系统的状态方程
线性时变系统状态方程的解

2.4
线性时变系统状态方程的解
线性时变系统的状态方程为 & x = A ( t ) x + B( t )u (1)不一定有解 (2)当A(t)、B(t)在定义区间绝对可积时,对 每一初始态存在唯一解。 0 1 & 时变系统中A、B随t变化,如 x= x 0 t 一、齐次矩阵微分方程的解 & x(t ) = A(t ) x(t ) x ( t ) t = t = x ( t o )
& φ (t , t0 ) = A(t )φ (t , t0 ) 即 将t=t0代入解中 x(t ) =φ(t ,t )x(t )
∴ x ( t ) = φ( t , t 0 ) x ( t 0 ) 是齐次矩阵的解
∴ (t0,t0) =I φ
0
00
0
证毕
讨论: 1 齐次解与定常系统一样,也是初始状态 的转移,φ(t,t0)称为时变系统的状态转移 矩阵。 2 将定常系统中的φ(t),φ(t-t0)改为 φ(t,t0)定常系统可推广到时变系统。 二、非齐次矩阵微分方程的解 & x (t) = A (t)x (t) + B(t)u (t) 解:
x ( t ) = φ( t, t 0 ) x (t 0 ) +
∫
t
t0
φ( t , τ) B ( τ) u ( τ)dτ
证明(略)
三,状态转移矩阵 φ( t , t 0 ) 1. φ( t , t 0 ) 与 φ( t ) φ( t − t 0 ) 对比 共同:形式和性质类似 区别:本质不同,但Φ(t,t0)既是t的函数,也 是t0的函数 Φ(t)是t的函数 e
0
其解为: x ( t ) = φ( t, t 0 ) x ( t 0 )
《自动控制原理》线性定常连续系统状态方程的解

2
k!
= P −1IP + P −1 APt + 1 P −1 A2 Pt 2 + + 1 P −1 Ak Pt k +
2
k!
= P −1 (I + At + 1 A2t 2 + + 1 Ak t k + )P = P −1e At P
2
k!
因而式(9-39)成立。
性质10: 两种常见的状态转移矩阵。设 A = diag[1, 2 ,,n ],
2. 拉普拉斯变换法。将式(9-22)取拉氏变换有
sX (s) = AX (s) + x(0)
则
(sI − A) X (s) = x(0)
X (s) = (sI − A)−1 x(0)
(9-27)
进行拉氏反变换有
x(t) = −1[(sI − A)−1]x(0)
(9-28)
与(9-25)相比有
e At = −1[(sI − A)−1 ]
进行拉氏反变换有 x(t) = −1(sI − A)−1 x(0) + −1[(sI − A)−1 BU (s)]
由拉氏变换卷积定理
−1[F1(s)F2 (s)] =
t
0 f1 (t − ) f2 ( )d
=
t
0 f1 ( ) f2 (t − )d
在此将(sI − A)−1 视为F1 (s),将BU (s) 视为 F2 (s) ,则有
x(t) = eA(t) x(0) + t eA(t− )Bu( )d 0 t = (t)x(0) + 0 (t − )Bu( )d
结果与式(9-43)相同。上式又可表示为
K3.05-离散系统状态方程和输出方程

f
p
பைடு நூலகம்
X (k 1)
A
X (k)
B
f (k)
矩阵形式: X (k 1) AX (k) Bf (k)
离散系统状态方程和输出方程
(5)输出方程:描述系统输出、输入、状态之间关系的 代数方程组。
一般形式:n阶系统,n个状态,p个输入,q个输出。
y1(k) c11
y2
(k)
c21
yq(k) cq1
一般形式:n阶系统,n个状态,p个输入。
x1(k 1) a11
x2
(k
1)
a21
a12
a22
a1n
a2n
x1(k)
x2
(k
)
b11 b21
b12 b22
b1 p b2 p
f1 f2
xn (k 1)
an1
an2
ann
xn
(k
)
bn1
bn 2
bnp
c12 c22
cq2
c1n
c2n
cqn
x1(k) x2(k) xn(k)
d11 d21 dq1
d12 d22
d1p
d2
p
f1 f2
dq2
dqp
fp
Y(k)
C
X(k)
D
f (k)
Y (k) CX (k) Df (k)
5
x1(k0 ), x2 (k0 )......, xn (k0 )
