状态空间模型使用状态变量的模型是用一组一阶微分方程或差分方程来描述系统,还是用一个或多个nth阶微分或差分方程。状态变量x (t)可以从测量的投入产出数据重建,但不是自己在实验中测量。
状态空间模型结构是快速估计的好选择,因为它只需要指定一个输入,即模型秩序,n
.的模型秩序的维度是否等于整数x (t)和与对应的线性差分方程中使用的延迟输入和输出的数量有关,但不一定等于。
在连续时间中定义一个参数化的状态空间模型通常更容易,因为物理定律通常是用微分方程来描述的。在连续时间中,状态空间描述有以下形式:
的矩阵F,G,H,D包含具有物理意义的元素——例如,材料常数。x0指定初始状态。
请注意
= 0给出输出错误模型的状态空间表示。有关更多信息,请参见什么是多项式模型?.
您可以使用时域和频域数据来估计连续时间状态空间模型。
离散时间状态空间模型结构常被写成创新的形式描述噪声:
在哪里T是采样时间,u (kT)输入时刻是瞬时的吗kT,y (kT)时刻的输出是即时的吗kT.
请注意
K=0给出输出错误模型的状态空间表示。有关输出-错误模型的更多信息,请参见什么是多项式模型?.
离散时间状态空间模型提供了输入和输出之间相同类型的线性差异关系线性ARMAX模型,但被重新排列,使得表达式中只有一个延迟。
你不能估计一个离散时间状态空间模型使用连续时间频域数据。
这种创新形式使用单一噪声源,e (kT),而不是独立的过程和测量噪声。如果您有关于过程和测量噪声的先验知识,您可以使用线性灰盒估计来识别具有结构化独立噪声源的状态空间模型。有关更多信息,请参见识别具有独立过程和测量噪声描述的状态空间模型.
离散状态空间矩阵之间的关系一个,B,C,D,K以及连续时间状态空间矩阵F,G,H,D, 对于分段常数输入,给出如下:
这些关系假设输入在时间间隔内是分段常数 .
两者的确切关系K而且 是复杂的。然而,对于较短的采样时间T,下面的近似很好:
对于线性模型,一般模型描述为:
G是接受输入的传递函数吗u到输出y.H是描述加性输出噪声模型性质的传递函数。
传递函数和离散时间状态空间矩阵由以下方程给出:
在这里,我nx是nx——- - - - - -nx单位矩阵,nx是状态数。我纽约是纽约——- - - - - -纽约单位矩阵,纽约是的维度y而且e.
连续时间情况下的状态空间表示是类似的。