Câu 1: Xét hệ LTI có một đầu ra và một đầu vào, mô tả bởi:

dx
=A x+b u
dt
y=c T x +du
Hệ có phải hợp thức chặt hay không?

- Có sI . X ( s )= A . X ( s ) +b u
 ( sI− A ) X ( s )=b u
 X ( s )= ( sI− A )−1 b u
 G ( s )=c T ( sI− A )−1 b+ d

^
A adj
(^
−1
Lại có ( sI− A ) = Aadj là ma trận bù ( sI− A ) )
det ( sI −A )

B (s ) ^
A adj
 G ( s )= =c T b+ d
A (s ) det ( sI −A )

Aadj thu được phần tử a ij bằng định thức của ma trận ( sI− A)bỏ đi hàng ij nên bậc
Do ma trận bù ^
lớn nhất của các phần tử a ij không quá (n−1)

 cT ^
Aadj b không quá bậc (n−1)
 Với d=0, G(s) là hợp thức chặt

Câu 2: Một hệ LTI có bao nhiêu mô hình trạng thái tương đương, giải thích?
Một hệ LTI có vô số mô hình trạng thái tương đương, có thể tồn tại nhiều công thức mô tả quan hệ giữa
đầu vào và đầu ra ( Ví dụ như biểu diễn bằng các hệ trục tọa độ khác nhau, từ mỗi hệ tọa độ đó lại cho
một mô hình khác nhau ).
ẋ= A x+ b u
Ví dụ: Xét hệ SISO :
y=c T x+ du
Đổi sang hệ tọa độ z ta có z=M x

M ẋ =MA x + M bu

y=cT x + du
z=M x  x=M −1 . z

ż=MA M −1 z + M bu
 (1)
y=c T M −1 z+ du
−1
 G ( s )=c T M −1 ( sI −MA M −1 ) M b +d

T −1 −1
¿c M ( M ( sI ) M −1−MA M −1 ) M b+ d
¿ c T M −1 ( M ( sI− A ) M −1 ) M b+ d=c T ( sI− A ) b+ d
Hệ tương đương (1) có cùng một hàm truyền.

Câu 3: Mô hình trạng thái chuẩn điều khiển? Làm như nào để xác minh mô hình trạng
tháu chuẩn từ mô hình trạng thái gốc nào đó cho trước?
ẋ= A x+ b u
- Từ
y=c T x+ du
n
B ( s ) b 0+ b1 s+ …+bn s
- Ta có G ( s )=c T ( sI− A ) b+ d= =
A( s) A(s)
n
b0 +b 1 s+…+ bn s U (s ) sU ( s) s 2 U (s )
 Y ( s )= U ( s )=b 0 . +b . + b2 . +…
A ( s) A ( s ) 1 A( s) A(s)
T
Đặt n biến x 1 , x 2 , … , x n , x=( x 1 , x 2 , … , x n ) có Laplace:

U ( s) sU ( s ) s n−1 U ( s )
X1= ;X = ; …; X n=
A ( s ) 2 A ( s) A (s )
d x1 d x2
 =x 2 ; =x 3 ; …
dt dt
Có U ( s )=a0 X 1+ a1 s X 1+ …+s n X 1=a 0 X 1+ a1 X 2+ …+a n−1 X n + s X n

 U ( s )−a0 X 1−a1 X 2−…−an−1 X n=s X n

d xn
 U −a0 x1 −a1 x2−…−an−1 x n=
dt
0 1 0 … 0 0

d ( x0 )
dt
= 0
⋮
[ 0
⋮
1 …
⋮ ⋱
−a0 −a1 −a2 …
0 x+
⋮
−a n ] [] 0 u
⋮
1

d xn
y=b0 x 1 +b 1 x 2+ …+b n−1 x n+ bn .
dt
¿ b0 x 1+ b1 x 2 +…+ bn−1 x n +b n ¿

¿ ( b 0−b n a 0 ) x 1 + ( b1 −bn a1 ) x 2+ …+ ( b n−1 −bn an−1 ) x n+ u. b n

 y=( b0−bn a0 b1−b n a 1 … bn−1−b n an−1 ) x +b n u

Vậy ta có mô hình trạng thái chuẩn điều kiện của hệ.

