2. 动力系统建模基础

参数反演的第一步不是“猜参数”,而是把被辨识对象写成一套可计算、可仿真的数学模型。模型形式决定了后续能反演哪些参数、需要什么观测数据、以及反演结果是否唯一。本节围绕三件事展开:连续时间与离散时间模型的区别与转换、状态空间表示的统一框架,以及洛伦兹、杜芬、范德波尔三类典型非线性系统的参数含义。

一、连续时间模型与离散时间模型

连续时间模型用微分方程描述状态随时间的演化,最一般的形式是

dx/dt = f(x, u, t; θ),   y = h(x, u, t; θ)

其中 x 为状态向量,u 为输入,y 为观测输出,θ 为待反演参数。物理系统(弹簧-质量、电路、流体、电机)天然是连续的,因此机理建模通常先得到连续模型。数值仿真时用定步长积分(如四阶龙格-库塔,RK4)推进:给定步长 Δt,从 xk 计算斜率 k1…k4,再合成 xk+1。步长过大将引入数值阻尼或虚假振荡,反演时会把积分误差误判为参数偏差,这是实践中常见的陷阱。

离散时间模型直接给出相邻采样点之间的映射:

x[k+1] = F(x[k], u[k]; θ),   y[k] = H(x[k], u[k]; θ)

它适用于两类场景:一是数据本身以固定采样周期获得(传感器采集、数字控制),二是系统本身按周期演化(种群代际、脉冲控制)。连续模型可通过前向欧拉 x[k+1] = x[k] + Δt·f(x[k]) 或零阶保持离散化转为离散模型;前者简单但精度低,后者在采样周期内保持输入不变,更贴近数字控制实际。需要强调的是:离散化会改变参数的可辨识性。例如连续系统 dx/dt = a·x 离散后为 x[k+1] = (1 + aΔt)x[k],从数据中直接估计的是组合量 (1 + aΔt),只有已知 Δt 才能还原 a。因此反演前必须明确采样周期,并在全文与图示中统一时间参照。

二、状态空间表示:统一各类模型的框架

状态空间把高阶方程化为一阶向量方程,是连接连续/离散、线性/非线性、机理/数据的公共语言。以二阶机械系统 m·ẍ + c·ẋ + k·x = F(t) 为例,取状态 x1 = x(位移)、x2 = ẋ(速度),得到

dx1/dt = x2
dx2/dt = (F(t) - c·x2 - k·x1) / m
y = x1

待反演参数 θ = {m, c, k}。状态空间表示带来三个直接好处:其一,参数以显式系数出现在方程中,便于构造灵敏度;其二,只需观测量 y 与状态的关系明确,就能设计观测器或最小二乘目标函数;其三,连续与离散形式可以互相转换而不改变物理含义。实践中要注意“状态是否可观测”:若只测位移而速度未知,需通过差分或观测器重构速度,差分会放大噪声,此时应优先考虑在目标函数中加入平滑项或改用积分形式。

连续模型与离散模型的对应关系及参数可辨识性 连续时间模型 dx/dt = f(x, u; θ) y = h(x, u; θ) 物理机理直接给出 参数 θ 具有物理量纲 离散时间模型 x[k+1] = F(x[k], u[k]; θ) y[k] = H(x[k], u[k]; θ) 采样数据 / 数字控制 参数常为组合量 离散化 欧拉 / ZOH 参数还原 需已知 Δt 示例:一阶系统 dx/dt = a·x 的离散化与参数辨识 前向欧拉:x[k+1] = x[k] + Δt·a·x[k] = (1 + aΔt)·x[k] 从数据估计得到的是组合系数 β = 1 + aΔt,而非 a 本身 若 Δt = 0.01 s,估计 β = 0.98,则 a = (β - 1)/Δt = -2.0 s⁻¹ 结论:采样周期必须作为已知量参与反演,否则参数不可唯一确定

三、三类典型非线性系统及其参数意义

洛伦兹系统源于大气对流简化模型,方程与参数为

dx/dt = σ(y - x)
dy/dt = x(ρ - z) - y
dz/dt = xy - βz

σ 为普朗特数(黏性与热扩散之比),ρ 为瑞利数(浮力驱动强度),β 为几何比例因子。经典取值 σ=10、ρ=28、β=8/3 时系统呈混沌,对初值极端敏感。对参数反演而言,这意味着目标函数曲面存在大量局部极小,且长时间轨迹误差会指数放大;实践中应使用短时间窗口、多段初值或同步误差作为目标,而不是整段轨迹的逐点残差。

杜芬系统描述非线性刚度振子,典型形式为

ẍ + δ·ẋ + α·x + β·x³ = γ·cos(ωt)

δ 为阻尼系数,α 为线性刚度,β 为立方非线性刚度(β>0 为硬化,β<0 为软化),γ 与 ω 为激励幅值和频率。杜芬系统会出现跳跃、多解与混沌,参数反演时 α 与 β 常高度相关——仅用小振幅数据难以区分线性与非线性刚度,需要覆盖足够振幅范围的激励数据。

范德波尔系统是自激振荡的经典模型:

ẍ - μ(1 - x²)·ẋ + x = 0

μ 为非线性阻尼强度。μ 较小时近似正弦振荡,μ 增大后波形出现陡峭边沿与缓慢恢复段。反演 μ 的关键在于波形形状而非幅值:幅值主要由线性项决定,μ 主要体现在上升/下降沿的不对称性上,因此目标函数应包含波形形态特征或相位信息。

三类系统的共同点:参数并非都以线性方式出现在方程中,且部分参数之间存在相关性。反演前应先做灵敏度分析,剔除对输出影响过小的参数,再对强相关参数采用分组或正则化策略。

四、建模时的实操要点

把上述内容落到反演流程中,建议按以下顺序处理。第一,明确时间参照与采样周期,连续模型仿真步长应显著小于系统最快时间尺度(经验上取最快时间常数的 1/20 以下)。第二,写出状态空间形式并标注每个参数的物理量纲与合理范围,作为后续优化的边界约束。第三,检查可观测性:观测量能否唯一确定状态,若不能则补充观测或引入观测器。第四,对非线性系统先用小参数或线性化近似做初值估计,再逐步放开非线性项。第五,用仿真数据做闭环验证——以估计参数重新仿真,比较波形形态、相图与频谱,而不只看单一残差指标。

下表给出三类系统的参数速查,便于在反演时快速核对量纲与典型范围(数值为教学示例,非实测)。

系统参数物理含义典型示例值反演注意点
洛伦兹σ, ρ, β普朗特数、瑞利数、几何因子10, 28, 8/3混沌敏感,用短窗多段
杜芬δ, α, β, γ, ω阻尼、线性刚度、立方刚度、激励0.2, -1, 1, 0.3, 1.2α 与 β 相关,需大振幅数据
范德波尔μ非线性阻尼强度0.5 ~ 5看波形形态而非幅值