系统的状态方程
线性时变系统状态方程的解
![线性时变系统状态方程的解](https://img.taocdn.com/s3/m/1de91a6da98271fe910ef9ec.png)
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
![《自动控制原理》线性定常连续系统状态方程的解](https://img.taocdn.com/s3/m/3c01be78647d27284b7351d8.png)
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
![K3.05-离散系统状态方程和输出方程](https://img.taocdn.com/s3/m/86727572915f804d2a16c10f.png)
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
![《状态方程方程》课件](https://img.taocdn.com/s3/m/fff878b3760bf78a6529647d27284b73f3423675.png)
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
![第三章线性系统状态方程的解](https://img.taocdn.com/s3/m/7336238cf121dd36a32d8243.png)
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
![状态方程](https://img.taocdn.com/s3/m/9641d66cb307e87101f6968f.png)
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](https://img.taocdn.com/s3/m/29448b8209a1284ac850ad02de80d4d8d15a0189.png)
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
![第八章 状态方程](https://img.taocdn.com/s3/m/70318bb0ee06eff9aff8077b.png)
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
《现代控制理论》第3版课后习题答案
![《现代控制理论》第3版课后习题答案](https://img.taocdn.com/s3/m/da2595a56bec0975f465e29d.png)
《现代控制理论参考答案》第一章答案1-1 试求图1-27系统的模拟结构图,并建立其状态空间表达式。
解:系统的模拟结构图如下: 系统的状态方程如下: 令y s =)(θ,则1x y =所以,系统的状态空间表达式及输出方程表达式为1-2有电路如图1-28所示。
以电压)(t u 为输入量,求以电感中的电流和电容上的电压作为状态变量的状态方程,和以电阻2R 上的电压作为输出量的输出方程。
解:由图,令32211,,x u x i x i c ===,输出量22x R y =有电路原理可知:•••+==+=++3213222231111x C x x x x R x L ux x L x R 既得2221332222213*********1x R y x C x C x x L x L R x u L x L x L R x =+-=+-=+--=•••写成矢量矩阵形式为:1-4 两输入1u ,2u ,两输出1y ,2y 的系统,其模拟结构图如图1-30所示,试求其状态空间表达式和传递函数阵。
解:系统的状态空间表达式如下所示: 1-5系统的动态特性由下列微分方程描述列写其相应的状态空间表达式,并画出相应的模拟结构图。
解:令..3.21y x y x y x ===,,,则有 相应的模拟结构图如下:1-6 (2)已知系统传递函数2)3)(2()1(6)(+++=s s s s s W ,试求出系统的约旦标准型的实现,并画出相应的模拟结构图解:ss s s s s s s s W 31233310)3(4)3)(2()1(6)(22++++-++-=+++=1-7 给定下列状态空间表达式[]⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡----=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡321321321100210311032010x x x y u x x x x x x ‘(1) 画出其模拟结构图(2) 求系统的传递函数 解:(2)⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+-+-=-=31103201)()(s s s A sI s W 1-8 求下列矩阵的特征矢量(3)⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---=6712203010A 解:A 的特征方程 061166712230123=+++=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+---=-λλλλλλλA I 解之得:3,2,1321-=-=-=λλλ当11-=λ时,⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---3121113121116712203010p p p p p p 解得: 113121p p p -== 令111=p 得 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=1113121111p p p P (或令111-=p ,得⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=1113121111p p p P ) 当21-=λ时,⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---32221232221226712203010p p p p p p 解得: 1232122221,2p p p p =-= 令212=p 得 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=14222122p p p P(或令112=p ,得⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡-=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=21213222122p p p P ) 当31-=λ时,⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡---33231333231336712203010p p p p p p 解得: 133313233,3p p p p =-= 令113=p 得 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=3313323133p p p P 1-9将下列状态空间表达式化成约旦标准型(并联分解)(2)⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡32121321321110021357213311201214x x x y y u x x x x x x解:A 的特征方程 0)3)(1(311212142=--=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡------=-λλλλλλA I 当31=λ时,⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--3121113121113311201214p p p p p p 解之得 113121p p p == 令111=p 得 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=1113121111p p p P 当32=λ时,⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--1113311201214312111312111p p p p p p 解之得 32222212,1p p p p =+= 令112=p 得 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=0013222122p p p P 当13=λ时,⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--23132313311201214p p p p p p解之得3323132,0p p p == 令133=p 得 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=1203323133p p p P约旦标准型1-10 已知两系统的传递函数分别为W 1(s)和W 2(s)试求两子系统串联联结和并联连接时,系统的传递函数阵,并讨论所得结果 解:(1)串联联结 (2)并联联结1-11 (第3版教材)已知如图1-22所示的系统,其中子系统1、2的传递函数阵分别为 求系统的闭环传递函数 解:1-11(第2版教材) 已知如图1-22所示的系统,其中子系统1、2的传递函数阵分别为 求系统的闭环传递函数 解:1-12 已知差分方程为试将其用离散状态空间表达式表示,并使驱动函数u 的系数b(即控制列阵)为 (1)⎥⎦⎤⎢⎣⎡=11b 解法1: 解法2:求T,使得⎥⎦⎤⎢⎣⎡=-111B T 得⎥⎦⎤⎢⎣⎡=-10111T 所以 ⎥⎦⎤⎢⎣⎡-=1011T 所以,状态空间表达式为第二章习题答案2-4 用三种方法计算以下矩阵指数函数At e 。
现代控制理论--3控制系统的状态方程求解
![现代控制理论--3控制系统的状态方程求解](https://img.taocdn.com/s3/m/1306c280844769eae109ed67.png)
7
小结:
1.齐次状态方程的解表示了系统在初始条件作用 下的自由运动,又称为零输入解;
2.系统状态的变化实质上是从初始状态开始的状
态转移,而转移规律取决于 eAt ,eA(t-t0) 故称其
为状态转移矩阵.一般用
x
(t) eAt (t t0) eA(tt0)
来表示。 x 0
2 ! 3 !