ẋ= A x+ b u
- Mô hình trạng thái chuẩn điều khiển:
y=c T x+ du
 0 1 0 … 0
A=' 0
⋮
[ 0
⋮
1 … 0
⋮ ⋱ ⋮
−a0 −a1 −a2 … −a n ] b ' =[ 0 0 … 1 ]

c T =( b 0−bn a 0 b1−bn a1 … b n−1 −bn an−1 ) d=bn

Xác định hàm truyền từ trước ( đã biết )

Cách 1: Coi như chưa biết biến đổi M -> tính M

Biến đổi z=M −1 x

M ż =MA z +b u

y=c T z +du
ż=M −1 AM z+ M −1 b u

y=cT M x+ du
Để hệ là mô hình chuẩn điều khiển

M −1 AM = A ' AM =MA '

 ⇒
M −1 b=b ' b=M b '

Đặt M =[ X 1 X 2 … X n ] với Xi là vector cột nx1

- AM =MA '
 [ A X1 A X2 … A X n ]=[ X 1 X 2 … X n ] . A '
 [ A X 1 A X 2 … A X n ]=¿
A X 1=a0 X n
 A X 2 =( X ¿ ¿1−a1 ) X n ¿ …
¿
X n−1=( A+ an−1 I ) X n
X n−2=( A 2+ an−1 A+ an−2 I ) X n
 X n−3 =( A3 + an−1 A 2+ an−2 A+ an−3 I ) X n
…
n−1
X 1=( A +a n−1 An −2 +…+ a1 I ) X n

Cách 2:Chọn M để đổi hệ trục tọa độ, từ đó chứng minh AM =MA '

Biến đổi z=M −1 x

M =[( A n−1 +an −1 A n−2 +…+ a1 I ) b , … , ( A +a n−1 I ) b ,b ]

Không nên sử dụng phương pháp này vì nó khá phức tạp

b=Mb '
Chứng minh
AM =MA '
Ghép vào ta sẽ suy ra được điều phải chứng minh.

Câu 4: Mô hình trạng thái chuẩn quan sát là gì? Làm thế nào để xác định được mô hình
trạng thái chuẩn quan sát từ mô hình trạng thái gốc nào đó cho trước?
Mô hình chuẩn quan sát

 z  A ' z  cu
T


 y  b z  du
T

Với

0 0 0  a0 
 
1 0 0 a1   b0  bn a0 
 
A'   0
T
1  0  a2   b1  bn a1 
  c
      
0  
 1 1 an 1   bn 1  bn an1 

và
y  [0 0  1]z  bnu

Xác định mô hình chuẩn quan sát từ mô hình gốc:

 Cách 1: Xác định G(s) từ mô hình trạng thái từ đó xác định được các hệ số và ghép vào mô hình
chuẩn quan sát
 Cách 2: Tìm ma trận biến đổi M như Câu 3, đổi biến từ ma trận gốc sang ma trận chuẩn quan sát

Câu 5: Xác định hàm quá độ từ mô hình trạng thái?

G( s) là mô hình trạng thái
G (s )
 H (s)=
s
 −1 G ( s)
 h ( t )=L { }
s

Câu 6: Thế nào là bậc tương đối của hệ và xác định bậc tương đối trực tiếp từ mô hình
trạng thái như thế nào?
Định nghĩa: r là bậc tương đối của hệ hàm truyền hợp thức chặt: r= m-n
với m=deg B(s); n=deg A(s)
Xác định bậc tương đối từ mô hình trạng thái:
Ta có hàm truyền

( sI − A )adj
G(s)=cT ( sI− A ) b+ d=c T .
−1
b +d
det ( sI −A )

Thấy rằng với d  0 thì không thoả mãn do:

