상태공간 모델

LTI 모델의 상태공간 표현

상태공간에서의 모델의 표현은 고유하지 않습니다. 좌표 변환은 서로 다른 행렬을 가지나 동특성은 동일한 상태공간 모델을 생성합니다. 상태 좌표 변환은 상태공간 모델의 최소 실현을 달성하거나 분석 및 제어 설계를 위해 표준형을 변환하는 데 유용합니다.

좌표 변환은 조건이 나쁜 모델을 스케일링하는 데도 유용할 수 있습니다. 정확한 계산을 위해서는 상태공간 모델을 올바르게 스케일링하는 것이 중요합니다. 잘못 스케일링된 모델의 예로 상태 벡터에 각각 단위가 광년과 밀리미터인 2개의 상태가 있는 동적 시스템을 들 수 있습니다. 이처럼 단위가 크게 다르면 A 행렬에 매우 큰 요소과 매우 작은 요소가 모두 추가될 수 있습니다. 계산이 진행되는 동안 행렬에 이렇게 작은 요소와 큰 요소가 뒤섞여 있게 되면 모델의 중요한 특성이 파괴되고 올바르지 않은 결과가 생성될 수 있습니다.

함수

`balreal`	Balanced state-space realization
`prescale`	Optimal scaling of state-space models
`modalreal`	Compute modal state-space realization (R2023b 이후)
`compreal`	Compute companion state-space realization (R2023b 이후)
`ss2ss`	상태공간 모델의 상태 좌표 변환
`ssequiv`	Equivalence transformation for state-space models (R2023b 이후)
`xperm`	Reorder states in state-space models
`xsort`	Sort states based on state partition (R2020b 이후)
`xelim`	Eliminate states from state-space models (R2023b 이후)
`augstate`	Append state vector to output vector
`ctrb`	상태공간 모델의 가제어성
`obsv`	상태공간 모델의 가관측성
`gram`	Controllability and observability Gramians

도움말 항목

상태공간 실현
상태공간 모델은 무한히 많은 실현으로 표현할 수 있습니다. 일반형(표준형이라고도 함)에는 모드형, 동반형, 관측 가능형 및 제어 가능형이 포함됩니다.
Scaling State-Space Models
When working with state-space models, proper scaling is important for accurate computations.
Scaling State-Space Models to Maximize Accuracy
This example shows that proper scaling of state-space models can be critical for accuracy and provides an overview of automatic and manual rescaling tools.