跳轉到

2.1 狀態空間的典範轉移#

2.1.1 經典方法的極限：太空競賽的三重壓力#

1957 年 Sputnik 升空後，美國太空計畫將控制問題推到經典方法的邊界之外。三重壓力同時出現：

  1. 多變數耦合：火箭與衛星的姿態是俯仰、滾轉、偏航互相耦合的多輸入多輸出（MIMO）系統。傳遞函數只能描述單一輸入對單一輸出，勉強拆解會遺漏耦合本質。
  2. 內部狀態不可全測：飛行器的角速度、燃料剩量、推進劑晃動模態，感測器無法直接量測，卻深刻影響動態。
  3. 最佳性成為硬約束：火箭燃料昂貴且載重有限，「穩定就好」不夠，必須在約束下最佳地完成機動。

經典控制以傳遞函數描述「外部」：給定輸入，輸出是什麼。但工程師逐漸意識到，傳遞函數會零極點對消——被對消的動態不見於輸入輸出關係，卻仍在系統內部演化，甚至可能內部早已發散而輸出安然無恙。這種「外部穩定、內部失控」的可能性，是傳遞函數框架的結構性盲點。

2.1.2 狀態變數：把「現在」完整壓縮進有限個數字#

狀態空間方法的核心宣言是：系統在任一時刻的完整記憶，可由有限個狀態變數 \(x_1, \ldots, x_n\) 概括。知道現在的狀態，加上未來的輸入，就足以決定未來的一切——過去如何到達此狀態並不重要。線性系統的狀態空間描述為

\[ \dot{x}(t) = A x(t) + B u(t) \]
\[ y(t) = C x(t) + D u(t) \]

其中 \(x \in \mathbb{R}^n\) 為狀態、 \(u\) 為輸入、 \(y\) 為輸出， \(A\) 、 \(B\) 、 \(C\) 、 \(D\) 為常數矩陣。對 MIMO 系統， \(u\) 與 \(y\) 是向量，矩陣形式天然容納任意維度——耦合不再是麻煩，只是矩陣的非對角元素。

實例：飛行器的俯仰動態#

飛機俯仰角 \(\theta\) 與角速度 \(q\) 滿足簡化的短週期方程

\[ \begin{bmatrix} \dot{\theta} \\ \dot{q} \end{bmatrix} = \begin{bmatrix} 0 & 1 \\ -M_\alpha & -M_q \end{bmatrix} \begin{bmatrix} \theta \\ q \end{bmatrix} + \begin{bmatrix} 0 \\ M_\delta \end{bmatrix} \delta_e \]

其中 \(\delta_e\) 為升降舵偏角。狀態是 \(\theta\) 與 \(q\) ——它們正是飛控電腦需要「知道」的量。控制設計從此圍繞兩個新問題展開：這些狀態能否被輸入影響（能控性）？能否被輸出推知（能觀性）？ 這是 2.2 節的主題。

2.1.3 Kalman 與 Bellman：兩條通往狀態的路#

1960 年前後，兩位年輕學者從不同方向匯聚到狀態觀點。

Bellman 的動態規劃（1957）#

Richard Bellman 研究多階段決策問題，提出最佳化原理：最佳路徑的任何後段，本身必是（以中途點為起點的）最佳路徑。由此導出 Bellman 方程，並引入「狀態」作為決策問題的記憶載體。對連續時間最佳控制，動態規劃給出 Hamilton-Jacobi-Bellman 偏微分方程，直接催生了最佳控制理論（本書第 3 章）。

Kalman 的狀態空間與濾波（1960）#

Rudolf Kalman 在 1960 年發表狀態空間下的能控性與能觀性理論，同年提出 Kalman 濾波——在雜訊中對狀態做最佳估計。1960 年也誕生了 Kalman 的 LQP（線性二次調節器）理論：以狀態空間語言，將最佳控制化為一個矩陣 Riccati 方程。Kalman 證明：狀態空間不只是另一種記法，而是能提出新問題、得到新定理的框架。

兩人還有一個常被忽略的共同背景：計算機的出現。動態規劃的遞迴、Riccati 方程的迭代、Kalman 濾波的即時更新，都在「數值計算可大量進行」之後才從理論變成工具。理論、需求與算力三者在此交會。

2.1.4 從傳遞函數到狀態空間：兩種語言的換算#

狀態空間並未抛棄傳遞函數，兩者可以互相換算。對

\[ \dot{x} = A x + B u, \qquad y = C x + D u \]

取拉普拉斯變換（零初始條件）， \(s X = A X + B U\) ，得

\[ Y = \left[ C (s I - A)^{-1} B + D \right] U \]

故傳遞函數為

\[ G(s) = C (s I - A)^{-1} B + D \]

分母 \(\det (sI - A)\) 即系統特徵多項式，其根為系統的極點。可見 Routh-Hurwitz、根軌跡的全部結果都被繼承：極點仍在 \(s\) 平面上，位置決定穩定與暫態。革命的不是數學結論，而是敘事中心——從「輸入輸出之比」轉為「內部狀態的演化」。

為何必須轉移：一個對消的例子#

設

\[ G(s) = \frac{s + 1}{(s + 1)(s + 2)} \]

傳遞函數層面約簡為 \(\dfrac{1}{s+2}\) ，看起來一切安好。但對應的狀態實現中，模態 \(e^{-t}\) （對應極點 \(s = -1\) ）從輸出上消失：若該模態因初始條件被激發，它會在內部自由演化，輸出卻毫無所覺。若這個模態是不穩定的（極點 \(s = +1\) 被零點對消），系統會內部爆炸而輸出平靜——對真實物理系統（如飛機結構模態）而言這是致命陷阱。狀態空間語言強制我們面對內部，因此能提出並回答：哪些模態從輸入可以觸及？哪些從輸出可以看到？——這正是能控性與能觀性。

2.1.5 典範轉移的完整因果鏈#

  1. 太空競賽的 MIMO、隱藏模態與最佳性需求，暴露傳遞函數框架的極限。
  2. Bellman 的決策理論把「狀態」立為記憶與最佳化的核心概念。
  3. Kalman 以狀態空間為底，建立能控性、能觀性、Kalman 濾波與 LQR，展示新框架的定理產出能力。
  4. 數位計算機的普及使狀態空間方法的數值負擔可以承受。
  5. 經典結果（極點、特徵多項式）被完整繼承，理論演進是擴充而非斷裂。

小結#

  • 太空競賽的 MIMO 耦合、隱藏模態與最佳性需求，是狀態空間典範轉移的驅動力。
  • 狀態變數將系統記憶壓縮為有限維向量， \(\dot{x} = A x + B u\) 天然容納多變數系統。
  • Bellman 的動態規劃與 Kalman 的能控能觀、濾波與 LQR，從決策與估計兩面確立狀態觀點。
  • 傳遞函數可由 \(C(sI-A)^{-1}B + D\) 取回，經典理論被繼承；但零極點對消暴露了「只看外部」的盲點。

延伸到下一節#

宣告「狀態」重要還不夠，工程師需要可計算的判準：給定矩陣對 \((A, B)\) ，所有狀態都推得到嗎？給定 \((A, C)\) ，所有狀態都看得到嗎？Kalman 給出了以秩條件表述的答案，並導出把系統拆成四塊的 Kalman 分解。下一節，我們深入能控性與能觀性矩陣的數學。