说明: (1) 系统状态的数目是一定的,n阶系统有n个初始状态; (2) 设初始时刻k0=0,对n阶系统,初始状态通常为:
y(-1), y(-2), ……, y(-n)
《状态方程方程》课件

复杂系统中的状态方程
复杂系统中的状态方程概述
复杂系统通常由大量相互作用的元素组成,其行为难以通过单个元素的行为来预测。复杂系统中的状态方程是描述系 统整体行为的重要工具。
复杂系统中的状态方程的数学形式
复杂系统中的状态方程通常由一组相互耦合的非线性微分方程或差分方程表示,描述了系统中各个元素的状态变化以 及它们之间的相互作用。
先确定有限元的划分,然后构 造每个有限元的近似函数,通 过变分原理得到有限元方程。
适用于具有复杂边界条件的偏 微分方程。
03
状态方程的实际应用
在流体力学中的应用
01
流体力学中的状态方程主要用 来描述流体的状态性质,如压 力、温度、密度等之间的关系 。
02
在流体力学中,状态方程是建 立流体动力学模型的基础,对 于流体流动的模拟、分析和优 化具有重要意义。
复杂系统中的状态方程的求解方法
求解复杂系统中的状态方程的方法有多种,如数值模拟、近似解析法、自适应算法等,具体方法的选择 取决于系统的具体形式和求解要求。
05
习题与思考题
基础习题
总结词
巩固知识点
详细描述
基础习题主要针对状态方程的基本概念、公式和计算方法进行练习,旨在帮助学生巩固所学知识点,提高解题能 力和计算准确性。
详细描述
将原方程中的偏微分项用离 散的差分近似,从而将偏微 分方程转化为离散的差分方 程进行求解。
步骤
先确定离散点,然后将原方 程中的偏微分项用离散的差 分近似,得到离散的差分方 程。
应用范围
适用于具有规则网格的偏微 分方程。
有限元法
总结词
详细描述
步骤
应用范围
一种基于变分原理的数值求解 方法
第三章线性系统状态方程的解

第三章 线性系统的运动分析§3-1线性连续定常齐次方程求解一、齐次方程和状态转移矩阵的定义1、齐次方程状态方程的齐次方程部分反映系统自由运动的状况(即没有输入作用的状况),设系统的状态方程的齐次部分为:)()(t Ax t x= 线性定常连续系统:Ax x =2、状态转移矩阵的定义齐次状态方程Ax x = 有两种常见解法:(1)幂级数法;(2)拉氏变换法。
其解为)0()(x e t x At ⋅=。
其中Ate 称为状态转移矩阵(或矩阵指数函数、矩阵指数),记为:At e t =)(φ。
若初始条件为)(0t x ,则状态转移矩阵记为:)(00)(t t A e t t -=-Φ对于线性时变系统,状态转移矩阵写为),(0t t φ,它是时刻t ,t 0的函数。
但它一般不能写成指数形式。
(1)幂级数法设Ax x= 的解是t 的向量幂级数 +++++=kk t b t b t b b t x 2210)(式中 ,,,,,k b b b b 210都是n 维向量,则+++++=-1232132)(k k t kb t b t b b t x)(2210 +++++=kk t b t b t b b A故而有:⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧======00323021201!1!31312121b A k b b A Ab b b A Ab b Ab b K K2且有0)0(b x =。
故+++++=kk t b t b t b b t x 2210)(+++++=k k t b A k t b A t Ab b 020200!1!21 )0()!1!21(22x t A k t A At I kk +++++=定义:∑∞==+++++=022!1!1!21K k k k k Att A k t A k t A At I e则)0()(x e t x At ⋅=。
(2)拉氏变换解法将Ax x= 两端取拉氏变换,有 )()0()(s Ax x s sx =- )0()()(x s x A sI =- )0()()(1x A sI s x ⋅-=-拉氏反变换,有)0(])[()(11x A sI L t x ⋅-=-- 则])[()(11---==A sI L e t At φ【例3.1.1】 已知系统的状态方程为x x⎥⎦⎤⎢⎣⎡=0010 ,初始条件为)0(x ,试求状态转移矩阵和状态方程的解。
状态方程

例6 输出: uc , iC , uR
电路理论基础
解 若已知状态量 uC在
t=0
R
ic
