1. 从频域到复平面：为什么我们需要奈奎斯特图？

如果你和我一样，长期在模拟电路设计、电源环路分析或者控制系统领域工作，那么“稳定性”这个词一定是你设计生涯中挥之不去的核心命题。一个电路，功能再强大，性能再优越，如果它在某些条件下会振荡、会自激，那一切就都归零了。我们评估稳定性的工具有很多，最经典的就是波特图（Bode Plot），它能直观地展示增益和相位随频率的变化。但今天，我想和你深入聊聊另一个同样强大、甚至在某些场景下更具洞察力的工具——奈奎斯特图（Nyquist Plot）。

奈奎斯特图，简单来说，就是把一个系统的开环频率响应（通常表示为传递函数 H(jω)）在复平面上画出来。横轴是实部（Re），纵轴是虚部（Im），频率 ω 作为隐变量，从 0 变化到无穷大，轨迹就在复平面上描绘出一条曲线。这条曲线之所以重要，是因为它直接关联到著名的奈奎斯特稳定性判据（Nyquist Stability Criterion）。这个判据绕过了直接求解闭环系统特征方程的困难，通过分析开环频率响应的奈奎斯特曲线环绕复平面上 (-1, j0) 这个“临界点”的情况，就能判断闭环系统的稳定性。环绕的圈数、方向，直接决定了闭环系统有多少个不稳定的极点。

那么，为什么在有了直观的波特图之后，我们还需要奈奎斯特图呢？这里有几个关键点。首先，对于条件稳定系统，波特图可能会“说谎”。一个系统可能在低频和高频时相位裕度都很大，但在中频段相位急剧下降，甚至超过 -180°，然后又恢复。在波特图上，你可能看到相位曲线穿过了 -180° 线，但增益已经小于 0dB，按照常规的增益/相位裕度判据，你会误以为系统是稳定的。但实际上，奈奎斯特曲线可能已经环绕了 (-1, j0) 点，系统实际上是不稳定的。奈奎斯特图能一眼看穿这种“相位回绕”带来的陷阱。其次，它提供了关于相对稳定性的更丰富信息。曲线距离 (-1, j0) 点的“最近距离”（即幅值裕度和相位裕度的几何综合体现）可以更直观地评估稳定性的“强壮”程度。最后，在分析包含延时环节的系统时，奈奎斯特图也更为方便。

既然奈奎斯特图这么有用，我们怎么得到它呢？传统上，你可能需要先用仿真软件（如SPICE）进行交流（AC）分析，导出增益和相位数据，然后用数学软件（如MATLAB、Python with Matplotlib）进行复数计算和绘图。这个过程繁琐且割裂。而今天我们要探讨的，是如何利用一款强大、免费且被业界广泛使用的SPICE仿真软件——LTspice，来一站式地完成从电路仿真到奈奎斯特图生成与分析的全过程。这对于快速迭代设计、直观理解电路稳定性特性，具有极高的实践价值。

2. LTspice的AC分析与数据导出：构建奈奎斯特图的基石

在LTspice中绘制奈奎斯特图，其核心数据来源于标准的交流小信号分析（.AC分析）。因此，正确设置AC分析是第一步，也是确保后续数据可用的关键。

2.1 搭建待测电路与设置激励源

首先，你需要搭建你的待分析电路。对于稳定性分析，这通常是一个开环配置。以最常见的运算放大器环路增益分析为例，常用的方法是“中断环路法”。你需要在反馈环路中插入一个大的电感（例如，1G亨）来阻断直流通路但允许交流信号通过，并插入一个大的电容（例如，1F）来提供直流通路但阻断交流信号，从而在某个点将环路打开。然后在断开处注入一个交流测试信号源。

这个测试信号源就是AC分析的核心。在LTspice中，你需要放置一个电压源或电流源（取决于你的注入点），并关键地设置其AC幅度。通常，我们将其设置为1（例如，AC 1）。这个“1”代表1V或1A的交流幅度，它作为参考，仿真输出的电压或电流值就直接代表了该点的增益（传递函数）。相位信息则由仿真结果中的相位角给出。

