1. 从“系统”到“模型”自动控制原理的核心思维转换如果你刚开始学自动控制原理翻了几页书满眼都是微分方程、传递函数、方块图可能会觉得头大这跟我理解的“控制”有什么关系我理解的“控制”可能是拧个旋钮、调个参数让一个东西比如电机转速、房间温度达到我想要的值。没错但自动控制原理要做的是把你这种直观的、基于经验的“手感”提炼成一套精确的、可计算、可预测的数学语言。这个提炼的过程就是从认识“物理系统”到建立“数学模型”的关键一跃。今天这篇笔记我们就来深挖这个最基础也最重要的环节系统数学模型的建立。这不仅是考试的重点更是你未来无论是做算法设计、系统调试还是故障分析时脑子里必须时刻运转的底层框架。为什么模型如此重要想象一下你要设计一个自动驾驶汽车的巡航控制器。你不可能每次都把车开到高速上去试参数那样成本极高且危险。你需要先在计算机里建立一个能反映汽车动力学如加速度与油门、刹车、风阻关系的模型在这个虚拟模型上测试你的控制算法反复迭代优化确认安全有效后再上车进行小范围的实车验证。这个虚拟模型就是数学模型。自动控制里所有的分析稳不准快和设计PID、超前滞后补偿都是基于模型开展的。模型建得准你的分析和设计才靠谱模型建歪了后面的一切都是空中楼阁。2. 系统数学模型建立的全景图与核心方法论建立数学模型本质上是一个“简化”与“等效”的艺术。我们不可能也没必要把现实世界中的所有细节比如螺丝的微小形变、空气湿度的细微变化都塞进模型里。我们的目标是抓住主要矛盾用尽可能简洁的数学关系描述出系统输入原因与输出结果之间的动态关联。2.1 模型的两大类别机理 vs. 辨识根据你对被控对象的了解程度建模主要有两条路径1. 机理建模白箱模型这是最“正统”的方法适用于系统结构、物理原理比较清晰的场合。你需要依据物理学定律牛顿力学、基尔霍夫定律、热力学定律等列出系统的运动方程或平衡方程。核心步骤分析系统工作原理 - 确定输入量、输出量和中间变量 - 根据物理定律列写原始方程通常是微分方程或微分方程组- 在零初始条件下进行拉普拉斯变换 - 整理得到传递函数。举例一个经典的弹簧-质量-阻尼系统。输入是外力 F(t)输出是质量块的位移 x(t)。根据牛顿第二定律F(t) - kx(t) - B(dx/dt) m(d²x/dt²)。其中 k 是弹簧系数B 是阻尼系数m 是质量。这就是时域微分方程。进行拉普拉斯变换零初始条件得到F(s) - kX(s) - BsX(s) ms²X(s)。整理后传递函数 G(s) X(s)/F(s) 1 / (ms² Bs k)。实操心得机理建模的关键在于准确识别系统中的“储能元件”和“耗能元件”。在机械系统中质量惯性、弹簧弹性储能阻尼耗能。在电路中电感、电容储能电阻耗能。找到它们列出它们的电压-电流或力-位移关系是建模的突破口。2. 系统辨识黑箱/灰箱模型当系统内部机理过于复杂或不明确时比如一个复杂的化工反应过程、生物系统我们可以通过实验数据来“反推”模型。给系统输入一个已知信号如阶跃信号、正弦扫频信号测量其输出响应然后用数学工具拟合出一个传递函数。核心步骤设计实验并采集输入-输出数据 - 选择模型结构如模型阶次、是否包含延时- 利用优化算法如最小二乘法估计模型参数 - 验证模型精度。注意事项实验设计至关重要。输入信号需要有足够的“激励”能激发系统所有重要的动态模态。简单的阶跃响应可以粗略估计一阶、二阶系统参数但要获得更精确的高阶模型通常需要更专业的频域响应分析或伪随机二进制序列PRBS信号。