scipy.signal.

StateSpace#

class scipy.signal.StateSpace(*system, **kwargs)[Quellcode]#

Linearzeitinvariantes System in Zustandsraumform.

Stellt das System als Differentialgleichung erster Ordnung im zeitkontinuierlichen Fall \(\dot{x} = A x + B u\) oder als Differenzgleichung im zeitdiskreten Fall \(x[k+1] = A x[k] + B u[k]\) dar. StateSpace-Systeme erben zusätzliche Funktionalitäten von den Klassen lti bzw. dlti, abhängig von der verwendeten Systemrepräsentation.

Parameter:

*system: Argumente

Die Klasse StateSpace kann mit 1 oder 4 Argumenten instanziiert werden. Die folgende Liste gibt die Anzahl der Eingabeargumente und ihre Interpretation an:

1: lti- oder dlti-System: (StateSpace, TransferFunction oder ZerosPolesGain)

4: array_like: (A, B, C, D)

dt: float, optional

Abtastzeit [s] der zeitdiskreten Systeme. Standardwert ist None (zeitkontinuierlich). Muss als Schlüsselwortargument angegeben werden, z.B. dt=0.1.

Attribute:

A: Zustandsmatrix des StateSpace-Systems.
B: Eingangsmatrix des StateSpace-Systems.
C: Ausgangsmatrix des StateSpace-Systems.
D: Durchgriffsmatrix des StateSpace-Systems.
dt: Gibt die Abtastzeit des Systems zurück, bei lti-Systemen None.
poles: Pole des Systems.
zeros: Nullstellen des Systems.

Methoden

`__mul__`(other)	Ein anderes System oder eine Skalare nachmultiplizieren
`to_ss`()	Gibt eine Kopie des aktuellen `StateSpace`-Systems zurück.
`to_tf`(**kwargs)	Konvertiert die Systemrepräsentation zu `TransferFunction`.
`to_zpk`(**kwargs)	Konvertiert die Systemdarstellung zu `ZerosPolesGain`.

Siehe auch

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

Hinweise

Das Ändern von Eigenschaften, die nicht Teil der StateSpace-Systemrepräsentation sind (wie z.B. zeros oder poles), ist sehr ineffizient und kann zu numerischen Ungenauigkeiten führen. Es ist besser, zuerst in die spezifische Systemrepräsentation zu konvertieren. Rufen Sie beispielsweise sys = sys.to_zpk() auf, bevor Sie die Nullstellen, Pole oder den Verstärkungsfaktor zugreifen/ändern.

Beispiele

>>> from scipy import signal
>>> import numpy as np
>>> 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
)