自动控制原理9.1---线性系统的状态空间描述(中下)
参考书籍:《自动控制原理》(第七版).胡寿松主编.
《自动控制原理PDF版下载》
1.线性系统的状态空间描述
1.4 线性定常连续系统状态方程的解
齐次状态方程的解
状态方程为:
x ˙ ( t ) = A x ( t ) (41) \dot{x}(t)=Ax(t)\tag{41} x˙(t)=Ax(t)(41)
式(41)称为齐次状态方程,通常采用幂级数法和拉普拉斯变换法求解;幂级数法
设齐次状态方程的解是 t t t的向量幂级数,
x ( t ) = b 0 + b 1 t + b 2 t 2 + ⋯ + b k t k + ⋯ + (42) x(t)=b_0+b_1t+b_2t^2+\dots+b_kt^k+\dots+\tag{42} x(t)=b0+b1t+b2t2+⋯+bktk+⋯+(42)
式中, x , b 0 , b 1 , … , b k , … x,b_0,b_1,\dots,b_k,\dots x,b0,b1,…,bk,…都是 n n n维向量;
x ˙ ( t ) = b 1 + 2 b 2 t + ⋯ + k b k t k − 1 + ⋯ = A ( b 0 + b 1 t + b 2 t 2 + ⋯ + b k t k + … ) (43) \dot{x}(t)=b_1+2b_2t+\dots+kb_kt^{k-1}+\dots=A(b_0+b_1t+b_2t^2+\dots+b_kt^k+\dots)\tag{43} x˙(t)=b1+2b2t+⋯+kbktk−1+⋯=A(b0+b1t+b2t2+⋯+bktk+…)(43)
可得:
x ( t ) = ( I + A t + 1 2 A 2 t 2 + ⋯ + 1 k ! A k t k + ⋯ + ) x ( 0 ) (44) x(t)=\left(I+At+\frac{1}{2}A^2t^2+\dots+\frac{1}{k!}A^kt^k+\dots+\right)x(0)\tag{44} x(t)=(I+At+21A2t2+⋯+k!1Aktk+⋯+)x(0)(44)
定义:
e A t = I + A t + 1 2 A 2 t 2 + ⋯ + 1 k ! A k t k + ⋯ + = ∑ k = 0 ∞ 1 k ! A k t k (45) e^{At}=I+At+\frac{1}{2}A^2t^2+\dots+\frac{1}{k!}A^kt^k+\dots+=\sum_{k=0}^\infty\frac{1}{k!}A^kt^k\tag{45} eAt=I+At+21A2t2+⋯+k!1Aktk+⋯+=k=0∑∞k!1Aktk(45)
则有:
x ( t ) = e A t x ( 0 ) (46) x(t)=e^{At}x(0)\tag{46} x(t)=eAtx(0)(46)
标量微分方程 x ˙ = a x \dot{x}=ax x˙=ax的解为: x ( t ) = e a t x ( 0 ) , e a t x(t)=e^{at}x(0),e^{at} x(t)=eatx(0),eat称为指数函数,向量微分方程具有相似形式的解,故把 e A t e^{At} eAt称为矩阵指数函数,简称矩阵指数;由于 x ( t ) x(t) x(t)由 x ( 0 ) x(0) x(0)转移而来,对于线性定常系统, e A t e^{At} eAt亦称状态转移矩阵,记为 Φ ( t ) \Phi(t) Φ(t),即:
Φ ( t ) = e A t (47) \Phi(t)=e^{At}\tag{47} Φ(t)=eAt(47)拉普拉斯变换法
状态方程:
x ˙ ( t ) = A x ( t ) \dot{x}(t)=Ax(t) x˙(t)=Ax(t)
将上式进行拉氏变换,
s X ( s ) = A X ( s ) + x ( 0 ) (48) sX(s)=AX(s)+x(0)\tag{48} sX(s)=AX(s)+x(0)(48)
则有:
X ( s ) = ( s I − A ) − 1 x ( 0 ) (49) X(s)=(sI-A)^{-1}x(0)\tag{49} X(s)=(sI−A)−1x(0)(49)
进行拉氏反变换:
x ( t ) = L − 1 [ ( s I − A ) − 1 ] x ( 0 ) (50) x(t)=L^{-1}\left[(sI-A)^{-1}\right]x(0)\tag{50} x(t)=L−1[(sI−A)−1]x(0)(50)
式(46)和式(50)比较:
