描述系统性能的数学表达式，叫做系统的数学模型。本章笔记的内容包括以下几节，主要是对相关知识点的梳理以及方法的总结，适合期末或者考研复习记忆，详细的原理或证明过程还请参考《自动控制原理》相关教材。

电路系统的数学模型。
	
机械动力学系统的数学模型。
	
热力学系统的数学模型。
	
液位系统的数学模型。
	
几个特殊环节的数学模型。
	
状态空间模型。
	
信号流图。
	
方块图。
	
各种模型之间的关系及转化。


 

1、数学模型：描述系统（或环节）的输出变量与输入变量（或内部变量）之间关系的数学表达式
2、建立控制系统数学模型的原因：以便定量的给出系统中一些变量之间的相互关系，从而对控制系统进行各种分析和设计，包括稳定性和动态响应的性能分析
3、数学模型的形式

代数方程：反映系统静态关系
微分方程/偏分方程：连续系统，系统输入输出之间的动态关系
差分方程：离散系统

4、建立数学模型的方法

机理建模：根据系统的运动学或动力学规律，比如机械系统中的牛顿定律、电路系统中的克希霍夫定律等，建立系统的数学表达式。因此，机理建模要求要了解所有原部件的结构，以及对应的物理机理
实验建模：人为的给系统施加某种典型的输入信号，记录下对应的输出响应数据，通过辨识的方法，采用适当的数学模型、去模拟逼近这个响应过程，所获得的数学模型称为辨识模型

建立数学模型的要求：准确，简单
5、系统分类

线性系统：满足叠加原理
非线性系统：不满足叠加原理（对两个输入量的响应不能单独计算，系统分析困难）
集中参数系统：变量仅仅是时间的函数（微分方程）
分布参数系统：变量不仅是时间的函数，而且是空间的函数（偏微分方程）
定常系统：微分方程的各项系数为常数
时变系统：系统的微分方程的系数为时间的函数。也就是除了系统变量会随时间发生变化外，系统参数也随时间变化
单输入单输出系统：系统只有一个输入变量和一个输出变量
多输入多输出系统：系统有多个输入变量或多个输出变量

6、求解微分方程

拉氏变换与反变换

对线性微分方程的每一项都进行拉氏变换
输出变量的象函数表达式
部分分式展开
进行拉氏反变换
得到微分方程的解



7、非线性微分方程的线性化
进行线性化的原因

严格的说，几乎所有原件或系统的运动方程都是非线性方程，即输入、输出和扰动等之间的关系都是非线性的。非线性微分方程的求解和控制系统性能研究非常复杂，在实际应用中不够简便。如果能够与合适的方法，在可允许的误差范围内，把非线性系统进行线性化处理，而线性化后的模型可借助叠加原理的性质，简化系统分析。因此，研究非线性微分方程的线性化具有较强的工程实用价值

非线性数学模型的线性化

在一定条件下或一定范围内把非线性的数学模型化为线性模型的处理方法

线性化所需条件

小偏差理论或小信号理论。在工程实践中，控制系统都有一个额定的工作状态和工作点，变量在工作点附近作小范围变化
工作点附近存在各阶导数或偏导数

线性化的方法

小偏差法：在给定工作点的邻域将非线性函数展开为泰勒级数，忽略级数中的高阶无穷小项，得到只包含偏差的一次项的线性方程

需要注意的问题

必须首先确定工作点
如果实际系统中输入量变化范围较大时，采用小偏差法建立线性模型必然会带来较大误差
线性化后的微分方程通常是增量方程
只能用于满足两个前提条件的非线性控制系统。如果描述非线性特性的函数，具有间断点、折断点或非单值关系，此时线性化的第二个条件不满足，这种非线性特性叫做本质非线性，无法作线性化处理

	

