YAMAMOTO Y, YUN X, 1992. Coordinating locomotion and manipulation of a mobile manipulator[C/OL]//[1992] Proceedings of the 31st IEEE Conference on Decision and Control. 2643-2648 卷3. DOI:10.1109/CDC.1992.371337.
非完整系统
系统方程
考虑m个双边约束下具有n个广义坐标q的机械系统,其动力学方程可以通过欧拉拉格朗日方程
$$ M(q)\ddot{q}+V(q,\dot{q})=E(q)\tau-A^T(q)\lambda \tag{1} $$确立, 其中$M(q)$是$n\times n$的惯性矩阵, $V(q,\dot{q})$是关于位置和速度的阻力向量, $E(q)$是$n\times r$的输入转换矩阵, $\tau$是$r$维输入向量, $A(q)$是$m\times n$的雅克比矩阵, $\lambda$是约束力向量。 该机械系统的$m$个约束方程可以写成
$$ C(q,\dot{q})=0. $$如果其中的一个约束方程可以写成, 或者通过积分可以转化为$C_i(q)=0$的形式,那么该约束是完整约束。 否则,该约束为动力学约束(非几何约束),一般称为非完整(nonholonomic)约束。
假设有$k$个完整的以及$m-k$个非完整的独立约束,他们都可以写成
$$ A(q)\dot{q}=0 \tag{3} $$的形式。
令$s_q(q),\cdots,s_{n-m}(q)$为$A(q)$的零空间中的光滑并且线性不相关的向量场,i.e.
$$ A(q)s_i(q)=0, \quad i=1,\dots, n-m $$令$S(q)$为由这些向量组成的满秩矩阵
$$ S(q)=[s_1(q)\ \cdots\ s_{n-m}(q)] $$令$\Delta$为这些向量场张成的分布
$$ \Delta=span \{s_1(q), \cdots, s_{n-m}(q)\} $$因此,$\dot{q}\in\Delta$。 我们无法确定$\Delta$是否对合(involutive)。 可以令$\Delta^$为包含$\Delta$的最小的对合分布。 可知$dim(\Delta)\leq dim(\Delta^)=k$。
G. Campion 1991发现共由三种情况
- $k=m$,所有的约束都是完整的,$\Delta$自身就是对合的
- $k=0$,所有的约束都是非完整的,$\Delta*$为整个空间
- $0<k<m$,$k$个约束是可积的,并且广义坐标的$k$个分量可能可以被运动方程消去。这种情况下$dim(\Delta^*)=n-k$
状态空间表达
考虑由(1)(3)定义与约束的系统, 由于受约束的速度总是在$A(q)$的零空间中, 可以定义$n-m$个速度$v(t)=[v_1\ v_2\ \cdots \ v_{n-m}]$使得
$$ \dot{q}=S(q)v(t) \tag{5} $$这些速度需要是不可积的。 对(5)微分,并代入(1)中的$\ddot{q}$,同时前乘$S^T$
$$ S^T (MS \dot{v}(t)+M\dot{S}v(t)+V)=S^T E \tau $$选取状态量$x=[q^T\ v^T]^T$,可得
$$ \dot{x}=\begin{bmatrix} Sv \\ f_2 \end{bmatrix} +\begin{bmatrix} 0 \\ (S^T M S)^{-1} S^T E \end{bmatrix}\tau $$其中,$f_2=(S^T M S)^{-1} (-S^T M \dot{S} v-S^T V)$。 假设执行器的输入数量大于或等于机械系统的自由度($t\geq n-m$) 并且$(S^T M S)^{-1} S^T E$的秩为$n-m$, 我们可能可以应用非线性反馈
$$ \tau=\left((S^T M S)^{-1} S^T E\right)^+(u-f_2) $$其中上标$+$表示矩阵的广义逆。 于是状态方程可以简化为