注意：这里的AC幅度设置（如AC 1）是用于小信号线性化分析的。它并不意味着实际施加一个1V的交流信号，而是告诉仿真器在进行.AC分析时，以此作为输入参考。实际仿真中，电路工作点由直流偏置决定，AC分析是在此工作点上的线性化扰动。

2.2 配置.AC分析指令

放置好“.ac”指令卡。点击菜单栏的“Simulate” -> “Edit Simulation Cmd”，选择“AC Analysis”标签页。这里有几个关键参数：

• Type of Sweep: 选择扫描类型。Octave（倍频程）或Decade（十倍频程）是最常用的，因为它们在对数频率轴上均匀分布点。Linear（线性）在分析宽频带时会导致低频点过疏、高频点过密，通常不推荐用于稳定性分析。
• Number of points per octave/decade: 每倍频/十倍频的点数。这个值决定了曲线的分辨率。值太小（如10），曲线可能不够光滑，错过关键细节；值太大（如1000），仿真速度会变慢，数据文件也会巨大。一个经验值是设置为50到100之间，这能在精度和速度之间取得良好平衡。对于初步分析，50足够；当需要精细观察相位裕度或奈奎斯特曲线在 (-1, j0) 点附近的形状时，可以提高到100或200。
• Start Frequency和Stop Frequency: 起始和终止频率。这个范围必须覆盖你关心的所有频段，特别是增益穿越0dB（单位增益）的频率（增益交界频率）以及相位发生剧烈变化的频率。对于大多数运放和电源环路，从1Hz（甚至0.1Hz）到10MHz或100MHz是一个合理的起始范围。你可以先进行一个宽频带扫描（如1Hz to 100MHz），然后根据结果缩小范围进行更精细的扫描。

2.3 运行仿真与理解原始数据

设置完成后，运行仿真。LTspice会弹出波形查看器。通常，我们会先添加增益（dB）和相位（度）的波形。例如，如果你在输出节点V(out)和注入点V(inj)测量，你可以输入表达式20*log10(V(out)/V(inj))来查看增益（dB），输入phase(V(out))-phase(V(inj))或更简单地，直接右键点击V(out)/V(inj)的波形，选择“View” -> “Phase”来查看相位。

此时，你看到的是经典的波特图。你可以从中初步读出增益交界频率、相位裕度、增益裕度等信息。但我们的目标是奈奎斯特图，所以我们需要的是复数形式的数据。实际上，LTspice在内部计算并存储了每个频率点的复数电压/电流值。要获取这些数据，我们需要将其导出。

2.4 导出复数数据：为奈奎斯特图准备原料

LTspice波形查看器本身不直接支持绘制复平面图（即实部-虚部图）。因此，我们需要将数据导出，然后用其他工具处理，或者利用LTspice的一些高级功能进行“内部”绘制（后续章节会讲）。导出数据是最通用、最灵活的方法。

1. 在波形查看器窗口，确保你显示了感兴趣的电压或电流波形。例如，显示V(out)/V(inj)。
2. 在波形图区域单击鼠标右键，选择“File” -> “Export data as text”。
3. 在弹出的对话框中，你可以选择导出哪些数据。关键点在于：不要只导出幅度和相位。为了得到奈奎斯特图所需的实部和虚部，你需要确保导出的是复数数据。一个可靠的方法是：
   • 在“Expression(s) to Export”框中，直接输入你的复数表达式，例如V(out)/V(inj)。
   • 或者，在左侧“Select Steps”和“Select Waveforms”列表中，找到对应的复数变量（通常带有[Complex]标识）。
4. 选择保存路径和文件名（例如loop_gain_data.txt），点击保存。

用文本编辑器打开导出的文件，你会看到类似如下的数据列：

Freq Re(V(out)/V(inj)) Im(V(out)/V(inj)) 1 0.999 -0.001 1.122 0.998 -0.002 ...