对于大多数工程场景我们用的是“灰箱模型”即基于部分机理知识确定模型结构比如知道系统是二阶的再通过实验数据来估计具体的参数如阻尼比、自然频率。这是理论与实践结合的最佳点。2.2 拉普拉斯变换时域到复频域的“翻译官”为什么我们费劲把微分方程变成传递函数因为微分方程在时域里求解和分析非常困难尤其是对于高阶系统和复杂连接。拉普拉斯变换就像一个强大的“翻译官”把时域中复杂的微分、积分运算转换到复频域s域中简单的代数乘除运算。这让系统动态特性的分析和控制器设计变得直观得多。你需要深刻理解的两个关键点传递函数 G(s) Y(s)/U(s) 是在零初始条件下定义的。这意味着我们只关心由输入 u(t) 引起的响应而假设系统一开始是静止、平衡的所有初始状态为零。这是线性系统理论的一个重要前提。s 算子的物理意义在复频域中s不仅仅是一个代数符号。sX(s)对应时域的dx/dt微分X(s)/s对应时域的∫x(t)dt积分。在方块图中s出现在反馈回路里直接决定了系统的动态特性如振荡、发散、收敛。注意很多初学者会混淆传递函数和频率响应函数。传递函数 G(s) 的变量是复频率 s σ jω。当我们令 σ0即 s jω 时G(jω) 才是频率响应函数它描述系统对不同频率正弦输入的稳态响应特性。频率响应是传递函数的一个特例也是后续频域分析法伯德图、奈奎斯特图的基础。3. 方块图与信号流图系统结构的可视化语言得到各个部件的传递函数后我们需要把它们按照实际的物理连接关系组合起来形成整个系统的模型。方块图和信号流图就是两种最常用的可视化工具它们等价但各有擅长。3.1 方块图工程师的通用“电路图”方块图非常直观每个方块代表一个部件或子系统的传递函数箭头代表信号流向。它清晰地展示了信号的传递、叠加和反馈过程。核心运算规则必须熟练于心串联G_total(s) G1(s) * G2(s)并联G_total(s) G1(s) ± G2(s)反馈连接这是重中之重负反馈Φ(s) G(s) / [1 G(s)H(s)]正反馈Φ(s) G(s) / [1 - G(s)H(s)]这里的G(s)是前向通道传递函数H(s)是反馈通道传递函数。这个公式必须像乘法口诀一样熟记它是整个闭环控制理论分析的基石。方块图简化技巧与常见坑点简化方块图的目标通常是求取系统总的闭环传递函数比如从给定输入 R(s) 到输出 C(s) 的传递函数或者从扰动输入 D(s) 到输出 C(s) 的传递函数。移动比较点和引出点这是简化操作中最容易出错的地方。记住核心原则移动前后该点上所有进出的信号关系必须保持不变。比较点前移如果要将一个比较点越过一个方块 G(s) 向前移动必须在被移动的支路上除以 G(s)。比较点后移如果向后移动则乘以 G(s)。引出点前移如果要将一个引出点越过一个方块 G(s) 向前移动移动后的支路信号不变因为引出点只是复制信号不进行运算。引出点后移如果向后移动则需要在移动后的支路上乘以 G(s)。实操心得在纸上简化复杂方块图时建议用铅笔一步步画每做一次等效变换就检查一下所有信号关系是否依然正确。一个快速验证方法是假设一个简单的输入比如 R(s)1沿着两条不同的路径推算输出看结果是否一致。3.2 信号流图与梅森增益公式处理复杂系统的“瑞士军刀”当系统存在多个交叉反馈、回路相互嵌套时方块图简化会变得非常繁琐。此时信号流图配合梅森增益公式几乎是唯一高效、准确的求解方法。信号流图的基本元素节点代表变量、支路有向线段上面标注增益即传递函数。