uc(t1)=3V和us=10V,也 uR us uc 可以确定t>t1电路的响应 uc , iC , uR。 uc 3e 500 ( t t1 ) 10(1 e 500 ( t t1 ) ) 500 ( t t1 ) ic 3.5e mA uR 7e 500( t t1 ) V 可推广到一阶、二阶和高阶动态电路中,当t =t1 时uC , iL 和t t1 后的输入 uS(t)为已知,就可以确 定t1及t1以后任何时刻系统的响应。问题是确定状 态变量及初始值。
上例中也可选uC和duC /dt为状态变量
duC uC d(C ) dt R u u (t ) L C S dt d 2 uC L duC LC uC uS ( t ) 2 R dt dt
iL L + uL + + uC uS(t)
电路理论基础
iL iC
C R 2 + uR
状态方程为
x (t ) A x (t ) Bv(t )
式中,A、B为系数阵,由电路结构和参数确定。 状态方程特点: (1)联立的一阶微分方程组 (2)左端为一个状态变量的一阶导数 (3)右端为状态变量和输入量的线性表示 (4)方程数等于状态变量数,等于独立储能元件数
电路理论基础
整理为矩阵形式
duC 1 dt RC di 1 L dt L
状态变量
1 0 u C C i 1 uS ( t ) 0 L L
输入量
状态方程和输出方程

状态方程和输出方程状态方程和输出方程是系统理论中的重要概念,用于描述动态系统的行为。
状态方程描述了系统的状态如何随时间变化,而输出方程则描述了系统的输出如何由状态决定。
在这篇文章中,我们将详细介绍状态方程和输出方程的概念、推导方法和应用。
一、状态方程状态方程又称为状态空间方程或系统方程,用数学表示为:x(t)=A·x(t-1)+B·u(t)其中,x(t)为系统的状态向量,表示系统在其中一时刻的状态;A为状态转移矩阵,描述了系统的状态如何随时间变化;x(t-1)为系统在上一时刻的状态;B为输入矩阵,描述了外部输入信号如何影响系统的状态;u(t)为外部输入信号,表示系统在其中一时刻的输入。
状态方程的物理意义是描述系统的动态行为。
通过状态方程,我们可以了解系统的状态如何由前一时刻的状态和当前的输入决定。
状态方程是描述系统动态行为的基础,可以用于系统的建模、分析和控制。
推导状态方程的方法有两种:物理建模和数学建模。
物理建模是通过系统的物理原理和方程来推导状态方程;数学建模是通过对系统的输入输出进行数学分析,从而推导出状态方程。
物理建模适用于具有物理背景的系统,如机械系统、电路系统等;数学建模适用于所有类型的系统。
二、输出方程输出方程又称为观测方程或测量方程,用数学表示为:y(t)=C·x(t)其中,y(t)为系统的输出向量,表示系统在其中一时刻的输出;C为观测矩阵,描述了系统的输出如何由状态决定;x(t)为系统在其中一时刻的状态。
输出方程的物理意义是描述系统的输出如何由状态决定。
通过输出方程,我们可以了解系统的输出如何与系统的状态相关。
输出方程是描述系统的输出特性的关键,可以帮助我们理解系统的性能和行为。
推导输出方程的方法有直接测量和模型匹配。
直接测量是通过对系统的输出进行实际测量,从而得到输出方程;模型匹配是通过对系统进行数学建模,从而推导出输出方程。
直接测量适用于系统的输出直接可测量的情况;模型匹配适用于系统的输出无法直接测量或想要通过模型进行预测的情况。
第八章 状态方程

化简,得
d eAtλ t eAt Bet
dt
两边取积分,并考虑起始条件,有
eAtλ tλ 0
t eA Be( ) d
0
对上式两边左乘 e A,t 并考虑到 eAteAt I ,可得
λ为t方 程eA的tλ 一0般解0t eAt Be d eAtλ 0 eAt B et
求输出方程r(t)
et b1
dk 1 dt k1
et
bk1
d dt
et bket
此系统为k 阶系统,输入信号的最高次导数也为
k 次系统函数为
H
s
b0sk b1sk1 bk1s bk sk a1sk1 ak1s ak
为便于选择状态变量,系统函数表示成
H
s
b0
b1s1
bk
s1k
1
bk sk
d λ t, 输出为 λ t。
dt
若 A,B,C矩, D阵是 的函t数,表明系统是线性时变
的,对于线性时不变系统,A,B,C的, D各元素都为常
数,不随 t改变。
状态变量的特性
每一状态变量的导数是所有状态变量和输 入激励信号的函数;
每一微分方程中只包含有一个状态变量对 时间的导数;
输出信号是状态变量和输入信号的函数;
1 a1s1
