状态空间分解法计算公式分析
由传递函数求状态空间表达式根据前面介绍的微分方程与状态空间
b0sm b1sm1 L bm1s bm sn a1sn1 L an1s an
c1 c2 L cn
s 1 s 2
s n
(n m)
其中：
ci
lim G(s)(s
si
i )
X
1
(s
)
s
1
1
U (s)
X
2
(
s)
s
1
2
U (s)
X
n
(s)
s
1
n
U (s)
分解式第二部分表示状态变量与输出的关系， 输出y等于各状态变量与输入的线性组合，即式中 的C和D阵。
若传递函数等效为：
G(s)
b0
b1s n1 b2 s n1 s n a1s n1
bn1s an1s
bn an
式中
bi (bi aib0 ), (i 1,2, , n)
：
此时，式中的C阵和D阵可直接写成
sX 1(s) 1 X1 (s) U (s)
sX2
(s)
2
X
2 (s) U (s)
sX n (s) n X n (s) U (s)
x1 1x1 u
x2
2 x2
u
xn n xn u
Y (s) G(s)U (s) c1 U (s) c2 U (s) L cn U (s)
sn
a1s n1
b
an1s an
系统的微分方程为：
y (n) a1 y (n1) an1 y an y bu
则根据上节公式，可直接写出状态空间表达 式。即：
0 1 0
0
A
0
,
B , C 1
现代控制理论-3传递函数和状态空间模型间的转换
= 4 ⋅ 1 ⋅s+2 s +1 s +3 s + 4
G(s) = 4 ⋅ 1 ⋅ s + 2 s +1 s +3 s + 4
以下三个环节的串联
u
4
y1
1
y2
s+2 y
s +1
s+3
s+4
x1 = −x1 + 4u
y1
=
x1
xy 22
= −3x2 = x2
+
u2
x3 = −4x3 + u3
现代控制理论
Modern Control Theory (3)
俞立
浙江工业大学 信息工程学院
传递函数和状态空间模型间的转换
分解法建立复杂系统的状态空间模型 串联、并联、反馈关联
串联法：
G(s) =
4s + 8
s 3 + 8s 2 + 19s + 12
分解成
G(s) =
4(s + 2)
(s + 1)(s + 3)(s + 4)
例：求传递函数矩阵，其中状态空间模型的系数矩阵：
1 2 A = − 2 1,
1 B = 0,
C = [1 1],
D = [0]
难点：求逆矩阵 (sI − A)−1
1 2 A = − 2 1,
1 B = 0,
C = [1 1],
D = [0]
根据求逆矩阵的定义 (sI − A)−1 = adj(sI − A)
(sI − A) X (s) = BU (s)
X (s) = (sI − A)−1 BU (s)
状态空间的分解
基于状态空间模型，可以设计各种控制策略，如 线性二次调节器（LQR）、最优控制等，以实现 系统的最优控制。
控制系统仿真
通过状态空间模型，可以对控制系统进行仿真， 模拟系统的动态行为，评估控制策略的有效性和 性能。
在信号处理中的应用
信号滤波
状态空间方法可以用于信号滤波， 通过构建状态空间模型来描述信 号的动态变化，实现信号的平滑 和噪声抑制。
状态空间的分解
contents
目录
• 状态空间的基本概念 • 线性系统的状态空间表示 • 状态空间的分解方法 • 状态空间的应用 • 状态空间分解的实例分析
01
状态空间的基本概念
状态变量的定义
状态变量
01
描述系统状态的变量，通常用矢量表示，包含系统的各个独立
变量。
状态变量的选择
02
选择的状态变量应能全面反映系统的动态特性，且便于分析。
线性系统的状态方程
状态方程描述了系统内部状态变 量随时间的变化规律，通常表示 为状态变量的一阶或二阶微分方
程。
对于线性系统，状态方程具有形 式：dx/dt = Ax + Bu，其中x 是状态变量，u是输入，A和B是
系统矩阵。
解状态方程可以得到系统状态变 量的时间响应。
线性系统的输出方程
输出方程描述了系统输出与状态变量和输入之间的关系，通常表示为输出变量与状 态变量的线性组合。
总结词
高阶线性系统的状态空间表示能够精细 地描述系统的动态行为。
VS
详细描述
高阶线性系统是指系统的动态行为需要用 高阶微分方程来描述的系统。其状态空间 表示与一阶和二阶系统类似，但需要更多 的状态变量和方程来描述系统的动态行为 。通过高阶线性系统的状态空间表示，可 以更精确地分析系统的动态性能和稳定性 ，以及设计更有效的控制系统。