这里，Freq是频率，Re(...)是传递函数的实部，Im(...)是虚部。这三列数据，就是绘制奈奎斯特图的直接原料。每一行对应一个频率点，(实部， 虚部)构成了复平面上的一个点，所有点连起来就是奈奎斯特曲线。

3. 在LTspice内部“间接”绘制奈奎斯特曲线

虽然LTspice没有原生的“Nyquist Plot”按钮，但利用其强大的波形运算和绘图能力，我们可以巧妙地“模拟”出奈奎斯特图。这个方法不需要导出数据到外部软件，可以在仿真后快速进行可视化检查，非常适合快速迭代。

其核心思路是：将奈奎斯特曲线的实部（X轴）和虚部（Y轴）作为两个独立的波形绘制出来，形成一幅参数曲线图，其中参数就是频率ω。

具体操作步骤如下：

1. 运行标准的.AC分析：按照第2章的方法，正确设置并运行AC分析，得到电路的频率响应。
2. 在波形查看器中绘制实部和虚部：
   • 在波形查看器的空白处单击鼠标右键，选择“Add Trace”。
   • 在弹出的对话框中，你需要输入两个表达式来分别定义X轴和Y轴。但LTspice的“Add Trace”默认是绘制Y轴波形，X轴是频率。为了绘制参数曲线，我们需要一点技巧。
   • 首先，添加第一个波形作为Y轴（虚部）。在表达式框内输入传递函数的虚部。例如，如果你的开环传递函数是T(s) = V(out)/V(inj)，那么虚部表达式是imag(V(out)/V(inj))。点击“OK”，此时会生成一幅以频率为X轴，以传递函数虚部为Y轴的图。
3. 更改X轴变量，绘制参数曲线：
   • 现在，我们需要把X轴从频率改为传递函数的实部。
   • 在波形查看器窗口的X轴坐标刻度区域双击，会弹出“Axis Settings”对话框。
   • 在对话框底部，有一个“Fourier axis”或“Quantity Plotted”的选项（不同版本LTspice表述可能略有不同）。取消勾选“Fourier”或类似选项。
   • 此时，会出现一个“Plot Settings”选项卡或类似的区域。在这里，你可以手动定义X轴表达式。
   • 在“X-Axis”或“Quantity Plotted”的表达式框中，输入传递函数的实部表达式，例如real(V(out)/V(inj))。
   • 点击“OK”应用更改。

神奇的事情发生了：原来的波形图消失了，取而代之的是一幅新的图形，其X轴是real(V(out)/V(inj))，Y轴是imag(V(out)/V(inj))。这正是我们想要的奈奎斯特图！曲线上的每一个点对应一个特定的频率，但频率值没有直接显示在图上。

4. 添加频率标记与(-1, j0)点：
   • 为了解读曲线，我们需要知道关键频率点（如增益交界频率、相位-180°的频率）在曲线上的位置。
   • 你可以通过添加光标来实现。在波形图上按住Ctrl键并单击鼠标左键，可以放置一个光标。移动光标，波形查看器底部的状态栏会显示当前光标所在点的X、Y坐标（即实部和虚部），但不会显示频率。
   • 为了关联频率，一个实用的技巧是：同时打开两个波形查看窗口。一个窗口显示刚才制作的奈奎斯特图，另一个窗口显示传统的波特图（增益和相位 vs 频率）。在波特图上移动光标找到关键频率点，然后在奈奎斯特图上大致估计对应的位置。
   • 此外，为了快速判断稳定性，你需要在图上标出临界点(-1, j0)。LTspice没有直接添加参考点的方法，但你可以通过添加一条简单的“曲线”来近似。右键点击图形，选择“Add Trace”，输入一个常数表达式，比如-1，但这只会添加一个Y轴常数线。更好的方法是利用其“绘制数据点”的功能，但这需要预先准备数据。一个视觉辅助方法是：调整X轴和Y轴的显示范围，确保(-1, 0)点位于图形中心或显眼位置。你可以通过拖动图形或设置坐标轴范围来实现。

实操心得：这种方法生成的奈奎斯特图，其坐标轴比例通常是自动缩放的，可能不是1:1。一个圆可能看起来像椭圆，这会影响你对曲线与(-1, j0)点距离的直观判断。为了获得准确的几何视角，你需要手动设置X轴和Y轴具有相同的刻度范围。双击坐标轴，在设置中手动输入相同的“Top”和“Bottom”（对于Y轴）、“Right”和“Left”（对于X轴）值，例如从-2到2。这样，图形就是等比例的，一个单位距离在X和Y方向上是等长的，方便评估稳定性裕度。

