การแทนระบบในปริภูมิสถานะคือการเขียนระบบพลวัตใหม่ให้อยู่ในรูปของสมการอันดับหนึ่งหลายสมการ แทนที่จะทำงานกับสมการเชิงอนุพันธ์อันดับสูงเพียงสมการเดียว เราจะติดตามเวกเตอร์สถานะที่เก็บข้อมูลซึ่งจำเป็นต่อการทำนายว่าระบบจะเกิดอะไรขึ้นต่อไป

ถ้าคุณค้นหาวิธีแปลงสมการเชิงอนุพันธ์ให้อยู่ในรูป state-space นี่คือแนวคิดหลัก: เลือกตัวแปรสถานะ เขียนสมการสำหรับอนุพันธ์ของแต่ละตัวแปร และทำให้แบบจำลองอยู่ในรูปอันดับหนึ่ง

นิยามของการแทนระบบในปริภูมิสถานะ

โดยทั่วไป แบบจำลองปริภูมิสถานะสามารถเขียนได้เป็น

x(t)=f(x(t),u(t),t)x'(t) = f(x(t), u(t), t)

ที่นี่ x(t)x(t) คือเวกเตอร์สถานะ และ u(t)u(t) คืออินพุตถ้าระบบมีอินพุต หากระบบเป็นเชิงเส้นและไม่แปรตามเวลา แนวคิดเดียวกันนี้จะเขียนในรูปเมทริกซ์ได้เป็น

x(t)=Ax(t)+Bu(t),y(t)=Cx(t)+Du(t)x'(t) = Ax(t) + Bu(t), \qquad y(t) = Cx(t) + Du(t)

รูปเมทริกซ์นี้พบได้บ่อยในวิชาการควบคุมและสมการเชิงอนุพันธ์ แต่ปริภูมิสถานะมีความกว้างกว่ากรณีเชิงเส้น

สถานะหมายถึงอะไร

สถานะคือชุดของปริมาณปัจจุบันที่ทำให้คุณสามารถกำหนดพฤติกรรมในอนาคตได้ เมื่อทราบอินพุตแล้ว สำหรับวัตถุที่กำลังเคลื่อนที่ ตำแหน่งเพียงอย่างเดียวมักไม่เพียงพอ แต่ตำแหน่งและความเร็วร่วมกันมักเพียงพอ

นี่จึงเป็นเหตุผลที่การแทนระบบในปริภูมิสถานะมีประโยชน์ มันเปลี่ยนปัญหาการเปลี่ยนแปลงตามเวลาให้อยู่ในรูปอันดับหนึ่งมาตรฐาน ซึ่งวิเคราะห์ จำลอง และเชื่อมโยงกับวิธีเชิงเมทริกซ์ได้ง่ายกว่า

ทำไมต้องเขียนระบบใหม่ในรูปนี้

แบบจำลองจำนวนมากเริ่มต้นจากสมการเชิงอนุพันธ์อันดับสูง รูปปริภูมิสถานะจะเขียนมันใหม่โดยไม่เปลี่ยนพลวัตพื้นฐานของระบบ

สิ่งนี้สำคัญเพราะระบบอันดับหนึ่งทั้งหมดเข้ากับโครงสร้างเดียวกัน เมื่อแบบจำลองอยู่ในโครงสร้างนี้แล้ว การพูดถึงเงื่อนไขต้น อินพุต เอาต์พุต และเสถียรภาพจะทำได้ง่ายขึ้นอย่างสอดคล้องกัน

ตัวอย่าง: แปลงสมการอันดับสองให้อยู่ในรูปปริภูมิสถานะ

เริ่มจาก

y+3y+2y=u(t)y'' + 3y' + 2y = u(t)

ที่นี่ u(t)u(t) คืออินพุต เลือกตัวแปรสถานะที่สะท้อนสภาพปัจจุบันของระบบ:

x1=y,x2=yx_1 = y, \qquad x_2 = y'

ตอนนี้เขียนสมการอันดับหนึ่งสำหรับตัวแปรสถานะแต่ละตัว เนื่องจาก x1=yx_1 = y,

x1=x2x_1' = x_2

และเนื่องจาก x2=yx_2 = y' เราจึงมี x2=yx_2' = y'' ด้วย จัดรูปสมการเดิมใหม่จะได้

y=3y2y+u(t)y'' = -3y' - 2y + u(t)

แทน y=x1y = x_1 และ y=x2y' = x_2:

x2=2x13x2+u(t)x_2' = -2x_1 - 3x_2 + u(t)

ดังนั้นสมการสถานะคือ

x1=x2x2=2x13x2+u(t)\begin{aligned} x_1' &= x_2 \\ x_2' &= -2x_1 - 3x_2 + u(t) \end{aligned}

