StateOutputEstimator

StateOutputEstimator[ssm,l]
构建 StateSpaceModel ssm 的估值器,估值器增益矩阵为 l.

StateOutputEstimator[{ssm,sensors},l]
只将 sensors 作为 ssm 的测量使用.

StateOutputEstimator[{ssm,sensors,dinputs},l]
dinputs 指定为 ssm 的确定性输入.

更多信息和选项更多信息和选项

  • 标准状态空间模型 ssm 可以以 StateSpaceModel[{a,b,c,d}] 给出,其中 abcd 表示连续时间或者离散时间系统中的状态、输入、输出和传递矩阵:
  • 连续时间系统
    离散时间系统
  • 在连续时间或者离散时间下,描述器状态空间模型 ssm 可以按 StateSpaceModel[{a,b,c,d,e}] 给出:
  • 连续时间系统
    离散时间系统
  • StateOutputEstimator also accepts nonlinear systems specified by AffineStateSpaceModel and NonlinearStateSpaceModel.
  • For nonlinear systems, the operating values of state and input variables are taken into consideration when constructing the estimator.
  • 输入 可以包括随机输入 和确定性输入 .
  • 参数 dinputs 是整数列表,指定 的位置.
  • 输出 可以包括测量 和其他输出.
  • 参数 sensors 是整数列表,指定 的位置.
  • StateOutputEstimator[ssm,l] 等价于 StateOutputEstimator[{ssm,All,All},l].
  • 估值器增益 l 可以使用 EstimatorGainsLQEstimatorGains 或者 DiscreteLQEstimatorGains 计算.
  • StateOutputEstimator[ssm,LQEstimatorGains[ssm,],] 给出 Kalman 估值器.
  • StateOutputEstimator[ssm,EstimatorGains[ssm,],] 给出 Luenberger 估值器.
  • StateOutputEstimator 支持 Method 选项. 可以给出下列显式设置:
  • "CurrentEstimator"构建当前估值器
    "PredictionEstimator"构建预测估值器
  • 当前估计基于到目前时刻的测量.
  • 预测估计基于到前一时刻的测量.
  • 对于连续时间系统,StateOutputEstimator 给出具有动态的估值器 . 下标为 的矩阵是与确定性输入 和感应器 相关联的子矩阵.
  • 离散时间系统的预测估值器具有动态 .
  • 对于离散时间系统,StateOutputEstimator[,Method->"CurrentEstimator"] 给出具有动态的估值器 ,而当前状态估计 从当前测量 得到,为 .
  • 具有估值器的系统的方框图:
  • 估值器模型的输入是确定性输入 和测量 .
  • 估值器模型的输出包括估计状态 和测量 的估计.

范例范例打开所有单元关闭所有单元

基本范例  (3)基本范例  (3)

连续时间系统的输出和状态估值器:

In[1]:=
Click for copyable input
Out[1]=
Out[1]=

在第二个输出有单位估值器增益和一个传感器的系统的估值器:

In[1]:=
Click for copyable input
Out[1]=
Out[1]=

对于离散时间系统,StateOutputEstimator 组成一个离散时间估值器:

In[1]:=
Click for copyable input
Out[1]=
2010年引入
(8.0)
| 2014年更新
(10.0)