⚡ electrical engineering

State-Space Modelling and Analysis

Dieses Paper führt den Aspekt der Zustandsraummodellierung und -analyse der fortgeschrittenen Regelungstechnik für praktische Anwendungen ein und betont die wesentliche Rolle der mathematischen Methodik bei der Überbrückung von theoretischem Wissen und realen ingenieurtechnischen Herausforderungen.

Ursprüngliche Autoren: Hao Li

Veröffentlicht 2026-06-02

📖 6 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Hao Li

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Dieses Papier ist im Wesentlichen ein „How-to“-Leitfaden für den Bau der mathematischen Gehirne von Maschinen, die sich bewegen und das Gleichgewicht halten müssen. Der Autor, Hao Li, argumenttiert, dass Steuerungssysteme zwar Hardware, Software und Wirtschaftlichkeit beinhalten, der entscheidende Teil jedoch die mathematische Methode ist, mit der man versteht, wie sich Dinge bewegen.

Hier ist der Kern des Papiers, erklärt durch Alltagsanalogien.

1. Die Zustandsraum-Karte: Wissen, wo man ist

Stellen Sie sich vor, Sie fahren ein Auto. Um sicher zu fahren, müssen Sie nicht nur wissen, wo Sie sind (Ihre Position). Sie müssen auch wissen, wie schnell Sie fahren, in welche Richtung Sie schauen und wie schnell Sie lenken.

In dem Papier wird diese Sammlung von Informationen als der „Zustand“ (State) bezeichnet.

Die Analogie: Betrachten Sie den „Zustand“ als eine vollständige Momentaufnahme des Lebens eines Systems zu einem bestimmten Zeitpunkt. Für einen Roboter, der einen Stab auf einem Wagen balanciert, ist der Zustand nicht nur „der Stab steht aufrecht“. Es ist: „Der Stab steht aufrecht, neigt sich 5 Grad nach links, fällt mit 2 Grad pro Sekunde und der Wagen bewegt sich mit 3 Metern pro Sekunde vorwärts.“
Die Mathematik: Das Papier verwendet eine „Zustands-Differentialgleichung“, um zu beschreiben, wie sich dieser Schnappschuss im Laufe der Zeit verändert. Es ist wie ein Rezept, das besagt: „Wenn du dich in diesem Zustand befindest und den Wagen so stark drückst, dann wird dein nächster Zustand genau so aussehen.“

Das Papier zeigt, wie man diese Rezepte schreibt für:

Invertierte Pendel: Das Balancieren eines Besenstiels auf der Hand (oder einem Wagen).
Doppelt invertierte Pendel: Das Balancieren eines Besenstiels auf einem anderen Besenstiel (viel schwieriger!).
Autonome Fahrzeuge: Autos und Motorräder, die selbstständig fahren.

2. Das „selbstentwickelnde“ System: Das System auf Autopilot

Sob�そろ entscheiden Sie sich für eine Regel, wie die Maschine gesteuert werden soll (ein „Feedback-Gesetz“), wird das System zu einem Selbstentwickelnden System (Self-Evolving System).

Die Analogie: Stellen Sie sich eine Murmel vor, die in einer Schale rollt. Sobald man sie loslässt, braucht die Murmel keinen Menschen mehr, der sie schubst; sie folgt von selbst der Form der Schale. Ihr zukünftiger Pfad wird vollständig durch das bestimmt, wo sie jetzt gerade ist.
Die Behauptung des Papiers: Wenn man eine Steuerungsregel anwendet, verhält sich die komplexe Maschine wie diese Murmel. Ihre Zukunft wird vollständig durch ihren aktuellen Zustand bestimmt. Das Papier nennt dies ein „geschlossenes Feedback-System“ (closed-loop feedback system).

3. Stabilität: Wird es umkippen?

Die wichtigste Frage für jeden Roboter oder jedes Auto ist: Wird es aufrecht bleiben oder abstürzen? Dies wird als Stabilität bezeichnet.