AA2t1A3t2L 2!
A(I At 1 A2t2 L ) 2!
AeAt eAt A
13
所以当 Φ(t)=eAt时, &(t)A(t) 又因为 Φ(t)=eAt (t=0时) eA0 =I+A0+...=I 所以 Φ(0)=I 故 eAt 是状态转移矩阵Φ(t)
(2)状态转移矩阵Φ(t)是A阵同阶的方阵,其元 素均为时间函数.
sX(s)-x0=AX(s)+BU(s)
即
X(s)=(sI-A)-1[x0+BU(s)]
其中X(s)和U(s)分别为x(t)和u(t)的拉氏变换。
对上式两边取拉氏反变换,并利用卷积分公式,则有
x ( t ) L 1 ( s A ) I 1 x 0 L 1 ( s A ) I 1 B ( s )U
1 0 3x1u
试求:x(0)=0,u(t)=1(t) 时的状态解。
解:1.求 eAt : 由前例得:
eAt
2et 2et
e2t 2e2t
et e2t et 2e2t
25
2. 求x(t)
x(t)eA tx00 teA (t )B u ()d
t2 e (t )e 2 (t ) e (t ) e 2 (t ) 0
由于状态空间表达式由两部分组成,即 x& Ax Bu y Cx Du
第三章系统分析-状态方程的解
![第三章系统分析-状态方程的解](https://img.taocdn.com/s3/m/c8a2b5da4693daef5ef73d34.png)
1.非齐次方程解的通式
已知系统状态空间表达式为: • 直接法积分求解
Ax Bu x y Cx Du
x(t ) (t t 0 ) x(t 0 ) (t )Bu( )d
t0
t
t0 0
x(t ) (t ) x(0) (t )Bu( )d
k j 0 k 1
得系统状态的迭代计算式为:
x(k ) G x(0) G k j 1Hu( j )
k j 0
k 1
注:计算结果为逐点形式,便于计算机运算,但有累积误差。
与连续状态方程的求解公式在形式上类似
(2) z 变换法
x(k 1) Gx(k ) Hu(k ) zx( z ) zx(0) Gx( z ) Hu( z ) ( zI G) x( z ) zx(0) Hu( z ) x( z ) [( zI G) z ]x(0) ( zI G) Hu( z ) x(k ) Z 1[( zI G) 1 z ]x(0) Z 1[( zI G) 1 Hu( z )]
书上p58~60页
0 (4)T-1AT= 0 0
1
0 0
0 1
0
0 1 t t 0 At 为约旦阵,则 (t ) e e T 0 1 1 0 0 0 0
At
1 2 t 2! t 1 0
1 3 t 3! 1 2 1 t T 2! t 1
返回
(8) 若 Ann Bnn Bnn Ann ,则有
注:上述性质由定义导出。
1 2 2 1 i i x(t ) ( I At A t A t ) x(0) e At x(0) 2! i!
