2. 一维系统数学描述

要对一维系统做参数辨识与校准，第一步不是急着选算法，而是把“系统到底用什么数学语言描述”这件事定下来。同一台设备、同一个热工或机电对象，可以用常微分方程、传递函数、状态空间和离散差分模型四种方式表达，它们描述的是同一个物理对象，只是观察角度和适用场景不同。辨识算法、采样方式、参数含义都直接取决于你选了哪种描述，因此这一节要先把四种模型讲清楚，并明确输入输出变量与参数各代表什么。

一、常微分方程：最贴近物理机理的描述

一维系统的常微分方程（ODE）通常写成输入 u(t) 与输出 y(t) 及其各阶导数之间的关系。以一阶惯性系统为例：

τ · dy(t)/dt + y(t) = K · u(t)

其中 τ 是时间常数（单位 s），反映输出跟随输入的快慢；K 是静态增益，反映稳态时输出与输入的比值。若系统含二阶动态，则会出现 d²y/dt²，并引入阻尼比 ζ 与自然频率 ωn。ODE 的优点是物理意义明确，参数可直接对应到质量、阻尼、热阻、热容等真实量；缺点是求解与辨识都需要处理导数，对噪声敏感。

二、传递函数：把微分方程变成代数关系

在零初始条件下对 ODE 做拉普拉斯变换，就得到传递函数 G(s) = Y(s)/U(s)。一阶惯性系统对应：

G(s) = K / (τ·s + 1)

二阶系统对应 G(s) = K·ωn² / (s² + 2ζωn·s + ωn²)。传递函数把时域的微分运算变成了复频域的代数运算，便于分析极点位置、稳定性、频率响应。对辨识而言，传递函数形式直接决定了待估参数集合：一阶只需估 K 和 τ，二阶则需估 K、ζ、ωn。需要注意的是，传递函数默认系统线性、时不变、零初始条件，实际对象若存在明显非线性或大初始偏差，直接套用会带来系统误差。

三、状态空间：把高阶方程拆成一阶方程组

状态空间模型用一组一阶微分方程描述系统内部状态 x 与输入输出之间的关系：

dx/dt = A·x + B·u
y     = C·x + D·u

对一维二阶系统，状态可取 x1 = y、x2 = dy/dt，则 A、B、C、D 为相应维度的矩阵。状态空间的优势是能同时描述内部状态和外部输出，便于处理多输入多输出、初始条件非零、以及现代控制与卡尔曼滤波类辨识方法。对一维系统而言，状态空间与传递函数可以互相转换，参数含义一致，只是表达形式不同。

四、离散差分模型：面向数字采集与计算机辨识

实际辨识几乎都在计算机上完成，采集到的是离散序列 u(k)、y(k)，采样周期为 Ts。此时更自然的是差分方程，例如一阶 ARX 形式：

y(k) = a·y(k-1) + b·u(k-1) + e(k)

其中 a、b 是离散参数，e(k) 是残差。离散参数与连续参数之间存在映射关系，例如一阶系统在零阶保持下 a = exp(-Ts/τ)、b = K·(1 - a)。这意味着辨识出 a、b 后，可以反推 τ 和 K。离散模型直接对应最小二乘等算法，是参数辨识最常用的落地形式。

五、四种描述之间的转换与选择

四种模型并非彼此独立。ODE 经拉普拉斯变换得传递函数，传递函数经状态选取得状态空间，连续模型经零阶保持离散化得差分模型；反过来，差分模型辨识出 a、b 后，也可反算 τ、K 回到物理参数。选择哪种描述，取决于任务：若目标是理解物理机理、做参数校准，优先用 ODE 或传递函数；若要做数字辨识、在线估计，优先用差分模型；若系统有内部状态需要观测或涉及多变量，则用状态空间。

六、参数含义与辨识对应关系