系统有2个状态 ，1个输入 ，1个输出：

给出输入和输出的数目：

系统的阶数：

有两个输入，一个输出的系统：

对其中一个输入通道施加单位阶跃信号，另一个输入为零，系统响应为：

有1个输入，2个输出的系统：

纯增益系统：

将增益系统和原始系统串联起来：

指定状态的工作值：

通过关于工作值的线性化，获取 StateSpaceModel：

明确指定输出和自变量：

指定状态下，StateSpaceModel 的非线性表示：

缺省状态下，TransferFunctionModel 的非线性状态-空间表示：

AffineStateSpaceModel 的非线性表示，保存状态：

一组 ODE 的非线性状态-空间表示：

设置新的状态、输入和输出变量：

状态为 ，输入为 ，输出为 ：

用 Normal 获取模型参数：

用 SystemsModelDelete 删除掉的状态和输入被设置为工作值：

没有被 SystemsModelExtract 提取的状态和输入也同样被设置为工作值：

如果旧的状态被变换，StateSpaceTransform 会计算新状态的工作值：

缺省情况下，仿真函数假设工作值为初始值：

StateResponse:

OutputResponse:

StateSpaceModel 将模型关于所有工作值线性化：

AffineStateSpaceModel 只将模型关于输入变量的工作值线性化：

NonlinearStateSpaceModel 保留和 ODE 一起指定的工作值：

FullInformationOutputRegulator 关于工作值线性化来计算增益 ：

由线性化子系统计算增益：

可用属性列表：

标注系统输出及状态：

用 NonlinearStateSpaceModel 来指定一个双池系统的方程并进行仿真：

利用伯努利定律和质量平衡推导微分方程：

采用稳态工作值 ：

输入为 ，输出为 ，定义相应的非线性系统：

如果流量的稳态值较高，池内的液位也会稳定在较高的位置：

用一个 PID 控制器来控制下面第二个溶液池的液位：

利用线性化模型和 PIDTune 获取 PID 控制器：

指定第二个溶液池中液位的分段参考值：

仿真的结果显示了闭环系统和参考值的对比情况：

求飞机的纵向动力学模型 的运动方程，其中状态 为 ，输入 为 ： »

在这里，、 和 ℳ 为用 α 和 δ_e 表示的多项式：

空气动力学参数和模型参数：

利用 ，其中 为航迹倾角， 为俯仰角：

求在指定飞行速度 下，稳定 、水平 飞行的稳定状态：

定义状态变量和初值：

状态 ，输入为 ，飞机的非线性状态-空间模型为：

用 2×2 传递函数表示线性化系统：

右半平面的极点导致系统不稳定：

右半平面的零点导致非极小相位：

BodePlot 显示速度 比航迹倾角 受到的影响大：

飞机的六自由度运动方程. 关于轴 的旋转 的旋转矩阵： »

欧拉角 、 和 的旋转矩阵：

将一个向量从机体坐标系转换至地球坐标系的变换矩阵：

从地球坐标系转换至机体坐标系：

检验两者是否互逆:

地球坐标系 和机体坐标系 示意图：

用速度分量 、 和 表示欧拉角速率：

欧拉角的运动学方程：

航迹变量 、 和 的运动学方程：

假定 平面为对称平面，惯性矩阵为：

可以用 来计算角动量 ：

作用于飞机上的力及力矩:

可以通过解力矩方程 来获取角速度的状态方程，其中 为空气动力力矩向量：

旋转运动的动力学方程：

作用在飞机上的力为空气动力 、重力和推力 ：

可以通过牛顿定律 获取平移运动的动力学方程：

完整的飞机运动方程：

纵向动力学模型对应于状态 、、 和 ：

侧向动力学模型对应于状态 、、 和 ：

设计一个扩展卡尔曼滤波器来跟踪带轮子的机器人：

机器人模型：

假定所有的测量都包含噪声，协方差为 ：

滤波器的增益 基于状态的协方差 ：

包含有噪声的测量值 的估计状态的微分方程的右边为：

协方差矩阵 的微分方程的右边为：

用 NonlinearStateSpaceModel 组成估算器：

根据初始位置 和一组输入仿真机器人的行踪：

有噪声的测量值：

根据系统输入和含噪声的测量值仿真滤波器的响应：

比较变量 的实际值、含噪声的值和滤波以后的值：

变量 ：

变量 ：