连续系统状态方程的求解
![连续系统状态方程的求解](https://img.taocdn.com/s3/m/7ccebf8ae53a580216fcfeda.png)
y 2 x1 4 x2
2.此系统为并联摸拟系统 2 4 2s 2 H ( s) 2 s 2 s 3 s 5s 6
x1 y [2,4] x2
y' '5 y'6 y 2(u'u)
T 1 1 1
其中(A jk )是以余因子A jk 为元素的矩阵 , jk ) ( Akj )是它的转置矩阵。 (A
T
2.状态过渡矩阵
令F ( s) 0, 则X ( s) ( s) X (0) z.i.r : x(t ) (t ) x(0) 1 adj( sI A) 1 (t ) L { }, (t ) L [ ( s)] sI A At x(t ) (t ) x(0), (t ) e
1
第i个输出Ri (s)中第j个输入的响应 H ij (s) 其它输入 0 第j个输入E j (s)
3.例(p369,12-18)
解:设回路电流 i (t ) i1 (t ) A 3 i1,i2如图所示:并 1 设元件A两端的 ) 电压为状态变量 (t,电容两端的电压为
2
R1
1 1 2 ' (t ) 1 (t ) 3 (t )(由2, 3,得出) R2 R2 d i1 (t ) i 2 (t ) c 3 (t )(带入1得出) dt d d i1 (t ) c 3 (t ) 2 (t ) dt dt R12 ' (t ) R1C13 ' (t ) 3 (t ) e(t )...4
X (s) [ X (0) BF(s)] (S ) x(t ) L [ (s)]X (0) L [ (s) BF(s)] z.s.r z.i.r
线性定常连续系统状态方程的解
![线性定常连续系统状态方程的解](https://img.taocdn.com/s3/m/e4ed71415fbfc77da269b18f.png)
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,
迫项(无外力)时的自由运动。
3
❖ 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
4
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。
❖ 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
❖ 对标量函数,我们有
(s a)1
1 s
a s2
a2 s3
...
a k 1 sk
...
eat 1 at a2t 2 ... ak t k ... L1[(s a)1 ]
2!
k!
11
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
...
线性定常连续系统状态方程的解
❖ 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。
系统动力学方程
![系统动力学方程](https://img.taocdn.com/s3/m/9e80b2c8b8d528ea81c758f5f61fb7360a4c2b46.png)
系统动力学方程
1. 状态方程
状态方程描述系统状态随时间的变化规律,其一般形式为:
dx/dt = f(x, u, t)
其中,x表示系统状态变量,u表示控制变量,t表示时间。
2. 输出方程
输出方程描述系统输出与状态变量之间的关系,其一般形式为:
y = g(x, u, t)
其中,y表示系统输出变量。
3. 微分代数方程组
对于复杂系统,状态方程和输出方程组合在一起构成微分代数方程组。
4. 线性和非线性方程
根据方程中变量的组合形式,系统动力学方程可分为线性方程和非线性方程。
线性方程具有较好的解析性质,而非线性方程往往需要采用数值计算等方法求解。
系统动力学方程的建模过程包括对系统进行深入分析、提取关键因素、建立模型框架、确定参数等步骤。
合理的系统动力学方程有助于全面把握系统的内在运行机理,为系统优化提供科学指导。
第六章线性系统的状态方程
![第六章线性系统的状态方程](https://img.taocdn.com/s3/m/a2839b3ccec789eb172ded630b1c59eef8c79ac8.png)
状态变量分析法的优点:1. 便于观察系统内部某些物理量的变化过程;2. 与系统的复杂程度无关,复杂系统和简单系统的数学模型相似,适于多输入多输出系统;3. 适于研究非线性或时变系统。
因为一阶微分方程或差分方程是研究非线性和时变系统的有效方法。
4. 便于研究系统的稳定性、可控性、可观测性及系统内部参数变化对系统特性的影响;5. 状态方程都是一阶微分方程或差分方程,便于采用数值解法在计算机上实现系统分析。
系数矩阵由系统的参数决定,非时变系统为常数,时变系统为时间的函数。
,A B 四、输出方程(output equation))(,),(),(21t y t y t y r Λ输出方程是由状态变量和激励信号的线性方程,因此对线性系统而言,输出方程是一组线性方程。
例如,假设系统有个输出,r mrm r r n rn r r r mm n n mm n n e d e d e d x c x c x c t y e d e d e d x c x c x c t y e d e d e d x c x c x c t y +++++++=+++++++=+++++++=ΛΛMΛΛΛΛ22112211222212122221212121211112121111)()()(则,A B矩阵形式为:)(10081910120010321'3'2'1t e x x x x x x ⎥⎥⎦⎤⎢⎢⎣⎡+⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⎥⎥⎦⎤⎢⎢⎣⎡---=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡01000112198⎡⎤⎢⎥∴=⎢⎥⎢⎥---⎣⎦A 依此方法选择的状态变量常称为相变量状态变量,状态方程叫相变量状态方程。
状态方程和输出方程中的系数矩阵与输入输出方程有关。
[]⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=3210410)(x x x t y 001⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦B []1040=C 0=D矩阵形式为:1211012110''13'22'1)()(+--+++=+----====m m n n n nn x b x b x b t y t e x a x a x a x x xx x x x ΛΛM )(1000100010211210''2'1t e x x x a a a a x x x n n n ⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡+⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡----=⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡-M M ΛM ΛΛM[]001111n n n n n nb b a b b a b b a b --∴=---=C D L 当时,矩阵不再为0。
第三章系统分析-状态方程的解
![第三章系统分析-状态方程的解](https://img.taocdn.com/s3/m/b190a32b26d3240c844769eae009581b6ad9bd65.png)
2!
i!