已知传递函数求状态空间表达式
已知传递函数求状态空间表达式传递函数是描述线性系统的重要工具，但有时我们需要将其转换为状态空间表示以便于分析和实现。
本文将介绍已知传递函数如何求解状态空间表达式的方法。
首先，我们将传递函数表示为分子多项式$N(s)$除以分母多项式$D(s)$的形式：$$G(s) = frac{N(s)}{D(s)}$$接下来，我们可以使用部分分式分解将传递函数拆分为若干个一阶系统的和：$$G(s) = frac{N(s)}{D(s)} = frac{K_1}{s-a_1} +frac{K_2}{s-a_2} + cdots + frac{K_n}{s-a_n}$$其中，$a_1, a_2, cdots, a_n$ 是传递函数的极点，$K_1, K_2, cdots, K_n$ 是对应的系数。
接着，我们可以将每个一阶系统表示为状态空间形式：$$begin{aligned} dot{x}_i &= a_ix_i + b_iu y_i &= c_ix_i + d_iu end{aligned}$$其中，$x_i$ 是系统的状态向量，$u$ 是输入信号，$y_i$ 是输出信号，$a_i, b_i, c_i, d_i$ 是系统的系数。
注意，每个一阶系统的状态向量可能不同，因此需要为每个系统定义不同的状态向量。
最后，将每个一阶系统的状态空间表达式相加即可得到整个系统的状态空间表示：$$begin{aligned} dot{x} &= begin{bmatrix} dot{x}_1dot{x}_2 vdots dot{x}_n end{bmatrix} = begin{bmatrix} a_1 & 0 & cdots & 0 0 & a_2 & cdots & 0 vdots & vdots & ddots & vdots 0 & 0 & cdots & a_n end{bmatrix} begin{bmatrix} x_1 x_2 vdots x_n end{bmatrix} + begin{bmatrix} b_1 b_2 vdots b_nend{bmatrix} u y &= begin{bmatrix} c_1 & 0 & cdots & 0 0 & c_2 & cdots & 0 vdots & vdots & ddots & vdots 0 & 0 & cdots & c_n end{bmatrix} begin{bmatrix} x_1 x_2 vdots x_nend{bmatrix} + d_1u end{aligned}$$其中，$dot{x}$ 是整个系统的状态向量，$y$ 是输出信号，$a_i, b_i, c_i, d_i$ 在矩阵中的位置与之前相同。
状态空间分析法(1-4)
根据牛顿第二定律:
xi
mx0 = ky + μ y
将 x0 = xi- y代入:
mxi = ky + μ y + my 令: x1 = y
xi :壳体相对于惯性空间的位移; x0 :质量m相对于惯性空间的位移; y = xi - x0 为质量m相对于壳体的位移.
串联实现……
当z1-zm为G(s)的m个零点， p1-pn 为G(s)的 n个极点，那么G(s)可以表示为：
对于其中的模块可做如下变换：
一阶系统
(m=n-1)
根据前节所述方法，令各个积分器的输出为系统状态变量， 则得系统动态方程为:
矢 量 形 式
串联实现例子:
传递函数的并联实现(无重根)
当Den(s)=0有n个不等的特征根（p1-pn）时， G(s)可以分解为n个分式之和，即：
K
+
1 - s
M
Ex2: 二阶环节的等效变换
1 s 2 + Ms + N
1 s 2 + Ms 1 1+ 2 N s + Ms
+
1 2 - s + Ms
N
1 s 2 + Ms
1 s( s + M )
1 1 i s s+M
Ex3: 求下列方块图的动态方程
Ex3: 续
系统的动态方程为:
Ex4: 求下列方块图的动态方程
T =Jθ + μθ
Ex2:电枢控制式电机(续1)
令三个状态变量为:
x1 = i x2 = θ x3 = θ
系统输出为
y = x2 = θ
状态空间表达式的解
第2章 状态空间表达式的解第1节 线性定常齐次状态方程的解线性定常齐次状态方程0(0)x Ax x x ==的解为0()Atx t e x = (0)t > 式中，22()2!!kAt k tAt e I At A k ∞∆==+++=∑ 证明：用拉普拉斯变换法。
