我们得到的矩阵

A = [0 1 0 0;

30.0503 0 0 2.9156;

0 0 0 1;

-0.5117 0 0 -1.0015]

B = [0;

-2.4614;

0;

0.8455]

C = [1 0 0 0;

0 0 1 0]

D =0

建模前我们先讨论下,ABCD分别是什么,怎么计算出来:

我们可以写成状态方程:

X(k+1) = A * X(k) + B * u(k)

Y(k)     = C * X(k) + D * u(k)

A,系统矩阵,直接反映了X(k)和X(k+1)的关系;B,输入矩阵,加入控制的影响;C,输出矩阵,用于观测;D,前馈矩阵,当一个量x本来是影响系统的,但x并未考虑在系统矩阵A中,便会通过D来实现,一般来说很少出现,因为我们希望矩阵A是包含所有影响系统的因素的。

那他们是怎么算出来的呢?

A和B可以通过体现系统建模得出,A和B也对接下来的编程等是不可缺少的,C的确定原自你想要观测什么,如状态方程实际上反应的是[a(k+1); a(k+1)'; b(k+1); b(k+1)']和

[a(k); a(k)'; b(k); b(k)']的关系,就拿后者来说,我们只需要关注a(k)和b(k)就可以了,因为a(k)'和b(k)'是可以通过数学计算得出的,所以在这:

C = [1 0 0 0;

0 0 1 0]

D = 0,这个不用多讲:

我们真正关注的是A和B,CD不用过多考虑

用matlab代码建模,也可用simulink:

clear all                                       #清理之前的空间

A = [0 1 0 0;                               #输入各矩阵

30.0503 0 0 2.9156;

0 0 0 1;

-0.5117 0 0 -1.0015]

B = [0;

-2.4614;

0;

0.8455]

C = [1 0 0 0;

0 0 1 0]

D =1

sys = ss(A,B,C,D);                                #将ABCD空间化

sys1 = c2d(sys,0.1)                             #将sys离散化,采样时间0.1s

x = [0;

0;

0;

0];                                                #初始状态假设为0

u = 0.001;                                           #初始控制量(这个随意,只是为了验证)

for  i = 1:100                                      #观察10s内的变化,采样为0.1s,需要采样100次

x(:,i+1) = sys1(1,1).A * x(:,i) + sys1(1,1).B * u;              #经典的方程,乘法注意矩阵维度

end

#可以查看变量x的100次变化,简单的离散化模型就建立完成了,以上仅仅是模型,为了更好的结果还需要有控制器等,这里不详细说明

体会:问题模型已经通过矩阵(ABCD)显示出来了,里面的公式等等就相当于是个箱子,我们通过输入矩阵,得到的结果也仅仅是矩阵

python 状态空间模型_基于状态空间的建模过程相关推荐

  1. python 估值模型_基于Python的客户价值细分模型(RFM)

    RFM模型:是衡量客户价值和客户创利能力的重要工具和手段.在众多的客户关系管理(CRM)的分析模式中,RFM模型是被广泛提到的.该机械模型通过一个客户的近期购买行为(recency).购买的总体频率( ...

  2. 用python计算贷款_Python基于Logistic回归建模计算某银行在降低贷款拖欠率的数据示例...

    本文实例讲述了Python基于Logistic回归建模计算某银行在降低贷款拖欠率的数据.分享给大家供大家参考,具体如下: 一.Logistic回归模型: 二.Logistic回归建模步骤 1.根据分析 ...

  3. python 线性回归模型_如何在Python中建立和训练线性和逻辑回归ML模型

    python 线性回归模型 Linear regression and logistic regression are two of the most popular machine learning ...

  4. python推介系统方法_基于AutoRec 的推荐系统介绍与python实现

    本文要介绍的模型是2015年由澳大利亚国立大学提出的AutoRec.它将自编码器(AutoEncoder) 的思想和协同过滤结合,提出了一种但隐藏层的神经网络推荐model.因为简洁的网络结构和清晰易 ...