4. 利用导出的数据在外部工具中绘制专业奈奎斯特图

虽然LTspice内部方法快捷，但在进行正式分析、报告或需要更精细控制时，使用外部专业的数据处理和绘图工具是更好的选择。这里我以最常用的Python（搭配Matplotlib和NumPy）为例，展示一个完整的工作流。这个方法也适用于MATLAB、Excel或其他科学计算软件。

4.1 数据预处理与加载

首先，确保你从LTspice导出的文本文件格式规整。如前所述，它应包含Freq，Re(...)，Im(...)三列，以制表符或空格分隔。

import numpy as np import matplotlib.pyplot as plt # 加载数据，假设数据以制表符分隔，没有表头 # 如果你的文件有表头（如 Freq Re Im），可以使用 `skiprows=1` data = np.loadtxt('loop_gain_data.txt', delimiter='\t') # 也可能是空格 ' ' freq = data[:, 0] # 第一列：频率 real_part = data[:, 1] # 第二列：实部 imag_part = data[:, 2] # 第三列：虚部 # 计算幅度和相位（可选，用于辅助分析） magnitude = np.sqrt(real_part**2 + imag_part**2) phase = np.degrees(np.arctan2(imag_part, real_part)) # arctan2 返回弧度，再转为度

4.2 基础奈奎斯特图绘制

使用Matplotlib的plot函数，将实部作为X，虚部作为Y。

plt.figure(figsize=(8, 8)) plt.plot(real_part, imag_part, 'b-', linewidth=2, label='Nyquist Curve') plt.scatter(real_part[0], imag_part[0], color='green', s=100, zorder=5, label=f'Start (f={freq[0]:.2e} Hz)') plt.scatter(real_part[-1], imag_part[-1], color='red', s=100, zorder=5, label=f'End (f={freq[-1]:.2e} Hz)') # 标记临界点 (-1, j0) plt.scatter(-1, 0, color='black', s=150, marker='x', linewidths=3, zorder=10, label='Critical Point (-1, j0)') # 设置图形属性 plt.axhline(y=0, color='k', linestyle='-', alpha=0.3) # 实轴 plt.axvline(x=0, color='k', linestyle='-', alpha=0.3) # 虚轴 plt.grid(True, which='both', linestyle='--', alpha=0.5) plt.xlabel('Real Part') plt.ylabel('Imaginary Part') plt.title('Nyquist Plot of Loop Gain') plt.axis('equal') # 关键！确保X轴和Y轴比例相同，图形不变形 plt.legend() plt.show()

这段代码会生成一个标准的奈奎斯特图，用绿点和红点分别标记曲线的起点（低频）和终点（高频），并用黑色“X”标出临界点(-1, j0)。plt.axis('equal')命令至关重要，它保证了图形的纵横比一致，使得距离的度量是准确的。