e A t = L − 1 [ ( s I − A ) − 1 ] e^{At}=L^{-1}\left[(sI-A)^{-1}\right] eAt=L−1[(sI−A)−1]
状态转移矩阵的运算性质
状态转移矩阵 Φ ( t ) \Phi(t) Φ(t)的幂级数展开式:
Φ ( t ) = e A t = I + A t + 1 2 A 2 t 2 + ⋯ + 1 k ! A k t k + … (51) \Phi(t)=e^{At}=I+At+\frac{1}{2}A^2t^2+\dots+\frac{1}{k!}A^kt^k+\dots\tag{51} Φ(t)=eAt=I+At+21A2t2+⋯+k!1Aktk+…(51)Φ ( 0 ) = I \Phi(0)=I Φ(0)=I;
Φ ˙ ( t ) = A Φ ( t ) = Φ ( t ) A \dot{\Phi}(t)=A\Phi(t)=\Phi(t)A Φ˙(t)=AΦ(t)=Φ(t)A;
Φ ( t 1 ± t 2 ) = Φ ( t 1 ) Φ ( ± t 2 ) = Φ ( ± t 2 ) Φ ( t 1 ) \Phi(t_1±t_2)=\Phi(t_1)\Phi(±t_2)=\Phi(±t_2)\Phi(t_1) Φ(t1±t2)=Φ(t1)Φ(±t2)=Φ(±t2)Φ(t1);
Φ − 1 ( t ) = Φ ( − t ) , Φ − 1 ( − t ) = Φ ( t ) \Phi^{-1}(t)=\Phi(-t),\Phi^{-1}(-t)=\Phi(t) Φ−1(t)=Φ(−t),Φ−1(−t)=Φ(t);
x ( t 2 ) = Φ ( t 2 − t 1 ) x ( t 1 ) x(t_2)=\Phi(t_2-t_1)x(t_1) x(t2)=Φ(t2−t1)x(t1);
Φ ( t 2 − t 0 ) = Φ ( t 2 − t 1 ) Φ ( t 1 − t 0 ) \Phi(t_2-t_0)=\Phi(t_2-t_1)\Phi(t_1-t_0) Φ(t2−t0)=Φ(t2−t1)Φ(t1−t0);
[ Φ ( t ) ] k = Φ ( k t ) [\Phi(t)]^k=\Phi(kt) [Φ(t)]k=Φ(kt);
若 Φ ( t ) \Phi(t) Φ(t)为 x ˙ ( t ) = A x ( t ) \dot{x}(t)=Ax(t) x˙(t)=Ax(t)的状态转移矩阵,则引入非奇异变换 x = P x ‾ x=P\overline{x} x=Px后的状态转移矩阵为: Φ ‾ ( t ) = P − 1 e A t P \overline{\Phi}(t)=P^{-1}e^{At}P Φ(t)=P−1eAtP;
两种常见的状态转移矩阵;设 A = d i a g [ λ 1 , λ 2 , … , λ n ] A=diag[\lambda_1,\lambda_2,\dots,\lambda_n] A=diag[λ1,λ2,…,λn],即 A A A为对角阵,且具有互异元素,则:
Φ ( t ) = [ e λ 1 t e λ 2 t ⋱ e λ n t ] (52) \Phi(t)= \begin{bmatrix} e^{\lambda_1t}& & &\\ & e^{\lambda_2t} & & \\ &&\ddots\\ &&&e^{\lambda_nt} \end{bmatrix}\tag{52} Φ(t)=⎣ ⎡eλ1teλ2t⋱eλnt⎦ ⎤(52)
设 A A A阵为 m × m m\times{m} m×m约当阵:
A = [ λ 1 λ ⋱ ⋱ 1 λ ] (53) A= \begin{bmatrix} \lambda & 1 & &\\ &\lambda & \ddots\\ &&\ddots & 1\\ &&&\lambda \end{bmatrix}\tag{53} A=⎣ ⎡λ1λ⋱⋱1λ⎦ ⎤(53)
则:
Φ ( t ) = [ e λ t t e λ t t 2 2 e λ t ⋯ t m − 1 ( m − 1 ) ! e λ t 0 e λ t t e λ t ⋯ t m − 2 ( m − 2 ) ! e λ t ⋮ ⋮ ⋮ ⋮ 0 0 0 ⋯ t e λ t 0 0 0 ⋯ e λ t ] (54) \Phi(t)= \begin{bmatrix} e^{\lambda{t}} & te^{\lambda{t}} & \displaystyle\frac{t^2}{2}e^{\lambda{t}}&\cdots & \displaystyle\frac{t^{m-1}}{(m-1)!}e^{\lambda{t}}\\ 0 & e^{\lambda{t}} & te^{\lambda{t}} & \cdots & \displaystyle\frac{t^{m-2}}{(m-2)!}e^{\lambda{t}}\\ \vdots & \vdots & \vdots & &\vdots\\ 0 & 0 & 0 & \cdots & te^{\lambda{t}}\\ 0 & 0 & 0 & \cdots & e^{\lambda{t}} \end{bmatrix}\tag{54} Φ(t)=⎣ ⎡eλt0⋮00teλteλt⋮002t2eλtteλt⋮00⋯⋯⋯⋯(m−1)!tm−1eλt(m−2)!tm−2eλt⋮teλteλt⎦ ⎤(54)
