一文读懂SimuPy核心数学：连续时间与离散时间动力系统建模解析

一文读懂SimuPy核心数学：连续时间与离散时间动力系统建模解析

【免费下载链接】simupyA framework for modeling and simulating dynamical systems项目地址: https://gitcode.com/gh_mirrors/si/simupy

SimuPy 是一个用于建模和仿真动力系统（dynamical systems）的 Python 开源框架，核心能力是统一处理连续时间与离散时间两类动力系统模型。本文不带复杂代码，直接带你解析它背后的核心数学：状态方程与输出方程、离散化采样约定，以及连接连续与离散的零阶保持变换。

SimuPy 建模的前提：无直通信号流 📐

SimuPy 假设系统输入与输出之间没有直接直通（no direct feedthrough），即输出不直接依赖输入。这一约束可以避免代数环，让仿真求解更稳定。

这意味着两类系统形式都是合法的：

• 有状态系统：输出只由状态决定，$y(t) = h(t, x(t))$
• 无状态系统：输出直接由输入决定，$y(t) = h(t, u(t))$

如果确实需要直通项，可以通过增广状态（把输入或输出信号纳入状态向量）来等效实现，而不是破坏无直通约定。

核心符号一览

连续时间动力系统：状态方程与输出方程

连续时间动力系统用微分方程描述，标准形式为：

$$ x'(t) = f\big(t,, x(t),, u(t)\big) $$

$$ y(t) = h\big(t,, x(t)\big) $$

直觉上理解：状态方程回答"状态下一刻往哪走"，输出方程回答"现在能观察到什么"。系统可以完全没有状态（$x$ 维度为 0），此时只剩输出方程——这正是控制器、传感器等"记忆无关"模块的数学表达。

离散时间动力系统：差分方程与采样约定 🔄

SimuPy 同样支持采样周期为 $\Delta t$ 的离散时间系统：

$$ x[k+1] = f\big([k],, x[k],, u(k)\big) $$

$$ y[k+1] = h\big([k+1],, x[k+1]\big) $$

这里有两条关键的信号取值约定，是读懂 SimuPy 数学文档的钥匙：

1. 方括号[k]：表示信号在半开区间$(k\Delta t,, (k+1)\Delta t]$ 上的取值，它在 $t = k\Delta t$ 时刻被更新；
2. 圆括号(k)：表示连续时间信号在 $t = k\Delta t$ 时刻的零阶保持采样值。

对于同一个更新率 $\Delta t$ 的多个纯离散子系统的组合，整体系统就退化为更简洁的形式：

$$ x[k+1] = f\big([k],, x[k],, u[k]\big), \qquad y[k] = h\big([k],, x[k]\big) $$

这套约定还保证了混合时间（hybrid-time）仿真的语义一致——连续子系统与离散子系统可以在同一个块图中按各自的时间基准协同运行。

零阶保持变换：连续与离散的精确桥梁

离散化并非随意取近似。SimuPy 的数学体系与经典LTI（线性时不变）系统代数完全一致。对连续时间 LTI 系统：

$$ x'(t) = A,x(t) + B,u(t), \qquad y(t) = I,x(t) $$

它的离散时间等价系统为：

$$ x[k+1] = \Phi, x[k] + \Gamma, u[k], \qquad y[k] = I,x[k] $$

两者的状态矩阵通过零阶保持（zero-order hold）变换精确关联：

$$ \Phi = e^{A,\Delta t} $$

$$ \Gamma = \left(\int_{0}^{\Delta t} e^{A,\tau}, d\tau\right) B $$

只要两个系统受到相同的分段常数输入，离散等价系统在 $k\Delta t$ 时刻就会走出一条与连续系统完全相同的状态轨迹。这不是数值近似，而是精确等价。

状态反馈与块图代数：等价变换的另一面 ✅

块图连接（block diagram algebra）在数学上同样成立。连续 LTI 系统加上状态反馈控制律：

$$ u(t) = -K,x(t) $$

其闭环动力学等价于一个自治系统：

$$ x'(t) = (A - B,K),x(t), \qquad y(t) = I,x(t) $$

离散时间下同理：$x[k+1] = (A - B,K),x[k]$。"受控系统"与"整体闭环系统"两种建模方式在轨迹上完全一致——这正是 SimuPy 块图机制的数学保证。

在 SimuPy 源码中定位这些数学概念

一个最小的连续/离散系统定义感受：

from simupy.systems import LTISystem ct_sys = LTISystem(A, B, C) # 连续时间 LTI 系统 dt_sys = LTISystem(Ad, Bd, Cd, dt=dT) # 离散时间 LTI 系统，dT 为采样周期

此外，simupy/discontinuities.py中的SwitchedSystem支持事件驱动的不连续系统：求解器监控事件函数的零点穿越，在精确时刻中断积分并切换状态，从而处理像弹性球落地反弹这类含突变的问题。

小结：SimuPy 数学基础一图流

1. 统一接口：连续与离散系统共享"状态方程 $f$ + 输出方程 $h$"抽象，仅时间语义不同；
2. 无直通约定：输出不直接依赖输入，从根上避免代数环；
3. 精确离散化：零阶保持变换保证连续 LTI 与其离散等价系统的轨迹严格一致；
4. 块图代数：受控系统与闭环自治系统数学等价，连接即代数消元。

掌握这四点，你就拥有了读懂 SimuPy 全部文档与示例的数学基础。

【免费下载链接】simupyA framework for modeling and simulating dynamical systems项目地址: https://gitcode.com/gh_mirrors/si/simupy