Mamba2-状态、状态空间、状态空间方程

一、状态

动态系统的状态说明粗略的说是指系统的过去、现在和将来的动态变换情况。

比如：运动的小车的状态可以为位置和速度。

二、系统变量

2.1 状态变量

系统的状态变量，就是指足以完全确定系统运动状态的最小一组变量。一个用n阶微分方程描述的系统，就有n个独立变量，求的这n个独立变量的时间相应，系统的运动状态也就被揭示无疑了。因此，可以说系统的状态变量就是n阶系统的n个独立变量。

设$x_1(t),x_2(t),...,x_n(t)$为系统的一组状态变量，则它应该满足下列两个条件：
（1）在任何时刻$t=t_0$,这组变量的值$x_1(t_0),x_2(t0),...,x_n(t_0)$都在表示该时刻的状态。
（2）当系统$t>t_0$的输入和上述初始状态确定，状态变量便能完全确定系统在任何$t>t_0$时刻的行为。

2.2 状态变量的选取

同一个系统，究竟选取的哪些变量可以作为状态变量，这不是唯一的，要紧的这些变量是相互独立的，其个数等于微分方程的阶数。

三、状态向量

如果完全一个系统的动态行为需要n个状态变量，那么这n个变量$x_1(t),x_2(t),...,x_n(t)$作为分量所构成的向量就叫做系统的状态向量。记作
$$x=\begin{array}{c}\left[\begin{array}{c}{x}_1(t)\\ x_2(t)\\ .\\ .\\ x_n(t)\end{array}\right]\end{array}$$
通过构建状态向量，将实际带有物理意义的状态变量转化为n空间的一个坐标，便于观察状态变量随时间变化的规律。

四、状态空间

以状态变量$x_1(t),x_2(t),...,x_n(t)$为坐标构成的n维空间，称为状态空间。

以系统的任何状态，都可以用状态空间中的一个点来表示。即在特定时刻t状态向量x(t)在状态空间中是一个点。已知初始时刻$x(t_0)$,就得到状态空间中的一个初始点。随着时间的推移，x(t)在空间中绘出一条轨迹，称为状态轨线。

显然，状态轨线的形状，完全由系统$t_0$时刻初始状态。

五、状态方程

描述状态方程与系统输入之间关系的一阶微分方程组称为状态方程。

一个实例：下中，若令$x_1=y$，$x_2=\frac{dy}{dt}$,即取$x_1,x_2$为此系统的一组状态变量，则由牛顿第二定律$M\frac{d^{2}y}{d{t}^2}=u-k\frac{dy}{dt}$得到一阶微分方程。

$$\begin{array}{c}\{\begin{array}{rl}\frac{d{x}_1}{dt}& =\frac{dy}{dt}=x_2\\ \frac{d{x}_2}{dt}=\frac{d^{2}y}{d{t}^2}=-\frac{k}{M}\frac{dy}{dt}+\frac{1}{M}u=-\frac{k}{M}{x}_2+\frac{1}{M}u& \end{array}\end{array}$$
将方程组转为矩阵形式表示：
$$\begin{array}{c}\left[\begin{array}{c}\dot{x_1}\\ \dot{x_2}\end{array}\right]=\left[\begin{array}{cc}0& 1\\ 0& -\frac{k}{M}\end{array}\right]\left[\begin{array}{c}{x}_1\\ x_2\end{array}\right]+\left[\begin{array}{c}0\\ \frac{1}{M}\end{array}\right]u\end{array}$$
即：$\dot{x}=Ax+bu$

六、输出方程

这里放入要修改的文字

描述系统的状态变量与输出关系的一组代数方程被称为输出方程。对于上面的例子，我们的输出方程为：
$$y=[10]\begin{array}{c}\left[\begin{array}{c}{x}_1\\ x_2\end{array}\right]\end{array}$$
简写为：
$$y=c^{T}x$$，其中$c^T=[10]$, $x=[x_1,x_2{]}^{\prime }$

七、状态空间描述

状态方程和输出方程一同构建一个动态系统的完整描述，称为系统的状态空间表达式，也称为状态空间描述。对于一般的输入，状态方程和输出方程为：

用向量矩阵表示的状态空间表达方式为：

其中：