实例分析:Example4: 设状态方程为:
[ x ˙ 1 ( t ) x ˙ 2 ( t ) ] = [ 0 1 − 2 − 3 ] [ x 1 ( t ) x 2 ( t ) ] \begin{bmatrix} \dot{x}_1(t)\\ \dot{x}_2(t) \end{bmatrix}= \begin{bmatrix} 0 & 1\\ -2 & -3 \end{bmatrix} \begin{bmatrix} x_1(t)\\ x_2(t) \end{bmatrix} [x˙1(t)x˙2(t)]=[0−21−3][x1(t)x2(t)]
求状态方程的解.解:
用拉氏变换求解:
s I − A = [ s 0 0 s ] − [ 0 1 − 2 − 3 ] = [ s − 1 2 s + 3 ] sI-A= \begin{bmatrix} s & 0\\ 0 & s \end{bmatrix}- \begin{bmatrix} 0 & 1 \\ -2 & -3 \end{bmatrix}= \begin{bmatrix} s & -1 \\ 2 & s+3 \end{bmatrix} sI−A=[s00s]−[0−21−3]=[s2−1s+3]( s I − A ) − 1 = a d j ( s I − A ) ∣ s I − A ∣ = 1 ( s + 1 ) ( s + 2 ) [ s + 3 1 − 2 s ] = [ 2 s + 1 − 1 s + 2 1 s + 1 − 1 s + 2 − 2 s + 1 + 2 s + 2 − 1 s + 1 + 2 s + 2 ] \begin{aligned} (sI-A)^{-1}&=\frac{adj(sI-A)}{|sI-A|}=\frac{1}{(s+1)(s+2)} \begin{bmatrix} s+3 & 1 \\ -2 & s \end{bmatrix}\\&= \begin{bmatrix} \displaystyle\frac{2}{s+1}-\displaystyle\frac{1}{s+2} & \displaystyle\frac{1}{s+1}-\displaystyle\frac{1}{s+2}\\\\ \displaystyle\frac{-2}{s+1}+\displaystyle\frac{2}{s+2} & \displaystyle\frac{-1}{s+1}+\displaystyle\frac{2}{s+2} \end{bmatrix} \end{aligned} (sI−A)−1=∣sI−A∣adj(sI−A)=(s+1)(s+2)1[s+3−21s]=⎣ ⎡s+12−s+21s+1−2+s+22s+11−s+21s+1−1+s+22⎦ ⎤
可得:
Φ ( t ) = L − 1 [ ( s I − A ) − 1 ] = [ 2 e − t − e − 2 t e − t − e − 2 t − 2 e − t + 2 e − 2 t − e − t + 2 e − 2 t ] \Phi(t)=L^{-1}\left[(sI-A)^{-1}\right]= \begin{bmatrix} 2e^{-t}-e^{-2t} & e^{-t}-e^{-2t}\\ -2e^{-t}+2e^{-2t} & -e^{-t}+2e^{-2t} \end{bmatrix} Φ(t)=L−1[(sI−A)−1]=[2e−t−e−2t−2e−t+2e−2te−t−e−2t−e−t+2e−2t]
状态方程的解为:
