scipy.signal.StateSpace¶

class scipy.signal.StateSpace(*system, **kwargs)[源代码]¶

状态空间形式的线性时不变系统。

将系统表示为连续时间的一阶微分方程 \(\dot{{x}} = A x + B u\) 或者离散时间差分方程 \(x[k+1] = A x[k] + B u[k]\) 。 StateSpace 系统从 lti ，分别在 dlti 类，具体取决于使用的系统表示形式。

参数

*system: arguments

这个 StateSpace 类可以用1个或4个参数实例化。下面给出了输入参数的数量及其解释：

1： lti 或 dlti 系统： (StateSpace ， TransferFunction 或 ZerosPolesGain )

4：ARRAY_LIKE：(A，B，C，D)

DT：浮点，可选

采样时间 [s] 离散时间系统。默认为 None (连续时间)。必须指定为关键字参数，例如， dt=0.1 。

参见

TransferFunction, ZerosPolesGain, lti, dlti
ss2zpk, ss2tf, zpk2sos

注意事项

更改不属于 StateSpace 系统表示(如 zeros 或 poles )效率非常低，并且可能导致数值不准确。最好先转换为特定的系统表示。例如，调用 sys = sys.to_zpk() 在访问/改变零点、极点或增益之前。

示例

>>> from scipy import signal

>>> a = np.array([[0, 1], [0, 0]])
>>> b = np.array([[0], [1]])
>>> c = np.array([[1, 0]])
>>> d = np.array([[0]])

>>> sys = signal.StateSpace(a, b, c, d)
>>> print(sys)
StateSpaceContinuous(
array([[0, 1],
       [0, 0]]),
array([[0],
       [1]]),
array([[1, 0]]),
array([[0]]),
dt: None
)

>>> sys.to_discrete(0.1)
StateSpaceDiscrete(
array([[1. , 0.1],
       [0. , 1. ]]),
array([[0.005],
       [0.1  ]]),
array([[1, 0]]),
array([[0]]),
dt: 0.1
)

>>> a = np.array([[1, 0.1], [0, 1]])
>>> b = np.array([[0.005], [0.1]])

>>> signal.StateSpace(a, b, c, d, dt=0.1)
StateSpaceDiscrete(
array([[1. , 0.1],
       [0. , 1. ]]),
array([[0.005],
       [0.1  ]]),
array([[1, 0]]),
array([[0]]),
dt: 0.1
)

属性

A: 的状态矩阵 StateSpace 系统。
B: 的输入矩阵 StateSpace 系统。
C: 的输出矩阵 StateSpace 系统。
D: 的馈通矩阵 StateSpace 系统。
dt: 返回系统的采样时间， None 为 lti 系统。
poles: 系统的两极。
zeros: 系统的零。

方法：

`__mul__` \(其他)	后乘另一个系统或标量
`to_ss` \()	返回当前 `StateSpace` 系统。
`to_tf` \(** Kwargs)	将系统表示形式转换为 `TransferFunction` 。
`to_zpk` \(** Kwargs)	将系统表示形式转换为 `ZerosPolesGain` 。

scipy.signal.lti.to_discrete

scipy.signal.StateSpace.__mul__