人工智能课程状态空间法论文.pdfVIP

1.状态空间法的概述及最新研究成果 1.1 状态空间法的概述 状态空间法是一种基于解答空间的问题表示和求解方法，它是以状态和操作符为基础 的。在利用状态空间图表示时，从某个初始状态开始，每次加一个操作符，递增地建立起操 作符的试验序列，直到达到目标状态为止。由于状态空间法需要扩展过多的节点，容易出现 “组合爆炸”，因而只适用于表示比较简单的问题。 状态空间法 （state-space techniques ）是现代控制理论中建立在状态变量描述 基础上的对控制系统分析和综合的方法。状态变量是能完全描述系统运动的一组变量。 如果系统的外输入为已知，那么由这组变量的现时值就能完全确定系统在未来各时刻 的运动状态。通过状态变量描述能建立系统内部状态变量与外部输入变量和输出变量 之间的关系。反映状态变量与输入变量间因果关系的数学描述称为状态方程，而输出 变量与状态变量和输入变量间的变换关系则由量测方程来描述。状态与状态变量描述 的概念早就存在于经典动力学和其他一些领域，但将它系统地应用于控制系统的研究， 则是从 1960年R.E.卡尔曼发表 《控制系统的一般理论》的论文开始的。状态空间法的 引入促成了现代控制理论的建立。 1.2 状态空间法的数学基础 状态空间法的主要数学基础是线性代数。在状态空间法中，广泛用向量来表示系 统的各种变量组，其中包括状态向量、输入向量和输出向量。变量的个数规定为相应 向量的维数。用x表示系统的状态向量,用u和y分别表示系统的输入向量和输出向量， 则系统的状态方程和量测方程可表示为如下的一般形式： 夶＝f(x，u，t)， y＝g(x，u，t) 式中,f(x，u，t)和 g(x，u，t)为自变量 x、u、t 的非线性向量函数,t为时间变 量。对于线性定常系统状态方程和量测方程具有较为简单的形式： 夶＝Ax＋Bu， y＝Cx＋Du 式中A 为系统矩阵，B为输入矩阵，C为输出矩阵,D 为直接传递矩阵，它们是由系 统的结构和参数所定出的常数矩阵。在状态空间法中，控制系统的分析问题常归结为 1 求解系统的状态方程和研究状态方程解的性质。这种分析是在状态空间中进行的。所 谓状态空间就是以状态变量为坐标轴所构成的一个多维空间。状态向量随时间的变化 在状态空间中形成一条轨迹。对于线性定常系统，状态轨迹主要由系统的特征值决定。 系统的特征值规定为系统矩阵A 的特征方程 det(sI-A) 0 的根，其特征可由它在 s复 数平面上的分布来表征。当运用状态空间法来综合控制系统时，问题就变为选择一个 合适的输入向量，使得状态轨迹满足指定的性能要求。 1.3状态空间法在经济领域中的应用 1.3.1状态空间模型概述 状态空间模型是动态时域模型，以隐含着的时间为自变量。状态空间模型在经济时间序列分 析中的应用正在迅速增加。其中应用较为普遍的状态空间模型是由Akaike 提出并由Mehra 进一步发展而成的典型相关(canonicalcorrelation)方法。由Aoki 等人提出的估计向量值状态 空间模型的新方法能得到所谓内部平衡的状态空间模型，只要去掉系统矩阵中的相应元素就 可以得到任何低阶近似模型而不必重新估计，而且只要原来的模型是稳定的，则得到的低阶 近似模型也是稳定的。 状态空间模型起源于平稳时间序列分析。当用于非平稳时间序列分析时需要将非平稳时 间序列分解为随机游走成分(趋势)和弱平稳成分两个部分分别建模。 含有随机游走成分的 时间序列又称积分时间序列，因为随机游走成分是弱平稳成分的和或积分。当一个向量值积 分序列中的某些序列的线性组合变成弱平稳时就称这些序列构成了协调积分(cointegrated) 过程。 非平稳时间序列的线性组合可能产生平稳时间序列这一思想可以追溯到回归分析， Granger 提出的协调积分概念使这一思想得到了科学的论证。Aoki 和Cochrane 等人的研究 表明：很多非平稳多变量时间序列中的随机游走成分比以前人们认为的要小得多，有时甚至 完全消失。 协调积分概念的提出具有两方面的意义： ① 如果一组非平稳时间序列是协调积分过程，就有可能同时考察他们之间的长期稳定 关系和短期关系的变化； ② 如果一组非平稳时间序列是协调积分过程，则只要将协调回归误差代入系统状态方 程即可纠正系统下一时刻状态的估计值，形成所谓误差纠正模型。 Aoki 的向量值状态空间模型在处理积分时间序列时，引入了协调积分