系统的低阶模型主要包括以下方法，这些方法通过简化模型结构来降低计算复杂度，同时保留原系统的动态特性：

一、线性化方法

通过线性变换将高阶非线性系统转化为低阶线性系统。例如，在状态空间模型中，用低阶状态向量$F_x$代替原高阶变量$x$的集结法，或采用主振型方法保持系统动态特征。

二、主振型保持方法

在多自由度系统中，保留系统的主要振动模式（主振型），将其他次要模式进行简化或舍弃。例如在液压伺服系统的MRACS（模型参考自适应控制）方法中，通过选择关键主振型构建低阶模型。

三、传递函数降阶方法

Pade逼近：

通过多项式近似原传递函数，将高阶系统转化为低阶多项式模型，适用于系统动态特性较稳定的情况。

连分式展开：

将高阶传递函数展开为连分式形式，再通过截断或近似处理得到低阶模型，适用于具有明显奇异点的系统。

四、其他方法

特征值分解：通过矩阵分解技术（如QR分解、奇异值分解）提取系统主要特征，构建低阶模型。

模型简化算法：如基于物理原理的简化模型（如刚体动力学简化、阻尼简化）。

应用示例

以液压伺服系统为例，若其原始四阶模型需跟随一阶参考模型，可采用上述方法将其降阶为低阶对象，从而降低控制器的复杂度并提高实时性能。

综上，低阶模型的构建需根据具体系统特性选择合适方法，常见的技术包括线性化、主振型保持、Pade逼近等，旨在平衡模型精度与计算效率。