1) state space extension method
状态空间扩展法
1.
By using the state space extension method, discretetime recurrent neural networks with sectortype monotone nonlinear activation functions, also known as recurrent multilayer perceptrons (RMLPs), were converted to the forms represented as linear differential inclusions(LDIs).
通过状态空间扩展法,将一类活化函数满足扇区条件和单调性的离散递归神经网络(即递归多层感知器RMLP)转化为线性微分包含(LDI)形式,而LDI的稳定性分析可转化为一组线性矩阵不等式(LMI)的求解,利用MATLAB/LMITOOLBOX求解LMI,从而判定RMLP的Lyapunov稳定性。
2.
By applying the state space extension method, RMLPs were converted to the SNNMs.
本文提出一种新的神经网络模型———标准神经网络模型(SNNM),通过状态空间扩展法,将RMLP转化为SNNM,而SNNM的稳定性分析可转化为一组线性矩阵不等式(LMI)的求解,利用Matlab/LMIToolbox求解LMI,从而判定RMLP的Lyapunov稳定性,并考虑非零阈值对稳定性的影响。
2) Extended state space model
扩展状态空间模型
3) state-vector-expand filter
状态向量扩展法
1.
There are many theories and models which can control the influence of the colored state noises,for example state-vector-expand filter and in random model compensation filter etc.
为了说明该方法的正确性和合理性,将它与标准的Kalman滤波和状态向量扩展法进行分析和比较。
4) extending state scale
状态空间扩充
5) improved transforming state space extended Kalman filter
改进的变换状态空间扩展卡尔曼滤波
6) state space method
状态空间法
1.
Analyzing vibration of blade with state space method;
状态空间法分析叶片振动问题
2.
The state space method for analysis of multivariable field problem of bending cylindrical shells;
状态空间法分析厚薄圆柱壳弯曲的多变量场
3.
Structure dynamic modeling and its reduced algorithm based on state space method
基于状态空间法的结构动力学建模与简化算法
补充资料：状态空间法
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?痰脑硕刺Ｍü刺淞棵枋瞿芙⑾低衬诓孔刺淞坑胪獠渴淙氡淞亢褪涑霰淞恐涞墓叵怠７从匙刺淞坑胧淙氡淞考湟蚬叵档氖枋龀莆刺匠蹋涑霰淞坑胱刺淞亢褪淙氡淞考涞谋浠还叵翟蛴闪坎夥匠汤疵枋觥Ｗ刺胱刺淞棵枋龅母拍钤缇痛嬖谟诰涠ρШ推渌恍┝煊颍低车赜τ糜诳刂葡低车难芯浚蚴谴?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。
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。
状态空间法有很多优点。由于采用矩阵表示，当状态变量、输入变量或输出变量的数目增加时，并不增加系统描述的复杂性。状态空间法是时间域方法，所以很适合于用数字电子计算机来计算。状态空间法能揭示系统内部变量和外部变量间的关系，因而有可能找出过去未被认识的系统的许多重要特性，其中能控性和能观测性尤其具有特别重要的意义。研究表明，从系统的结构角度来看，状态变量描述比经典控制理论中广为应用的输入输出描述（如传递函数）更为全面。
状态空间法的运用对现代控制理论中其他各种方法的发展起了重要的推动作用。线性系统代数理论、线性系统几何理论和多变量频域方法，都是在状态空间法的影响下发展起来的。
参考书目
华东师范大学数学系控制理论教研室编：《现代控制理论引论》，上海科学技术出版社，上海，1984。
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。
状态空间法有很多优点。由于采用矩阵表示，当状态变量、输入变量或输出变量的数目增加时，并不增加系统描述的复杂性。状态空间法是时间域方法，所以很适合于用数字电子计算机来计算。状态空间法能揭示系统内部变量和外部变量间的关系，因而有可能找出过去未被认识的系统的许多重要特性，其中能控性和能观测性尤其具有特别重要的意义。研究表明，从系统的结构角度来看，状态变量描述比经典控制理论中广为应用的输入输出描述（如传递函数）更为全面。
状态空间法的运用对现代控制理论中其他各种方法的发展起了重要的推动作用。线性系统代数理论、线性系统几何理论和多变量频域方法，都是在状态空间法的影响下发展起来的。
参考书目
华东师范大学数学系控制理论教研室编：《现代控制理论引论》，上海科学技术出版社，上海，1984。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条