⚡ electrical engineering

The restrictive conditions to solve LTI Systems by Ordinary Differential Equations

本文指出了现有控制理论教材在求解线性时不变系统常微分方程时忽视输入平滑性假设及状态空间表示关联的缺陷，通过建立两者间的形式化等价关系，明确了标准解法与公式的适用边界。

原作者： Alexandre Sanfelici Bazanella, Tristão Garcia

发布于 2026-04-10

📖 1 分钟阅读☕ 轻松阅读

原作者： Alexandre Sanfelici Bazanella, Tristão Garcia

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文其实是在解决一个让很多工程学生和老师都感到头疼的“老毛病”：当我们用数学公式（微分方程）来描述现实世界时，如果输入信号突然“跳变”（比如开关瞬间闭合），传统的计算方法就会卡壳，甚至算出荒谬的结果。

作者用一种更聪明、更稳健的方法（状态空间表示法）来修补这个漏洞。

为了让你轻松理解，我们可以把整个系统想象成一辆正在行驶的赛车。

1. 传统方法的困境：当“急刹车”发生时

想象你正在用一套复杂的公式（普通微分方程）来预测赛车的位置 $y(t)$ 。

输入信号 $u(t)$ ：是你对油门或刹车的操作。
输出 $y(t)$ ：是赛车的位置。

在教科书里，通常假设你的操作是平滑的：你慢慢踩油门，赛车慢慢加速。这时候，公式很好用。

但是，现实往往是这样的：
在 $t=0$ 这一瞬间，你突然把油门从“松”踩到了“死”（这就是阶跃信号，像 Heaviside 函数）。

在数学上，这意味着输入的变化率（导数）在 $t=0$ 瞬间变成了无穷大（就像你试图在 0 秒内把速度从 0 加到 100）。
这时候，传统的公式（拉普拉斯变换法）就会傻眼：它需要知道 $t=0$ 这一刻的输入值，但这一刻输入既不是 0 也不是 1，而是“正在跳变”。
结果：不同的教科书给出了不同的答案。有的说用跳变前的值（0），有的说用跳变后的值（1）。这就好比有人告诉你：“在急刹车前的一毫秒，车是停着的”；另一个人说：“不，在急刹车后的一毫秒，车已经撞墙了”。到底该听谁的？

这就好比你在算账，突然有一笔钱在 0 秒内从“没有”变成了“一万块”。如果你问“这一瞬间你有多少钱”，传统的算法会告诉你：“这问题没法算，因为这一瞬间不存在。”

2. 作者的解决方案：换个视角看问题（状态空间）

作者说：别死磕那个瞬间了！让我们换个角度看这辆赛车。

状态空间表示法（State Space Representation） 就像是给赛车装了一个黑匣子（状态向量 $x$ ）。

这个黑匣子里记录了赛车的所有“内在状态”：比如当前的速度、悬挂的压缩程度、引擎的转速等。
关键特性：无论外界怎么折腾（哪怕你突然猛踩油门），赛车内部的这些物理状态（速度、位置等）是连续变化的，不可能瞬间跳变。就像你不能在 0 秒内让赛车从静止瞬间变成光速，它必须有一个加速过程。

作者的逻辑是：

既然直接算“输出 $y$ "在 $t=0$ 会出问题（因为输入太猛），那我们就先算“黑匣子里的状态 $x$ "。
因为 $x$ 是连续平滑的，所以用状态方程算起来非常稳，永远不会出现“无穷大”或“未定义”的情况。
算出 $x$ 之后，再根据 $x$ 算出 $y$ 。

比喻：
这就好比你想算一辆车撞墙后的变形量。

传统方法：直接算“撞击瞬间”的力。结果发现力是无穷大，算不出来。
状态空间方法：先算“撞击前”车的动量和速度（这是连续的），然后算出撞击后车的状态，最后再推导变形量。这样既避开了“无穷大力”的数学陷阱，又得到了正确的物理结果。