[ x 1 ( t ) x 2 ( t ) ] = Φ ( t ) [ x 1 ( 0 ) x 2 ( 0 ) ] = [ 2 e − t − e − 2 t e − t − e − 2 t − 2 e − t + 2 e − 2 t − e − t + 2 e − 2 t ] [ x 1 ( 0 ) x 2 ( 0 ) ] \begin{bmatrix} x_1(t)\\ x_2(t) \end{bmatrix}= \Phi(t)\begin{bmatrix}x_1(0)\\x_2(0)\end{bmatrix}= \begin{bmatrix} 2e^{-t}-e^{-2t} & e^{-t}-e^{-2t}\\ -2e^{-t}+2e^{-2t} & -e^{-t}+2e^{-2t} \end{bmatrix} \begin{bmatrix} x_1(0)\\ x_2(0) \end{bmatrix} [x1(t)x2(t)]=Φ(t)[x1(0)x2(0)]=[2e−t−e−2t−2e−t+2e−2te−t−e−2t−e−t+2e−2t][x1(0)x2(0)]
非齐次状态方程的解
非齐次状态方程如下:
x ˙ ( t ) = A x ( t ) + B u ( t ) (55) \dot{x}(t)=Ax(t)+Bu(t)\tag{55} x˙(t)=Ax(t)+Bu(t)(55)
方程的解为:
x ( t ) = Φ ( t ) x ( 0 ) + ∫ 0 t Φ ( t − τ ) B u ( τ ) d τ (56) x(t)=\Phi(t)x(0)+\int_0^t\Phi(t-\tau)Bu(\tau)d\tau\tag{56} x(t)=Φ(t)x(0)+∫0tΦ(t−τ)Bu(τ)dτ(56)
式中第一项是对初始状态的响应,第二项是对输入作用的响应;亦可表示为:
x ( t ) = Φ ( t ) x ( 0 ) + ∫ 0 t Φ ( τ ) B u ( t − τ ) d τ (57) x(t)=\Phi(t)x(0)+\int_{0}^t\Phi(\tau)Bu(t-\tau)d\tau\tag{57} x(t)=Φ(t)x(0)+∫0tΦ(τ)Bu(t−τ)dτ(57)
实例分析:Example5: 系统状态方程为:
[ x ˙ 1 x ˙ 2 ] = [ 0 1 − 2 − 3 ] [ x 1 x 2 ] + [ 0 1 ] u \begin{bmatrix} \dot{x}_1\\ \dot{x}_2 \end{bmatrix}= \begin{bmatrix} 0 & 1\\ -2 & -3 \end{bmatrix} \begin{bmatrix} x_1\\ x_2 \end{bmatrix}+ \begin{bmatrix} 0\\ 1 \end{bmatrix}u [x˙1x˙2]=[0−21−3][x1x2]+[01]u
且 x ( 0 ) = [ x 1 ( 0 ) x 2 ( 0 ) ] T x(0)=\begin{bmatrix}x_1(0) & x_2(0)\end{bmatrix}^T x(0)=[x1(0)x2(0)]T;求在 u ( t ) = 1 ( t ) u(t)=1(t) u(t)=1(t)作用下状态方程的解;解:
由于: u ( t ) = 1 , u ( t − τ ) = 1 u(t)=1,u(t-\tau)=1 u(t)=1,u(t−τ)=1,可得:
x ( t ) = Φ ( t ) x ( 0 ) + ∫ 0 t Φ ( t ) B d τ x(t)=\Phi(t)x(0)+\int_{0}^t\Phi(t)Bd\tau x(t)=Φ(t)x(0)+∫0tΦ(t)Bdτs I − A = [ s 0 0 s ] − [ 0 1 − 2 − 3 ] = [ s − 1 2 s + 3 ] sI-A= \begin{bmatrix} s & 0\\ 0 & s \end{bmatrix}- \begin{bmatrix} 0 & 1 \\ -2 & -3 \end{bmatrix}= \begin{bmatrix} s & -1 \\ 2 & s+3 \end{bmatrix} sI−A=[s00s]−[0−21−3]=[s2−1s+3]
( s I − A ) − 1 = a d j ( s I − A ) ∣ s I − A ∣ = 1 ( s + 1 ) ( s + 2 ) [ s + 3 1 − 2 s ] = [ 2 s + 1 − 1 s + 2 1 s + 1 − 1 s + 2 − 2 s + 1 + 2 s + 2 − 1 s + 1 + 2 s + 2 ] \begin{aligned} (sI-A)^{-1}&=\frac{adj(sI-A)}{|sI-A|}=\frac{1}{(s+1)(s+2)} \begin{bmatrix} s+3 & 1 \\ -2 & s \end{bmatrix}\\&= \begin{bmatrix} \displaystyle\frac{2}{s+1}-\displaystyle\frac{1}{s+2} & \displaystyle\frac{1}{s+1}-\displaystyle\frac{1}{s+2}\\\\ \displaystyle\frac{-2}{s+1}+\displaystyle\frac{2}{s+2} & \displaystyle\frac{-1}{s+1}+\displaystyle\frac{2}{s+2} \end{bmatrix} \end{aligned} (sI−A)−1=∣sI−A∣adj(sI−A)=(s+1)(s+2)1[s+3−21s]=⎣ ⎡s+12−s+21s+1−2+s+22s+11−s+21s+1−1+s+22⎦ ⎤
Φ ( t ) = L − 1 [ ( s I − A ) − 1 ] = [ 2 e − t − e − 2 t e − t − e − 2 t − 2 e − t + 2 e − 2 t − e − t + 2 e − 2 t ] \Phi(t)=L^{-1}\left[(sI-A)^{-1}\right]= \begin{bmatrix} 2e^{-t}-e^{-2t} & e^{-t}-e^{-2t}\\ -2e^{-t}+2e^{-2t} & -e^{-t}+2e^{-2t} \end{bmatrix} Φ(t)=L−1[(sI−A)−1]=[2e−t−e−2t−2e−t+2e−2te−t−e−2t−e−t+2e−2t]
∫ 0 t Φ ( τ ) B d τ = ∫ 0 t [ e − τ − e − 2 τ − e − τ + 2 e − 2 τ ] d τ = [ − e − τ + 1 2 e − 2 τ e − τ − e − 2 τ ] ∣ 0 t = [ − e − t + 1 2 e − 2 t + 1 2 e − t − e − 2 t ] \int_0^t\Phi(\tau)Bd\tau=\int_0^t \begin{bmatrix} e^{-\tau}-e^{-2\tau}\\ -e^{-\tau}+2e^{-2\tau} \end{bmatrix}d\tau= \left.\begin{bmatrix} -e^{-\tau}+\displaystyle\frac{1}{2}e^{-2\tau}\\ e^{-\tau}-e^{-2\tau} \end{bmatrix}\right|_0^t= \begin{bmatrix} -e^{-t}+\displaystyle\frac{1}{2}e^{-2t}+\displaystyle\frac{1}{2}\\ e^{-t}-e^{-2t} \end{bmatrix} ∫0tΦ(τ)Bdτ=∫0t[e−τ−e−2τ−e−τ+2e−2τ]dτ=[−e−τ+21e−2τe−τ−e−2τ]∣ ∣0t=[−e−t+21e−2t+21e−t−e−2t]
因此:
x ( t ) = [ x 1 ( t ) x 2 ( t ) ] = [ 2 e − t − e − 2 t e − t − e − 2 t − 2 e − t + 2 e − 2 t − e − t + 2 e − 2 t ] [ x 1 ( 0 ) x 2 ( 0 ) ] + [ − e − t + 1 2 e − 2 t + 1 2 e − t − e − 2 t ] x(t)= \begin{bmatrix} x_1(t)\\ x_2(t) \end{bmatrix}= \begin{bmatrix} 2e^{-t}-e^{-2t} & e^{-t}-e^{-2t}\\ -2e^{-t}+2e^{-2t} & -e^{-t}+2e^{-2t} \end{bmatrix} \begin{bmatrix} x_1(0)\\ x_2(0) \end{bmatrix}+ \begin{bmatrix} -e^{-t}+\displaystyle\frac{1}{2}e^{-2t}+\displaystyle\frac{1}{2}\\ e^{-t}-e^{-2t} \end{bmatrix} x(t)=[x1(t)x2(t)]=[2e−t−e−2t−2e−t+2e−2te−t−e−2t−e−t+2e−2t][x1(0)x2(0)]+[−e−t+21e−2t+21e−t−e−2t]
自动控制原理9.1---线性系统的状态空间描述(中下)相关推荐
- 【控制】第九章-线性系统的状态空间描述
[控制]第九章-线性系统的状态空间描述 9.1 线性系统的状态空间描述 1. 系统数学描述的两种基本类型 2. 系统状态空间描述常用的基本概念 3. 线性定常连续系统状态空间表达式的建立 (1)根据系 ...
