨迹最终收敛到平衡点
指数稳定：收敛速度有指数下界

二、李雅普诺夫第一方法（间接法）

2.1 基本思想

将非线性系统在平衡点附近线性化，通过线性化系统的稳定性推断原系统的稳定性。

2.2 线性化

对于系统 $\dot{x} = f(x)$，在平衡点 $x_e$ 处线性化：

$$ \dot{\tilde{x}} = A\tilde{x}, \quad A = \left.\frac{\partial f}{\partial x}\right|_{x=x_e} $$

其中 $\tilde{x} = x - x_e$ 为偏差变量。

2.3 判据

定理（李雅普诺夫间接法）：

若 $A$ 的所有特征值具有负实部，则原系统在 $x_e$ 处渐近稳定
若 $A$ 至少有一个特征值具有正实部，则原系统在 $x_e$ 处不稳定
若 $A$ 有零实部特征值，无法通过线性化判断（临界情况）

2.4 示例：单摆

单摆方程：

$$ \ddot{\theta} + \frac{g}{L}\sin\theta = 0 $$

状态方程：$x_1 = \theta, x_2 = \dot{\theta}$

$$ \begin{cases} \dot{x}_1 = x_2 \\ \dot{x}_2 = -\frac{g}{L}\sin x_1 \end{cases} $$

平衡点：$(0, 0)$ 和 $(\pi, 0)$

雅可比矩阵：

$$ A = \begin{bmatrix} 0 & 1 \\ -\frac{g}{L}\cos x_1 & 0 \end{bmatrix} $$

在 $(0, 0)$ 处：

$$ A = \begin{bmatrix} 0 & 1 \\ -\frac{g}{L} & 0 \end{bmatrix}, \quad \lambda = \pm j\sqrt{\frac{g}{L}} $$

特征值为纯虚数 → 临界情况（第一方法失效）

在 $(\pi, 0)$ 处：

$$ A = \begin{bmatrix} 0 & 1 \\ \frac{g}{L} & 0 \end{bmatrix}, \quad \lambda = \pm \sqrt{\frac{g}{L}} $$

一个特征值为正 → 不稳定

三、李雅普诺夫第二方法（直接法）

3.1 基本思想

不求解微分方程，构造一个"能量函数"（李雅普诺夫函数），通过该函数的性质判断稳定性。

3.2 李雅普诺夫函数

函数 $V(x): \mathbb{R}^n \to \mathbb{R}$ 称为李雅普诺夫函数候选者，若：

$V(0) = 0$
$V(x) > 0, \forall x \neq 0$（正定）
$V(x) \to \infty$ 当 $|x| \to \infty$（径向无界，全局稳定需要）

3.3 判据定理

定理（李雅普诺夫稳定性定理）：

设 $x_e = 0$ 是平衡点，$V(x)$ 是连续可微函数。

条件	结论
$V(x)$ 正定，$\dot{V}(x) \leq 0$	李雅普诺夫稳定
$V(x)$ 正定，$\dot{V}(x)$ 负定	渐近稳定
$V(x)$ 正定且径向无界，$\dot{V}(x)$ 负定	全局渐近稳定
$\dot{V}(x) > 0$（在某区域内）	不稳定

3.4 物理意义

李雅普诺夫函数可视为"广义能量"：

系统能量有界 → 轨迹有界（稳定）
系统能量持续衰减 → 轨迹收敛（渐近稳定）

3.5 示例：单摆（重访）

取李雅普诺夫函数为机械能：

$$ V(x) = \frac{1}{2}mL^2 x_2^2 + mgL(1 - \cos x_1) $$

验证：

$V(0) = 0$
$V(x) > 0$ 当 $x \neq 0$（在 $|x_1| < 2\pi$ 范围内）
$\dot{V} = mL^2 x_2 \dot{x}_2 + mgL\sin x_1 \cdot x_1 = 0$（无阻尼，能量守恒）

结论：$\dot{V} = 0$ → 李雅普诺夫稳定（非渐近稳定）

若加入阻尼：$\dot{x}_2 = -\frac{g}{L}\sin x_1 - \frac{c}{m}x_2$

$$ \dot{V} = -cL x_2^2 \leq 0 $$

由LaSalle不变集定理可证渐近稳定。

四、LaSalle不变集定理

4.1 问题背景

当 $\dot{V}(x) \leq 0$（非负定）时，李雅普诺夫定理只能判断稳定，无法判断渐近稳定。LaSalle定理解决了这个问题。

4.2 不变集定义

集合 $M$ 称为不变集，若从 $M$ 中出发的轨迹始终停留在 $M$ 中。

4.3 LaSalle定理

定理：设 $\Omega$ 为有界正不变集，$V(x)$ 在 $\Omega$ 上连续可微，$\dot{V}(x) \leq 0$ 在 $\Omega$ 内成立。

令 $E = {x \in \Omega : \dot{V}(x) = 0}$，$M$ 为 $E$ 中最大不变集。

则从 $\Omega$ 中出发的每条轨迹都趋于 $M$。

4.4 应用示例

带阻尼的单摆系统，$E = {x_2 = 0}$。

在 $E$ 上，$\dot{x}_2 = -\frac{g}{L}\sin x_1$。

要使轨迹停留在 $E$，需 $\dot{x}_2 = 0$，即 $\sin x_1 = 0$，即 $x_1 = 0, \pi, 2\pi, …$

最大不变集 $M = {(0, 0), (\pi, 0), …}$

在原点附近，唯一可能的不变点是 $(0, 0)$，故局部渐近稳定。

五、线性系统的李雅普诺夫分析

5.1 线性系统的李雅普诺夫方程

对于线性系统 $\dot{x} = Ax$，构造二次型李雅普诺夫函数：

$$ V(x) = x^T P x $$

其中 $P$ 为正定矩阵。

导数：

$$ \dot{V} = x^T(A^TP + PA)x $$

5.2 李雅普诺夫方程

系统渐近稳定 $\Leftrightarrow$ 对于任意正定 $Q$，方程

$$ A^TP + PA = -Q $$

有唯一正定解 $P$。

5.3 求解方法

对于给定的稳定 $A$ 和正定 $Q$：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14


import numpy as np
from scipy import linalg

A = np.array([[-1, 1], [-1, -1]])
Q = np.eye(2)