4.3 添加频率标注与稳定性判据分析

基础的曲线和临界点还不够，我们需要知道曲线上关键频率点的位置。

# 找到增益交界频率（单位增益，即 |T(jω)| = 1 或 0dB）附近的点 # 由于数据是离散的，我们找幅度最接近1的点 idx_unit_gain = np.argmin(np.abs(magnitude - 1.0)) f_unit_gain = freq[idx_unit_gain] re_unit = real_part[idx_unit_gain] im_unit = imag_part[idx_unit_gain] # 找到相位为 -180° 附近的点（用于计算增益裕度） idx_phase_180 = np.argmin(np.abs(phase + 180)) f_phase_180 = freq[idx_phase_180] re_180 = real_part[idx_phase_180] im_180 = imag_part[idx_phase_180] # 在图上标注这些点 plt.figure(figsize=(8, 8)) plt.plot(real_part, imag_part, 'b-', linewidth=2) plt.scatter(-1, 0, color='black', s=150, marker='x', linewidths=3, zorder=10, label='(-1, j0)') plt.scatter(re_unit, im_unit, color='orange', s=120, zorder=5) plt.annotate(f'f={f_unit_gain:.2e} Hz\n(|T|=1)', xy=(re_unit, im_unit), xytext=(10, 10), textcoords='offset points', color='orange', fontweight='bold') plt.scatter(re_180, im_180, color='purple', s=120, zorder=5) plt.annotate(f'f={f_phase_180:.2e} Hz\n(Phase=-180°)', xy=(re_180, im_180), xytext=(10, -15), textcoords='offset points', color='purple', fontweight='bold') # 计算并显示相位裕度 (PM) 和增益裕度 (GM) # 相位裕度：在增益交界频率处，相位距离 -180° 的差值 PM = phase[idx_unit_gain] + 180 # 因为 phase 已经是度，且负值 # 增益裕度：在相位为 -180° 的频率处，幅度的倒数（以dB表示） GM_dB = -20 * np.log10(magnitude[idx_phase_180]) if magnitude[idx_phase_180] > 0 else np.inf # 将裕度信息以文本框形式显示在图上 textstr = f'Phase Margin: {PM:.1f}°\nGain Margin: {GM_dB:.1f} dB' props = dict(boxstyle='round', facecolor='wheat', alpha=0.8) plt.text(0.05, 0.95, textstr, transform=plt.gca().transAxes, fontsize=10, verticalalignment='top', bbox=props) plt.axhline(y=0, color='k', linestyle='-', alpha=0.3) plt.axvline(x=0, color='k', linestyle='-', alpha=0.3) plt.grid(True, which='both', linestyle='--', alpha=0.5) plt.xlabel('Real Part') plt.ylabel('Imaginary Part') plt.title('Nyquist Plot with Key Frequency Points and Margins') plt.axis('equal') plt.legend() plt.show()

现在，你的奈奎斯特图不仅显示了曲线和临界点，还清晰地标出了单位增益点和相位-180°点，并直接计算和显示了相位裕度和增益裕度。这使得稳定性分析一目了然。

4.4 处理多参数扫描（.step）数据

LTspice的.step指令非常强大，可以用于蒙特卡洛分析、参数扫描等。导出的数据会包含多组运行结果。处理这类数据需要额外步骤。

假设你使用.step param Rload 1k 10k 1k扫描了负载电阻，导出的文本文件会为每个Rload值生成一组数据列（Freq,Re_1,Im_1,Re_2,Im_2, ...）。在Python中，你需要先识别数据的结构。

# 加载所有数据 all_data = np.loadtxt('stepped_data.txt', delimiter='\t') # 假设第一列是频率，之后每两列为一组（实部，虚部） freq_stepped = all_data[:, 0] num_steps = (all_data.shape[1] - 1) // 2 plt.figure(figsize=(8, 8)) for i in range(num_steps): re_col = all_data[:, 1 + 2*i] im_col = all_data[:, 2 + 2*i] plt.plot(re_col, im_col, linewidth=1.5, label=f'Step {i+1}') plt.scatter(-1, 0, color='black', s=150, marker='x', linewidths=3, zorder=10) plt.axhline(y=0, color='k', linestyle='-', alpha=0.3) plt.axvline(x=0, color='k', linestyle='-', alpha=0.3) plt.grid(True, linestyle='--', alpha=0.5) plt.xlabel('Real Part') plt.ylabel('Imaginary Part') plt.title('Nyquist Plot with Parameter Step') plt.axis('equal') plt.legend() plt.show()

