A-B-C-D

State Space

Continuous
Live-Beispiel starten Kostenlos · ohne Anmeldung · läuft im Browser

Der StateSpace-Block implementiert allgemeine zeitkontinuierliche lineare zeitinvariante (LTI) dynamische Systeme in Zustandsraumdarstellung. Die Abbildung physikalischer Strecken über interne Zustandsvektoren (x\mathbf{x}), Eingangsvektoren (u\mathbf{u}) und Ausgangsvektoren (y\mathbf{y}) bildet das Fundament der modernen Regelungstheorie, multivariabler (MIMO) Systeme, Kalman-Filter, Linear-Quadratischer Regler (LQR) und modaler Strukturanalysen. Der Block unterstützt Standard-Matrixnotation (Semikolon zur Zeilentrennung), mehrere Ein- und Ausgänge und integriert Zustandstrajektorien über hochpräzise WASM-ODE-Löser.

Mathematisches Modell

Das kontinuierliche Zustandsraumsystem wird durch die Vektordifferentialgleichung der Zustände und die algebraische Ausgangsgleichung beschrieben:

x˙(t)=Ax(t)+Bu(t)y(t)=Cx(t)+Du(t)\begin{aligned} \dot{\mathbf{x}}(t) &= \mathbf{A}\mathbf{x}(t) + \mathbf{B}\mathbf{u}(t) \\ \mathbf{y}(t) &= \mathbf{C}\mathbf{x}(t) + \mathbf{D}\mathbf{u}(t) \end{aligned}

wobei:

  • x(t)∈Rn\mathbf{x}(t) \in \mathbb{R}^n der nn-dimensionale Zustandsvektor ist
  • u(t)∈Rm\mathbf{u}(t) \in \mathbb{R}^m der mm-dimensionale Eingangsvektor ist
  • y(t)∈Rp\mathbf{y}(t) \in \mathbb{R}^p der pp-dimensionale Ausgangsvektor ist
  • A∈Rn×n\mathbf{A} \in \mathbb{R}^{n \times n} die Systemmatrix darstellt
  • B∈Rn×m\mathbf{B} \in \mathbb{R}^{n \times m} die Eingangsmatrix darstellt
  • C∈Rp×n\mathbf{C} \in \mathbb{R}^{p \times n} die Ausgangsmatrix darstellt
  • D∈Rp×m\mathbf{D} \in \mathbb{R}^{p \times m} die Durchgriffsmatrix darstellt

Die Eigenwerte der Matrix A\mathbf{A} bestimmen die Pole des Systems:

det⁡(λI−A)=0\det(\lambda \mathbf{I} - \mathbf{A}) = 0

Das System ist asymptotisch stabil genau dann, wenn alle Eigenwerte von A\mathbf{A} strikt negative Realteile aufweisen (Re⁡(λi)<0\operatorname{Re}(\lambda_i) < 0). Im Frequenzbereich lautet die äquivalente p×mp \times m Übertragungsfunktionsmatrix:

G(s)=C(sI−A)−1B+D\mathbf{G}(s) = \mathbf{C}(s\mathbf{I} - \mathbf{A})^{-1}\mathbf{B} + \mathbf{D}

Ein- & Ausgänge

Direction ID Label Typ Status
→ In u Input(s) number Required
→ In reset Reset number Optional
← Out y Output(s) number Output

Parameter

Parameter Label Typ Standardwert Beschreibung
A A Matrix (state) matrix -1
B B Matrix (input) matrix 1
C C Matrix (output) matrix 1
D D Matrix (feedthrough) vector 0
initialState Initial State (comma-sep) vector 0

