线性定常连续系统状态方程的解
Matlab程序解现代控制理论与工程中的状态方程
Matlab程序解现代控制理论与工程中的状态方程用矩阵指数法解状态方程的matlab函数vslove1：函数vslove1:求解线性定常连续系统状态方程的解function[phit,phitbu]=vsolves1(a,b,ut)%vsolves1谋线性已连续系统状态方程x’=ax+bu的求解%[phit,phitbu]=vsolves1(a,b,ut)%a,b系数矩阵%ut控制输入，必须为时域信号的符号表达式，符号变量为t%phit――输出phi(t)%phitbu――输入phi(t-tao)*b*u(tao)在区间（0，t）的分数symsttao%定义符号变量t,taophit=expm(a*t);%求矩阵指数exp(at)if(b==0)b=zeros(size(a,l),l);%重构系数矩阵bendphi=sub(phit,’t’,’t-tao’);%求exp[a(t-tao)]phitbu=int(phi*b*ut,’tao’,’0’,’t’);%谋exp[a(t-tao)]*b*u(tao)在0~t区间的分数用拉氏变换法解状态方程的matlab函数vslove2：函数vslove2:解线性定常已连续系统状态方程的求解function[sl_a,sl_abu]=vsolves1(a,b,us)%vsolves2求线性连续系统状态方程x’=ax+bu的解%[sl_a,sl_abu]=vsolves1(a,b,ut)%a,b系数矩阵%us掌控输出，必须为拉氏转换后的符号表达式，符号变量为s%sl_a――输入矩阵(sl-a)^(-1)拉式反华转换的结果%sl_abu――输出(sl-a)^(-1)*b*u(s)拉式反变换后的结果symss%定义符号变量t,taoaa=s*eye(size(a))-a;%谋si-ainvaa=inv(aa);%求（si-a）矩阵的逆intaataa=ilaplace(intaa);%求intaa的拉氏反变换si_a=simplify;%简化拉式反变换的结果if(b==0)b=zeros(size(a,l),l);%重构系数矩阵bendtab=ilaplace(intaa*b*us);%求intaa*b*us的拉氏反变换si_abu=simplify(tab);%化简拉式反变换的结果解时变系统状态方程的matlab函数tslove：函数tslove:求解线性时变连续系统状态方程的解function[phi,phibu]=tsolves(a,b,u,x,a,n)%tsolves求时变系统状态方程%[phi,phibu]=vsolves1(a,b,u,x,a,n)%a,b时变系数矩阵%phi――状态迁移矩阵计算结果%phibu――THF1求解分量%u――控制输入向量，时域形式%x――符号变量，阐明矩阵a中的时变参数，通常为时间t%a――积分下限%n――时变状态转移矩阵中计算重积分的最大项数，n=0时无重积分项%n=1时包含二重积分项，.....phi=transmtx(a,x,a,n);%排序状态迁移矩阵phitao=subs(phi,x,’tao’);%谋phi(tao)if(b==0)btao=zeros(size(a,l),l);%谋b(tao)endutao=subs(u,x,’tao’);%求u(tao)phibu=simple(int(phitao*btao*utao,’tao’,a,x));%排序THF1分量求解时变系统转移矩阵的matlab函数transmtx：函数transmtx:解线性时变系统状态迁移矩阵functionphi=transmtx(a,x,a,n)%transmtx计算时变系统状态转移矩阵%phi=transmtx(a,x,a,n)%phi――状态迁移矩阵计算结果%a时变系数矩阵%x――符号变量，指明矩阵a中的时变参数，通常为时间t%a――积分下限%n――时变状态迁移矩阵中排序轻分数的最小项数，n=0时并无轻分数项%n=1时涵盖二重积分项，.....phi=eye(size(a));%初始化phi=iforlop=0:naa=a;fori=1:lopif(aa==0)break;endatemp=subs(aa,x,’taoi’);aa=simplify(a*int(atemp,’tao’,a,x));endif(aa==0)break;endatemp=subs(aa,x,’taoi’);aa=simplify(a*int(atemp,’tao’,a,x));%计算重积分phi=simplify(phi+aa);%修正phiend解线性定常离散系统状态方程的matlab函数disolve：函数disolve:求解线性定常离散系统状态方程的解function[ak,akbu]=disolve(a,b,uz)%disolve谋线性离散系统状态方程x(k+1)=ax(k)+bu(k)的求解%[ak,akbu]=disolve(a,b,uz)%a,b系数矩阵%uz控制输入，必须为z变换后的符号表达式，符号变量为z%ak――输出矩阵[((zi-a)^(-1)z]z反变换后的结果%akbu――输入矩阵[((zi-a)^(-1)*b*u(z)]z反华转换后的结果symsz%定义符号变量zaa=z*eye(size(a))-a;%求zi-ainvaa=inv(aa);%谋（zi-a）矩阵的逆intaataa=iztrans(intaa*z);%谋intaa*z的z 