对 x A x = 作拉氏变换，得0()()s X s x AX s -=10()()X s sI A x -=-110()[()]x t L sI A x --=-因为 223111()()sI A I A A I s s s -+++=故 1223111()sI A I A A s s s --=+++12023111()[]x t L I A A x s s s-=+++ 2201()2!I At A t x =+++0Ate x =顺便可知])[(11---=A sI L eAt第2节 矩阵指数函数Ate1、Ate 的定义和性质（1）定义22()2!!kAtk tAt e I At A k ∞==+++=∑ 式中 A —线性定常系统系统矩阵，n n ⨯阶；Ate —矩阵指数函数，n n ⨯阶时变矩阵。
若A 中各元素均小于某定值，Ate 必收敛；若A 为实矩阵，Ate 绝对收敛。
（2）基本性质：◆组合性质：)(2121t t A At At ee e+=其中21,t t 为相衔接的两时间段。
推论1：I eeee A t t A t A At ===--0)()(推论2：)(1][t A At ee --=◆微分性质：A e Ae e tAt At At ==d d ◆当A 、B 两阵可交换，即 BA AB =，则tB A BtAt eee )(+=◆若1-P 存在，则P e P eAAP P 11-=-2、Ate 的计算 （1）级数计算法()!kAtk At e k ∞==∑ （2）拉氏变换法])[(11---=A sI L eAt当A 阵维数较高时，预解矩阵可采用递推法计算。
马尔可夫链状态空间的分解
马尔可夫链状态空间的分解一、实验内容生成一个状态个数大于100的马尔可夫链，状态之间的转移关系随机设定（例如某状态可以一步到达其他状态的比例为10%）1）将状态空间按常返性和互通性进行分解2）在1）的基础上对周期不可约马尔可夫链进行分解二、理论基础设C 为状态空间I 的非空子集，若对任意C i ∈及C k ∉都有0=ik p ，则称C 为（随机）闭集，若C 中所有状态是互通的，称C 是不可约的闭集。
若马尔可夫链}{n X 的状态空间I 是不可约的闭集，则称}{n X 为不可约的马尔可夫链。
1. 按常返性和互通性进行状态空间的分解任一马尔可夫链的状态空间I ，可唯一地分解成有限个或可列个不相交的 集D ，C 1，C 2，……之和，使得1）每一C n ，n=1，2，…是常返态组成的不可约闭集；2）C n ，n=1，2，…中的状态同类，即或全是正常返，或全是零常返，它们有相同的周期，且1=ik f ,n C k j ∈,;3）D 是由全体非常返状态组成，自C n 中的状态不能到达D 中的状态。
2. 按对周期不可约马尔可夫链进行分解周期为d 的不可约马氏链，其状态空间C 可唯一地分解为d 个互不相交的子集之和，即s r G G G C s r r d r ≠Φ=⋂⋃=-=,,1且使自G r 中任一状态出发，经一步必转移进入G r+1中（其中G d =G 0）。
三、具体步骤1. 按常返性和互通性进行状态空间的分解1）生成马尔可夫链的转移矩阵P ，即生成100*100的随机矩阵，行向量元素之和为1；2）筛选出吸收态，即为单点闭集，存储在C1中的行向量中；3）筛选出各状态所有的可能路径，路径不重复，每一条路径只返回第一个状态，不返回中间状态，存储在T1中；4）从T1中提取可能的常返闭集，（不包括单点闭集），即在T1的路径中筛选出首尾相同状态的路径，存储在T2中；5）从T2中筛选出真正的常返闭集，自该闭集的内部不能到达它的外部，存储在Cn的行向量中；6）根据C1和Cn，去掉状态空间所有的常返态，即为全体非常返态，存储在D中。
状态空间法求解6自由度运动方程
一、概述状态空间法是一种经典的控制工程方法，它可以用来求解动力学系统的运动方程。
对于多自由度系统而言，状态空间法可以更加直观地描述系统的运动规律，方便进行控制器设计和系统分析。
本文将以6自由度运动方程为例，介绍状态空间法的求解过程。
二、背景知识1. 6自由度运动6自由度运动是指物体在三维空间中具有6个独立的自由度，它们可以分别描述物体的位置和姿态。
这种运动状态下，物体的运动方程相对复杂，需要通过合适的方法进行求解。
2. 状态空间法状态空间法是一种用矩阵和向量表示动力学系统运动方程的方法。
