对于系统 x ˙ = f ( t , x , p ) (1) \dot{\mathbf{x}}=\mathbf{f}(t, \mathbf{x}, \mathbf{p})\tag{1} x˙=f(t,x,p)(1)
式中 p = [ p 1 p 2 ⋯ p q ] T (2) \mathbf{p}=\left[p_{1} p_{2} \cdots p_{q}\right]^{T}\tag{2} p=[p1p2⋯pq]T(2)
是常数参数。
在许多情况下，式(1)的初值
x
(
t
0
)
x(t_0)
x(t0)以及
p
\mathbf{p}
p都是不知道的，需要利用
x
(
t
)
x(t)
x(t)或其函数的测量值来进行估计。传统的估计方法(如最小二乘)需要求如下偏微分矩阵
Φ
(
t
,
t
0
)
=
∂
x
(
t
)
∂
x
(
t
0
)
(3)
\Phi\left(t, t_{0}\right)=\frac{\partial \mathbf{x}(t)}{\partial \mathbf{x}\left(t_{0}\right)}\tag{3}
Φ(t,t0)=∂x(t0)∂x(t)(3)
和
Ψ
(
t
,
t
0
)
=
∂
x
(
t
)
∂
p
\Psi\left(t, t_{0}\right)=\frac{\partial \mathbf{x}(t)}{\partial \mathbf{p}}
Ψ(t,t0)=∂p∂x(t)
因此，需要计算这两个微分矩阵。可获得这两个矩阵所应满足的微分方程
Φ
˙
(
t
,
t
0
)
=
F
(
t
)
Φ
(
t
,
t
0
)
,
Φ
(
t
0
,
t
0
)
=
I
Ψ
˙
(
t
,
t
0
)
=
F
(
t
)
Ψ
(
t
,
t
0
)
+
∂
f
(
t
,
x
,
p
)
∂
p
,
Ψ
(
t
0
,
t
0
)
=
0
(4)
\begin{array}{l} \qquad \dot{\Phi}\left(t, t_{0}\right)=F(t) \Phi\left(t, t_{0}\right), \quad \Phi\left(t_{0}, t_{0}\right)=I \\ \dot{\Psi}\left(t, t_{0}\right)=F(t) \Psi\left(t, t_{0}\right)+\frac{\partial \mathbf{f}(t, \mathbf{x}, \mathbf{p})}{\partial \mathbf{p}}, \quad \Psi\left(t_{0}, t_{0}\right)=0 \end{array}\tag{4}
Φ˙(t,t0)=F(t)Φ(t,t0),Φ(t0,t0)=IΨ˙(t,t0)=F(t)Ψ(t,t0)+∂p∂f(t,x,p),Ψ(t0,t0)=0(4)
其中
F
(
t
)
≡
∂
f
(
t
,
x
,
p
)
∂
x
(
t
)
(5)
F(t) \equiv \frac{\partial \mathbf{f}(t, \mathbf{x}, \mathbf{p})}{\partial \mathbf{x}(t)}\tag{5}
F(t)≡∂x(t)∂f(t,x,p)(5)
微分矩阵存在如下关系
δ
x
(
t
)
=
Φ
(
t
,
t
0
)
δ
x
(
t
0
)
(6)
\boldsymbol{\delta} \mathbf{x}(t)=\Phi\left(t, t_{0}\right) \boldsymbol{\delta} \mathbf{x}\left(t_{0}\right)\tag{6}
δx(t)=Φ(t,t0)δx(t0)(6)
其中 δ x \delta \mathbf{x} δx是偏离式(1)参考解 x N x_N xN的一个小量。
心得，评注
- 式(6)中的
Φ
(
t
,
t
0
)
\Phi\left(t, t_{0}\right)
Φ(t,t0)是对于参考解
x
N
x_N
xN轨迹而言的。当参考轨迹恒为0时，可得
x ( t ) = Φ ( t , t 0 ) x ( t 0 ) (7) \mathbf{x}(t)=\Phi\left(t, t_{0}\right) \mathbf{x}\left(t_{0}\right)\tag{7} x(t)=Φ(t,t0)x(t0)(7)
扫一扫
2462
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