( sI− A )adj
G(s)=cT . b+d
det ( sI− A )
Thì có deg (det (sI – A))= n, vậy nên khi đó ta có B(s) của G(s) có bậc bằng n, vậy r = 0, suy ra đa thức
không chặt
Xét G(s) là hàm truyền hợp thức chặt, ta có:
 bm
lim( s r .G ( s)) 
s  an
bm
 lim( s r .c T ( sI  A) 1 b ) 
s  an
( sI  A) adj bm
 lim( s r .c T b) 
s  sI  A an
( sI  A) adj bm
 lim( c T k 1 r
b) 
s  s an

c T Ak b b
 lim( k 1 r
) m
k 0 s an
s 

1
lim( k 1 r
)  0( k  r  1)
Đồng thời: s  s
r
c T Ak b b
 lim( k 1 r
) m
k 0 s an
s 
Vậy chuỗi trên trở thành tổng hữu hạn của r phần tử đầu tiên:

cT b  cT Ab  cT A2 b    cT Ar  2 b  0
T r 1
 c A b0

0(0  k  r  1)
cT Ak b  
Vậy r được xác định bởi:  0(k  r  1)

Câu 7: Thế nào là quỹ đạo trạng thái tự do/ không tự do. Xác định từ mô hình trạng thái?
- Quá trình tự do và quá trình cưỡng bức:

+ Khi kích thích hệ bằng tín hiệu vào u(t), do tính chất tuyến tính của hệ, tức là của mô hình
trạng thái, đáp ứng y(t) sẽ có hai thành phần xếp chồng y ( t ) = y c ( t ) + y t (t ), trong đó:

o Thành phần y c (t) là nghiệm của phương trình trạng thái với u(t ) cho trước và trạng thái
đầu x ( 0 )=0 . Đó là phương trình mô tả quá trình cưỡng bức.
o Thành phần y t ( t) là nghiệm của phương trình trạng thái với u ( t )=0 và trạng thái đầu
x ( 0 )=x 0 cho trước. Đó là phương trình mô tả quá trình tự do.

- ẋ= A x +Bu
 e− At ẋ=e− At x+ e− At B u

e− At ẋ−e− At x=e− At Bu

 d ( e− At x ) −At
 =e B u
dt
t
− At − At
 e x−e x ( 0 )=∫ e− Aτ B u ( τ ) dτ
0
t
− At
 e x=x ( 0 ) +∫ e− Aτ B u ( τ ) dτ
0
t
At
B u ( τ ) dτ ( với e At x ( 0 ) là quỹ đạo trạng thái tự do )
−A (τ −t)
 x=e x ( 0 )+∫ e
0

t
−A (τ −t)
( ∫e B u ( τ ) dτ là quỹ đạo trạng thái cưỡng bức)
0

Câu 8: Mô hình trạng thái có mô tả được hệ không causal không và tại sao?
Từ mô hình trạng thái:

ẋ= A x+ b u
{ y=c T
x +d u
Ta có hàm truyền:

( sI− A )adj
G=cT ( sI− A ) b +d=cT .
−1
b+d
det ( sI− A )

Ta thấy: det ( sI− A) có bậc n, c T ( sI− A )adj bcó bậc ≤ n-1

B (s )
⟹ Nếu viết G ( s )= thì:
A (s )

Với d ≠ 0: deg ( B ( s )) =deg ( A ( s ) )

Với d=0: deg ( B ( s ) ) <deg ( A ( s ) )

⟹ deg ( B ( s ) ) ≤ deg ( A ( s ))

⟹ Mô hình trạng thái chỉ mô tả được hệ Causal

Câu 9: Nêu khái niệm điều khiển được, điều khiển được hoàn toàn và ý nghĩa của nó cho
bài toán thiết kế bộ điều khiển làm hệ ổn định.
Xét hệ ẋ= A x +B u :

Hệ là điều khiển được nếu tồn tại u sao cho ∀ x 0, u luôn đưa hệ từ x 0 về 0 trong khoảng thời gian T hữu
hạn.