它将系统的状态量表示为向量，将系统的输入和输出表示为矩阵，通过线性代数的方法求解系统的数学模型。
三、状态空间法求解步骤1. 系统建模我们需要根据物体的运动特性建立系统的动力学模型。
对于6自由度运动，可以利用牛顿-欧拉方程或拉格朗日方程进行建模，得到系统的运动方程。
2. 状态量定义将系统的状态量表示为一个状态向量，其中包括物体的位置、速度、加速度和姿态等信息。
3. 定义输入输出系统的输入输出可以表示为矩阵，其中输入是外部施加的力或扭矩，输出是系统的位置和姿态信息。
4. 构建状态方程根据系统的动力学模型和状态量定义，可以建立系统的状态方程。
状态方程描述了系统状态的演变规律，可以用矩阵形式表示为x' = Ax + Bu，其中x'为状态变化率，A为状态转移矩阵，B为输入矩阵，u为外部输入。
5. 构建输出方程根据系统的输出定义，可以建立系统的输出方程。
输出方程描述了系统的输出与状态和输入之间的关系，可以用矩阵形式表示为y = Cx + Du，其中y为系统的输出，C为输出矩阵，D为直接传递矩阵。
6. 求解系统通过线性代数的方法，可以求解状态方程和输出方程，得到系统的数学模型。
这个模型可以用来进行系统分析、控制器设计等工作。
四、实例分析我们以一个飞行器的姿态控制系统为例，介绍状态空间法求解6自由度运动方程的具体步骤。
第七章 状态空间分析法
方程，若向量分量是选定的状态变量，则上述一阶矩阵微分方程 称为系统状态方程。
7.2 连续系统的状态方程及其输出方程 7.2.1 由系统微分方程列写状态方程及其输出方程
1.作用函数不含导数项时 n 阶线性系统的状态方程及其输 出方程 设 n 阶线性定常系统的运动方程可用下述微分方程描述，即 y ( n ) a1 y ( n 1) a 2 y ( n 2 ) a n 1 y a n y u （7.1） (i ) u 式中 y, y , (i 1,2, , n)分别为系统的输出及其各阶导数； a 为系统的作用函数（即被控对象的控制输入）；1 , a 2 , , a n 为常系数。 式（7.1）为作用函数 u 不含导数项的 n 阶常微分方程，其 y (i ) (i 1,2,3,, n) 项均为 中作用函数、输出函数及其各阶导数 时间的函数，为书写的方便，将时间 t 略去。 由式（7.1）可知，对于上述线性定常系统，若已知初始条
Y ( s) 1 1 3 U ( s ) s( s 2)( s 3) 1 s 5s 2 6s 1
根据闭环传递函数可求得系统运动微分方程为
5 6 y y u y y
由于该系统为三阶系统，因此可选择状态变量为
x1 y, x 2 y, x 3 ，则可写出系统的状态方程为 y x1 x 2 x2 x3 x 3 5 x 3 6 x 2 x1 u
称式（7.3）或式（7.5）为线性定常系统式（7.1）的状态方 程。根据系统输出变量的选取，其输出方程可写成 y x1 （7.6） 或写成矩阵方程形式为
C 式中， = 1 0 0 称为输出向量。 式（7.5）及式（7.7）所示的状态方程及其输出方程是应用 状态空间法分析与设计线性系统时，描述系统动态特性的标准状 n 态空间表达式，应该指出， 阶线性定常系统，它的状态变量只 有 n 个。
第一章 状态空间表达式(2013)
Y (s) bm s m bm1 s m1 b1 s b0 W ( s) n U ( s) s a n 1 s n 1 a1 s a 0
cm sm cm1sm1 c1s c0 W (s) ( s p1 )( s p2 ) ( s pn )
K1 T 1s 1
K2 T 2s 1
K3 T 3s 1
y
K4
3 状态空间表达式的建立 3.1 从系统方块图出发 变换成模拟结构图； 每个积分器的输出选作一个状态变量； 写出系统的状态方程和输出方程。
u +
K1 T 1s 1
+
K2 T 2s 1
K3 T 3s
y
K4
K1 T1 +
开环和闭环、反馈
控制的性能指标：稳定性、快速、精度。最优控制
控制理论概述
学控制理论做什么？ 系统分析—分析系统的性能
系统设计—设计控制器
所谓系统分析就是在规定的条件下，对数学模型已 知系统的性能进行分析； 所谓系统设计，就是构造一个能够完成给定任务的系统， 这个系统具有希望的瞬态、稳态性能以及抗干扰性能。
f (s) f (t )e dt
0
f (s) sf (s) f (0)
传递函数：线性动态系统零初值条件下输出量的Laplace变 换像函数与输入量的Laplace变换像函数之比。 *线性系统：满足叠加和一致性， 如用线性方程或线性微分方程描述的系统 可以用于分解复杂系统 *定常系统：参数不随时间变化