梅森增益公式T (1/Δ) * Σ( P_k * Δ_k )看起来复杂但拆解开来很有规律T从源节点输入到汇节点输出的总增益传递函数。P_k第 k 条前向通路的增益。Δ流图特征式Δ 1 - ΣL_i ΣL_iL_j - ΣL_iL_jL_k ...ΣL_i所有单独回路的回路增益之和。ΣL_iL_j所有两两互不接触回路的回路增益乘积之和。ΣL_iL_jL_k所有三个互不接触回路的回路增益乘积之和以此类推。Δ_k第 k 条前向通路特征式的余因子式即把与第 k 条前向通路相接触的所有回路去掉后剩下的流图特征式。应用梅森公式的步骤实录找出所有前向通路从输入到输出不走重复节点列出所有路径计算每条路径的增益P_k。找出所有单独回路找到所有起点和终点是同一节点、且不重复经过其他节点的闭合路径计算每个回路的增益L_i。判断回路接触关系检查哪些回路之间有共享的节点接触哪些没有不接触。计算流图特征式 Δ按照公式用所有回路增益进行计算。计算各前向通路的余因子式 Δ_k对于每个P_k找出所有与它接触的回路将这些回路从 Δ 的计算中移除得到Δ_k。代入公式求和。常见问题最容易漏掉的是“互不接触回路”的组合。特别是系统复杂时两个、三个互不接触回路的组合可能有很多。务必耐心、系统地列举。一个技巧是先画出所有回路然后用集合的方式思考它们的接触关系。4. 线性化让非线性世界“服从”分析现实世界中纯粹线性的系统很少见。大多数元件都有非线性特性比如放大器的饱和区、齿轮传动的间隙、阀门的死区、摩擦力的静动摩擦区别等。直接分析非线性系统极其困难。线性化就是在系统工作点附近用一种“以直代曲”的思想用一条切线线性关系来近似代替原来的曲线非线性关系。小偏差线性化的实质假设系统在某个平衡工作点(x0, u0)附近运行变量x和u只有微小的变化Δx和Δu。将非线性函数y f(x, u)在工作点处进行泰勒展开并忽略二阶及以上的高阶项。Δy ≈ (∂f/∂x)|₀ * Δx (∂f/∂u)|₀ * Δu这里(∂f/∂x)|₀和(∂f/∂u)|₀就是工作点处的偏导数它们是常数。于是非线性关系就被近似为Δy K1 * Δx K2 * Δu这样的线性关系。注意事项与局限适用范围线性化模型仅适用于工作点附近的小范围变化。如果系统状态偏离工作点太远这种近似将严重失真基于线性模型设计的控制器可能会失效甚至导致系统不稳定。例如用线性化模型设计飞机巡航控制器是有效的但用它来处理飞机大迎角失速状态下的控制就完全不行。工作点的选择线性化的精度高度依赖于工作点的选择。通常选择系统预期长期运行的平衡点。对于设定值变化的系统有时需要设计多个针对不同工作点的线性化控制器并在其间切换这称为“增益调度”。无法捕捉的本质非线性有些非线性特性如间隙、死区、继电器特性在任何工作点线性化其导数要么是零要么无穷大无法得到有意义的线性模型。这类系统需要专门的非线性控制理论如描述函数法、滑模控制来处理。5. 典型环节的传递函数与动态特性初窥在建立复杂系统模型时我们会发现它们常常是由一些基本的“积木块”组合而成的。这些“积木块”就是典型环节。理解它们的传递函数和时域响应是后续分析系统性能稳、准、快的基础。这里我们先建立初步印象。环节名称传递函数 G(s)时域微分方程典型实例与备注比例环节Ky(t) K * u(t)理想放大器、杠杆、电阻分压。输出即时、无失真地复现输入。积分环节1/(Ts)T * dy/dt u(t)水箱液位输入流量输出液位、电机转速输入电压输出转角。输出是输入的累积能消除静差。