ak
s1k
1
ak sk
当用积分器来实现该系统时,其流图如下
et 1
b0
1 s k a1
b1 b2
1 sk1
a2
bk 2
bk 1
3 1 s 2 1 s 1 bk
r t
ak2 ak1
ak
取积分器的输出作为状态变量,如图中所标的
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第2章 系统的状态空间描述输入输出:可测量,欠全面§2.1 基本概念 例2.1 密封水箱 1()(),y t x t μ=1d [()()]d [()()]d c x u t y t t u t x t t μ⋅=-⋅=-⋅即μ2(m )c 3()(m /s)u t 3()(m /s)y t ()(m)x t11()()()x t x t u t c cμ'=-+.解tt ccx t x u c 001()e ()e d τμμττ-⎛⎫=+ ⎪ ⎪⎝⎭⎰.若()u t r ≡, 则0()e 1e ,()ttc cx t x r r t μμμμ--⎛⎫=+-⇒→∞ ⎪ ⎪⎝⎭, 若想()x h ∞=, 只要()hu t μ=.例2.2 LRC123()()();i t i t i t =+ ()()()()()L R L C u t v t v t v t v t =+=+选1()()C i t v t 和;则: 11()()()1()()()C C C Li t v t u t Cv t i t v t R '=-+⎧⎪⎨'⎪=-⎩ 其余2()()/,C i t v t R =()()(),()().L C R C v t u t v t v t v t =-=)(t v C )(t v L L R C )(1t i )(t u )(2t i )(3t i 2.2图1. 系统的状态变量状态变量: 完全表征系统,个数最少的一组变量 未来()x t :由0()x t 和0t t ≥的()u t 完全确定. 对定常, 常取00t =. 2. 状态向量和状态空间 状态向量:12()(),(),()Tn x t x t x t x t =⎡⎤⎣⎦状态空间:()x t 取值范围 状态轨线:()x t 的轨迹(无时间轴) 3.几点说明(1) 0()x t 和0(),u t t t ≥决定()x t , 0t t ≥(2) n 阶’微分方程’可引出n 个状态变量, 不唯一. (3) 尽选可测量. 离散系统类似.列写方法:‘微方’,’差方’→状态方程; ‘传函’,’流程图’→状态方程.§2.2 线性连续系统的状态空间模型状态方程 + 输出方程;1.一般形式n 维状态()x t , r 维输入()u t , m 维输出()y t ,状态方程 ()()()x t Ax t Bu t =+ (2.3) 输出方程 ()()()y t Cx t Du t =+ (2.4)12()()()()n x t x t x t x t ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦, 12()()()()r u t u t u t u t ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦, 12()()()()m y t y t y t y t ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦,111212122212n n n n nn a a a a a a A a a a ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦,111212122212r r n n nr b b b b b b B b b b ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦ 状态矩阵 输入矩阵111212122212n n m m mn c c c c c c C c c c ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦,111212122212r rm m mr d d d d d d D d d d ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦. 