J u i
x1 i
B
x2
R x1 L x K 2 a J
Kb 1 L x1 L u B x2 0 J
状态空间分析法
4
§1-1 状态变量及状态空间表达式
一、状态
状态:动态系统的状态粗略地说就是指系统的过去、现在和 将来的运动状况。精确地说，状态需要一组必要而充分的 数据来说明。
二、状态变量
状态变量：足以完全确定系统运动状态的一组最小（内部） 变量。
y(t) Cx(t) Du(t)
11
§1-1 状态变量及状态空间表达式
例：
R
方法二： 令x1(t)= uc(t)
u(t)
x1
(
t
)
x 2
(
t
)
x1(t)
yx2((tt ))
Lxx1C21((xt1t)(0L)tL1)iC(RLt)1xC12RL(ut )0c(t)Lxx1Cxx12 ((12uLLitt((((Ct))ttti))())utc)(tC)0L1RuRciC((uttux)()ct2(()t t)u)=cu(cut()tc)(t)uu((tt))
四、状态空间 以状态变量x1(t), x2(t) , x3(t) , … , xn(t)为坐标轴
所构成的 n 维空间，称为状态空间。 在特定时刻t，状态向量x (t) = [x1(t) , … , xn(t)]T
在状态空间中是一点 。随着时间的推移，状态向量 x (t) 在状态空间中描绘出一条轨迹，称为状态轨迹。
x1
(
t
)
x2
(
t
)
0
1
L
状态空间方程
状态空间方程状态空间方程是一种用于描述动态系统的数学模型。
它的变量表示系统的状态，而方程则描述在时间上状态的变化。
状态空间方程也被称为状态方程或者状态转移方程。
它常被用来描述、分析和控制系统，是动态系统理论中最基本的抽象模型。
状态空间方程通常由以下几部分组成：状态变量：状态空间方程的状态变量表示系统的当前状态，例如位置、速度、加速度等。
状态变量由一个向量来表示，该向量可能包括多个不同的变量，例如X=(x1,x2,x3,...,xn)。
输入变量：输入变量表示系统的外界输入，例如电流、压力、力等。
输出变量：输出变量表示系统的输出，例如位置、位移、速度等。
系统参数：系统参数是一组参数，用于描述系统的物理特性或行为，例如质量、阻尼、弹性系数等。
状态空间方程可以用以下形式表示：dx/dt=f(x,u,p),其中x表示状态变量，u表示输入变量，p表示系统参数，f为一个函数，用于描述系统的行为。
在工程中，通常会根据系统的物理规律和行为来推导出该系统的状态空间方程，从而使用该模型来描述系统的状态变化。
例如，一个单体物理系统的状态空间方程可以用以下形式表示：dx/dt = Ax+Bu,其中x代表系统状态变量，A代表系统参数，B代表输入矩阵，u代表输入变量。
另一个例子是一个简单的手臂机械臂模型的状态空间方程：dx/dt = (J-D)θ+Gt,其中x代表系统状态变量，J代表机械臂的转动惯量，D代表阻尼系数，G代表扭矩矩阵，t代表外部输入力。
可以看出，状态空间方程是动态系统理论中最基本的抽象模型，它可以用来描述、分析和控制系统。
状态空间方程可以以各种形式表示，但其基本原理是一致的：状态变量由外部输入和系统参数决定，并随时间变化。
状态空间的解
状态空间的解状态空间是系统控制理论中的重要概念，是描述系统状态演变的数学模型。
状态空间分析是现代系统分析与设计中的基本方法之一，对于控制系统的设计，参数的选取和分析、系统建模等都有着重要的意义。
在本文中，我们将围绕状态空间的解做进一步的阐述。
一、状态空间模型的基本概念状态空间模型是针对动态系统建立的数学模型，它是基于状态的描述系统行为的模型。
状态表示系统在某一时刻的情况，因此，在状态空间模型中，状态是基本变量。
状态空间模型包括状态方程与输出方程，状态方程描述系统状态随时间的演变规律，输出方程给出状态的函数关系式。
二、状态空间模型的求解状态空间模型求解的本质就是求解状态方程。
状态方程描述了系统状态的时变规律，因此求解状态方程就是求解系统状态随时间变化的规律。
具体步骤如下：(1) 确定状态变量：状态变量就是系统中的未知量。
根据系统的特性，选择合适的状态变量，并找到他们之间相互的关系。
(2) 建立状态方程：根据系统的动力学方程，建立状态方程，通常使用矩阵表示。
在得到状态方程后，可以使用状态观测器对系统状态进行估计。
(3) 建立输出方程：输出方程是状态空间模型的另一个重要方程，它描述了系统的输出与状态之间的关系。