微分环节Tsy(t) T * du/dt测速发电机输入转角输出电压。输出反映输入的变化率能预测趋势但会放大噪声。惯性环节K/(Ts1)T * dy/dt y(t) K * u(t)RC电路、一阶热系统、直流电机忽略电感时。存在惯性输出不能立即跟上输入时间常数T决定响应快慢。振荡环节ω_n²/(s² 2ζω_n s ω_n²)d²y/dt² 2ζω_n * dy/dt ω_n² * y ω_n² * u弹簧-质量-阻尼系统、RLC电路。响应可能产生振荡阻尼比ζ决定振荡程度ζ1欠阻尼有振荡ζ≥1过阻尼/临界阻尼无振荡。延时环节e^{-τs}y(t) u(t - τ)物料输送管道、信号传输、化学反应过程。输出是输入的纯时间延迟不改变信号形状但对系统稳定性危害极大。对后续学习的关键提示在后续的时域分析中你会看到单位阶跃信号输入下这些环节的响应曲线各有特点。比例环节是阶跃积分环节是斜坡上升惯性环节是指数上升振荡环节是阻尼正弦振荡。这些响应形状是你未来用“眼睛”直观判断系统包含哪些环节、参数大概是多少的底层依据。当你看到一个系统的实测阶跃响应曲线时应该能下意识地去和这些典型环节的响应做比对进行初步的模型辨识和参数估计。这就是把理论模型和工程实践连接起来的第一步。建立准确的数学模型是控制工程一切工作的起点。它要求你既要有扎实的物理、化学等领域知识用于机理建模也要有实验设计和数据处理能力用于系统辨识还要有将复杂结构抽象简化为清晰数学表达的能力。这个过程往往需要反复迭代先基于机理和假设建立一个初步模型然后通过实验数据去验证和修正它。模型永远不可能100%精确但一个好的、可靠的模型足以让我们设计出鲁棒性强、性能优异的控制器。在接下来的笔记中我们将基于这些模型开始学习如何分析它们的性能。
1. 从“系统”到“模型”自动控制原理的核心思维转换如果你刚开始学自动控制原理翻了几页书满眼都是微分方程、传递函数、方块图可能会觉得头大这跟我理解的“控制”有什么关系我理解的“控制”可能是拧个旋钮、调个参数让一个东西比如电机转速、房间温度达到我想要的值。没错但自动控制原理要做的是把你这种直观的、基于经验的“手感”提炼成一套精确的、可计算、可预测的数学语言。这个提炼的过程就是从认识“物理系统”到建立“数学模型”的关键一跃。今天这篇笔记我们就来深挖这个最基础也最重要的环节系统数学模型的建立。这不仅是考试的重点更是你未来无论是做算法设计、系统调试还是故障分析时脑子里必须时刻运转的底层框架。为什么模型如此重要想象一下你要设计一个自动驾驶汽车的巡航控制器。你不可能每次都把车开到高速上去试参数那样成本极高且危险。你需要先在计算机里建立一个能反映汽车动力学如加速度与油门、刹车、风阻关系的模型在这个虚拟模型上测试你的控制算法反复迭代优化确认安全有效后再上车进行小范围的实车验证。这个虚拟模型就是数学模型。自动控制里所有的分析稳不准快和设计PID、超前滞后补偿都是基于模型开展的。模型建得准你的分析和设计才靠谱模型建歪了后面的一切都是空中楼阁。2. 系统数学模型建立的全景图与核心方法论建立数学模型本质上是一个“简化”与“等效”的艺术。我们不可能也没必要把现实世界中的所有细节比如螺丝的微小形变、空气湿度的细微变化都塞进模型里。我们的目标是抓住主要矛盾用尽可能简洁的数学关系描述出系统输入原因与输出结果之间的动态关联。2.1 模型的两大类别机理 vs. 辨识根据你对被控对象的了解程度建模主要有两条路径1. 机理建模白箱模型这是最“正统”的方法适用于系统结构、物理原理比较清晰的场合。