输出矩阵 输入输出矩阵(1)若A 、B 、C 和D 都是常数阵, 则系统是定常的; 否则为时变的;(2)若1r =且1m =,则系统是单变量的;否则是多变量的 简记 {A , B , C , D } 如水箱系统:{}111,,,,,,0A B C D c c μμ⎧⎫=-⎨⎬⎩⎭.如LRC 系统状态方程:1111()()()11()()()C C C i t v t u t L Lv t i t v t C C R ⎧'=-+⎪⎪⎨⎪'=-⎪⎩,输出方程:311()()()C i t i t v t R=-,若1L R C ===,则有[]011,,11,0110A B C D -⎡⎤⎡⎤===-=⎢⎥⎢⎥-⎣⎦⎣⎦.2. 由’微方’ 状态模型 设()(1)()(1)1101n n m m n m m ya ya y a yb ub u----++++=+10b u b u +++(1)若m =0, 则可(1)123,,,,n n x y x y x y x y-====,得 1223(1)1()01121,,,,n n n n n n n x y x x y x x y x x y a x a x a x u ---==⎧⎪==⎪⎪⎨⎪==⎪==----+⎪⎩即1122011010000()00101n n n x x x x u t x a a a x -⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥=⋅+⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥---⎣⎦⎣⎦⎣⎦⎣⎦, []12()100[,,,]Tn y t x x x =⋅.令12()n x x x t x ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦,01101000,,00101n A B a a a -⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥==⎢⎥⎢⎥⎢⎥⎢⎥---⎣⎦⎣⎦[]100C =,0D =,则有()()()x t Ax t Bu t =+, (2.6) ()()y t Cx t =. (2.7)例2.3 设5612y y y y u +++=,试写出状态模型. 解 令123,,x y x y x y ===,则122231231265x x x x x x x x u=⎧⎪=⎨⎪=---+⎩ 所以11223301000010()12651x x x x u t x x ⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=⋅+⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥---⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦, []123()100x y t x x ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦. (2) 1m n ≤< (设初始条件全为0) 拉变 ()()()Y s G s U s =, 即110()()()m m m m Y s b s b sb Y s --=+++(*)其中1101()()n n n Y s U s s a sa --=+++对应()(1)110,n n n ya ya y a y u --'++++=是情形(1), 故取(1)123,,,,n n x y x y x y x y-====可得状态方程. 改写(*)式得1101()()m m m m Y s Y s b s b s b --=+++(**)由初值性质110(0)lim ()1lim lim ()0(0)0s m m s s m m y sY s sY s y b s b s b →∞-→∞→∞-==⋅=⋅=+++同理(1)(0)(0)(0)0m y y y-====, 故对(**)作逆变换()(1)10m m m m y b yb yb y --=+++01121m m b x b x b x +=+++,由此得112211010000()00101n n n x x x x u t x a a a x -⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥=⋅+⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥---⎣⎦⎣⎦⎣⎦⎣⎦, ()[00][,,,,,]01121T y t b b b x x x x m n m =⋅+(3) 当m n = 传递函数为11100110()()()()n n n n n n n n n b b a s b b a Y s b U s s a s a -----⎡⎤-++-=+⎢⎥+++⎣⎦11100110()()()()n n n n n n n n n b b a s b b a b U s U s s a s a ------++-=++++12()()Y s Y s =+.其中1()()n Y s b U s =,111002110()()()()n n n n n n n n b b a s b b a Y s U s s a s a ------++-=+++. 为情形(2), 故200111112()[,,,]n n n n n Tn y t b b a b b a b b a x x x --=---⎡⎤⎣⎦⋅,综合得001111()n n n n n y t b b a b b a b b a --=---⎡⎤⎣⎦12[,,,]Tn n x x x b u ⋅+例2.4 求323y y y u u ''''++=-的状态空间模型. 解 2,1n m ==,1122()()010()()()231x t x t u t x t x t ⎡⎤⎡⎤⎡⎤⎡⎤=+⎢⎥⎢⎥⎢⎥⎢⎥--⎣⎦⎣⎦⎣⎦⎣⎦,[]12()()31()x t y t x t ⎡⎤=-⎢⎥⎣⎦. 注 情形(3)是情形(1)和(2)的推广或说(1)和(2)都是(3)的特例.例2.5 设2y t y u +=. 试求状态模型. 解 令12,x y x y ==, 则{1221,2,x x x tx u ==-+即112201002x x u x x t ⎡⎤⎡⎤⎡⎤⎡⎤=+⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦⎣⎦⎣⎦,12[10]x y x ⎡⎤=⎢⎥⎣⎦.注: 状态矩阵是时变的.2. 传递函数→状态模型 传递函数→微分方程→状态模型.例2.6 设22253()54s s G s s s ++=++,写出其状态模型.解 易得 54253y y y u u ''''''++=++, 由情形(3), 得1122()()010()()()451x t x t u t x t x t ⎡⎤⎡⎤⎡⎤⎡⎤=⋅+⎢⎥⎢⎥⎢⎥⎢⎥--⎣⎦⎣⎦⎣⎦⎣⎦,[]12()()552()()x t y t u t x t ⎡⎤=--+⎢⎥⎣⎦.3. 信号流程图→状态模型 设有下图将1s→⎰, s →t , 得注: 积分器出口是状态变量.⎰5)(t u )(t y +-2⎰++--1x 1x 2x2x s15)(s U )(s Y +-2s 1++--由前图得112122x x ux x x =-+⎧⎨=-⎩, 125y x x =-.注 状态模型不唯一. 如由前2图另得2153()11232s G s s s s s -⎛⎫=-= ⎪++++⎝⎭, 改为541/1/()542112/11/s sG s s s s s=-=⋅-++++,等价于下图5)(t u )(t y 2++--⎰1x 1x 2x 2x ⎰4+-易得1122d 25d d 4d x x u tx x ut⎧=-+⎪⎪⎨⎪=-+⎪⎩, 12y x x =-, 即2001A -⎡⎤=⎢⎥-⎣⎦,54B ⎡⎤=⎢⎥⎣⎦,[]11C =-. 又有微分方程323y y y u u ++=-,是(2)的情形,故12212,23,x x x x x u ⎧=⎪⎨=--+⎪⎩ 123y x x =-+, 对应0123A ⎡⎤=⎢⎥--⎣⎦,01B ⎡⎤=⎢⎥⎣⎦,[]31C =-. 故原系统可有3种数学模型 4.状态方程 传递函数 作拉变, 并设(0)0x =,则()()()sX s AX s BU s =+,()()()Y s CX s DU s =+,由(2.18)式得1()()()X s sI A BU s -=-代入(2.19),有()1()()Y s C sI A B D U s -⎡⎤=-+⎣⎦,从而传递函数阵()1()G s C sI A B D -=-+.当1m r ==, ()G s 是传递函数.小结n阶微分方程⇔传递函数⇔状态模型⇔状态流程图。