反华转换ak=simple(taa);%精简z反华转换的结果if(b==0)b=zeros(size(a,l),l);%重构系数矩阵bendtab=iztrans(intaa*b*uz);%谋intaa*b*uz的z反华转换akbu=simple(tab);%化简z 反华转换的结果求解线性时变离散系统状态方程的matlab函数tdsolve：函数tdsolve:解线性时变离散系统状态方程的求解functionxk=tsolve(ak,bk,uk,x0,kstart,kend)%tdsolve求线性时变离散系统状态方程x(k+1)=a(k)x(k)+b(k)u(k)的解%xk=tsolve(ak,bk,uk,x0,kstart,kend)%ak,bk系数矩阵%uk掌控输出，必须为时域符号表达式，符号变量为k%x0初始状态%kstart――起始时刻%kend――中止时刻%xk――输出结果，矩阵每一列分别对应x(k0+1),x(k0+2)....symsk%定义符号变量kif(bk==0)bk=zeros(size(a,l),l);%重构系数矩阵bendxk=[];forkk=kstart+1:kendaa=eye(size(k));fori=kstart:kk-1%排序a(k-1)a(k-2)....a(k0+1)a(k0)a=subs(ak,’k’,i);aa=a*aa;endaab=eye(size(ak));bb=zeros(size(bk));fori=kk-1:-1:kk+1%排序a(k-1)a(k-2)....a(j+1)b(j)u(j)的递增和a=subs(ak,’k’,i);aab=aab*a;b=subs(bk,’k’,kk-1+i+kstart);u=subs(uk,’k’,kk-1+i+kstart);bb=bb+aab*b*u;endb=subs(bk,’k’,kk-1);u=subs(uk,’k’,kk-1);bb=bb+b*u;xk=[xkaa*x0+bb];%计算x(k)end已连续系统状态方程线性化后的matlab符号函数sc2d：函数sc2d:线性连续系统状态方程的离散化function[ak,bk]=sc2d(a,b)%sc2d线性化线性已连续系统状态方程x’=ax+bu%sysd=sc2d(a,b)%a,b――连续系统的系数矩阵%ak,bk――离散系统系数符号矩阵%线性状态方程为：x(k+1)=ak*x(k)+bk*u(k)%ak,bk中变量t为取样周期symstt%定义符号变量ttphit=expm(a*t);%求矩阵指数exp(at)if(b==0)b=zeros(size(a,l),l);%重构系数矩阵bendphitb=int(phit*b,’t’,0,’t’);%求exp(at)*b在0~t区间的积分ak=simple(subs(phit,’t’,’t’));bk=simple(phitb);线性时变系统线性化后的matlab函数tc2d：函数tc2d:线性时变系统的离散化function[ak,bk]=tc2d(a,b,x,n)%tc2d线性时变系统的离散化%[ak,bk]=tc2d(a,b,x,n)%a,b――已连续系统的系数矩阵%ak――离散化后的系数矩阵a(kt)%bk――离散化后的系数矩阵b(kt)%x――符号变量，阐明矩阵a\\b中的时变参数，通常为时间t%n――时变状态转移矩阵中计算重积分的最大项数，n=0时无重积分项，%n=1时包含二重积分项，.....symsttphit=transmtx(a,x,k*t,n);%计算时变系统的状态转移矩阵ak=simplify(subs(phi,x,(k+1)*t));%计算离散化后的系数矩阵a(kt)phitao=subs(phi,x,’tao’);%谋phi(tao)if(b==0)btao=zeros(size(a,l),l);elsebtao=subs(b,x,’tao’);%谋b(tao)endphitb=simple(int(phitao*btao,’tao,k*t,x’));%计算受控分量bk=simplify(subs(phib,x,(k+1)*t));%排序线性化后的系数矩阵b(kt)定常系统可控规范i型变换函数ccanonl：函数ccanonl:谋线性定常系统的受控规范i型形式function[abar,bbar,cbar,t]=ccanonl(a,b,c)ìanonl求系统x’=ax+bu，y=cx的可控规范i型系数矩阵?ar,bbar,cbar,――变换后的可控规范i型系数矩阵%t――相似变换矩阵n=length(a);co=ctrb(a,b);if(rank(co)~=n),%判断系统可控性error(‘系统不可控！’);。