(2) 利用Laplace变换计算 eAt L1 (sI A)1
推导
(3) 化A阵为对角型或约旦标准型计算 (利用状态转移矩阵的性质计算)
• 求特征值和特征向量
• 由变换阵P化A为对角阵或约旦标准型
• 求对角阵或约旦标准型所对应的状态转移矩阵
• 求原矩阵A的状态转移矩阵。
返回
Laplace变换法
L1[(sI A)1 x(0)] L1[(sI A)1 BU (s)]
系统的状态与输出的形式取决与系统结构 初始条件和输入信号的形式,所以在系统为 典型输入信号作用时的状态解和输出解的形 式可以依据上述通式导出。
返回
2. 典型输入下非齐次方程的解
(1) 脉冲 u(t) K (t) 输入下的解为:
2et
2et 2et
2et
2et
e2t
(2)
et
0
0
0
(1 2t)et
4te 2t
0
tet
(1
2t)e2t
0
0
为约旦阵,则
1
1 (t) e At e t 0 0
t
1 0
1 t2 2!
t 1
1
3! 1
t t
3 2
2!
t
0 0 0 1
书上p58~60页
(4)T-1AT=
0
0
0
1 0 0
0 0
1 t
1
0
为约旦阵,则 (t )
e At
e tT 0
1
1
0
0 0 0 0
1 t2 2!
[举例2]: 若
1 1 0
A
0
系统状态方程
![系统状态方程](https://img.taocdn.com/s3/m/9fe3e9c99a89680203d8ce2f0066f5335a8167f9.png)
系统状态方程
1 系统状态方程
系统状态方程是在工程中描述变化规律的一种动态建模方法,它
可以帮助工程师把简单的线性方程互相联系起来,构建成复杂的模型,以便对系统进行分析和研究。
系统状态方程是建立系统模型的基本元件,其中的主要概念是状
态量(state variable),即系统的内部特性。
系统的状态量用抽象
的函数来表达,称为状态方程。
这个状态方程由输入量(Inputs)、
参数量(Parameters)、状态变量(State Variables)和输出量(Outputs)4个部分构成,它们用系统的定性规律和定量规律表达出来。
系统状态方程用来描述系统的状态,用以求解系统的活动,它的
重要性体现在它能够把抽象的系统变成一系列清晰定义的工程参数,
从而使人们可以得到关于系统的更深入的理解。
由于它的抽象特性,
系统状态方程可以很容易地用于不同的工程领域,而不用担心过多关
注参数的具体含义。
系统状态方程是一种简洁而强大的动态模型,它可以用来分析对
于不同系统的活动情况,并据此对它们做出合理的控制或决策。
现今
的复杂系统的设计和分析都离不开系统状态方程,它是工程技术发展
的重要组成部分。
状态方程模型的z和k
![状态方程模型的z和k](https://img.taocdn.com/s3/m/65281f75b80d6c85ec3a87c24028915f804d842f.png)
状态方程模型的z和k在状态方程模型中,z表示系统的状态变量,它用来描述系统随时间演化的内部状态。
状态变量可以是一维的,也可以是多维的。
例如,在控制系统中,状态变量可以代表物理量,如位置、速度、加速度等。
k表示系统的控制增益,它用来调节输入变量对系统状态的影响。
控制增益可以是一个常数,也可以是一个矩阵。
在控制系统中,控制增益可以表示控制器对系统的控制力度。
ẋ=f(x,u)其中,ẋ表示状态变量x随时间的变化率,f(x,u)表示状态方程的右边项,它是状态变量和输入变量的函数。
状态方程模型可以是连续时间的,也可以是离散时间的。
在连续时间的状态方程模型中,状态变量和输入变量是连续函数,状态方程是微分方程。
在离散时间的状态方程模型中,状态变量和输入变量是离散函数,状态方程是差分方程。
mẍ + kx = F(t)其中,m是弹簧质量,x是弹簧振子的位置,k是弹簧的劲度系数,F(t)是外部施加的力。
这个状态方程模型描述了弹簧振子的动力学行为。
控制系统中,通过状态方程模型可以设计控制器来实现对系统的控制。
控制器根据系统的状态变量和输入变量,计算出控制输出,并通过适当的反馈机制来调整控制增益。
通过调节控制增益,可以实现对系统的稳定性、动态响应等性能指标的控制。
总之,状态方程模型的z表示系统的状态变量,用来描述系统随时间演化的内部状态。
k表示系统的控制增益,用来调节输入变量对系统状态的影响。
状态方程模型是描述系统动态行为的一种数学模型,在控制系统中广泛应用于系统建模和控制设计。
- 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。