这样，你可以在同一张图上看到参数变化时奈奎斯特曲线的变化趋势，直观评估参数对稳定性的影响。

5. 实战案例：分析一个带补偿的运算放大器环路

让我们通过一个具体电路，将上述流程串起来。假设我们有一个同相放大器电路，使用一个通用运放，在反馈网络中加入了电容以引入极点，可能导致稳定性问题。

1. 电路搭建：在LTspice中，放置运放模型（如UniversalOpamp2），配置成增益为10的同相放大电路（R1=1k, R2=9k）。在R2上并联一个电容Ccomp（例如100pF），这会在反馈网络中引入一个极点。采用“中断环路法”，在运放输出端与R1之间插入大电感（Lbreak=1GH）和大电容（Cbreak=1F），并在断开处注入AC 1的电压源Vtest。
2. AC分析设置：设置.ac dec 100 1 100Meg，进行十倍频程扫描，每十倍频100个点。
3. 内部绘图法快速检查：仿真后，在波形窗口添加V(out)/V(test)的波形。然后，添加其虚部imag(V(out)/V(test))作为Y轴波形。接着，双击X轴，将X轴表达式改为实部real(V(out)/V(test))。调整坐标轴范围为等比例（如X和Y都从-3到1），观察曲线是否环绕(-1, j0)点。快速判断：如果曲线从右侧（实部>0）开始（低频），随着频率增加，曲线是顺时针还是逆时针运动？它是否包围了(-1,0)点？在这个例子中，由于补偿电容的存在，曲线可能会向左弯曲，靠近临界点。
4. 导出数据与外部分析：导出V(out)/V(test)的复数数据。用Python脚本加载数据，绘制带标注的奈奎斯特图。脚本会自动计算并显示相位裕度和增益裕度。你会发现，由于100pF电容，相位裕度可能较小（例如45°），增益裕度尚可。曲线可能非常接近(-1,0)点但未包围。
5. 参数迭代：回到LTspice，将Ccomp改为更小的值（如10pF）或更大的值（如1nF），重新运行仿真和绘图。观察奈奎斯特曲线的变化：电容变小，极点频率升高，曲线向右移动，远离(-1,0)点，相位裕度增大；电容变大，曲线向左移动并可能包围(-1,0)点，系统变得不稳定。通过奈奎斯特图，你可以清晰地看到这种“包围”或“不包围”的几何关系，比波特图更直观地理解条件稳定性。

踩坑实录：在一次电源模块的环路分析中，波特图显示有超过60度的相位裕度，看起来非常稳定。但负载瞬态测试时却出现了振荡。后来使用奈奎斯特图分析导出的数据，发现曲线在极高频段（仿真范围之外）有一个小的“钩子”，顺时针绕(-1,0)点了一圈。这是因为输出电容的ESL和PCB寄生电感在极高频率下产生了一个额外的谐振极点，导致相位急剧下降。波特图因为扫描频率上限设置不够高，漏掉了这个细节。而奈奎斯特图虽然也受数据范围限制，但其曲线形态暗示了在无穷远处可能发生的行为（根据奈奎斯特路径）。这个教训是：AC分析的频率上限必须设置得足够高，要远超过你关心的主要带宽，以捕捉所有可能影响稳定性的极点/零点。对于开关电源，至少要到开关频率的10倍以上；对于高速运放，要到其单位增益带宽的10倍以上。

6. 奈奎斯特图解读进阶与常见误区

掌握了绘制方法，正确解读图形才是最终目的。这里分享几个进阶解读要点和常见误区。

6.1 曲线方向与频率增加方向

在标准的奈奎斯特图中，频率ω从0增加到∞。曲线起点的位置（ω=0）和终点的位置（ω→∞）有特定含义。对于大多数最小相位系统（开环无右半平面极点），起点通常在正实轴上的某个点（对应直流增益）。随着频率增加，曲线通常顺时针旋转。你需要确认你绘图时点的顺序是否与频率增加顺序一致。在Python中，plt.plot()会按数组顺序连接点，所以确保你的数据是从低频到高频排列的。

6.2 如何数“环绕”圈数？

奈奎斯特稳定性判据的核心是：开环传递函数 G(jω)H(jω) 的奈奎斯特曲线，逆时针环绕 (-1, j0) 点的圈数 N，等于闭环系统在右半平面的极点数 P（开环不稳定极点）与 Z（闭环不稳定极点）之差，即 N = P - Z。对于稳定的闭环系统，要求 Z = 0，因此需要 N = P。

