信号处理 / 系统课时
用状态方程描述动态系统
用状态方程描述动态系统
高阶微分方程能直接描述输入与输出的关系,但不便于同时追踪系统内部多个动态量。本节把一个二阶系统改写成一阶状态方程,说明状态变量如何选取,并建立状态空间模型与系统函数之间的对应关系。
学习目标
- 能从高阶微分方程选择状态变量并写出状态方程
- 能识别状态矩阵、输入矩阵、输出矩阵和直接传递矩阵的作用
- 能由状态空间模型得到零初始条件下的系统函数
从高阶方程选择状态变量
考虑二阶连续时间系统
微分方程中同时出现 、 和 。状态空间方法的核心,是用若干一阶变量保存描述未来演化所需的最少内部信息。对这类二阶方程,最自然的选择是
于是有
再由原方程整理得
输出就是第一个状态:
这样,一个二阶微分方程被改写成了两个相互耦合的一阶方程。对于 阶系统,通常需要 个独立状态变量。

写成矩阵形式
把状态组成向量
状态方程和输出方程可以统一写成
对当前系统,有
其中, 决定没有外部输入时状态之间如何相互影响; 描述输入怎样进入状态; 决定哪些状态被组合成输出; 描述输入是否可以不经过动态过程而直接影响输出。
状态模型怎样保存系统记忆
状态空间表示与只观察输入输出的描述相比,多了一组内部变量 。在某一时刻,只要知道当前状态以及之后的输入,就可以继续计算系统未来的状态和输出,不再需要重新保存整个过去输入历史。
例如,在 时,当前系统仍可能因为 或 非零而继续产生输出。这正是状态变量表示系统内部储能或记忆的含义。初始状态不同,即使后续输入完全相同,暂态响应也可能不同。
状态矩阵 的特征值还直接决定系统的自然模态。当前矩阵的特征方程为
因此自然模态对应 和 ,这与原二阶微分方程得到的特征根完全一致。
从状态空间得到系统函数
在零初始条件下,对状态方程作拉普拉斯变换:
移项可得
代入输出方程后得到
因此状态空间模型对应的系统函数为
把本例的 、、 和 代入,可以得到
这正是直接对原微分方程在零初始条件下作拉普拉斯变换得到的结果。系统函数强调外部输入输出关系,状态空间模型则同时保留内部状态,因此更适合多输入多输出系统、初始状态分析以及后续的状态反馈与控制建模。