Die Analogie: Denken Sie an einen Bleistift, der auf seiner Spitze balanciert. Wenn man ihn anstößt, fällt er (instabil). Denken Sie nun an einen Ball, der am Boden einer Schale liegt. Wenn man ihn anstößt, wackelt er, pendelt sich aber schließlich wieder am Boden ein (stabil).
Die Werkzeuge des Papiers:
- Eigenwerte (Die „Fallgeschwindigkeit“): Für einfache, geradlinige Systeme verwendet das Papier ein mathematisches Werkzeug namens „Eigenwerte“. Wenn diese Zahlen „negativ“ sind (in einem spezifischen mathematischen Sinne), bedeutet das, dass das System wie der Ball in der Schale ist – es wird sich natürlich einpendeln. Wenn sie positiv sind, ist es wie der Bleistift – es wird umkippen.
- Routh-Hurwitz (Die „Checkliste“): Manchmal ist die Mathematik zu unübersichtlich, um diese Zahlen direkt zu finden. Das Papier nutzt eine „Checklisten“-Methode (Routh-Hurwitz), um sich die Koeffizienten der Gleichungen anzusehen. Wenn die Vorzeichen in der Checkliste ständig hin und her springen, ist das System instabil.
- Lyapunov (Der „Energie“-Test): Für komplexe, nicht-lineare Systeme (wie ein Motorrad, das in eine Kurve legt), verwendet das Papier eine Methode namens Lyapunov-Stabilität.
  - Die Metapher: Stellen Sie sich einen Hügel vor. Wenn Sie beweisen können, dass ein Ball, der auf diesem Hügel rollt, immer an Höhe (Energie) verliert und niemals dazugewinnt, wissen Sie, dass er schließlich den Boden erreichen und zum Stillstand kommen wird. Das Papier sucht nach einer mathematischen „Energiefunktion“, die immer sinkt. Wenn dies der Fall ist, ist das System sicher.

4. Steuerbarkeit: Können wir es überhaupt steuern?

Bevor man versucht, einen Controller zu bauen, muss man fragen: Ist es überhaupt möglich, dieses Ding zu steuern?

Die Analogie: Stellen Sie sich ein Auto ohne Lenkrad und ohne Bremsen vor. Egal wie fest Sie das Gaspedal durchtreten, Sie können es nicht zum Lenken bringen oder zum Anhalten bringen. Es ist „unkontrollierbar“.
Die Behauptung des Papiers: Das Papier führt eine „Steuerbarkeitsmatrix“ (Controllability Matrix) ein. Dies ist ein mathematischer Test, um zu prüfen, ob die Eingaben (wie das Lenkrad oder der Wagenmotor) genug Kraft haben, um das System in jeden gewünschten Zustand zu versetzen.
Das Ergebnis: Das Papier beweist, dass selbst ein doppelt invertiertes Pendel (das extrem schwierige Balancieren) steuerbar ist. Es ist schwierig, aber mathematisch möglich. Dies gibt Ingenieuren das Vertrauen, den Bau zu versuchen.

5. Die Riccati-Gleichung: Der „perfekte“ Steuerungsplan

Schließlich befasst sich das Papier mit der Riccati-Gleichung.

Die Analogie: Stellen Sie sich vor, Sie fahren ein Auto und wollen ein Ziel erreichen. Sie könnten voll in die Bremsen treten und wild hin- und herschwenken (schnell, aber gefährlich). Sie könnten sehr langsam fahren (sicher, aber ineffizient). Die Riccati-Gleichung hilft Ihnen, das perfekte Gleichgewicht zu finden – den Pfad, der Sie schnell ans Ziel bringt, aber dabei den geringsten Treibstoff verbraucht und den geringsten Verschleiß verursacht.
Die Behauptung des Papiers: Diese Gleichung hilft dabei, die „optimale“ Steuerungsstrategie zu berechnen. Das Papier zeigt, wie man diese Gleichung iterativ (Schritt für Schritt) löst, um dieses perfekte Gleichgewicht zu finden.

Zusammenfassung

Dieses Papier ist ein grundlegender Leitfaden für die Fortgeschrittene Regelungstechnik (Advanced Control Theory). Es lehrt uns, wie man:

Den aktuellen Zustand eines Systems erfasst (Zustandsraum).
Vorhersagt, wie es sich von selbst verhalten wird (Selbstentwicklung).
Prüft, ob es stabil bleibt oder abstürzt (Stabilitätsanalyse).
Verifiziert, ob wir es tatsächlich steuern können (Steuerbarkeit).
Den effizientesten Weg berechnet, es zu steuern (Riccati-Gleichung).

Es nutzt reale Beispiele wie das Balancieren von Stäben und das Fahren von Autos, um zu zeigen, dass die Mathematik zwar komplex ist, die Logik dahinter jedoch darin besteht, die Dinge im Gleichgewicht zu halten und in die richtige Richtung zu bewegen.

