状态空间模型

自由、规范和结构化参数化的状态空间模型;等效ARMAX和输出误差(OE)模型

状态空间模型是使用状态变量来描述系统的一组一阶微分或差分方程，而不是一个或多个n三阶微分或差分方程。状态变量x（t)可以从测量的输入/输出数据重建，但在实验中不被测量。

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．模型的阶数是一个整数，等于x（t)，并与相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。

在连续时间中定义参数化状态空间模型通常比在离散时间中更容易，因为物理定律通常用微分方程来描述。连续时间下，状态空间描述形式为:

$\begin{array}{l} \dot{x} （ t ）＝ F x （ t ） + G u （ t ） + \tilde{K} w （ t ） \\ y （ t ）＝ H x （ t ） + D u （ t ） + w （ t ） \\ x （ 0 ）＝ x 0 \end{array}$

的矩阵F，G，H,D包含有物理意义的元素，例如，材料常数。K包含扰动矩阵。x0指定初始状态。

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通常写成创新的形式，用来描述噪音:

$\begin{array}{l} x （ k T + T ）＝一个 x （ k T ） + B u （ k T ） + K e （ k T ） \\ y （ k T ）＝ C x （ k T ） + D u （ k T ） + e （ k T ） \\ x （ 0 ）＝ x 0 \end{array}$

在这里,T为采样时间，u（kT)为该时刻的输入kT,y（kT)为该时刻的输出kT．

你不能用连续时间频域数据来估计一个离散时间状态空间模型。

有关更多信息，请参见什么是状态空间模型?

应用程序

系统识别	根据测量数据确定动态系统的模型

住编辑任务

状态空间模型的估计

使用实时编辑器中的时间或频率数据估计状态空间模型

功能

全部展开

状态空间模型创建

`中的难点`	具有可识别参数的状态空间模型
`党卫军`	估计状态空间模型使用时域或频域数据
`ssregest`	利用正则化ARX模型约简估计状态空间模型
`n4sid`	利用时域或频域数据用子空间方法估计状态空间模型
`pem`	优化线性和非线性模型的预测误差最小化

模型初始化和结构参数

`延迟`	根据数据估计时间延迟(死时间)
`findstates`	估计模型的初始状态
`ssform`	快速配置状态空间模型结构
`初始化`	设置或随机化初始参数值
`idpar`	为初始状态和输入水平估计创建参数

提取或设置模型参数

`idssdata`	被识别系统的状态空间数据
`getpvec`	获取模型参数和相关的不确定性数据
`setpvec`	修改模型参数值
`getpar`	获取属性，如值和线性模型参数的边界
`setpar`	设置属性，如值和线性模型参数的边界

估计选项

`ssestOptions`	选项设置`党卫军`
`ssregestOptions`	选项设置`ssregest`
`n4sidOptions`	选项设置`n4sid`
`findstatesOptions`	选项设置`findstates`