Hệ điều khiển được hoàn toàn nếu ∀ x 0 , x T cho trước, luôn tồn tạiu đưa hệ từ x 0 về x T trong khoảng thời
gian hữu hạn.
Ý nghĩa: Sử dụng cho bài toán thiết kệ bộ điều khiển phản hồi trạng thái để hệ ổn định với T hữu hạn. Ít
nhất hệ phải điều khiển được thì bài toán mới có nghiệm

Câu 10. Phát biểu định nghĩa quan sát được, quan sát được hoàn toàn và ý nghĩa của nó.

Hệ { ẋ= A x +B u
y=C x + D u
quan sát được nếu tồn tại T hữu hạn để x (t )=x 0 xác định được từ u ( t ) , y ( t ) với

0 ≤ t ≤T .
Hệ quan sát được hoàn toàn nếu nó quan sát được ∀ T ≥ 0
Ý nghĩa: Khi trạng thái không đo được, nhưng cần cho bài toán điều khiển phản hồi trạng thái thi phải xác
định nó thông qua các tín hiệu đo được khác u ( t ) , y ( t )

Câu 11: Có những công cụ nào để kiểm tra tính điều khiển được và quan sát được?
Tiêu chuẩn Kalman:

Hệ điều khiển được ⟺ Rank ( B , AB , A2 B , … , A n−1 B ) =n, với n là bậc mô hình.

m
Ký hiệu: V ⊆ R n thỏa mãn B u ∈V , ∀ u∈ R
{ A x ∈V , ∀ x ∈V
Khi x ( 0 ) ∈ V → ẋ= A x +B u ∈V , ∀ u → x ( t ) ∈V

→ x( t) không có khả năng tiến tới x T ∉V

Do đó, điều kiện cần và đủ để hệ điều khiển được, tức là ∀ x 0 ∈ R ncho trước luôn tồn tại tín hiệu điều
khiển u(t ) đưa hệ từ x 0về gốc tọa độ trong khoảng thời gian hữu hạn, là:

V =R n
Có:
B u∈ V → A ( B u ) ∈V → … → A k B u ∈V → ℑ ( B , AB, … , Ak B ,… )=V =R n → dim ℑ ( B , AB , … , A k B , … ) =n → ran
Tuy nhiên An phụ thuộc tuyến tính vào I , A , A 2 , … , A n−1(Cayley-Halminton)

→ Rank ( B , AB , … , A n−1 B )=n

Hệ quan sát được ⟺ Rank

CA

⋮
C An−1
( )
C A 2 =n

Tiêu chuẩn Hautus:

Hệ điều khiển được ⟺ rank ( sI −A , B )=n ∀ s

Xét ẋ= A x +B u Laplace s X= A X + B U → ( sI− A ) X =B U

→
Phương trình trên có nghiệm U khi và chỉ khi:

( sI− A ) X ∈ ImB
Và để điều đó không phụ thuộc vào s thì phải có rank ( sI − A , B )=n ∀ s

Hệ quan sát được ⟺ rank ( sI−C A )=n ∀ s

Câu 12: Tại sao để xét tính ổn định của hệ từ mô hình trạng thái ẋ= A x +B u và y=C x+ D u
người ta chỉ cần xét vị trí giá trị riêng của A trong mặt phẳng phức mà không cần xét tới
các ma trận còn lại? Tại sao nếu hệ có ma trận A suy biến thì nó không ổn định (tiệm cận)?
(tr.267)
- Từ mô hình trạng thái, ta tìm được hàm truyền của hệ:

−1 ( sI− A )adj
G=C ( sI− A ) B+ D=C . B+ D
det ( sI −A )
Để xét tính ổn định, ta chỉ cần xét đa thức mẫu số (đa thức đặc tính) det ( sI− A ), do đó chỉ cần xét A. Hệ
ổn định khi và chỉ khi det ( sI− A ) là Hurwitz hay khi đó tất cả các giá trị riêng nằm bên trái trục ảo.