• 数圈数：想象你站在(-1, j0)点，看着曲线随着频率增加而移动。曲线逆时针绕你转一圈，N就+1；顺时针绕一圈，N就-1。
• 确定P：P是开环传递函数在右半平面（RHP）的极点数。对于绝大多数设计良好的放大器、电源环路，开环系统本身是稳定的，即P = 0。在这种情况下，稳定性判据简化为：奈奎斯特曲线不能包围(-1, j0)点。只要曲线不包围该点，闭环系统就是稳定的。
• “包围”的定义：曲线不需要直接穿过(-1,0)点才叫包围。只要(-1,0)点位于曲线所围成的闭合区域内，就算被包围。对于不闭合的曲线（从实轴一点开始，终于原点或实轴另一点），需要补上从终点到起点、半径无穷大的圆弧来构成闭合曲线，再判断。

6.3 条件稳定性（Conditional Stability）的识别

这是奈奎斯特图相比波特图最大的优势之一。条件稳定系统在波特图上，增益曲线可能多次穿越0dB线，相位曲线也可能多次穿越-180°线，单纯看增益裕度和相位裕度会得出错误结论。但在奈奎斯特图上，条件稳定表现为曲线多次穿过负实轴（Re轴），并且在(-1,0)点附近形成一个或多个“环”。如果这个环包含了(-1,0)点，但在整体上，曲线从起点到终点对(-1,0)点的净环绕圈数为0（对于P=0的系统），那么系统仍然是稳定的，但这种稳定性对增益变化非常敏感。一旦增益因温度、老化等原因发生变化，曲线就可能移动并包围(-1,0)点，导致不稳定。奈奎斯特图能清晰地揭示这种脆弱性。

6.4 与波特图裕度的关联

• 增益裕度（Gain Margin, GM）：在奈奎斯特图上，找到曲线与负实轴（Im=0, Re<0）的交点。设该交点坐标为（a, 0），其中a为负实数。则增益裕度 GM = -20*log10(|a|) dB。因为当开环增益为|a|时，相位为-180°，此时若|a|>1（即|a|的绝对值>1，a < -1），则闭环不稳定。GM就是衡量|a|距离1有多远。
• 相位裕度（Phase Margin, PM）：在奈奎斯特图上，找到曲线与单位圆（|G(jω)|=1）的交点。该交点与原点连线的角度，就是该频率下的相位角φ。相位裕度 PM = φ - (-180°) = φ + 180°。在图上，就是从该交点到(-1,0)点所张的圆心角。

6.5 常见误区与验证

• 误区一：曲线穿过(-1,0)点就等于不稳定。不完全对。如果曲线恰好穿过(-1,0)点，意味着在某个频率下，开环增益为1且相位为-180°，系统处于临界振荡状态。在实际中，由于元件容差，这通常被视为不稳定。
• 误区二：只看曲线是否“接近”(-1,0)点。接近度确实反映了相对稳定性，但稳定性的严格判据是“包围”，而不是“距离”。一个曲线可能离(-1,0)点很远，但如果它以一种奇怪的方式（比如在无穷远处）包围了该点，系统仍然不稳定。因此，必须考虑完整的奈奎斯特路径。
• 验证：对于复杂的曲线，判断是否包围有时比较困难。一个实用的方法是，从(-1,0)点向任意方向（比如向右）画一条射线。数一数这条射线与奈奎斯特曲线的净交点数量（从上方穿过减从下方穿过）。对于P=0的系统，如果净交点数为0，则稳定；否则不稳定。这等价于计算环绕数。

最后，再分享一个我个人常用的技巧：在利用Python绘制奈奎斯特图后，我通常会用虚线叠加画出单位圆。这能非常直观地看到曲线与单位圆的交点（用于求相位裕度），以及曲线整体在单位圆内外的分布情况。

# 在绘图代码中添加单位圆 theta = np.linspace(0, 2*np.pi, 100) x_circle = np.cos(theta) y_circle = np.sin(theta) plt.plot(x_circle, y_circle, 'r--', alpha=0.5, linewidth=1, label='Unit Circle (|T|=1)')

将这条命令添加到你的绘图代码中，红色的虚线单位圆会与奈奎斯特曲线叠加显示，相位裕度对应的点就是曲线与这个圆的交点，一目了然。