3. 状态空间表达式的标准形式

好，咱们今天聊聊状态空间表达式的标准形式。说白了，就是连续时间系统的状态方程和输出方程到底长什么样。我刚开始学的时候，觉得这东西就是一堆矩阵在跳舞，后来做项目多了才发现——矩阵的维度一旦搞错，整个系统就崩了。

3.1 连续时间系统的状态方程

先看状态方程。对于一个连续时间系统，状态方程的标准形式是：

ẋ(t) = A x(t) + B u(t)

这里每个符号都有明确的物理意义：

• x(t)：状态向量，维度是 n×1。n 就是系统的阶数，也是状态变量的个数。
• ẋ(t)：状态向量的导数，维度也是 n×1。说白了就是状态的变化率。
• u(t)：输入向量，维度是 m×1。m 是输入信号的个数。
• A：系统矩阵，维度是 n×n。它描述了状态之间的耦合关系。
• B：输入矩阵，维度是 n×m。它描述了输入如何影响状态的变化。

嗯，这里要注意：A 矩阵一定是方阵。为什么？因为状态变量的个数是 n，每个状态的变化率都跟所有状态有关，所以必须是 n×n。我在项目中遇到过有人把 A 矩阵的维度搞错了，结果仿真出来的系统完全不对，查了半天才发现是矩阵乘法维度不匹配。

3.2 输出方程

输出方程的标准形式是：

y(t) = C x(t) + D u(t)

各符号的含义：

• y(t)：输出向量，维度是 p×1。p 是输出信号的个数。
• C：输出矩阵，维度是 p×n。它把状态映射到输出。
• D：直接传递矩阵，维度是 p×m。它描述了输入直接到输出的通路。

你想想看，为什么需要输出方程？因为状态变量不一定都能直接测量。比如一个电机系统，状态可能是电流和转速，但你能测到的可能只有转速。输出方程就是干这个的——从状态中提取出你关心的量。

3.3 矩阵维度分析

维度分析是状态空间建模的基石。我把它整理成一张表，你对照着看：

矩阵/向量	符号	维度	说明
状态向量	x(t)	n×1	n 个状态变量
状态导数	ẋ(t)	n×1	与状态向量维度一致
输入向量	u(t)	m×1	m 个输入信号
输出向量	y(t)	p×1	p 个输出信号
系统矩阵	A	n×n	方阵，描述状态耦合
输入矩阵	B	n×m	输入对状态的影响
输出矩阵	C	p×n	状态到输出的映射
直接传递矩阵	D	p×m	输入到输出的直通

维度匹配的规则很简单：矩阵乘法必须满足「左列数等于右行数」。比如 A 是 n×n，x 是 n×1，A·x 就是 n×1，跟 ẋ 的维度一致。B 是 n×m，u 是 m×1，B·u 也是 n×1。加起来没问题。

3.4 知识体系结构图

下面这张图把状态空间表达式的核心逻辑串起来了。我建议你多看几遍，把矩阵维度的对应关系刻在脑子里。

这张图把状态方程和输出方程并列展示，下面列出了四个矩阵的维度。你注意看，A 和 B 服务于状态方程，C 和 D 服务于输出方程。它们通过状态向量 x(t) 连接在一起。

3.5 一个简单的例子

拿一个 RLC 电路来说。状态变量选电容电压 v_c 和电感电流 i_L，所以 n=2。输入是电压源 v_s，m=1。输出是电容电压 v_c，p=1。

那么：

• x(t) = [v_c; i_L]，2×1
• u(t) = [v_s]，1×1
• y(t) = [v_c]，1×1
• A 是 2×2，B 是 2×1，C 是 1×2，D 是 1×1（通常为 0）

你看，维度完全匹配。这就是标准形式的力量——你不需要记住每个方程的具体系数，只要维度对了，结构就对了。