现代控制理论报告，线性系统理论，MATLAB仿真，状态观测器与状态反馈控制的设计与仿真。 代码详细报告simulink仿真
最近在搞现代控制理论的项目，发现状态观测器和状态反馈这俩兄弟真是形影不离。手头有个倒立摆的案例，系统状态没法直接测量全得靠观测器，咱们今天就拿这个当例子，边写代码边唠嗑。
先上系统模型：A = [0 1 0 0; 0 0 -1 0; 0 0 0 1; 0 0 5 0]; B = [0;1;0;-2]; C = [1 0 0 0]; D = 0; 这四阶系统看着就刺激，摆杆角度和速度、小车位置和速度全耦合在一起。先用MATLAB验下能控性：
disp('能控性矩阵秩：'); rank(ctrb(A,B)) % 输出4说明完全能控接下来整状态反馈。LQR是个省心的方法，咱们随便设个Q=diag([10,1,100,1])，R=0.1让控制量别太猛：
[K,S,e] = lqr(A,B,Q,R); disp('反馈增益K:'); disp(K); % 得到[-10 -15.8 -316 -114]这里有个坑：实际工程中权重参数得反复调，但咱做仿真就图个乐，先让误差快速收敛再说。
重点来了，状态观测器设计。系统只能测小车位置（C矩阵第一个元素），其他状态全靠猜。用place给观测器极点安排到-15±2j和-20±3j：
obsv_poles = [-15+2j -15-2j -20+3j -20-3j]; L = place(A', C', obsv_poles)';这里观测器极点比系统快3倍左右，毕竟得让人家观测器比实际系统反应快才行。不过别整太猛，小心数值计算崩了。
Simulink模型得搭两套系统：真实系统（带状态反馈）和观测器系统。关键连接点在这：
- 真实系统的控制量u = -K*X_hat（用估计状态）
- 观测器的输入是实际输出y和u
- 比较真实状态和估计状态的误差
跑个阶跃响应的仿真，看到状态估计误差在0.5秒内就缩到5%以内。不过实际位移曲线有个小细节——刚开始0.2秒观测器还没追上，导致控制量有点过冲，这时候要是加上个前馈补偿会不会更好？不过那是后话了。
最后上段观测器核心代码：
function dx = observer(t,x,y,u) A_ = [0 1 0 0; 0 0 -1 0; 0 0 0 1; 0 0 5 0]; B_ = [0;1;0;-2]; L_ = [28.4; 312; -551; 980]; % 之前place算的结果 dx = A_*x + B_*u + L_*(y - x(1)); end这个微分方程实时计算状态估计值，用龙格库塔法解算。注意第4个状态（摆杆角速度）估计得最慢，毕竟离测量量最远。
仿真完最大的感悟：状态观测器就像系统的"脑补"功能，给个输出信号就能把内部状态猜个七七八八。不过实际用起来还得防着噪声干扰，最好加个卡尔曼滤波，但那是另一个故事了。下次遇到状态不可测的情况，别犹豫，观测器搞起来！
