前言

Automation for Robotics
Ⅰ.1状态表达式
与我们紧密相关的生物、经济和机械系统通常都可以用如下微分方程来描述：

假设该系统的时间t是连续的［JAU 05］， u(t)是系统的输入（或控制）向量，y(t)是以一定精度检测出的系统输出向量。向量x(t)称为系统的状态，它表示系统的记忆，或者说当系统输入为u(t)时预测系统结果所需的信息。方程组中的第一个方程称为演化方程，该方程是一个微分方程，它给出了t时刻的状态向量x(t)的当前值和施加的控制向量u(t)。第二个方程称为观测方程，它用来计算t时刻在已知状态和控制时的输出向量y(t)。注意，观测方程不同于演化方程，由于它不包含导数项，因此它不是微分方程。这两个方程构成了系统的状态表达式。
有时我们用离散时间k来描述上面的状态方程，这里k∈Z，Z是整数集，例如计算机就是一个离散时间系统，它的离散时间k与微处理器的时钟同步。离散时间系统通常用下述递归方程描述：

本书的第一个目的是通过多做习题来了解状态表达的概念。为此，我们在第1章安排了各种各样的习题来揭示如何得到状态表达式，第2章对这些已知系统的状态表达式进行计算机仿真。
本书的第二个目的是提出由状态方程描述的系统的控制方法。换句话说，我们试图构建自动机械系统（人除了给出命令或设定点外，并不包含在系统中），控制器能够使系统按人的意愿进行控制（按人的需要对系统的行为进行改变）。为此，控制器将根据输出y(t)（或多或少有噪声）和设定点w(t)计算系统的输入u(t)（见图Ⅰ1）。

目录

第1章 Automation for Robotics 建模
1.1线性系统
1.2机械系统
1.3伺服电动机
第2章 Automation for Robotics 仿真
2.1向量场的概念
2.2图形表示
2.3仿真
2.4习题