第三章线性系统状态方程的解
第三章 系统的分析——状态方程的解§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= 初始条件：00x x t ==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At e 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——直接求解设Ax x= 的解是t 的向量幂级数 +++++=k k t b t b t b b t x 2210)(式中 ，，，，，k b b b b 210都是n 维向量，是待定系数。
则当0=t 时， 000b x x t ===为了求其余各系数，将)(t x 求导，并代入)()(t Ax t x = ，得：+++++=-1232132)(k k t kb t b t b b t x)(2210 +++++=k k t b t b t b b A上式对于所有的t 都成立，故而有：⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧======00323021201!1!31312121b A k b b A Ab b b A Ab b Ab b K K且有：00x b =故以上系数完全确定，所以有：+++++=k k 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（矩阵指数或矩阵函数）：∑∞==+++++=022!1!1!21K kk k k AttA k t A k t A At I e则)0()(x e t x At⋅=。
(完整word版)实验二-线性连续定常系统的运动分析
实验二 线性连续定常系统的运动分析一、实验目的1．掌握线性连续定常系统的状态转移矩阵的求法，学会用MATLAB 求解状态转移矩阵。
2．掌握线性连续定常系统的状态方程的求解方法，学会用MATLAB 求解线性连续定常系统的时间响应，并绘制相应的状态响应曲线和输出响应曲线。
二、实验原理1．线性连续定常系统状态转移矩阵的计算设线性连续定常系统的状态空间表达式为'=+⎧⎨=+⎩x Ax Buy Cx Du ，则其状态转移矩阵为()t t e =A Φ从时间角度看，状态转移矩阵使状态向量随着时间的推移不断地作坐标变换，不断地在状态空间中作转移，故称为状态转移矩阵。
对于线性连续定常系统，其状态转移矩阵与其矩阵指数函数相同，可利用直接求解法、拉氏变换法、标准型法和待定系数法等方法对其进行求解。
（1）直接求解法220111()!2!!tk k k kk t e t t t t k k ∞====+++++∑A A I A A A Φ（2）拉氏变换法()11()t t e L s --⎡⎤==-⎣⎦A I A Φ（3）标准型法对系统矩阵A 进行线性非奇异变换，将其变换为对角线矩阵或约旦矩阵1-=A P AP ，其中P 为非奇异变换阵。
状态转移矩阵为1()t t t e e -==A A P P Φ，其中1-=A P AP若A 的特征值12,,,n λλλ两两互异，则A 为对角线矩阵，此时1110()0n t tt t e t e e e λλ--⎡⎤⎢⎥===⎢⎥⎢⎥⎣⎦A A P P P P Φ 若A 有n 重特征值i λ，则A 为约旦矩阵，此时1111(1)!()0i i i i i ttt n t t tte te t e n t e e te e λλλλλ---⎡⎤⎢⎥-⎢⎥===⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦A A Q Q Q Q Φ （4）待定系数法根据凯莱－哈密顿（以下简称C-H ）定理，线性连续定常系统的状态转移矩阵为110110()()()()()n tj n j n j t ea t a t a t a t ---====+++∑A A I A A Φ其中，011(),(),,()n a t a t a t -为t 的标量函数，可按A 的特征值确定。
《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
线性定常连续系统状态方程的解
...
eAtI
AtA2t2
...Aktk
...
2!
k!
其中eAt称为时间t的矩阵指数函数，并有
L1[(sIA)1]L1Is
A s2
A2 s3
.
..
Ak1 sk
.
..
I AtA2t2 ...Aktk ...