- Giả sử hệ ổn định tiệm cận tại gốc tọa độ, nhưng lại có A suy biến. Khi đó ngoài gốc tọa độ hệ sẽ còn có
vô số các điểm cân bằng khác và tập tất cả các điểm cân bằng này tạo thành không gian vector con
Ker ( A ). Nói cách khác, mọi lân cận gốc tọa độ luôn chứa ít nhất một điểm cân bằng khác của hệ. Bởi
vậy khi bị một tác động tức thời δ ( t ) đánh bật hệ ra khỏi gốc và đưa tới điểm cân bằng ngoài gốc tọa độ
đó, hệ sẽ ở lại điểm cân bằng này chứ không quay về gốc, tức là hệ không thể ổn định tiệm cận. Vậy điều
giả sử ở trên rằng A suy biến là sai.
(Điểm cân bằng: là điểm mà hệ thống sẽ nằm im tại đó, tức là trang thái của nó sẽ không bị thay đổi
( ẋ= A x=0 ) khi không có sự tác động từ bên ngoài ( u=0 ).)
Câu 13: Phương trình Lyapunov là gì? Khi nào thì phương trình Lyapunov có nghiệm đối
xứng xác định dương duy nhất? (tr.275)
- Hàm V ( x )=x T P x xác định dương khi và chỉ khi P có tất cả các giá trị riêng dương (P được gọi là ma
trận xác định dương). Áp dụng vào hệ tuyến tính:
T
V̇ = x˙T P x+ xT P ẋ=( A x ) P x + x T PA x=x T A T P x+ x T PA x=x T ( AT P+ PA ) x=−xT Q x
Với AT P+ PA =−Q , theo Lyapunov, hệ ổn định khi Q xác định dương.

Phương trình AT P+ PA=−Q với A, Q cho trước, Q đối xứng xác định dương có nghiệm P được gọi là
phương trình Lyapunov.

- Phương trình Lyapunov AT P+ PA=−Q có nghiệm P cũng đối xứng xác định dương và duy nhất ⟺
A là Hurwitz.

Câu 14: Khi nào thì một hệ không điều khiển được, song lại vấn ổn định được bằng một bộ
điều khiển phản hồi trạng thái?
Hệ được gọi là ổn định được nếu có thể không điều khiển được nhưng vẫn tồn tại bộ điều khiển R song
không phải với mọi bộ điểm cực cho trước.

Giả sử với bộ điều khiển này, hệ trở thành ẋ=H x+ B v , hệ này ổn định khi H là Hurwitz.

Khi đó ẋ=H x+ B v= A x+ B u ⟺ ( H− A ) x=B ( u−v ).

Phương trình này có nghiệm khi ℑ ( A−H ) ⊆ ImB .

−1
Để xác định nghiệm của phương trình, nhân cả 2 về với ( BT B ) B T về bên trái. Phép nhân sẽ hợp lệ khi
BT B∈ Rm × m là ma trận khả nghịch.
Khi đó xác định được bộ điều khiển phản hồi trạng thái:
−1
u=v + ( BT B ) B T ( H− A ) x ( ¿ )

Vậy hệ có mô hình ẋ= A x +B u , với BT B khả nghịch ổn định được bằng 1 bộ điều khiển phản hồi trạng
thái khi có ma trận Hurwitz H làm cho ℑ ( A−H ) ⊆ ImB

Câu 15: Phương pháp gán điểm cực là để làm gì? Phương pháp Ackermann có áp dụng
được cho hệ MIMO không và khi nào?
- Chất lượng mong muốn của hệ phụ thuộc nhiều vào vị trí điểm cực (giá trị riêng của A) trong mặt phẳng
phức:
Ổn định: điểm cực nằm bên trái trục ảo

∆ h nhỏ: điểm cực nằm trên trục thực

⟹Mục đích của phương pháp gán điểm cực là can thiệp bộ điều khiển vào hệ thống để hệ có được
những điểm cực là các giá trị cho trước.
- PP Ackerman dùng cho hệ MIMO bằng cách chuyển về bài toán 1 đầu vào:
n
^ ∑ α i bi sao cho điều kiện điều
Xác định tổng tuyến tính các véc tơ cột của B: B=( b1 ,b 2 , … , bn ) → b=
i=1

khiển được trở thành: Rank ( b^ , A b^ , … , A n b^ )=n

Với các giá trị α 1 , α 2 , … , α n tìm được thì bài trở thành tìm bộ điều khiển R’ gán điểm cực cho hệ 1 đầu
T
vào: v=α u=( α 1 , α 2 , … , α n ) u