Technische Zusammenfassung: Zustandsraummodellierung und -analyse

Problemstellung
Die Kontrollwissenschaft wird als ein Eckpfeiler der modernen Zivilisation identifiziert, doch ihre praktische Anwendung erfordert eine rigorose methodische Grundlage, die über Hardware-, Software- oder ökonomische Erwägungen hinausgeht. Die Arbeit adressiert die Notwendigkeit eines systematischen Ansatzes zur Zustandsraummodellierung und -analyse, einem Kernaspekt der fortgeschrittenen Regelungstechnik. Während die klassische Regelung (die in der Mitte des 20. Jahrhunderts dominierte) auf der s-Bereich-Analyse basiert und im Allgemeinen auf Single-Input-Single-Output (SISO)-Probleme beschränkt ist, nutzt die moderne Regelungstechnik die Zustandsraumanalyse, um komplexe, multivariable Systeme (MIMO) zu handhaben. Die Arbeit zielt darauf ab, die Lücke zwischen theoretischen mathematischen Rahmenbedingungen und praktischen Ingenieursanwendungen zu schließen, indem sie eine einheitliche Behandlung von Modellierung, Stabilitätsanalyse und Steuerbarkeit für diverse dynamische Systeme bietet.

Methodik
Die Arbeit verwendet einen strukturierten mathematischen Ansatz, der von nichtlinearen Zustandsdifferenzialgleichungen über Linearisierungsapproximationen bis hin zur Stabilitäts- und Steuerbarkeitsanalyse fortschreitet.

Zustandsraummodellierung:
- Nichtlineare Formulierung: Die Dynamik verschiedener Systeme wird zunächst unter Verwendung generischer nichtlinearer Zustandsdifferenzialgleichungen der Form $\dot{x} = f(x, u)$ $\overset{x}{˙} = f (x, u)$ modelliert. Spezifische Anwendungen umfassen:
  - Invertierte Pendel: Einfache und doppelte invertierte Pendel auf Wagen, wobei komplexe nichtlineare Gleichungen unter Einbeziehung trigonometrischer Funktionen von Winkeln und Beschleunigungen abgeleitet werden.
  - Autonome Fahrzeuge: Navigation von Fahrzeugen bei niedrigen Geschwindigkeiten (kinematisches Bicycle-Modell) und hohen Geschwindigkeiten (dynamisches Bicycle-Modell unter Berücksichtigung von Reifen-Schräglaufwinkel und Seitenführungskraft).
  - Motorräder/Fahrräder: Modellierung der lateralen und vertikalen (Roll-)Dynamik, wobei die Kopplung zwischen Lenkung und Balance hervorgehoben wird.
- Linearisierung: Für Systeme, die nahe einem Gleichgewichtspunkt operieren (z. B. kleine Winkel), werden die nichtlinearen Gleichungen linearisiert, um die Standarddarstellung des linearen Zustandsraums zu bilden: $\dot{x} = Ax + Bu$ .
Selbstevolutionäre Systeme und Rückkopplung:
- Die Arbeit definiert geschlossene Regelkreise als selbstevolutionäre (autonome) Systeme, bei denen der Steuereingang $u$ eine Funktion des Zustands $x$ ist (d. h. $u = g(x)$ ), was zu $\dot{x} = f_c(x)$ führt.
- Es wird etabliert, dass die Stabilität eines linearen selbstevolutionären Systems durch die Eigenwerte der Zustandsübergangsmatrix $A_c$ bestimmt wird.
Stabilitätsanalyse:
- Lineare Systeme: Die Stabilität wird über das Eigenwertkriterium bewertet (alle Eigenwerte müssen negative Realteile haben). Die Arbeit stellt diesen Zusammenhang zum Routh-Hurwitz-Kriterium her, um die Lage der Nullstellen ohne explizite Eigenwertberechnung zu bestimmen.
- Nichtlineare Systeme: Die Lyapunov-Strategie wird eingeführt. Die Stabilität wird durch das Finden einer skalaren Funktion $V(x)$ bewiesen, die positiv definit ist und deren zeitliche Ableitung negativ definit (oder semidefinit) ist.
- Matrixgleichungen: Die Arbeit detailliert die Lyapunov-Gleichung ( $PX + X^TP = Y$ ) und die Riccati-Gleichung (in drei Formalismen: $P A + A^T P - P B R^{-1} B^T P + Q = 0$ , etc.). Sie bietet iterative Algorithmen und Hamilton-Matrix-Methoden zur Lösung dieser Gleichungen an und verknüpft diese mit der optimalen Regelung und der Verifizierung der Stabilität.
Steuerbarkeitsanalyse:
- Die Arbeit definiert Steuerbarkeit als die Fähigkeit, ein System von einem beliebigen Anfangszustand in jeden gewünschten Endzustand zu führen.
  z. Sie führt die Steuerbarkeitsmatrix ( $C_{A,B} = [B, AB, \dots, A^{n-1}B]$ ) ein und stellt fest, dass ein lineares System genau dann steuerbar ist, wenn diese Matrix vollen Rang besitzt.