2!
k!
eAt
❖ 因此,基于上述(sI-A)-1的拉氏反变换,该齐次方程的解为
x(t)=L-1[(sI-A)-1]x0 = eAt x0
sI A s2 3s 2 (s 1)(s 2)
(sI
A)1
adj(sI A) sI A
(s
1 1)(s
ห้องสมุดไป่ตู้
2)
s 3
2
1 s
2 s 1
1 s2
s
2
1
s
2
2
1 s 1
1 s2
s
1 1
s
2
2
(2) 计算矩阵指数函数eAt。
e At L1[( sI A)1]
L1
s
证明 由指数矩阵函数的展开式,有
eAetAsIA t A 2!2t2... A k!ktk...IAsA 2!2s2... A k!ksk...
IA(ts)A2(t22tss2)... Ak(ts)k...
2!
k!
eA(ts)
3) [Φ(t2-t1)]-1=Φ(t1-t2)
e A ( t 2 t 1 ) 1 e A ( t 2 t 1 ) e A ( t 1 t 2 )
2. 矩阵指数函数和状态转移矩阵的性质
❖ 由矩阵指数函数的展开式和状态转移矩阵的定义,可证明矩 阵指数函数和状态转移矩阵具有如下性质(Φ(t)为方阵A的状 态转移矩阵) 1) Φ(0)=eA0=I
现代控制理论--3控制系统的状态方程求解-离散化
0 1 0 x x u 0 2 1
近似离散化方法(4/6)—例3-12
解 由近似离散化法计算公式,对本例有
T 1 G(T ) I AT 0 1 2 T
于是该连续系统的离散化状态方程为
0 H (T ) BT T
x(( k 1)T ) Φ(T )x(kT )
( k 1)T
kT
Φ[( k 1)T τ ]dτ Bu(kT )
对上式作变量代换,令t=(k+1)T-,则上式可记为
x((k 1)T ) Φ(T )x(kT ) Φ(t )dtBu(kT )
0
T
将上式与线性定常离散系统的状态方程 x((k+1)T)=(I+AT)x(kT)+BTu(kT)
线性定常连续系统的离散化(2/3)
线性定常连续系统状态空间模型的离散化,实际上是指在采 样周期T下,将状态空间模型 x Ax Bu y Cx Du 变换成离散系统的如下状态空间模型:
x(( k 1)T ) G (T )x(kT ) H (T )u(kT ) y (kT ) C (T )x(kT ) D(T )u(kT )
近似离散化方法(2/6)
将上式代入连续系统的状态方程,有 [x((k+1)T)-x(kT)]/T=Ax(kT)+Bx(kT) 即 x((k+1)T)=(I+AT)x(kT)+BTu(kT) 将上式与线性定常离散系统状态空间模型的状态方程比 较,则可得如下近似离散化的计算公式: G(T)=I+AT H(T)=BT 将上述近似离散法和精确离散法比较知,
精确法、
现代控制理论第二章
= α n −1 (t ) An −1 + α n − 2 (t ) An − 2 + ⋯ + α1 (t ) A + α 0 (t ) I
【例2-5】见板书
（3）α i (t )的计算公式 A的特征值互异时 α 0 (t ) 1 λ1 α1 (t ) 1 λ2 ⋮ = ⋮ ⋮ α (t ) 1 λ n −1 n
λ λ λ
பைடு நூலகம்
2 1 2 2
⋮
2 n
⋯ λ e λ1t λ2 t ⋯ λ e ⋮ ⋮ λn t n −1 ⋯ λn e
At
2.变换A为约旦标准型 （1）A特征根互异 Λ = T −1 AT 有
例2-2 ，同例2-1
e At = Te ΛtT −1
（2）A特征值有重根
J = T AT e At = Te JtT −1
0 1 0 [例2 - 3]已知A = 0 0 1 , 求e At 2 - 5 4
若
σ ω A= −ω σ
则
cos ωt sin ωt σt e = Φ(t ) = e − sin ωt cos ωt
At
2.2.4 计算
1.根据 e At 或 Φ (t ) 的定义直接计算
1 2 2 1 33 1 n n e = I + At + A t + A t ⋯ A t + ⋯ 2! 3! k! 1 0 [例2 - 1]已知A = , 求e At − 2 − 3
连续系统的状态变量方程求解
连续系统的状态变量方程求解连续系统的状态变量方程求解通常采用数值方法，例如龙格-库塔法（Runge-Kutta）等。
在这个过程中，需要将连续系统的状态方程离散化，即将连续时间步长的微分方程转化为离散时间步长的离散方程。
