7.2 李雅普诺夫稳定性
7.2 李雅普诺夫稳定性
本节摘要：稳定性回答"扰动之后系统会不会自己跑飞"。李雅普诺夫方法提供不解微分方程的判据：若能找到一个沿轨迹递减的"能量函数"，系统稳定。本节演示线性系统的特征值判据与李雅普诺夫方程、非线性系统的能量函数法，并讨论稳定性的三档强度与工程含义。
塔科马桥的教训
1940 年，塔科马海峡大桥在不算大的风里扭摆加剧直至坍塌，影像至今是工程课的开场教材。事故的核心是负阻尼：特定风速下，气动效应反向输入能量，扰动不是衰减而是每周期被放大。这件事把"稳定性"从教科书词条变成了工程纪律：一个系统的价值以其稳定为前提，性能指标都是其后的事。
稳定的严格说法（李雅普诺夫意义下）分三档。稳定：初始扰动小，轨迹就一直在原点附近晃（有界）。渐近稳定：不仅晃得有界，还最终回到原点。不稳定：某个方向的小扰动随时间指数放大。工程追求的几乎都是渐近稳定；"稳定但回不来"的系统（如无阻尼单摆）在控制意义上仍不合格。
线性系统：特征值一眼定生死
线性系统 ẋ = Ax 的每个特征值对应一种运动模式（模态）：实部为负，该模式指数衰减；实部为正，指数放大；共轭复部带来振荡。全部特征值实部为负 ⇔ 渐近稳定。代码验证：
import numpy as np def stable(A): return np.all(np.linalg.eigvals(A).real < 0) A_stable = np.array([[0.0, 1.0], [-4.0, -0.8]]) # 弹簧阻尼 A_margin = np.array([[0.0, 1.0], [-4.0, 0.0]]) # 无阻尼：临界 A_unst = np.array([[0.0, 1.0], [-4.0, 0.8]]) # 负阻尼：塔科马式 for name, A in [("有阻尼", A_stable), ("无阻尼", A_margin), ("负阻尼", A_unst)]: ev = np.linalg.eigvals(A) print(f"{name}: 特征值 {np.round(ev, 3)} → {'渐近稳定' if stable(A) else '非渐近稳定'}")
负阻尼矩阵的特征值实部为正，扰动按 e^(0.4t) 放大——二十几秒放大一万倍，桥就这么断的。对高阶系统，Routh-Hurwitz 判据不解特征方程也能由系数判符号（19 世纪的手工神器）；今天一行 eigvals 搞定，但"看实部"的口径不变。
李雅普诺夫的直接法：找一杯会漏的能量
特征值判据只对线性有效。非线性系统的通用武器是李雅普诺夫直接法，思想来自能量：一只碗里的弹珠，无论怎么拨动，其机械能（高度势能 + 动能）总在耗散，最终停在碗底。推广：不必是真实能量，任何沿系统轨迹递减、且在原点取最小值的标量函数 V(x)（"李雅普诺夫函数"）都能证明稳定——V 就是那杯会漏的"广义能量"，漏完之处即平衡点。
数学条件：V 正定（原点外 V > 0），且 V̇ = ∇V·f(x) 负定（沿轨迹递减）。线性系统的 V 可以取二次型 V = xᵀPx，代入得李雅普诺夫方程 ATP + PA = −Q：任给正定 Q，解出 P，P 正定即稳定。这把"找函数"变成了"解线性方程"：
import numpy as np from scipy.linalg import solve_lyapunov A = np.array([[0.0, 1.0], [-4.0, -0.8]]) Q = np.eye(2) P = solve_lyapunov(A.T, -Q) print("P =\n", np.round(P, 3)) print("P 正定（顺序主子式为正）:", np.linalg.det(P[:1,:1]) > 0 and np.linalg.det(P) > 0)
非线性小例：带平方阻尼的单摆 ẍ + ẋ³ + sin x = 0。取能量 V = ½ẋ² + (1 − cos x)，则 V̇ = ẋ(ẍ + sin x) = −ẋ³ ≤ 0——能量只出不进，系统渐近稳定。直接法的美妙在于绕开求解：非线性微分方程大多没有解析解，而"找一个递减函数"常常有路可循（物理能量、平方误差加权和、拉格朗日函数的变形）。第 8 章的 LQR 与滑模控制、以及强化学习的值函数，骨子里都是李雅普诺夫思想——设计一个递减的量，让正确性随之而来。
三档稳定性与判据地图
反馈改变稳定性
开环不稳定的系统能靠反馈救回来吗？能，这正是控制工程的核心价值。倒立摆是教科书案例：开环（不施加控制）竖立位置的特征值一正一负，站不住；施加状态反馈 u = −Kx 后，闭环矩阵 A − BK 的特征值可以任意配置（能控性成立时），把"正实部"搬到负半平面——火箭姿态、磁悬浮、两轮平衡车，全是这个剧本。开环稳定性是系统的出厂体质，闭环稳定性是控制器的设计成果；而设计控制器之前，7.1 的模型与本章的判据是先决条件。
💡 关键直觉：线性判稳看特征值（每个特征值一票，一票正实部就翻车）；非线性判稳找能量（一个递减的 V 走天下）。LQR、滑模、值函数——控制与学习的半壁江山都在"构造递减量"这个母题之下。
稳定裕度：离悬崖还有几步
判稳定回答"会不会跑飞"，工程还要问"离跑飞还有多远"。线性系统里这个距离有两把标尺：增益裕度（增益还能放大几倍才失稳）与相位裕度（相位还能滞后多少度才失稳），两者都从频域的伯德图与奈奎斯特判据读出。经验门槛是增益裕度大于两倍（约六分贝）、相位裕度大于四十五度——低于这条线的系统理论稳定但风吹草动就振荡，是"纸面稳定"的典型。裕度思维的日常版本无处不在：模型参数标错两成，增益裕度一点一的设计当场失稳，裕度三的设计安然无恙——鲁棒性不是奢侈品，是对模型误差的保险。第 8 章的调节器之所以广受信任，一半原因正是它自带可观的稳定裕度；而设计者对裕度的要求，应当像结构工程师对安全系数一样刻进职业本能。
本节要点回顾
- 三档稳定性：稳定、渐近稳定、不稳定，工程目标几乎总是渐近稳定；
- 线性系统特征值定生死：实部全负即渐近稳定，负阻尼即塔科马剧本；
- 李雅普诺夫直接法：沿轨迹递减的正定函数即稳定证书，绕开求解；
- 李雅普诺夫方程把找函数变成解方程，是线性系统二次型证书的标准流水线；
- 反馈可以重塑稳定性：闭环特征值可配置，是现代控制的立身之本；
- 递减量母题横跨控制与学习，本章的能量函数是第 8 章值函数的前传。
"会不会跑飞"有了判据。下一节造出工业界最长寿的控制器——PID，看看比例、积分、微分三项如何分工又如何互相拆台。