3、前馈补偿的数学原理：传递函数与系统模型、前馈补偿的推导、理想前馈与可实现前馈

好，咱们这一节要啃点硬骨头了——数学原理。

别一听数学就头疼。我当年刚入行时，也觉得搞运动控制嘛，调调PID就行了，学什么传递函数？后来被一个高速贴片机项目狠狠教育了一回。那机器一跑高速，位置就超调，怎么调PID都没用。最后是前馈救了我。从那以后，我老老实实把数学补上了。

说白了，不懂数学，你只能凭感觉调参。懂了数学，你就能设计系统。

3.1 传递函数与系统模型

先聊聊传递函数。这东西是控制理论的基石。

你想想看，一个电机，你给它一个电压，它转起来。电压和转速之间是什么关系？这就是系统模型。传递函数就是用数学语言描述这个关系。

对于咱们常见的伺服系统，速度环的简化模型长这样：

G(s) = K / (T·s + 1)

这里：

• K 是增益，决定了稳态时输出和输入的比例
• T 是时间常数，决定了系统响应的快慢
• s 是拉普拉斯算子，代表微分

这个模型是一阶惯性环节。实际系统当然更复杂，但做前馈分析时，用这个简化模型已经能说明很多问题。

我在项目中遇到过不少工程师，上来就套前馈公式，结果越补越乱。为什么？因为连系统的时间常数T都没搞清楚。你想想，连身份证都没看，就给人开药方，能对吗？

3.2 前馈补偿的推导

好，现在咱们来推导前馈补偿。这个过程其实不复杂，但逻辑要理清。

先看一个典型的闭环系统：

• 输入是速度指令 r(s)
• 输出是实际速度 y(s)
• 控制器是 C(s)（比如PI控制器）
• 被控对象是 G(s)（电机+负载）

没有前馈时，系统的闭环传递函数是：

y(s) / r(s) = C(s)·G(s) / [1 + C(s)·G(s)]

这个公式你肯定见过。问题是，这个闭环传递函数永远不等于1。也就是说，输出永远追不上输入，总会有误差。

那前馈补偿怎么加？

我们在输入端并联一条前馈通路，前馈补偿器记为 F(s)。这时系统的输出变成：

y(s) = [F(s) + C(s)]·G(s) / [1 + C(s)·G(s)] · r(s)

我们希望输出 y(s) 完全等于输入 r(s)。也就是让：

[F(s) + C(s)]·G(s) / [1 + C(s)·G(s)] = 1

解这个方程，得到：

F(s) = 1 / G(s)

这个推导过程，我建议你亲手算一遍。别光看。我当年就是看了三遍以为自己懂了，结果一动手推导就卡壳。嗯，纸上得来终觉浅嘛。

3.3 理想前馈与可实现前馈

推导出 F(s) = 1/G(s) 之后，你可能会想：这不就简单了吗？把 G(s) 求个倒数，前馈就搞定了。

别急，问题来了。

咱们回到那个一阶模型：

G(s) = K / (T·s + 1)

它的理想前馈是：

F(s) = 1 / G(s) = (T·s + 1) / K

看到没？这里有个 T·s，也就是微分项。理想前馈需要对输入信号求微分。

这就是问题的关键——理想前馈在物理上往往无法实现。

为什么？

• 纯微分器对噪声极其敏感。信号上有一点毛刺，微分后会被放大成巨大的尖峰
• 实际系统中，G(s) 往往有高阶项，它的倒数会包含高阶微分，这在数字系统中根本无法精确实现
• 如果 G(s) 有延迟环节 e^(-τs)，它的倒数 e^(τs) 是超前环节，物理上不可实现

那怎么办？我们用的是可实现前馈。

常见的做法是：

1. 速度前馈：只补偿增益部分，忽略微分项。即 F(s) = 1/K
2. 加速度前馈：补偿增益和一次微分。即 F(s) = (T·s + 1)/K，但用低通滤波器限制高频增益
3. 零极点对消前馈：只补偿系统的某些极点，不完全对消

下面这张图，是我自己总结的前馈补偿知识体系，你看看就明白了：

说到可实现前馈，我分享一个实用技巧。在实际工程中，我通常这样处理：

前馈类型	数学形式	实现难度	适用场景
速度前馈	F(s) = 1/K	低	低速、低精度要求
加速度前馈	F(s) = (T·s + 1)/K	中	中高速、一般精度
零极点对消前馈	F(s) = 部分对消	高	高速、高精度

最后总结一下这一节的核心：

• 传递函数是前馈设计的基础，你得先搞清楚 G(s)
• 理想前馈是 F(s) = 1/G(s)，但物理上往往不可实现
• 可实现前馈是在理想和现实之间找平衡，用低通滤波限制高频增益
• 从简单的前馈开始，逐步增加复杂度

嗯，数学原理就聊到这儿。下一节咱们会聊前馈在实际系统中的实现细节，包括数字滤波器的设计。到时候我会拿一个我调过的项目做例子，把代码也贴出来给你看。

---

公众号:蓝海资料掘金营，微信deep3321