你需要依据物理学定律牛顿力学、基尔霍夫定律、热力学定律等列出系统的运动方程或平衡方程。核心步骤分析系统工作原理 - 确定输入量、输出量和中间变量 - 根据物理定律列写原始方程通常是微分方程或微分方程组- 在零初始条件下进行拉普拉斯变换 - 整理得到传递函数。举例一个经典的弹簧-质量-阻尼系统。输入是外力 F(t)输出是质量块的位移 x(t)。根据牛顿第二定律F(t) - kx(t) - B(dx/dt) m(d²x/dt²)。其中 k 是弹簧系数B 是阻尼系数m 是质量。这就是时域微分方程。进行拉普拉斯变换零初始条件得到F(s) - kX(s) - BsX(s) ms²X(s)。整理后传递函数 G(s) X(s)/F(s) 1 / (ms² Bs k)。实操心得机理建模的关键在于准确识别系统中的“储能元件”和“耗能元件”。在机械系统中质量惯性、弹簧弹性储能阻尼耗能。在电路中电感、电容储能电阻耗能。找到它们列出它们的电压-电流或力-位移关系是建模的突破口。2. 系统辨识黑箱/灰箱模型当系统内部机理过于复杂或不明确时比如一个复杂的化工反应过程、生物系统我们可以通过实验数据来“反推”模型。给系统输入一个已知信号如阶跃信号、正弦扫频信号测量其输出响应然后用数学工具拟合出一个传递函数。核心步骤设计实验并采集输入-输出数据 - 选择模型结构如模型阶次、是否包含延时- 利用优化算法如最小二乘法估计模型参数 - 验证模型精度。注意事项实验设计至关重要。输入信号需要有足够的“激励”能激发系统所有重要的动态模态。简单的阶跃响应可以粗略估计一阶、二阶系统参数但要获得更精确的高阶模型通常需要更专业的频域响应分析或伪随机二进制序列PRBS信号。对于大多数工程场景我们用的是“灰箱模型”即基于部分机理知识确定模型结构比如知道系统是二阶的再通过实验数据来估计具体的参数如阻尼比、自然频率。这是理论与实践结合的最佳点。2.2 拉普拉斯变换时域到复频域的“翻译官”为什么我们费劲把微分方程变成传递函数因为微分方程在时域里求解和分析非常困难尤其是对于高阶系统和复杂连接。拉普拉斯变换就像一个强大的“翻译官”把时域中复杂的微分、积分运算转换到复频域s域中简单的代数乘除运算。这让系统动态特性的分析和控制器设计变得直观得多。你需要深刻理解的两个关键点传递函数 G(s) Y(s)/U(s) 是在零初始条件下定义的。这意味着我们只关心由输入 u(t) 引起的响应而假设系统一开始是静止、平衡的所有初始状态为零。这是线性系统理论的一个重要前提。s 算子的物理意义在复频域中s不仅仅是一个代数符号。sX(s)对应时域的dx/dt微分X(s)/s对应时域的∫x(t)dt积分。在方块图中s出现在反馈回路里直接决定了系统的动态特性如振荡、发散、收敛。注意很多初学者会混淆传递函数和频率响应函数。传递函数 G(s) 的变量是复频率 s σ jω。当我们令 σ0即 s jω 时G(jω) 才是频率响应函数它描述系统对不同频率正弦输入的稳态响应特性。频率响应是传递函数的一个特例也是后续频域分析法伯德图、奈奎斯特图的基础。3. 方块图与信号流图系统结构的可视化语言得到各个部件的传递函数后我们需要把它们按照实际的物理连接关系组合起来形成整个系统的模型。方块图和信号流图就是两种最常用的可视化工具它们等价但各有擅长。3.1 方块图工程师的通用“电路图”方块图非常直观每个方块代表一个部件或子系统的传递函数箭头代表信号流向。它清晰地展示了信号的传递、叠加和反馈过程。