Anwendungsbeispiele

Beispiel 1: Lineares Zustandsraummodell eines invertierten Pendels

Modellierung eines invertierten Pendels auf einem Wagen um die instabile aufrechte Ruhelage mit Zustand x=[x,x˙,θ,θ˙]T\mathbf{x} = [x, \dot{x}, \theta, \dot{\theta}]^T. Mit A = "0 1 0 0; 0 -0.1 2.5 0; 0 0 0 1; 0 -0.2 28.5 0", B = "0; 1.5; 0; 3.0", C = "1 0 0 0; 0 0 1 0" (Messung von Wagenposition und Pendelwinkel), D = "0; 0" und initialState = "0, 0, 0.05, 0" lässt sich die Zustandsrückführung (u=−Kxu = -\mathbf{K}\mathbf{x}) bei einer Anfangsauslenkung von 0.05 rad0.05\text{ rad} erproben.

Beispiel 2: Zwei-Massen-Schwinger im Antriebsstrang

Modellierung einer elastischen Motor-Last-Kopplung mit Zuständen für Motorgeschwindigkeit, Lastgeschwindigkeit und Torsionswinkel. Konfiguration von A = "-0.2 0 -5; 0 -0.1 5; 1 -1 0", B = "1; 0; 0", C = "0 1 0" und D = "0". Das System bildet Resonanzschwingungen und Drehmomentübertragungen bei Beschleunigungssprüngen exakt ab.

Hinweise & Best Practices

  • Matrix-Dimensionskonsistenz: Die Dimensionen müssen zwingend zueinander passen: Ist A\mathbf{A} vom Typ n×nn \times n, so muss B\mathbf{B} n×mn \times m, C\mathbf{C} p×np \times n und D\mathbf{D} p×mp \times m sein.
  • MIMO-Fähigkeit: Unterstützt Mehrgrößensysteme; Eingangs- und Ausgangsanschlüsse passen sich dynamisch an die Spaltenzahl von B\mathbf{B} und Zeilenzahl von C\mathbf{C} an.
  • Stabile numerische Integration: In Rust/WASM für explizite Runge-Kutta-Verfahren (RK4, RK45) sowie implizite TR-BDF2-Löser für steife Systeme optimiert.
  • Zustandsrücksetzung (Reset): Ein positives Signal am optionalen Reset-Eingang setzt den Zustandsvektor x(t)\mathbf{x}(t) unverzüglich auf die Werte in initialState zurück.

Häufig gestellte Fragen (FAQ)

Q: Wie wählt man die Gewichtungsmatrizen Q und R für einen LQR-Regler?

Verwenden Sie Brysons Regel als Ausgangspunkt: Setzen Sie die Diagonalelemente auf Qii=1(xi,max⁡)2Q_{ii} = \frac{1}{(x_{i,\max})^2} und Rjj=1(uj,max⁡)2R_{jj} = \frac{1}{(u_{j,\max})^2}, wobei xi,max⁡x_{i,\max} die maximal zulässige Abweichung des Zustands und uj,max⁡u_{j,\max} der Stellgrößenbereich ist. Dies normiert alle Zustands- und Stellkosten auf dimensionslose Einheiten.

Q: Wie unterscheidet sich das Zustandsraummodell von einer Übertragungsfunktion?

Übertragungsfunktionen G(s)G(s) eignen sich für SISO-Systeme mit Null-Anfangsbedingungen. Zustandsraummodelle (x˙=Ax+Bu,y=Cx+Du\dot{x} = Ax + Bu, y = Cx + Du) erfassen MIMO-Systeme, beliebige Anfangszustände und interne Systemzustände direkt.

Verwandte Blöcke

  • TransferFunction: Kontinuierliche Übertragungsfunktion in Polynomdarstellung B(s)/A(s)B(s)/A(s).
  • ZeroPole: Faktorisierte Pol-Nullstellen-Darstellung K∏(s−zi)/∏(s−pj)K \prod(s - z_i) / \prod(s - p_j).
  • Integrator: Kontinuierlicher Integrator (1/s1/s).
  • SecondOrderSystem: Kontinuierliches Schwingungsmodell zweiter Ordnung.