求解离散方程可采用递推的方式，根据系统的初始条件和上一时刻的状态变量值，计算出当前时刻的状态变量值。
以下是一个求解连续系统状态变量方程的步骤：1. 确定连续系统的状态变量方程。
例如，给定线性定常系统dx/dt = Ax + Bu，其中x为状态变量，A和B为系统矩阵。
2. 离散化。
将状态变量方程转化为离散方程。
常见的离散化方法有前项差分变换、后项差分变换和Tustin变换。
具体变换方法取决于系统的特性以及所需的数值稳定性和精度。
例如，使用Tustin变换将连续系统离散化，得到离散状态方程x[k+1] = A*x[k] + B*u[k]。
3. 初始化。
给定初始条件，如x[0] 和u[0]，初始化状态变量值。
4. 数值求解。
使用数值方法（如龙格-库塔法）递推计算离散方程，得到一系列状态变量值x[1], x[2], ...，以及对应的输出值y[1], y[2], ...。
5. 分析结果。
根据求解得到的状态变量值和输出值，分析系统的性能，如稳定性、收敛速度等。
在MATLAB中，可以使用ode45等函数求解连续系统的状态变量方程。
以下是一个简单的示例：```MATLAB定义系统矩阵A、B和输入信号uA = [1 0; -1 1];B = [0 1];u = [1; 0.5];定义初始条件x0 = [1; 2];设置求解参数tspan = [0, 10];options = odeset('RelTol', 1e-6, 'AbsTol', 1e-6);求解状态变量方程[x, u] = ode45(@(t, x) A*x + B*u, tspan, x0, options);绘制状态变量曲线figure;plot(t, x(:, 1), 'b', 'LineWidth', 2);hold on;plot(t, x(:, 2), 'r', 'LineWidth', 2);xlabel('Time');ylabel('State Variables');legend('x1', 'x2');```这个示例中，我们使用ode45函数求解了一个线性定常系统在给定输入信号下的状态变量演化。
- 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)。
❖ 求解状态方程是进行动态系统分析与综合的基础,是进行定 量分析的主要方法。 本节讲授的状态方程求解理论是建立在状态空间上,以矩 阵代数运算来描述的定系数常微分方程解理论。 下面基于矩阵代数运算的状态方程解理论中,引入了状态 转移矩阵这一基本概念。 该概念对我们深刻理解系统的动态特性、状态的变迁(动 态演变)等都是非常有帮助的,对该概念必须准确掌握和深 入理解。
❖ 在讨论一般线性定常连续系统状态方程的解之前,先讨论线 性定常齐次状态方程的解,以引入矩阵指数函数和状态转移 矩阵等概念。
所谓齐次状态方程就是指状态方程中不考虑输入项 (u(t)=0)的作用,满足方程解的齐次性。
❖ 研究齐次状态方程的解就是研究系统本身在无外力 作用下的自由(自治)运动。
所谓非齐次状态方程就是指状态方程中输入项的作用, 状态方程解对输入具有非齐次性。
x(t) t t0
x(t0 )
的解,也就是由初始时刻t0的初始状态x(t0)所引起的无输入强 迫项(无外力)时的自由运动。
❖ 对上述齐次状态方程,常用的常微分方程求解方法有 级数展开法 拉氏变换法
1. 级数展开法
❖ 在求解齐次状态方程式之前,首先观察标量常微分方程
x(t) ax(t)
在初始时刻t0=0的解。 该方程中x(t)为标量变量,a为常数。
❖ 研究非齐次状态方程的解就是研究系统在外力作用 下的强迫运动。
线性定常齐次状态方程的解
❖ 什么是微分方程的齐次方程? 齐次方程就是指满足解的齐次性的方程，即若x是方程的 解，则对任意非零的实数a,ax亦是该方程的解。 所谓齐次状态方程，即为下列不考虑输入的方程
x’=Ax 齐次状态方程满足初始状态
X(s)=(sI-A)-1x0
对上式取拉氏反变换,即得齐次状态方程的解为
x(t)=L-1[(sI-A)-1]x0 下面讨论如何求解拉氏反变换L-1[(sI-A)-1]。
❖ 主要思想为将标量函数的拉氏变换与反变换平行推 广至矩阵函数中。
❖ 对标量函数,我们有
(s a)1
1 s
a s2
a2 s3
...
aat a2t 2 ... ak t k ... L1[(s a)1 ]
2!
k!