核心运算规则必须熟练于心串联G_total(s) G1(s) * G2(s)并联G_total(s) G1(s) ± G2(s)反馈连接这是重中之重负反馈Φ(s) G(s) / [1 G(s)H(s)]正反馈Φ(s) G(s) / [1 - G(s)H(s)]这里的G(s)是前向通道传递函数H(s)是反馈通道传递函数。这个公式必须像乘法口诀一样熟记它是整个闭环控制理论分析的基石。方块图简化技巧与常见坑点简化方块图的目标通常是求取系统总的闭环传递函数比如从给定输入 R(s) 到输出 C(s) 的传递函数或者从扰动输入 D(s) 到输出 C(s) 的传递函数。移动比较点和引出点这是简化操作中最容易出错的地方。记住核心原则移动前后该点上所有进出的信号关系必须保持不变。比较点前移如果要将一个比较点越过一个方块 G(s) 向前移动必须在被移动的支路上除以 G(s)。比较点后移如果向后移动则乘以 G(s)。引出点前移如果要将一个引出点越过一个方块 G(s) 向前移动移动后的支路信号不变因为引出点只是复制信号不进行运算。引出点后移如果向后移动则需要在移动后的支路上乘以 G(s)。实操心得在纸上简化复杂方块图时建议用铅笔一步步画每做一次等效变换就检查一下所有信号关系是否依然正确。一个快速验证方法是假设一个简单的输入比如 R(s)1沿着两条不同的路径推算输出看结果是否一致。3.2 信号流图与梅森增益公式处理复杂系统的“瑞士军刀”当系统存在多个交叉反馈、回路相互嵌套时方块图简化会变得非常繁琐。此时信号流图配合梅森增益公式几乎是唯一高效、准确的求解方法。信号流图的基本元素节点代表变量、支路有向线段上面标注增益即传递函数。梅森增益公式T (1/Δ) * Σ( P_k * Δ_k )看起来复杂但拆解开来很有规律T从源节点输入到汇节点输出的总增益传递函数。P_k第 k 条前向通路的增益。Δ流图特征式Δ 1 - ΣL_i ΣL_iL_j - ΣL_iL_jL_k ...ΣL_i所有单独回路的回路增益之和。ΣL_iL_j所有两两互不接触回路的回路增益乘积之和。ΣL_iL_jL_k所有三个互不接触回路的回路增益乘积之和以此类推。Δ_k第 k 条前向通路特征式的余因子式即把与第 k 条前向通路相接触的所有回路去掉后剩下的流图特征式。应用梅森公式的步骤实录找出所有前向通路从输入到输出不走重复节点列出所有路径计算每条路径的增益P_k。找出所有单独回路找到所有起点和终点是同一节点、且不重复经过其他节点的闭合路径计算每个回路的增益L_i。判断回路接触关系检查哪些回路之间有共享的节点接触哪些没有不接触。计算流图特征式 Δ按照公式用所有回路增益进行计算。计算各前向通路的余因子式 Δ_k对于每个P_k找出所有与它接触的回路将这些回路从 Δ 的计算中移除得到Δ_k。代入公式求和。常见问题最容易漏掉的是“互不接触回路”的组合。特别是系统复杂时两个、三个互不接触回路的组合可能有很多。务必耐心、系统地列举。一个技巧是先画出所有回路然后用集合的方式思考它们的接触关系。4. 线性化让非线性世界“服从”分析现实世界中纯粹线性的系统很少见。大多数元件都有非线性特性比如放大器的饱和区、齿轮传动的间隙、阀门的死区、摩擦力的静动摩擦区别等。直接分析非线性系统极其困难。线性化就是在系统工作点附近用一种“以直代曲”的思想用一条切线线性关系来近似代替原来的曲线非线性关系。小偏差线性化的实质假设系统在某个平衡工作点(x0, u0)附近运行变量x和u只有微小的变化Δx和Δu。