3. 核心发现：左右两边其实是一回事

论文中最精彩的部分是解决那个“到底用跳变前还是跳变后”的争论。

作者证明了一个惊人的事实：
只要你保持一致，用“跳变前”的数据（ $t=0^-$ ）或者用“跳变后”的数据（ $t=0^+$ ），算出来的最终结果是一模一样的！

$t=0^-$ （跳变前）：就像你还没踩油门，车还在滑行。
$t=0^+$ （跳变后）：就像你已经踩了油门，车开始加速。

为什么可以混用？
因为状态空间方程里有一个“修正项”（论文里的矩阵 $M$ ）。

如果你用“跳变前”的数据，公式会自动把“突然踩油门”带来的冲击加进去。
如果你用“跳变后”的数据，公式里已经包含了那个冲击，所以不需要再加。

比喻：
这就好比你要算一个人从一楼走到三楼的总步数。

方法 A：算他站在楼梯口（一楼）时的状态，然后加上他迈出的第一步。
方法 B：直接算他刚踏上第二级台阶时的状态。
只要你的公式（状态空间方程）是完整的，这两种算法最终算出的“总步数”是一样的。

4. 总结：这篇论文到底说了什么？

指出问题：传统的微分方程解法在处理“突然跳变”的信号时，定义模糊，容易出错，而且依赖一些现实中不存在的“平滑假设”。
提出工具：引入状态空间表示法。它把问题转化为一组连续变化的内部状态，避开了“无穷大”和“未定义”的数学陷阱。
统一标准：证明了在状态空间的框架下，无论是用跳变前的数据还是跳变后的数据，只要逻辑自洽，结果都是正确的。
实际意义：对于工程师和学生来说，这意味着以后遇到这种“突然开关”的问题，不用纠结该用 0 还是 1 了。只要把输入和输出的“跳变前”和“跳变后”关系理清楚，用状态空间的思维去处理，就能得到清晰、可靠的答案。

一句话总结：
这篇论文就像给混乱的数学公式修了一条**“高速公路”**（状态空间），让那些因为“急刹车”（信号跳变）而差点翻车的计算，能够平稳、安全地通过，不再需要去纠结那些不存在的“瞬间”到底是多少。

论文技术总结：LTI 系统微分方程求解的限制条件与状态空间表示的扩展作用

论文标题：The restrictive conditions to solve LTI Systems by Ordinary Differential Equations And how State Space Representations help to expand them
作者：Alexandre Sanfelici Bazanella, Tristão Garcia
机构：巴西阿雷格里港联邦大学自动化与能源系

1. 研究背景与问题 (Problem)

线性常微分方程（ODE）在电路、力学和控制工程等领域占据核心地位，是求解初始值问题（IVP）的标准工具。然而，现有的教科书和文献在处理非零初始条件与不连续输入信号（如阶跃函数）共存的情况时，存在严重的理论模糊性和不一致性。

主要问题包括：

初始条件的定义模糊：当输入信号 $u(t)$ 在 $t=0$ 处不连续（例如阶跃信号）时， $u(0)$ 的值未定义。文献中对于应使用 $u(0^-)$ （跳变前）还是 $u(0^+)$ （跳变后）缺乏统一标准，且往往缺乏严格的理论依据。
解的存在性危机：当输入包含导数项（如 $\dot{u}(t)$ ）且输入不连续时，ODE 的右端项（RHS）可能包含狄拉克 $\delta$ 函数或其导数，导致右端项在实数域内无定义。这使得传统的 ODE 解法在数学上变得“病态”。
平滑性假设的缺失：传统拉普拉斯变换解法通常隐含假设输入和输出信号在 $t=0$ 处是连续的，但这在工程实际（特别是电路理论）中往往不成立。

2. 方法论 (Methodology)

作者提出了一种基于**状态空间表示（State Space Representation, SSR）**与微分方程等价性的新框架，以解决上述问题。

2.1 传统方法的局限性分析

作者首先形式化地定义了线性 ODE 及其初始值问题。通过拉普拉斯变换推导出的标准解公式（公式 6）依赖于 $t=0$ 时刻的输入和输出及其导数值。作者指出，只有当输入信号及其前 $m-1$ 阶导数在 $t=0$ 处连续时（定理 1），这些量才有定义，传统解法才严格有效。对于常见的阶跃输入，这一条件通常不满足。

2.2 状态空间与 ODE 的等价性

为了解决右端项无定义的问题，作者引入了状态空间表示（SSR）：
$\dot{x}(t) = Ax(t) + Bu(t)$
$y(t) = Cx(t) + Du(t)$