# 求解李雅普诺夫方程 A^T P + P A = -Q
P = linalg.solve_continuous_lyapunov(A, Q)

# 验证 P 正定
print("P =")
print(P)
print("\nP的特征值:", np.linalg.eigvals(P))
print("P是否正定:", np.all(np.linalg.eigvals(P) > 0))

六、构造李雅普诺夫函数的方法

6.1 能量函数法

对于机械系统，直接取机械能：

$$ V = E_k + E_p = \frac{1}{2}\dot{q}^T M(q) \dot{q} + P(q) $$

6.2 二次型法

对于线性系统或线性化系统：

$$ V = x^T P x $$

通过求解李雅普诺夫方程确定 $P$。

6.3 变量梯度法

假设：

$$ V = \int_0^x \nabla V \cdot dx $$

选择 $\nabla V$ 的形式，利用 $\frac{\partial^2 V}{\partial x_i \partial x_j} = \frac{\partial^2 V}{\partial x_j \partial x_i}$ 确定系数。

6.4 Krasovskii方法

对于系统 $\dot{x} = f(x)$，取：

$$ V = f^T f $$

适用于 $f(0) = 0$ 且 $f$ 在平衡点附近满足某些条件的情况。

6.5 反推法（Backstepping）

适用于严格反馈形式的系统，逐步构造李雅普诺夫函数。

七、应用实例

7.1 倒立摆平衡控制

状态方程：

$$ \begin{cases} \dot{x}_1 = x_2 \\ \dot{x}_2 = \frac{g}{L}\sin x_1 - \frac{u}{mL^2}\cos x_1 \end{cases} $$

控制目标：$x_1 \to 0$

李雅普诺夫函数：

$$ V = \frac{1}{2}x_1^2 + \frac{1}{2}x_2^2 $$

设计控制律使 $\dot{V} < 0$。

7.2 机器人轨迹跟踪

跟踪误差动力学：

$$ \dot{e} = f(e, u) $$

构造 $V(e)$，设计控制 $u$ 使 $\dot{V} < 0$。

7.3 电力系统稳定性

发电机摇摆方程：

$$ M\ddot{\delta} + D\dot{\delta} = P_m - P_e\sin\delta $$

能量函数法判断暂态稳定性。

八、李雅普诺夫方法的局限性

局限性	说明
保守性	只是充分条件，找到李雅普诺夫函数不能保证全局最优
构造困难	没有通用的构造方法，依赖经验
临界情况	第一方法在边界情况失效
非局部结论	第二方法通常只给出局部结论

九、稳定性分析流程

1
2
3
4
5
6
7
8
9


1. 确定平衡点
2. 线性化（若可能）
3. 计算雅可比矩阵特征值
4. 若特征值有正实部 → 不稳定
5. 若特征值全负实部 → 渐近稳定
6. 若有零实部特征值 → 使用直接法
7. 构造李雅普诺夫函数
8. 验证 V 正定，V̇ 负定
9. 若 V̇ ≤ 0，使用 LaSalle 定理

十、Python工具

10.1 判断线性系统稳定性

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18


import numpy as np
from scipy import linalg

def is_stable(A):
    """判断线性系统 dx = Ax 的稳定性"""
    eigvals = np.linalg.eigvals(A)
    real_parts = np.real(eigvals)
    
    if np.all(real_parts < 0):
        return "渐近稳定"
    elif np.any(real_parts > 0):
        return "不稳定"
    else:
        return "临界情况"

# 示例
A = np.array([[-1, 0], [0, -2]])
print(f"系统: {is_stable(A)}")

10.2 求解李雅普诺夫方程

1
2
3
4
5


# 连续时间
P = linalg.solve_continuous_lyapunov(A, Q)

# 离散时间
P = linalg.solve_discrete_lyapunov(A, Q)

10.3 绘制相轨迹

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19


import matplotlib.pyplot as plt

def phase_portrait(f, x_range, y_range, grid=20):
    """绘制相轨迹"""
    x = np.linspace(x_range[0], x_range[1], grid)
    y = np.linspace(y_range[0], y_range[1], grid)
    X, Y = np.meshgrid(x, y)
    
    U, V = np.zeros_like(X), np.zeros_like(Y)
    for i in range(grid):
        for j in range(grid):
            dx = f(np.array([X[i,j], Y[i,j]]))
            U[i,j] = dx[0]
            V[i,j] = dx[1]
    
    plt.quiver(X, Y, U, V)
    plt.xlabel('x1')
    plt.ylabel('x2')
    plt.show()

总结

方法	适用范围	优点	缺点
第一方法（间接法）	可线性化系统	计算简单	临界情况失效，仅局部
第二方法（直接法）	一般非线性系统	适用范围广	构造函数困难
LaSalle定理	$\dot{V} \leq 0$ 情况	可证渐近稳定	需分析不变集

核心思想：稳定性 = 能量有界且衰减

参考资料

《Nonlinear Systems》- Hassan K. Khalil
《应用非线性控制》- Slotine & Li
《自动控制原理》- 胡寿松
李雅普诺夫稳定性理论

🎯 李雅普诺夫理论是非线性控制的基石，掌握它是理解现代控制理论的关键！