$$ \dot{x}=f(x)+g(x)u,f(x) =\begin{bmatrix}S(q)v\\0\end{bmatrix}, g(x)=\begin{bmatrix}0\\I\end{bmatrix}, $$控制属性
定理1: 非完整系统(10)是可控的
定理2:非完整系统的平衡点$x=0$,通过一个光滑的状态反馈控制,可以使其拉格朗日稳定, 但是无法使其渐近稳定。
余下的部分,我们考虑公式(3)同时包含完整约束以及非完整约束的情况。
定理3:如果系统(10)存在至少一个约束是非完整的,那么它不是可以通过状态反馈可以输入状态可线性化的
证明:系统如果输入状态可线性化,需要满足两个条件,可以发现对合条件并不满足。
- the strong accessibility condition
- the involutivity condition
定义一组分布
$$ D_j = span \{ L^i_f g | i=0,1,\dots,j-1\}, j=1,2,\dots $$对合性要求$D_1,D_2,\dots,D_{2n-m}$都是对合的。 注意系统的状态数为$2n-m$。 由于$g$是常数,所以$D_1=span{g}$是对合的。 下面计算
$$ L_fg=[f,g]= \frac{\partial g}{\partial x}f -\frac{\partial f}{\partial x}g =-\begin{bmatrix}S(q)\\0\end{bmatrix} $$由于由$S(q)$的列张成的分布$\Delta$不是对合的, 分布$D_2=span{g,L_fg}$不是对合的。 因此,系统不是输入-状态可线性化的。 $\blacksquare$
尽管带有非完整约束的系统不是输入-状态可线性化的, 如果选取合适的输出方程,他是可以输入-输出线性化的。 考察系统的位置控制,也就是说输入方程只关于位置量$q$。 既然系统的自由度数为$n-m$,我们可能至多有$n-m$个独立的位置输出方程。
$$ y=h(q)=[h_1(q)\ \cdots \ h_{n-m}(q)] \tag{11} $$可以输入输出线性化的充要条件为解耦矩阵满秩 ref20。 使用(11)的输出方程,系统的解耦矩阵$\Phi(x)$是$(n-m)\times (n-m)$的矩阵
$$ \Phi(q)=J_h(q)S(q) $$其中$J_h=\frac{\partial h}{\partial q}$是一个$(n-m)\times n$的Jacobian矩阵。 当$J_h$的行与$A(q)$独立的时候,$\Phi(x)$ 是非奇异的
为了刻画零动态并且实现输入-输出线性化,引入新的状态变量$z$
$$ z=T(x)=\begin{bmatrix}z_1\\z_2\\z_3\end{bmatrix} =\begin{bmatrix}h(q)\\L_f h(q)\\\tilde{h}(q)\end{bmatrix} =\begin{bmatrix}h(q)\\\Phi(q) v\\\tilde{h}(q)\end{bmatrix} $$其中$\tilde{h}(q)$是可以使$[J_h^T,J_{\tilde{h}}^T]$满秩的m维函数。 可以验证$T(x)$是微分同胚并且是一个合理的状态变换。 新的状态$z$下的系统为:
$$ \dot{z}_1=\frac{\partial h}{\partial q} \dot{q}=z_2 $$$$ \dot{z}_2=\dot{\Phi}(q) v + \Phi(q) u $$$$ \dot{z}_3=J_{\tilde{h}}S v = J_{\tilde{h}}S(J_h S)^{-1} z_2 $$使用如下的状态反馈
$$ u=\Phi^{-1}(q)(v-\dot{\Phi}(q)v) $$我们实现了输入-输出线性化,同时实现了输入-输出解耦。 系统的可观测部分为
$$ \dot{z}_1=z_2,\quad \dot{z}_2=v \quad y=z_1 $$系统的不可观测部分为:(代入$z_1=0$和$z_2=0$)
$$ \dot{z}_3=0 $$这个系统显然是Lagrange稳定的但是不是渐近稳定。