将非线性函数y f(x, u)在工作点处进行泰勒展开并忽略二阶及以上的高阶项。Δy ≈ (∂f/∂x)|₀ * Δx (∂f/∂u)|₀ * Δu这里(∂f/∂x)|₀和(∂f/∂u)|₀就是工作点处的偏导数它们是常数。于是非线性关系就被近似为Δy K1 * Δx K2 * Δu这样的线性关系。注意事项与局限适用范围线性化模型仅适用于工作点附近的小范围变化。如果系统状态偏离工作点太远这种近似将严重失真基于线性模型设计的控制器可能会失效甚至导致系统不稳定。例如用线性化模型设计飞机巡航控制器是有效的但用它来处理飞机大迎角失速状态下的控制就完全不行。工作点的选择线性化的精度高度依赖于工作点的选择。通常选择系统预期长期运行的平衡点。对于设定值变化的系统有时需要设计多个针对不同工作点的线性化控制器并在其间切换这称为“增益调度”。无法捕捉的本质非线性有些非线性特性如间隙、死区、继电器特性在任何工作点线性化其导数要么是零要么无穷大无法得到有意义的线性模型。这类系统需要专门的非线性控制理论如描述函数法、滑模控制来处理。5. 典型环节的传递函数与动态特性初窥在建立复杂系统模型时我们会发现它们常常是由一些基本的“积木块”组合而成的。这些“积木块”就是典型环节。理解它们的传递函数和时域响应是后续分析系统性能稳、准、快的基础。这里我们先建立初步印象。环节名称传递函数 G(s)时域微分方程典型实例与备注比例环节Ky(t) K * u(t)理想放大器、杠杆、电阻分压。输出即时、无失真地复现输入。积分环节1/(Ts)T * dy/dt u(t)水箱液位输入流量输出液位、电机转速输入电压输出转角。输出是输入的累积能消除静差。微分环节Tsy(t) T * du/dt测速发电机输入转角输出电压。输出反映输入的变化率能预测趋势但会放大噪声。惯性环节K/(Ts1)T * dy/dt y(t) K * u(t)RC电路、一阶热系统、直流电机忽略电感时。存在惯性输出不能立即跟上输入时间常数T决定响应快慢。振荡环节ω_n²/(s² 2ζω_n s ω_n²)d²y/dt² 2ζω_n * dy/dt ω_n² * y ω_n² * u弹簧-质量-阻尼系统、RLC电路。响应可能产生振荡阻尼比ζ决定振荡程度ζ1欠阻尼有振荡ζ≥1过阻尼/临界阻尼无振荡。延时环节e^{-τs}y(t) u(t - τ)物料输送管道、信号传输、化学反应过程。输出是输入的纯时间延迟不改变信号形状但对系统稳定性危害极大。对后续学习的关键提示在后续的时域分析中你会看到单位阶跃信号输入下这些环节的响应曲线各有特点。比例环节是阶跃积分环节是斜坡上升惯性环节是指数上升振荡环节是阻尼正弦振荡。这些响应形状是你未来用“眼睛”直观判断系统包含哪些环节、参数大概是多少的底层依据。当你看到一个系统的实测阶跃响应曲线时应该能下意识地去和这些典型环节的响应做比对进行初步的模型辨识和参数估计。这就是把理论模型和工程实践连接起来的第一步。建立准确的数学模型是控制工程一切工作的起点。它要求你既要有扎实的物理、化学等领域知识用于机理建模也要有实验设计和数据处理能力用于系统辨识还要有将复杂结构抽象简化为清晰数学表达的能力。这个过程往往需要反复迭代先基于机理和假设建立一个初步模型然后通过实验数据去验证和修正它。模型永远不可能100%精确但一个好的、可靠的模型足以让我们设计出鲁棒性强、性能优异的控制器。在接下来的笔记中我们将基于这些模型开始学习如何分析它们的性能。