输出方程通常使用矩阵表示，矩阵元素是系统输出中的变量与状态变量之间的函数关系。
(4) 求解状态方程：最终需要求解的是状态方程。
可以使用拉普拉斯变换或者矩阵方法求解状态方程。
三、状态空间模型与控制状态空间模型在控制系统的设计中扮演着重要的角色，控制系统通常是以状态反馈的方式进行设计和实现。
在控制系统中，状态观测器对系统状态进行估计，得到状态之后进行比较和设计反馈控制器。
实现了状态反馈的控制器被称为状态反馈控制器，状态反馈控制器的性能优于传统的PID控制器，在现代控制系统设计中有广泛的应用。
四、总结状态空间模型是现代控制理论中的基本模型，它描述了系统状态随时间演变的规律。
在控制系统的设计中，状态空间模型有着重要的应用，通过建立状态方程与输出方程，可以使用状态观测器对系统状态进行估计，实现状态反馈控制器的设计与应用。
状态空间的分解
（ 2） 若 有 某 状 态 i是 零 常 返 ， 则 令
C i { j： i j }
则 可 以 证 明 C i为 闭 集 . 则 与 （1） 相 同 的 证 明 ， 矛 盾 ！
（ 3） 由 （1） （ 2） 可 得 .
定理 8
设 i S 是 常 返 态 ， 则 包 含 i的 等 价 类 S ( i ) 是 闭 集 . 从 而 S ( i )是 不 可 约 的 .
证明 对 j S ( i ), k S , 若 j k ， 则 j k
（常返态的可达，即互通）
k S (i )
S ( i )是 闭 集 .
S ( i )是 不 可 约 集 .
由以上的分析,可以得到状态空间的分解定理
定理 9 齐次马尔可夫链的状态空间S可唯一地分解成有限个 或可列无限多个互不相交的状态子集的并.即
pij
(d )
（ 2） 对 {Y n , n 0,1, 2, }而 言 , 每 个 J m ( m 1, 2, , d ) 都 是 不 可 约 闭 集 ， 而 且 J m中 的 状 态 都 是 非 周 期 的 .
由 定 理 10知 ： 对 k J m , 有
j J m
称 S n 为 一 个 等 价 类 . 以 后 将 包 含 i的 等 价 类 记 为 S ( i ), 则
S ( i ) {i} { j j i}
S (i ) S ( j ) i j
S (i ) S n i S n
S (i )有 何 特 性 ？ ？ ？
定义
(1) 闭 集
设 C为 S的 子 集 .若 对 i C ， j C ,和 n 0, 有
状态空间分析法
第二章状态空间分析法2－1 状态、状态变量、状态空间、状态方程、动态方程任何一个系统在特定时刻都有一个特定的状态，每个状态都可以用最小的一组(一个或多个)独立的状态变量来描述。
设系统有n个状态变量x1，x2，…，x n，它们都是时间t的函数，控制系统的每一个状态都可以在一个由x1，x2，…，x n为轴的n维状态空间上的一点来表示，用向量形式表示就是:X = (x1，x2，…，xn)TX称作系统的状态向量。
设系统的控制输入为：u1，u2，...，u r，它们也是时间t的函数。
记：U = (u1，u2，...，ur)T那么表示系统状态变量X(t)随系统输入U(t)以及时间t变化的规律的方程就是控制系统的状态方程，如式（2－1）所示。
………………………………………………………………（2－1）其中F = (f1，f2，...，f n)T是一个函数矢量。
设系统的输出变量为y1，y2，...，y m，则Y = (y1，y2，...，y m)T 称为系统的输出向量。
表示输出变量Y(t)与系统状态变量X(t)、系统输入U(t)以及时间t的关系的方程就称作系统的输出方程，如式2－2所示。
…………………………………………………………. (2－2)其中G = (g1，g2，...，g m)T是一个函数矢量。
在现代控制理论中，用系统的状态方程和输出方程来描述系统的动态行为，状态方程和输出方程合起来称作系统的状态空间表达式或称动态方程。
根据函数向量F和G的不同情况，一般控制系统可以分为如下四种：∙线性定常(时不变)系统（LTI-Linear Time Invariant）；∙线性不定常(时变)系统；∙非线性定常系统；∙非线性时变系统。
在本课程中，我们主要考虑线性定常系统(LTI)。
这时，系统的动态方程可以表示如下：…………….（2－3）………………（2－4）写成矢量形式为：……………………………………………………………………………（2－5）上式中，A nxn称为系统矩阵，B nxr称为输入(或控制)矩阵。