Câu 16: Phương pháp modal để làm gì? Nêu ưu nhược điểm chính của nó.
- PP Modal sử dụng ma trận Modal M để đổi biến ẋ=M z chuyển hệ ẋ= A x +B u thành:

ż=M −1 AM z+ M −1 B u=G z+ B u

AM=diag ( λ i ), λ i là các giá trị riêng của A. M =( a1 ,a 2 , … , an ) , với a i là các véc tơ riêng
−1
Với G=M
bên phải của A (( λ¿ ¿i I −A ) ai=0 ¿).
Bằng việc chuyển trạng thái sử dụng ma trận Modal M, mạch phản hồi chính là ma trận đường chéo chứa
các điểm cực hiện có λ i của hệ. Do đó muốn hệ nhận được các giá trị si làm điểm cực mới ta chỉ cần nối
song song với G một khối khác có S-G, trong đó S=diag ( si )

Nếu B là ma trận không suy biến, ta có ngay bộ điều khiển:

−1
R=−( M −1 B ) ( S−G ) M −1=−T ( S−G ) M −1

- Ưu nhược điểm:

Bộ điều khiển phản hồi trạng thái sử dụng PP Modal không chuyển được tất cả n điểm cực λ i tới n giá trị
mới si như mong muốn mà chỉ chuyển được r điểm cực trong số đó nếu rank ( B )=r . (khi đó ma trận
T =M −1 B không khả nghịch, ta cần cắt ma trận T thành T r cỡ r ×r và đồng thời ma trận S−G cũng bị
cắt thành r hàng r cột Sr −G r .)

Nhưng thông thường, ở các bài toán tổng hợp theo nguyên lý cho trước điểm cực, ít khi cần phải dịch
chuyển toàn bộ n điểm cực mà chỉ những điểm cực mang tính quyết định chất lượng hệ thống. Thuật toán
này áp dụng trực tiếp cho những bài toán như vậy. Nếu muốn dịch chuyển toàn bộ điểm cực ta có thể sử
dụng pp Modal nhiều lần.

Câu 17: Bộ điều khiển phản hồi trạng thái gán điểm cực có làm hệ ổn định sau khoảng thời
gian hữu hạn không?
Ví dụ, xét bộ điều khiển sử dụng phương pháp Ackerman. Hệ sau đó trở thành:

ẋ=( A−b R ) x+ b w=H x +b v

 0 1 0 ⋯ 0 0
0
Với H có dạng chuẩn điều khiển: H= ⋮
0 ( 0
0
0
1
0
0
…
⋱
…
0
⋮
1
−α 0 −α 1 −α 2 ⋯ −α n−1
và B=
) () 0
⋮
0
1

0 0 0 ⋯ 1
2 n−1
0
Xét: Rank ( b , H b , H b , … , H b ) =Rank ⋮
0 (0
0
1
1 −α n−1
0
1
… −α n−1
⋱
−α n−1 …
× ⋯
⋮ =n
×
×
)
⟹ Bộ Ackerman làm hệ ẋ=H x+ b v điều khiển được. Tức là có thể ổn định được trong khoảng thời
gian hữu hạn. Đồng thời, bằng việc chọn vị trí các điểm cực phù hợp, ta có thể điều chỉnh thời gian xác
lập cũng như độ quá điều chỉnh cho hệ, nhằm đạt chất lượng mong muốn.

Câu 18: Khi nào thì áp dụng được bộ quan sát Luenberger? Bộ quan sát Luenberger có
thỏa mãn tính quan sát được hoàn toàn không?
Điều kiện để áp dụng được bộ quan sát Luenberger là hệ phải quan sát được.
Trong hệ LTI, ta có hai khái niệm quan sát được và quan sát được hoàn toàn là tương đương. Hệ
ẋ= A x +B u quan sát được ⟺ Hệ đối ngẫu tương ứng ẋ= AT x +C T u điều khiển được.
Bài toán xác định bộ quan sát Luengerger chính là bài toán thiết kế bộ điều khiển phản hồi trạng thái gán
điểm cực LT của hệ đối ngẫu tương ứng với hệ đã cho. Ở câu 17, đã xác định được LT có thể làm cho hệ
đối ngẫu điều khiển được nên sẽ làm cho hệ ban đầu quan sát được.

