3、数学模型基础：微分方程、传递函数、方框图、信号流图
各位同学，咱们今天聊点硬核的——数学模型。说实话，我刚入行那会儿，也觉得这东西太理论，跟现场拧螺丝没啥关系。直到有一次，一个PID参数怎么调都震荡，最后回头一算传递函数，发现是模型里少了个惯性环节。嗯，从那以后，我再也不敢小看数学了。
你想想看，一个自控系统，说白了就是「输入→系统→输出」。但系统内部长啥样？看不见摸不着。数学模型就是给这个黑盒子画个像。有了它，你才能预测系统会怎么动，才能设计控制器去驯服它。
3.1 微分方程：最原始的物理描述
微分方程是啥？就是描述「变化率」的方程。比如一个水箱，进水流量减去出水流量，等于水位的变化率。这就是一个微分方程。
我习惯把微分方程分成两步来理解：
- 第一步：列物理方程。根据牛顿定律、基尔霍夫定律、物料平衡，把关系写出来。
- 第二步：整理成标准形式。把输出量及其各阶导数放左边，输入量放右边。
举个例子，一个简单的RC电路：
输入电压 u(t)，输出电压 y(t)
电阻 R，电容 C
根据基尔霍夫定律：
u(t) = R * i(t) + y(t)
i(t) = C * dy(t)/dt
整理得：
RC * dy(t)/dt + y(t) = u(t)重点：微分方程的阶数，决定了系统的复杂程度。一阶系统只有一个储能元件（比如一个电容），二阶系统有两个（比如电容+电感）。阶数越高，系统动态越丰富，但也越难控制。
我的小技巧：在现场调试时，如果系统响应特别慢，我第一反应就是看看是不是时间常数（RC）太大了。有一次一个加热炉温度半天上不去，一算时间常数，好家伙，快一个小时了。这种系统，你用常规PID根本控不住，得加前馈。
3.2 传递函数：拉普拉斯变换的魔法
微分方程好用，但解起来太麻烦。尤其是高阶系统，解个微分方程能让你怀疑人生。这时候，拉普拉斯变换就登场了。
拉普拉斯变换的核心思想：把时域的微分方程，变成复频域的代数方程。说白了，就是把「求导」变成「乘以s」，把「积分」变成「除以s」。这样一来，复杂的微分方程就变成了简单的多项式运算。
传递函数的定义：
G(s) = Y(s) / U(s) （零初始条件下）其中Y(s)和U(s)分别是输出和输入的拉普拉斯变换。
还是那个RC电路：
微分方程：RC * dy/dt + y = u
拉普拉斯变换：RC * s * Y(s) + Y(s) = U(s)
传递函数：G(s) = Y(s)/U(s) = 1 / (RC*s + 1)你看，一个一阶惯性环节，就这么简单。
注意：传递函数有个前提——零初始条件。如果系统初始状态不是零，那就要考虑初始条件的影响。我在做电机启动控制时就踩过这个坑，电机启动前已经有转速了，直接用传递函数算，结果控制器输出完全不对。
3.3 方框图：系统的可视化语言
传递函数是数学表达式，但一个复杂系统往往由多个环节组成。比如一个温度控制系统，有传感器、控制器、执行器、被控对象。每个环节都有自己的传递函数。怎么把它们串起来？方框图就是干这个的。
方框图的基本元素：
- 方框：代表一个环节，里面写传递函数
- 箭头：代表信号的流向
- 相加点：信号相加或相减
- 分支点：信号分叉
最常见的结构是反馈控制：
R(s) → [相加点] → [控制器 Gc(s)] → [被控对象 Gp(s)] → C(s)
↑ |
|______ [传感器 H(s)] _____________________|这个闭环传递函数是：
Φ(s) = Gc(s)*Gp(s) / [1 + Gc(s)*Gp(s)*H(s)]核心公式：闭环传递函数 = 前向通路 / (1 + 开环传递函数)。这个公式你最好背下来，现场调试时经常要用到。
方框图的化简规则，我总结了几条：
- 串联：传递函数相乘
- 并联：传递函数相加
- 反馈：用上面的闭环公式
- 相加点移动：要乘或除相应的传递函数
避坑指南：我曾经在化简一个多回路系统时，把相加点移动错了，结果算出来的传递函数符号反了。后来我养成了一个习惯——每化简一步，都用梅森增益公式验证一下。别嫌麻烦，现场出错了更麻烦。
3.4 信号流图：更简洁的表示法
方框图虽然直观，但画起来麻烦，尤其是复杂系统。信号流图就是方框图的「精简版」——用节点代替信号，用支路代替方框。
信号流图的规则：
- 节点：代表变量（信号）
- 支路：代表传递函数，方向从输入指向输出
- 增益：支路上的传递函数值
梅森增益公式是信号流图的灵魂：
T = (1/Δ) * Σ(P_k * Δ_k)
其中：
P_k —— 第k条前向通路的增益
Δ —— 特征式 = 1 - ΣL_a + ΣL_b*L_c - ...
Δ_k —— 去掉第k条前向通路后的余子式听着复杂？我举个例子你就明白了。
假设一个系统有两条前向通路：
通路1：G1 * G2 * G3
通路2：G4 * G5
三个回路：
回路1：-G1 * H1
回路2：-G2 * H2
回路3：-G3 * H3
两两不接触回路：回路1和回路3不接触，乘积为 G1*H1*G3*H3
则：
Δ = 1 - (-G1*H1 - G2*H2 - G3*H3) + (G1*H1*G3*H3)
Δ_1 = 1 （通路1与所有回路都接触）
Δ_2 = 1 - (-G2*H2) = 1 + G2*H2 （通路2不接触回路2）
T = [G1*G2*G3 * 1 + G4*G5 * (1+G2*H2)] / Δ我的经验：梅森公式虽然看起来繁琐，但它是检验方框图化简结果的最好工具。我每次化简完一个复杂系统，都会用梅森公式再算一遍。如果结果不一致，那肯定是化简过程中哪一步出错了。
3.5 四种模型的关系
这四种模型其实是同一个系统的不同「面相」：
| 模型 | 域 | 优点 | 缺点 |
|---|---|---|---|
| 微分方程 | 时域 | 物理意义明确 | 求解复杂 |
| 传递函数 | 复频域 | 代数运算，简单 | 只适用于线性时不变系统 |
| 方框图 | 图形 | 直观，便于理解 | 化简规则多 |
| 信号流图 | 图形 | 简洁，梅森公式通用 | 需要一定抽象能力 |
我个人习惯是：先用微分方程理解物理本质，再用传递函数做计算，最后用方框图或信号流图做系统分析。这三步走下来，一个系统基本就吃透了。
最后提醒一句：数学模型再漂亮，也只是对真实系统的近似。现场的非线性、时变、噪声等因素，模型里往往体现不出来。所以，模型分析的结果，一定要经过现场验证。我见过太多人拿着仿真结果去现场，结果被现实狠狠打脸。
好了，这一章的内容就到这里。数学模型是自控系统的「语言」，掌握了它，你才能跟系统「对话」。下一章我们聊聊时域分析，看看系统在时间轴上是怎么响应的。