3. 开环扫频法原理：扫频信号生成、幅频/相频特性测量、伯德图绘制
做电流环调试，最怕什么？
怕调了半天，带宽上不去，电机还嗡嗡叫。
我个人习惯，拿到一个新平台，第一件事不是调PI参数，而是先做一次开环扫频。说白了，就是给系统做个“体检”。看看它到底能跑多快，相位裕度还剩多少。这比瞎调参数靠谱多了。
3.1 扫频信号怎么生成？
扫频，就是给系统输入一个频率随时间变化的正弦波。我常用的有两种方式：
- 线性扫频（Linear Sweep）：频率随时间线性增加。适合快速看个大概。
- 对数扫频（Logarithmic Sweep）：频率按对数增加。低频段停留时间长，高频段短。我更喜欢这个，因为伯德图横轴就是对数坐标，看起来更直观。
生成扫频信号的数学表达式很简单：
// 离散时间域的对数扫频信号生成
// f_start: 起始频率 (Hz)
// f_end: 终止频率 (Hz)
// T: 扫频总时长 (s)
// fs: 采样率 (Hz)
float generate_chirp(float t, float f_start, float f_end, float T) {
float k = (f_end - f_start) / T; // 频率变化率
float instantaneous_freq = f_start + k * t;
float phase = 2 * PI * (f_start * t + 0.5f * k * t * t);
return sinf(phase);
}
我的经验：扫频时长T不要设太短。我一般设1~2秒。太短了，低频段信息不够；太长了，电机可能发热或者跑飞。另外，扫频信号的幅值要控制好，我通常取额定电流的5%~10%，别把电机扫坏了。
3.2 幅频/相频特性怎么测量？
信号发出去了，怎么知道系统响应呢？
我们需要同时采集输入信号（电流指令）和输出信号（实际电流反馈）。然后做傅里叶分析。
具体步骤是这样的：
- 同步采集：输入和输出必须严格同步。我遇到过采样不同步导致相位计算全错的情况，排查了好久。
- 加窗处理：直接做FFT会有频谱泄露。我习惯用汉宁窗（Hanning Window），效果不错。
- 提取基波分量：在每一个频率点上，提取输入和输出的幅值和相位。
幅频特性计算：
// 假设已经通过FFT得到了输入和输出的复数频谱
// f_idx: 当前扫频频率对应的FFT索引
float amplitude_in = sqrtf(real_in[f_idx] * real_in[f_idx] + imag_in[f_idx] * imag_in[f_idx]);
float amplitude_out = sqrtf(real_out[f_idx] * real_out[f_idx] + imag_out[f_idx] * imag_out[f_idx]);
float gain_dB = 20.0f * log10f(amplitude_out / amplitude_in);
相频特性计算：
float phase_in = atan2f(imag_in[f_idx], real_in[f_idx]);
float phase_out = atan2f(imag_out[f_idx], real_out[f_idx]);
float phase_deg = (phase_out - phase_in) * 180.0f / PI;
// 注意：需要做相位解缠绕（unwrap），否则相位会跳变
注意：相位计算时，一定要做相位解缠绕（unwrap）。我曾经因为没做这一步，画出来的伯德图相位曲线像锯齿一样，根本没法看。解缠绕说白了就是把跳变超过180°的相位，加上或减去360°的整数倍，让它连续起来。
3.3 伯德图怎么绘制？
有了幅值和相位数据，画伯德图就简单了。横轴是频率（对数坐标），纵轴分别是增益（dB）和相位（度）。
我一般用Python的matplotlib库来画，在MCU上也可以把数据通过串口发到上位机处理。
下面是一个简单的绘制流程：
import numpy as np
import matplotlib.pyplot as plt
# 假设已经测量得到以下数据
freq = np.array([10, 20, 50, 100, 200, 500, 1000]) # Hz
gain = np.array([0, -0.5, -1, -3, -6, -12, -20]) # dB
phase = np.array([0, -5, -10, -45, -90, -135, -160]) # 度
plt.figure(figsize=(10, 6))
# 幅频图
plt.subplot(2, 1, 1)
plt.semilogx(freq, gain, 'b-o')
plt.grid(True, which='both', linestyle='--')
plt.ylabel('增益 (dB)')
plt.title('开环扫频伯德图')
# 相频图
plt.subplot(2, 1, 2)
plt.semilogx(freq, phase, 'r-o')
plt.grid(True, which='both', linestyle='--')
plt.xlabel('频率 (Hz)')
plt.ylabel('相位 (度)')
plt.tight_layout()
plt.show()
画出来之后，怎么看？
- 穿越频率（0dB线）：增益降到0dB时的频率。这就是系统的带宽。我一般希望电流环带宽在1kHz~3kHz之间。
- 相位裕度：在穿越频率处，相位距离-180°还有多少度。低于30°系统就容易振荡。我习惯留45°以上。
核心结论：开环扫频法，就是用已知信号去激励系统，然后通过测量响应来反推系统的传递函数。它不需要知道电机参数，完全基于实测数据，所以非常准确。我每次调完PI参数，都会用扫频法验证一下，看看实际带宽和设计值是否一致。
3.4 知识体系总览
下面这张图，是我自己总结的开环扫频法知识结构。你可以把它当作一个检查清单：
嗯，到这里，开环扫频法的原理就讲完了。说白了，就是三步走：生成信号、测量响应、画图分析。每一步都有坑，但踩过一次就记住了。
避坑指南：我曾经在测量相位时，忘记考虑ADC采样延时和PWM更新延时，导致相位测量结果偏大。后来我在代码里加了一个固定的相位补偿值，才把问题解决。如果你发现扫频结果和理论值对不上，先检查一下采样和控制的时序对齐。
公众号:蓝海资料掘金营，微信deep3321