Câu 19: Bộ quan sát Luenberger có làm thay đổi điểm cực của hệ không? Nêu ý nghĩa ứng
dụng của bộ quan sát Luenberger với bài toán thiết kế bộ điều khiển tuyến tính phản hồi
đầu ra.
Bộ quan sát Luenberger không làm thay đổi các điểm cưc ban đầu của hệ det(sI-A) mà chỉ bổ sung thêm
vào hệ các điểm cực mới det(sI-A+LC).
Cm: Xét hệ kín phản hồi đầu ra bao gồm bộ điều khiển phản hồi trạng thái và bộ quan sát trạng thái
Luenberger ở mạch hồi tiếp như hình vẽ. Hệ kín này có tín hiệu vào w và tín hiệu ra y , mô tả:
ẋ= A x +B u= A x+ B ( w−R z )=( A ,−BR ) x +B w
z ()
ż= A z + Bu+ L ( y−C z−D u )= A z + B ( w−R z ) + LC ( x−z )

¿ LC x + ( A−LC−BR ) z+ B w=( LC , A−LC−BR ) x + B w

z ()
Ghép chung các phương trình ta được MHTT hệ kín:

( ẋż )=( LCA −BR x + B w

A−LC−BR z B )( ) ( )
Khi đó, điểm cực của hệ là nghiệm của đa thức đặc tính:

det sI− A BR
(
−LC sI −A + LC+ BR
=0 )
⟺ det sI− A+ BR BR =0 ⟺ det sI −A +BR BR
(
sI− A+ BR sI− A+ LC + BR ) Θ (
sI −A + LC
=0 )
⟺ det ( sI− A+ BR ) det ( sI− A+ LC )=0 (dpcm)
Việc xác định L sao cho A-LC nhận các giá trị riêng cho trước có ý nghĩa tương tự như bài toán thiết kế
bộ điều khiển phản hồi trạng thái đối với hệ đối ngẫu của đối tượng đã cho. Bằng việc kết hợp bộ quan sát
trạng thái có khả năng ước lượng đầy đủ toàn bộ các tín hiệu trạng thái không đo đạc trực tiếp được,
chúng ta đã giải quyết được vấn đề thiết kế bộ điều khiển gán điểm cực làm việc theo nguyên lí phản hồi
tín hiệu đầu ra.

Câu 20: Hệ kín phản hồi đầu ra theo nguyên lý tách có thỏa mãn tính điều khiển được và
quan sát được hay không? Giải thích.
Ở hệ tuyến tính, bài toán thiết kế bộ điều khiển gán điểm cực làm việc theo nguyên lí phản hồi tín hiệu
đầu ra được tách thành hai bài toán riêng biệt gồm bài toán thiết kế bộ điều khiển phản hồi trạng thái và
bài toán thiết kế bộ quan sát trạng thái.
Vì bộ quan sát trạng thái không làm thay đổi các điểm cực của hệ mà bộ điều khiển phản hồi trạng thái
mang lại mà chỉ bổ sung thêm các điểm cực làm cho z ⟶ x khi e → 0 nên chất lượng bộ điều khiển phản
hồi đầu ra theo nguyên lý tách sẽ chứa đựng chất lượng của hệ với bộ điều khiển phản hồi trạng thái, tức
là điều khiển được, đồng thời quan sát được.