Wesentliche Beiträge und Ergebnisse

Einheitlicher Modellierungsrahmen: Die Arbeit liefert explizite Herleitungen der Zustandsdifferenzialgleichungen für komplexe Systeme, einschließlich des doppelten invertierten Pendels (sowohl Single-Input- als auch Multi-Input-Varianten), autonomer Fahrzeuge (unter Berücksichtigung des Schräglaufwinkels bei hohen Geschwindigkeiten) und Motorräder (unter Einbeziehung der Roll-Dynamik).
Stabilitätsverifizierung:
- Zeigt auf, dass die P-laterale Regelung für autonome Fahrzeuge bei niedrigen Geschwindigkeiten unter Verwendung des Routh-Hurwitz-Kriteriums inhärent instabil ist, unabhängig vom Proportionalwert $P$ .
- Verifiziert die Stabilität eines gedämpften Pendels und einer rotierenden Scheibe mittels Lyapunov-Funktionen und Eigenwertanalyse.
- Beweist die Stabilität einer rotierenden Scheibe unter P-Regelung mittels der Lyapunov-Ungleichung ( $PA_c + A_c^T P < 0$ ).
Steuerbarkeitsvalidierung:
- Bestätigt, dass das doppelte invertierte Pendel steuerbar ist (unter linearen Annahmen), was der intuitiven Skepsis hinsichtlich seiner Machbarkeit entgegenwirkt.
- Bestätigt die Steuerbarkeit der lateralen Regelung autonomer Fahrzeuge bei niedrigen Geschwindigkeiten.
Algorithmische Lösungen: Die Arbeit präsentiert spezifische Algorithmen und MATLAB-Code-Snippets für:
- Das Lösen von Lyapunov-Gleichungen via Vektorisierung.
- Das iterative Lösen von Riccati-Gleichungen zur Bestimmung stabilisierender Verstärkungsmatrizen.
- Die symbolische Berechnung von Steuerbarkeitsmatrizen.
Theoretische Vereinheitlichung: Sie demonstriert explizit die Äquivalenz zwischen der linearen Zustandsraummodellierung und der Systemmodellierung mittels Laplace-Transformationen, indem sie zeigt, dass das charakteristische Polynom der Zustandsmatrix $A$ identisch mit dem Nenner des Systemübertragungsfunktion ist.

Bedeutung
Die Arbeit positioniert sich als grundlegendes Kapitel (Kapitel 1) eines umfassenderen Werkes über "Advanced Control Theory for Practical Applications". Ihre Bedeutung liegt in:

Praktischer Anwendbarkeit: Sie betont, dass die Regelungstechnik nicht bloß abstrakte Mathematik ist, sondern tief in praktischen Anwendungen verwurzelt ist, indem sie eine Fusion aus "Know-Why" und "Know-How" bietet.
Methodischer Strenge: Sie bietet eine systematische, schrittweise Methodik für den Übergang von physikalischen Systembeschreibungen zu Zustandsraummodellen, Linearisierung sowie strengen Stabilitäts- und Steuerbarkeitsprüfungen.
Didaktischem Wert: Durch die Bearbeitung komplexer Beispiele wie des doppelten invertierten Pendels und der Fahrzeugdynamik bei hohen Geschwindigkeiten illustriert sie, wie theoretische Werkzeuge (Lyapunov, Routh-Hurwitz, Steuerbarkeitsmatrizen) Zweifel an der Machbarkeit der Regelung inhärent instabiler oder komplexer Systeme ausräumen können.
Fundament für fortgeschrittene Regelungstechnik: Die Arbeit dient als Voraussetzung für das Verständnis fortgeschrittener Themen (wie optimale Regelung und robuste Regelung), indem sie die notwendigen mathematischen Formalismen (Riccati-Gleichungen, Steuerbarkeit) etabliert, die für diese Felder erforderlich sind.

Der Autor wahrt einen bescheidenen Ton und merkt an, dass die theoretische Analyse zwar unverzichtbar ist, die praktische Erfahrung jedoch ergänzt statt ersetzt und dass die bereitgestellten Modelle Approximationen sind, die für spezifische Betriebsbereiche geeignet sind (z. B. niedrige vs. hohe Geschwindigkeiten, Gleichgewicht vs. große Abweichungen).