- 【现代控制理论基础】一、线性系统的状态空间描述
Author:AXYZdong 自动化专业 工科男 有一点思考,有一点想法,有一点理性! 定个小小目标,努力成为习惯!在最美的年华遇见更好的自己! CSDN@AXYZdong,CSDN首发,AXYZd ...
- 自动控制原理9.1---线性系统的状态空间描述(中上)
参考书籍:<自动控制原理>(第七版).胡寿松主编. <自动控制原理PDF版下载> 1.线性系统的状态空间描述 1.3 线性定常连续系统状态空间表达式的建立 建立状态空间表达式的 ...
- 自动控制原理9.1---线性系统的状态空间描述(下)
参考书籍:<自动控制原理>(第七版).胡寿松主编. <自动控制原理PDF版下载> 1.线性系统的状态空间描述 1.5 系统的传递函数矩阵 定义及表达式 初始条件为零时,输出向量 ...
- 【控制】《自动控制原理》胡寿松老师-第9章-线性系统的状态空间分析与综合
第8章 回到目录 第10章 [控制]第九章-线性系统的状态空间描述 9.1 线性系统的状态空间描述 1. 系统数学描述的两种基本类型 2. 系统状态空间描述常用的基本概念 3. 线性定常连续系统状态空 ...
- 自动控制原理笔记(5)——线性系统的根轨迹法
文章目录 前言 线性系统的根轨迹法 180度根轨迹绘制法则 零度根轨迹绘制法则 闭环零点的影响 前言 汇总版在这篇文章:自动控制原理上课笔记 线性系统的根轨迹法 根轨迹简称根迹,它是开环系统某一参数从 ...
- 【自动控制原理笔记】频率特性的几何表示法
问就是图比公式好看 上一节 [自动控制原理笔记]线性系统的频域分析-频率特性 频率特性的几何表示法 要把线性系统的频率特性绘制成曲线图,通常有三种方法可供使用. 或者说,在工程设计和分析中,我们可以使 ...
- 自动控制原理《线性系统的时域分析》
目录 文章目录 目录 摘要 0.概述 1.典型输入信号 2.线性系统时域性能指标 1.一阶系统的时间响应及动态性能 2.二阶系统的时间响应及动态性能 3.改善二阶系统的动态性能的措施 4.稳定性的概念 ...
- 自控matlab设计,自动控制原理课程设计--基于MATLAB软件的自动控制系统仿真
自动控制原理课程设计--基于MATLAB软件的自动控制系统仿真 < 自动控制原理 >课程设计说 明 书日期: 2012.5.21-2012.6.1 自动控制原理 课程设计评阅书题目 基于 ...
最新文章
- centos7 install mysql
- web 监听器 过滤器等组件
- Wireshark默认不抓取本地包的解决方式
- 如何搭建基于容器的工业互联网PaaS平台
- delphi XE2-新的里程碑
- php intval trim,php数据入库前清理 注意php intval与mysql的int取值范围不同_PHP教程
- linux查看当前igb的版本信息,Linux下查看网卡驱动和版本信息
- shell 函数和数组
- 最新阿尼亚二次元动漫鼠标指针安装教程+素材打包
- macbook视频格式转换_如何将Mac视频格式转换
- 桌面应用之electron开发
- 计算机软件师倾斜怎么能摆正,ps中怎么把倾斜图案拉直
- NeoKylin7文件管理(自用)
- SD卡和TF卡的区别/差异
- worksheet怎么读_worksheet是什么意思_worksheet怎么读_worksheet翻译_用法_发音_词组_同反义词_工作表_学习单-新东方在线英语词典...
- 黑盒测试具体有哪些操作步骤?
- Vue - $route matched 属性实现面包屑导航
- OperationException: CLIENT: CLIENT_ERROR cannot increment or decrement non-numeric value
- 控制台报 [WDS] Disconnected!不影响代码运行。
- Azure NSG(安全组)