作者定义了ODE 与 SSR 的等价性（定义 1）：不仅要求两者具有相同的传递函数（输入 - 输出关系），还要求它们对任意初始条件具有相同的响应。

通过观测性矩阵（Observability Matrix） $O$ 和马尔可夫参数矩阵（Markov Parameter Matrix） $M$ ，建立了 ODE 的初始状态向量 $Y(0)$ 与 SSR 的状态向量 $x(0)$ 之间的线性映射关系：$Y(t) = Ox(t) + MU(t)$。
证明了只要 SSR 是可观测的，且传递函数匹配，两者在数学上是完全等价的。

2.3 处理不连续性的核心策略

利用 SSR 的一个关键性质：只要输入 $u(t)$ 是有界的，状态变量 $x(t)$ 就是连续的。

作者提出，对于右端项包含奇异函数（如 $\delta$ 函数）的“病态”ODE，其解应被定义为其等价 SSR 的解。这避免了引入分布理论（Distribution Theory）或奇异函数，使问题保持在实数域内。
基于状态连续性（ $x(0^-) = x(0^+)$ ），推导出了从“前值”（ $t=0^-$ ）到“首值”（ $t=0^+$ ）的映射公式（公式 22）：
$Y(0^+) = Y(0^-) + M[U(0^+) - U(0^-)]$
该公式允许根据跳变前的状态和输入跳变量，精确计算跳变后的初始条件。

3. 关键贡献与结果 (Key Contributions & Results)

3.1 理论澄清

明确平滑性假设：指出了传统教科书解法仅在输入信号足够平滑（连续）时有效，揭示了工程应用中广泛存在的阶跃输入导致传统公式失效的根源。
重新定义解的概念：提出将 ODE 的解定义为其等价 SSR 的解，从而在无需处理无穷大或奇异函数的情况下，为不连续输入下的 ODE 提供了严谨的数学基础。

3.2 实用算法与定理

定理 2（核心结论）：证明了在使用拉普拉斯变换求解 ODE 时，既可以统一使用 $t=0^-$ 的值（前值），也可以统一使用 $t=0^+$ 的值（首值），只要保持一致性，两者将导出完全相同的解 $y(t)$ $y (t)$ 。
- 如果已知 $Y(0^-)$ 和 $U(0^-)$ ，可直接代入公式求解。
- 如果已知 $Y(0^+)$ 和 $U(0^+)$ ，也可直接代入。
- 严禁混合使用（例如用 $Y(0^-)$ 和 $U(0^+)$ ），否则会导致错误。
映射公式：提供了从 $Y(0^-)$ 到 $Y(0^+)$ 的显式计算公式，使得工程师可以根据物理系统的“跳变前”状态（通常更容易测量或定义）来计算跳变后的初始条件。

3.3 示例验证

通过具体的二阶系统示例（包含输入导数项和阶跃/斜坡输入），演示了：

传统方法在直接代入 $u(0)$ 时的困惑。
利用 SSR 推导出的 $Y(0^+)$ 与 $Y(0^-)$ 之间的转换关系。
验证了无论使用 $0^-$ 还是 $0^+$ 的初始条件，最终得到的时域响应 $y(t)$ 是完全一致的。

4. 意义与影响 (Significance)

教育价值：解决了工程教育中长期存在的困惑，为处理不连续输入下的初始值问题提供了清晰、统一且无需高级数学工具（如广义函数）的教学方案。
工程实用性：在电路理论、控制系统和信号处理中，输入信号的不连续性（如开关动作、阶跃激励）是常态。本文提供的方法使得在这些场景下求解系统响应更加直接和可靠。
理论桥梁：强化了微分方程（ODE）与状态空间（SSR）之间的理论联系，特别是强调了它们在初始条件响应上的等价性，而不仅仅是输入 - 输出响应的等价性。
避免数学陷阱：通过将解的定义锚定在状态空间（其解天然连续），避免了处理“右端项不存在”的哲学和数学困境，使工程分析更加务实。

总结：该论文通过引入状态空间表示的等价性，为线性时不变系统在不连续输入下的初始值问题提供了一套严谨、统一且易于操作的解决方案，填补了传统微分方程理论在工程应用中的空白。