ในรูปเวกเตอร์ โดยให้

x=(x1x2),x = \begin{pmatrix} x_1 \\ x_2 \end{pmatrix},

จะได้ว่า

x=(0123)x+(01)u(t)x' = \begin{pmatrix} 0 & 1 \\ -2 & -3 \end{pmatrix} x + \begin{pmatrix} 0 \\ 1 \end{pmatrix} u(t)

ถ้าเอาต์พุตคือปริมาณเดิม yy จะได้ว่า

y=(10)xy = \begin{pmatrix} 1 & 0 \end{pmatrix} x

ขั้นตอนสำคัญคือการแปลงจากสมการอันดับสองหนึ่งสมการให้เป็นสมการอันดับหนึ่งสองสมการ นี่คือหัวใจของการแทนระบบในปริภูมิสถานะ

สิ่งที่ควรสังเกตจากตัวอย่างนี้

ตัวแปรสถานะถูกเลือกอย่างมีเหตุผล เพราะมันทำให้สามารถเขียนแบบจำลองให้อยู่ในรูปของระบบอันดับหนึ่งได้

สังเกตด้วยว่าเอาต์พุต yy ไม่เหมือนกับเวกเตอร์สถานะทั้งหมด ในตัวอย่างนี้ y=x1y = x_1 ขณะที่สถานะทั้งหมดคือ (x1,x2)(x_1, x_2) แนวคิดสองอย่างนี้อาจทับซ้อนกันได้ แต่ไม่ได้เหมือนกันโดยอัตโนมัติ

ข้อผิดพลาดที่พบบ่อยเมื่อแปลงเป็นรูปปริภูมิสถานะ

สับสนระหว่างสถานะกับเอาต์พุต

สถานะประกอบด้วยตัวแปรภายในที่จำเป็นต่อการทำให้ระบบเปลี่ยนแปลงต่อไป ส่วนเอาต์พุตคือปริมาณที่คุณเลือกจะสังเกต บางครั้งทั้งสองอาจทับซ้อนกัน แต่ไม่ได้เหมือนกันโดยอัตโนมัติ

คิดว่ารูปแทนมีได้เพียงแบบเดียว

โดยทั่วไปไม่ใช่ การเลือกตัวแปรสถานะต่างกันสามารถอธิบายพลวัตเดียวกันได้ ตราบใดที่เก็บข้อมูลได้เพียงพอ

ลืมเงื่อนไขที่ต้องเป็นอันดับหนึ่ง

แบบจำลองปริภูมิสถานะต้องเขียนเป็นสมการอันดับหนึ่งในตัวแปรสถานะ ถ้ายังมีอนุพันธ์อันดับสองของตัวแปรสถานะเหลืออยู่ แสดงว่ายังเขียนใหม่ไม่เสร็จ

มองว่าทุกแบบจำลองเป็นเชิงเส้น

รูปเมทริกซ์ที่มี AA, BB, CC และ DD ใช้ได้เฉพาะเมื่อสมการเป็นเชิงเส้นในตัวแปรสถานะที่เลือก ระบบไม่เชิงเส้นก็ยังใช้ปริภูมิสถานะได้ แต่จะเขียนด้วยฟังก์ชันแทนเมทริกซ์ค่าคงที่

การแทนระบบในปริภูมิสถานะใช้ที่ไหนบ้าง

การแทนระบบในปริภูมิสถานะพบได้ในสมการเชิงอนุพันธ์ ทฤษฎีการควบคุม การประมวลผลสัญญาณ หุ่นยนต์ และฟิสิกส์ โดยมีประโยชน์เป็นพิเศษเมื่อคุณสนใจว่าระบบเปลี่ยนแปลงตามเวลาอย่างไร และอินพุตส่งผลต่อการเปลี่ยนแปลงนั้นอย่างไร

ถ้าแบบจำลองเป็นเชิงเส้น วิธีเชิงเมทริกซ์จะมีประโยชน์มากขึ้นเป็นพิเศษ ตัวอย่างเช่น ค่าเอกลักษณ์ของเมทริกซ์ AA อาจช่วยอธิบายการเติบโต การลดลง หรือการสั่นได้ แต่จะใช้ได้ภายใต้สมมติฐานที่อยู่ในแบบจำลองเท่านั้น

ลองทำด้วยตัวเอง

พิจารณา

y+4y+5y=0y'' + 4y' + 5y = 0

แล้วเลือก x1=yx_1 = y, x2=yx_2 = y'. เขียนใหม่ให้อยู่ในรูปของระบบอันดับหนึ่ง จากนั้นระบุเมทริกซ์ AA ถ้าเริ่มเข้าใจแล้ว ลองทำโจทย์คล้ายกันที่มีพจน์อินพุต แล้วดูว่าเมทริกซ์ BB ปรากฏขึ้นอย่างไร

ต้องการความช่วยเหลือในการแก้โจทย์?

อัปโหลดคำถามของคุณแล้วรับคำตอบแบบทีละขั้นตอนที่ผ่านการตรวจสอบในไม่กี่วินาที

เปิด GPAI Solver →