将上述关系式推广到矩阵函数则有
(sI
A)1
I s
A s2
A2 s3
...
Ak 1 sk
...
e At
I
At
A2t 2
...
Akt k
...
2!
k!
a2 2!
t2
...
ak k!
tk
...x(0)
eat x(0)
❖ 上述求解标量微分方程的级数展开法,可推广至求解向量状 态方程的解。
为此,设其解为t的向量幂级数,即
x(t)=q0+q1t+q2t2+…+qktk+…
式中,qk(k=1,2,...)为待定级数展开系数向量。 将所设解代入该向量状态方程x’=Ax,可得
其中eAt称为时间t的矩阵指数函数，并有
L1[(sI
A) 1 ]
L1
I s
A s2
A2 s3
...
Ak 1 sk
...
A2t 2
Akt k
I At ... ...
2!
k!
eAt
❖ 因此,基于上述(sI-A)-1的拉氏反变换,该齐次方程的解为
x(t)=L-1[(sI-A)-1]x0 = eAt x0
q1+2q2t+3q3t2 +…+kqktk-1+…=A(q0+q1t+q2t2 +…+qktk+…)
如果所设解是方程的真实解,则对任意t,上式均成立。
❖ 因此,使t有相同幂次项的各项系数相等,即可求得
q1
A 1!
q0 ,
q2
A 2
q1
A2 2!
q0 ,
L,
qk
A k
qk
1
Ak k!
q0
若初始时刻t0=0,初始状态x(0)=x0,则可确定
如果所设解是方程的真实解,则对任意t,上式均成立。 ❖ 因此,使t有相同幂次项的各项系数相等,即可求得
q1
a 1! q0
,
q2
a 2
q1
a2 2!
q0 ,
L,
qk
a k qk1
ak k! q0
❖ 令x(t)的解表达式中t=0,可确定
q0=x(0) 因此, x(t)的解表达式可写为
x(t)
1
at
2．拉氏变换法
❖ 若将对标量函数拉氏变换的定义扩展到向量函数和矩阵函数, 定义对向量函数和矩阵函数的拉氏变换为分别对该向量函数 和矩阵函数的各个元素求相应的拉氏变换,那么可利用拉氏 变换及拉氏反变换的方法求解齐次状态方程的解。
❖ 对该齐次状态方程x’=Ax,设初始时刻t0=0且初始状态x(t)=x0, 对方程两边取拉氏变换,可得 sX(s)-x0=AX(s) 于是可求得该齐次状态方程的解x(t)的拉氏变换为
❖ 由常微分方程理论知,该方程的解连续可微。 因此,该解经泰勒展开可表征为无穷级数,即有
x(t) q0 q1t q2t 2 qkt k
式中,qk(k=1,2,...)为待定级数展开系数。
将所设解代入该微分方程,可得
q1 2q2t 3q3t 2 kqkt k 1 a(q0 q1t q2t 2 qkt k )
上述拉氏反变换法求解结果与前面的级数展开法求解结 果一致。
若初始时刻t00,对上述齐次状态方程的解作坐标变换,则 可得解的另一种表述形式:
x(t) eA(tt0 ) x(t0 )
状态方程的解表达式说明了齐次状态方程的解实质上是初始 状态x(t0)从初始时刻t0到时刻t系统运动状态的转移,其转移特 性和时刻t的状态完全由矩阵指数函数 eA(tt0) 和初始状态x(t0) 所决定。
❖ 为讨论方便,引入能描述系统状态转移特性的线性定常连续 系统的状态转移矩阵如下: (t)=eAt 因此,有如下关系式
(t-t0 ) e A(tt0 )
q0=x(0)=x0
因此, 状态x(t)的解可写为
x(t)
I
At
A2 2!
t2
...
Ak k!
tk
...
x0
该方程右边括号里的展开式是n×n维矩阵函数。
❖ 由于它类似于标量指数函数的无穷级数展开式,所 以称为矩阵指数函数,且记为
e At
I
At
A2
t2
...
Ak
tk
...
2!
k!
利用矩阵指数函数符号,齐次状态方程的解可写为： x(t)=eAtx0