知识表示方法-状态空间法
用计算机技术解决实际问题的一般思路:
实际 问题
问题表达 知识表达 数学建模
结果的解释
求解的方法 或者算法
例：求侧面积为150平方米的体积最大的长方体？
y x
z
设长、宽、高分别为 x, y, z 侧面积为：2(xy + yz + xz) 体积为：xyz 数学模型
max xyz s.t. 2(xy + yz + xz)=150
注：有向弧的旁边可以标以具体算符
状态 操作符
节点 有向弧
问题：寻找从初始状态到目标 状态的某个操作符序列
转 化 为
问题：寻找图中初始节点（对应初 始状态）到目标节点（对应于目标 状态）的一条路径
在某些情况下，每个操作符作用、成本是不
一样的，需要引入代价的概念
ni
c (ni , nj) 表示从节点 ni
指向节点 nj （相邻）的
那一段弧的代价
nj
（不相邻的）两个节点
间路径的代价等于连接 该路径的各个节点的所
有弧线的代价之和
k 1
c(ni , ni1)
i0
n0 c(n0,n1)
c(nk-1,nk) nk
引入代价的概念后，我们的问题可能是：
寻找初始节点到目标节点之间的代价最小的 路径
对应的原始问题：寻找从初始状态到目标状 态的操作符代价之和最小的操作符序列
②问题的求解：从问题表示方法出发，找到一个 合理的办法来求解 在人工智能中，常有的方法有：
➢搜索法 ➢推理法 ➢计算方法
状态空间法
在日常的一些智力游戏（八数码、走八卦阵、走
迷宫等）中，我们采用的策略：试着向前走，如
- 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)。
同批工件间同时到达的耦合关系？
工件本来是一个个到达，如C-C+1-C+2，但考虑为批次同时到达，C 可以直接到C+2;
基于更新过程的关键更新定理，将小车与B2、B4间的耦合关系用节点间的批量到达速率、批量离开速率变化替代？B2的输出与B4的输入之间相互依赖 节点二：
两次小车装载之间通常会有多个工件到达B2，在小车两次到达的间隔中B2内的工件数量曲线是单调非减的。
因此，实际上小车回到B2时B2拥有的工件数量的期望（锯齿的上尖点）远远比稳态后（稳态后不变，中间水平线）计算的期望要大 节点四：
实际上小车来到B4时B4拥有的工件数量的期望远远比稳态后计算的期望要小，当小车容量C 越大、小车速度越慢（保持当量运载能力不变）的时候这个偏差越明显，这样将提高小车由于阻塞停留在B4处的计算概率（实际堵塞概率比计算值要小），降低前环节的处理能力。
平均在制品数量：
()()()()
()121112223331122334444444441112123
,,,01
01
11
11C
4,,201
1
WIP=;
N N C
S w b S w b S w b b w b w b w N i S w b S w b w w P w P w P w P
w P N +======+===⨯+⨯+⨯+⨯+⨯∑∑∑∑∑∑∑
∑∑
第4项改为乘以W4;第五项(节点四在制品数期望)就是小车阻塞的概率乘以节点4的个数
（N4+1）
状态之间的转换速率：存在概率路径，则用概率路径乘以速率，不存在概率路径，则直接用速率。
实际上概率路径之和一定=1
1
i b =-0
i b =1
i b =2
i b =
B2
B4
节点3：2C+2个状态对应2C+2个方程
右边第一项：上标为W3，漏了V ，第二项是只可能是从小车上只有一个变为空车返回状态
右边VP3load （0）=VP2(0)，节点2空闲
节点S3(1,1)-与S(i ，1)的状态平衡方程不一样，所以要分开写: 首先不是0个，并且只是1个，所以概率累乘；一出两进 如果运输2个或以上，则不可能经过状态S3(0,-1) C-1出C-1进
上述两式合并？1<=i<=C 节点三2C+2个方程 V ，u4已知 需要求P
式中，()333,S w b P 为系统稳态后，节点三处于状态 ()33,w b 的概率；
V 为小车从B2到B4的运载速率，同时也是B4到B2的空车返回速率；
λ2*为B2的到达速率()
()
1*
21121P0PV 1PB μλ⨯---=
；
P01,PV1分别表示W1处于空闲与阻塞的概率
而此时B2不可能处于堵塞状态，所以分母为1-阻塞的概率 μ4*为W4的加工速率*
4
4μμ=；