  5. python分布式计算框架_基于Python的分布式计算平台-DPark

    来自于: DPark是一个基于Mesos的集群计算框架(cluster computing framework),是Spark的Python实现版本,类似于MapReduce,但是比其更灵活,可以用P ...

  6. python结构方程模型_结构方程模型:方法与应用_结构方程模型公式

    讲解清晰,适合MPLus学习者!注意这是王济川的书! 第一章 绪论( Introduction) 11模型表述( Model formulation 1.11测量模型( Measurernent mo ...

  7. matlab状态空间模型,Matlab做状态空间辨识2

    转载自了凡春秋USTChttps://chunqiu.blog.ustc.edu.cn/?p=334 命令行辨识状态空间模型 准备工作: 构造iddata对象(输入输出数据对象)或frd.idfrd对 ...

  8. python遥感图像处理_基于Python的矿山遥感监测系统开发方法

    目前,很多学者都是从宏观上讨论遥感和GIS一体化集成的可能性及集成的方法,但这些研究在GIS和RS方向只是对Python集成研究的思路或某一功能的介绍,并没有一个基于Python开发的集成GIS与RS ...

  9. python地图匹配_基于隐马尔科夫模型(HMM)的地图匹配(Map-Matching)算法

    1. 摘要 本篇博客简单介绍下用隐马尔科夫模型(Hidden Markov Model, HMM)来解决地图匹配(Map-Matching)问题.转载请注明网址. 2. Map-Matching(MM ...

  10. python 估值模型_利用RFM模型建模,并通过聚类分析、分类,分别算出8中不同的价值会员...

    RFM-Clustering 利用RFM模型建模,并通过聚类分析.分类,分别算出8中不同的价值会员 RFM模型构建会员价值标签 R:最近一次消费(Recency) F:消费频率(Frequency) ...

最新文章

  1. 网络工程师_要记录下来的一些题_3
  2. Mysql 中获取刚插入的自增长id的值
  3. 分布式锁(基于redis和zookeeper)详解
  4. 分计算iv值_快捷、经济、实用的光伏及IV曲线测试仪PVPM 1500X
  5. OpenShift 4 - 用Buildah定制UBI容器镜像
  6. 刷脸AI供应商下调业绩预期,苹果股价应声跌掉一个小米
  7. datatable删除行、列
  8. python 存储文件 文件名乱码_python打开中文文件名乱码怎么办
  9. Java解决:有一对兔子,从出生后第三个月起每个月都生一对兔子,小兔子长到第三个月的时候又生了了一对兔子。假设兔子都没有死亡,求第二年的总对数 。
  10. 极客”一词,来自于美国俚语“geek”的音译,一般理解为性格古怪的人
  11. 【js】Ajax提交form表单(ajaxSubmit使用讲解 )
  12. Java常见运算符整理
  13. Web前端:JS社区推荐的最佳JavaScript框架
  14. java常见的命名规则
  15. Apple Car将提前“出世”,华为、百度准备好了吗?
  16. 张晓飞ajax聊天室,张晓飞-华中师范大学数学学院中文站
  17. 数据库实验一 在SQL Server 中创建数据库
  18. MATLAB入门教程(2):调用内置函数
  19. win11本地安装docker
  20. 华为云桌面服务器地址怎么看,探索华为FusionAccess云桌面的真面目

热门文章

  1. 微信群如何实现语音多群转播
  2. 大四学生发明文言文编程语言,设计思路清奇
  3. hl3150cdn废粉仓清零_常见施乐联想兄弟等打印机加粉清零(废粉仓清零)方法
  4. ViewStub基本用法,include merge
  5. win10打开无线网卡服务器,win10打不开无线网卡
  6. ADT版本查看,This Android SDK requires Andr...ate ADT to the latest问题
  7. 华为盒子 原生android,手把手教你刷机把华为悦盒刷机为安卓网络机顶
  8. 数据结构视频教程 -《新东方计算机考研数据结构强化班》
  9. [病毒木马] LSP劫持
  10. Iterator迭代器遍历Map集合