Câu 21: Làm bài tập 12 và 13 trang 367

12. Mô hình trạng thái có:

1 4 0 0 1
(
A= a −1 0 , B= 1 0
0 0 a 1 1 ) ( )
Theo tiêu chuẩn Kalman:
 0 1 4 1 0 4 a+1 1 0 −1 a 4 a+1 0

(
Rank ( B , AB , A2 B )=Rank 1 0 −1 a 4 a+1
1 1 a a a2
0 =Rank 0 1
a2
0 1
) (
0
)
4 a+1 =
0 0 a−3 −1 a2−4 a−1 a 2−4 a−1
Do đó hệ luôn điều khiển được với a bất kỳ.
13. Mô hình trạng thái có:

0 1 0 0 0
A= 0
0 (0
0
1
0
0 , B=
1
−6 −k −11 −5
) () 0
0
1

a. Đa thức đặc tính:

s −1 0 0

(
0 0 s −1
6 k 11 s +5
)
det ( sI− A )=det 0 s −1 0 =s 4 +5 s 3+11 s 2+ ks+6

Bảng Routh cho đa thức đối ngẫu:

1 11 6

5 k

55−k 6
5
−k 2−55 k +150
55−k
1

A là ma trận Hurwitz khi tất cả hệ số cột đầu cùng dấu, khác 0:

55−k >0

{
⟹ −k −55 k +150 ⟹ 2.88< k <52.12
55−k
2
>0

Vậy hệ ổn định với 2.88< k <52.12

b. Theo tiêu chuẩn Kalman:
0 0 0 1
2 3
Rank ( B , AB , A B , A B )=Rank 0 0
0 1 −5
1
( −5
14
1 −5 14 −k−5
=4 ∀ k
)
c. Hệ quan sát được khi hệ đối ngẫu của nó điều khiển được. Xét với k=40:
 C 1 10 10 0
Rank
( ) (
CA
C A2
C A3
=Rank
0 1 10 10
−60 −400 −103 −40
240 1540 40 91
=4
)
Vậy hệ quan sát được với k=40

Câu 22: Xét hệ mô hình trạng thái ẋ= A x +B u có BT B khả nghịch. Chứng minh rằng nếu
có ma trận Hurwitz H làm cho ℑ ( A−H ) ⊆ImB thì nó sẽ ổn định được bằng một bộ điều
khiển phản hồi trạng thái tuyến tính.
Do ℑ ( A−H ) ⊆ ImB nên phương trình sau luôn có nghiệm v−u :

ẋ= A x +B u=H x+ B v ⟺ ( A−H ) x=B ( v−u )

−1
Nghiệm này sẽ xác định được bằng cách nhân cả hai về của phương trình trên với ( BT B ) B T về bên trái
−1
v−u=( B T B ) BT ( A−H ) x
−1
→ u=v−( BT B ) B T ( A−H ) x ( ¿ )

Phép nhân này hợp lệ vì BT B là ma trận khả nghịch.

Vậy với H là ma trận Hurwitz, bộ điều khiển (*) làm cho hệ trở thành ẋ=H x+ B v ổn định tiệm cận.
Câu 23: Xét hệ điều khiển được mô tả bởi ẋ= A x +B ( u+ d ) trong đó d là nhiễu. Giả sử x là
đo được.
s
Gọi z là đầu ra của khâu có hàm truyền G ( s )= với 0<T ≪1 và đầu vào là x .
1+ Ts
Biết rằng BT B khả nghịch. Chứng minh rằng bộ điều khiển
−1
u=R x −( B T B ) BT [ z−( A−BR ) x ]
Với R làm cho ma trận A−BR là Hurwitz, sẽ làm hệ ổn định.

Biến z trong đó được xem xấp xỉ . Vậy nếu đặt z ≈ x ¿=Ax+

˙ B (u +d)¿ rồi thay dấu xấp xỉ \approx bởi = và d

bởi d^ với  d^ được xem là giá trị ước lượng của d, em sẽ tính được \hat{d}. Tiếp, sử dụng bộ điều khiển
u=Rx-\hat{d} để bù nhiễu và làm hệ ổn định (có thể chưa tiệm cận mà chỉ tiến vào một lân cận nhỏ của
gốc) em sẽ có điều phải chứng minh. Em có thể đánh giá được kích thước của lân cận đó không và sự phụ
thuộc của kích thước vào T như thế nào?