(3,4)(,)i i PB w w k -为当小车将i w 个工件运达B4时，B4的剩余空间为k 的概率。
小车在B2、B4间来回移动，是一个再生过程。
在每个循环中，依次经历
(){}3,1,1i i S w w C ≤≤（b i =1）、B4停留(){}3,2,1i i S w w C ≤≤（b i =2）、空车返回()
30,0S （b i =0）、B2停留()30,1S -（b i =-1）四个阶段。
通过上文中节点平衡方程可以求出：当系
统稳态时，小车处于各状态的概率()3,1,0,1,2i i
S b P b =-。
又根据模型假设知，运输(){}3,1,1i i S w w C ≤≤与空车返回()30,0S 的速率均为V ，即每个循环中处于此两类状态
的平均时间为011
T T V
==。
根据更新过程相关定理我们可以得到当系统稳态后，小车每个循环中在B2、B4处平均等待时间为：()
()
3301,1,2S i i S P T i V P =⨯
=-。
----------------------------------------------------------------------------------------------------
节点2：状态空间2S 总共有223N ⨯+个状态，根据图5（b ）本文可以建立状态空间S 2的状态平衡方程：
(N2,0)只可能变为（N2-C ，1），有工件的情况下，满载运输，因此从N2+1-C 到N2-1均只有一个输入）
右侧
()()()222222*
12,0,11,0;
S N S N S N P V P DA P λ-⨯=⨯+⨯左侧只有一个出
223
N ⨯+个方程
V 已知
式中，()222,S w b P 为系统稳态后，节点二处于状态 ()22,w b 的概率； *
2λ
为节点的到达速率
()
()
1*21121P0PV 1PB μλ⨯---=
；
V 为小车从B4到B2的运载速率；
DA 1为小车从B2到B4的运载速率， DA 1包括小车状态中的运输
(){}3,1,1i i S w w C ≤≤（b i =1）与B4停留(){}3,2,1i i S w w C ≤≤（b i =2），由上文可知DA 1
的表达式：
式中，V 为小车将工件从B2运送到B4的运输速度与小车从B4空车返回B2的返回速度；
()
3i S b P 为系统稳态时，小车处于运输(){}3,1,1i i S w w C ≤≤（b i =0）与B4停留(){}3,2,1i i S w w C ≤≤（b i =2）的概率。
节点4：状态空间4S 总共有424N C ⨯++个状态，根据图6（b ）本文可以建立状态空间S 4的状态平衡方程：
()()()444*
420,11,10,0;S S S P V P P DA μ⨯=⨯+⨯左侧有多个概率路径，但是和为1，因此省略掉
()()()4444*42,1,0;
S w S w P V P DA μ⨯+=⨯该公式W4=N4+1
()()()()4444441
*
*
4
23444,0,11,00
(),1;
w unload S w S i S w i P DA P VP w i P w C μμ-+=⨯+=⨯-+⨯≤≤∑？
()()()()44444441**
4
234444,0,11,0(),1;
w unload S w S i S w i w C
P DA P VP w i P C w N μμ-+=-⨯+=
⨯-+⨯+≤≤∑
？
()()()444444441**
4
34444,2,11,21(1+),11;
N unload S w S i S w i N w C
P P VP N w i P w C μμ++=++-⨯=
⨯+-+⨯≤≤-∑
？
式中，()44,i S w b P 为系统稳态后，节点四处于状态 ()44,w b 的概率；
μ4*为W4的加工速率*
4
4μμ=；
V 为小车从B2到B4的运载速率；
3()unload P i 为小车每次送达工件个数为i 的概率；
DA 2为小车从B4到B2的运载速率， DA 2包括小车状态中的空车返回()
30,0S （b i =0）、B2停留()30,1S -（b i =-1），由上文可知DA 2的表达式：
式中，V 为小车将工件从B2运送到B4的运输速度与小车从B4空车返回B2的返回速度；
()3i S b P 为系统稳态时，小车处于空车返回()30,0S （b i =0）与B2停留()30,1S -（b i =-1）的概率。