毕业这么多年，你是否一提到大学高数还依旧很烦躁？
想投身AI圈，看到搞算法还需要掌握数学，你是否突然间就头痛了呢？
人工智能技术归根到底都建立在数学模型之上，要了解人工智能，首先要掌握必备的数学基础知识，具体来说包括：
线性代数：如何将研究对象形式化？
概率论：如何描述统计规律？
数理统计：如何以小见大？
最优化理论：如何找到最优解？
信息论：如何定量度量不确定性？
形式逻辑：如何实现抽象推理？
……
有一点是肯定的，绝大部分理工科，如果从研究层面来讲，数学都是要求非常高的。如果是做AI方向的程序员的话，要求就不是很高了。
对于AI方向的程序员而言，AI领域的所有方向都会用到线性代数和概率论，而离散数学，微积分等，用是会用到，但是以基础应用为主，并不要求非常难，某个函数你知道怎么积分就行。但是概率论非常非常重要，基本上人工智能里面的“智能”就靠概率来实现了哦。
那咱们来看看，大学学的数学你还记得啥，立马开启虐心模式吧！！！~
01
虐心一：线性代数
看看你答对了多少：
D   2.  C  3.  B   4.  B
心痛没？心痛没？必须说第三遍，痛心没？
这才第一弹，还有第二弹哦，来来来，继续虐起来！！！
02
虐心二：概率论
先来看看答案吧
1.  C   2.  C   3.  D   4.  D
是不是很郁闷？都开始怀疑自己了？那几年上大学究竟在干嘛？是读了个假大学吗？
往事开始一幕幕的映入眼帘：
当年数学挂科，补考或者大四清考，眼巴巴请求老师救救你……
当年通宵备考背题，好不容易数学考及格，考完就早拜拜了……
当年数学还可以，甚至是高分者，但是现在都要感概已还给老师了……
AI我想你，但是我又担心，我没能力爱你！！！
不要着急，看过来哦！基于AI实际项目算法中数学能力需求，我们为忘记数学想学AI的你精心准备了一套AI数学基础教程资料。
扫码添加，免费获取超全视频资料
备注【AI数学】领取
开启月光宝盒，重拾当年‘美好’。一直担忧自己数学不好，迟迟未行动的你，想学AI无需重读高数，只需跟随课件恢复数学记忆。大家扫码添加即可领取AI数学基础教程资料哦~

	

毕业这么多年，你是否一提到大学高数还依旧很烦躁？
想投身AI圈，看到搞算法还需要掌握数学，你是否突然间就头痛了呢？
人工智能技术归根到底都建立在数学模型之上，要了解人工智能，首先要掌握必备的数学基础知识，具体来说包括：
线性代数：如何将研究对象形式化？
概率论：如何描述统计规律？
数理统计：如何以小见大？
最优化理论：如何找到最优解？
信息论：如何定量度量不确定性？
形式逻辑：如何实现抽象推理？
……
有一点是肯定的，绝大部分理工科，如果从研究层面来讲，数学都是要求非常高的。如果是做AI方向的程序员的话，要求就不是很高了。
对于AI方向的程序员而言，AI领域的所有方向都会用到线性代数和概率论，而离散数学，微积分等，用是会用到，但是以基础应用为主，并不要求非常难，某个函数你知道怎么积分就行。但是概率论非常非常重要，基本上人工智能里面的“智能”就靠概率来实现了哦。
那咱们来看看，大学学的数学你还记得啥，立马开启虐心模式吧！！！~
01
虐心一：线性代数
看看你答对了多少：
D   2.  C  3.  B   4.  B
心痛没？心痛没？必须说第三遍，痛心没？
这才第一弹，还有第二弹哦，来来来，继续虐起来！！！
02
虐心二：概率论
先来看看答案吧
1.  C   2.  C   3.  D   4.  D
是不是很郁闷？都开始怀疑自己了？那几年上大学究竟在干嘛？是读了个假大学吗？
往事开始一幕幕的映入眼帘：
当年数学挂科，补考或者大四清考，眼巴巴请求老师救救你……
当年通宵备考背题，好不容易数学考及格，考完就早拜拜了……
当年数学还可以，甚至是高分者，但是现在都要感概已还给老师了……
AI我想你，但是我又担心，我没能力爱你！！！
不要着急，看过来哦！基于AI实际项目算法中数学能力需求，我们为忘记数学想学AI的你精心准备了一套AI数学基础教程资料。
扫码添加，免费获取超全视频资料
备注【AI数学】领取
开启月光宝盒，重拾当年‘美好’。一直担忧自己数学不好，迟迟未行动的你，想学AI无需重读高数，只需跟随课件恢复数学记忆。大家扫码添加即可领取AI数学基础教程资料哦~