MATHEMATICA 内置符号

StateOutputEstimator

利用估值器增益矩阵 l，构建 StateSpaceModel 对象 ss 的估值器.

仅使用 sensors 来测量 ss.

StateOutputEstimator

将 dinputs 指定为 ss 的确定性输入.

更多信息

状态空间模型 ss 可以以 StateSpaceModel 的形式给出，其中 a、b、c 和 d 表示在一个连续时间或者离散时间系统中的状态、输入、输出和转移矩阵：

		连续时间系统
		离散时间系统

输入可以包含随机输入和确定性输入 .

变量 dinputs 是指定在中位置的整数列表.

输出可以包含测量值以及其它输出.

变量 sensors 是指定在中位置的整数列表.

StateOutputEstimator 等价于 StateOutputEstimator[{ss, All, All}, l].

估值器增益 l 可以使用 EstimatorGains、LQEstimatorGains 或者 DiscreteLQEstimatorGains 计算.

StateOutputEstimator[ss, LQEstimatorGains[ss, ...], ...] 给出一个卡尔曼估值器.

StateOutputEstimator[ss, EstimatorGains[ss, ...], ...] 给出一个 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"	构建预期估值器

当前估值基于到当前瞬时的测量值.

预期估值基于到前一个瞬时的测量值.

对连续时间系统，StateOutputEstimator 给出具有动态特性的估值器. 具有下标和的矩阵是与确定性输入和传感器相关联的子矩阵.

离散时间系统的预期估值器具有动态特性：.

对于离散时间系统，StateOutputEstimator[..., Method->"CurrentEstimator"] 给出具有动态特性的估值器，而当前状态估值从当前测量中取得，为 .

具有估值器的系统的方框图：

对于估值器模型的输入是确定性输入以及测量值 .

估值器模型的输出包含被估计的状态和测量值的估计值.

范例

关闭所有单元

例 (3)

使用估值器增益

的连续时间系统的输出和状态估值器：

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：

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

使用估值器增益

的连续时间系统的输出和状态估值器：

In[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]:=

Out[1]=

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

In[1]:=

Out[1]=

范围 (6)

具有单个被测量的输出和单个确定性输入的系统的线性估值器：

指定输入是随机的：

双输入双输出系统的估值器，其中所有输出都被测量，并且所有输入都是确定性的：

只有第一个输出被测量：

第一个输出被测量，并且第一个输入是随机的：

所有输出都被测量，并且所有输入都是随机的：

选项 (2)

默认情况下，估值器基于当前测量值：

预期估值器：

对于连续时间系统，当前和预期估计值是相等的：

应用 (1)

连续时间系统的观测器：

从一个随机初始条件开始，模拟输入为

^-t 的系统：

比较每个状态和它的估计值：

比较输出：

属性和关系 (2)

StateOutputEstimator 估计系统的状态和输出：

提取状态估值器：

输出估值器：

构建离散时间系统的卡尔曼估值器：

直接使用 KalmanEstimator：

参见

KalmanEstimator LQEstimatorGains DiscreteLQEstimatorGains EstimatorGains LQGRegulator

更多关于

使用状态空间模型进行设计

8.0的新功能：字母列表

版本 8 的新功能