第2章数学模型基础

第二章数学模型基础：拉普拉斯变换回顾、传递函数、状态空间方程

各位同学，咱们今天聊聊数学基础。我知道，一提到数学，很多人就开始头疼了。但说实话，做扰动观测器设计，这三样东西——拉普拉斯变换、传递函数、状态空间方程——就是你的工具箱。没有它们，你连系统长什么样都说不清楚。

我刚开始做运动控制那会儿，也总觉得数学是纸上谈兵。直到有一次调试一个伺服电机的位置环，怎么调都震荡，最后用传递函数一分析，才发现是零点位置没处理好。嗯，从那以后我再也不敢小看这些基础了。

拉普拉斯变换说白了，就是把时间域的信号搬到复频域去分析。为什么要这么干？因为时域里的微分方程，到了频域就变成了代数方程。你想想看，解代数方程比解微分方程简单多少？

定义式我就不啰嗦了，大家应该都见过：

F(s) = ∫₀^∞ f(t) · e^(-st) dt

我个人习惯记住几个常用的变换对，因为实际项目中90%的情况都能覆盖：

我的小技巧： 做扰动观测器时，阶跃响应和正弦响应用得最多。阶跃看稳态误差，正弦看跟踪能力。这两个搞明白了，基本就够用了。

还有一个重要的性质——终值定理。这个在扰动观测器里特别有用：

lim(t→∞) f(t) = lim(s→0) s · F(s)

为什么说它重要？因为我们可以直接用这个定理判断系统稳态误差，而不需要真的去解微分方程。我在设计一个直流电机速度环时，就是用终值定理快速算出了负载扰动下的稳态误差，省了一大堆仿真时间。

传递函数，就是系统输出拉普拉斯变换与输入拉普拉斯变换之比。前提是零初始条件。这个前提很重要，我吃过亏。

标准形式：

G(s) = Y(s) / U(s) = (b_m s^m + ... + b_0) / (a_n s^n + ... + a_0)

分母的根叫极点，分子的根叫零点。极点决定系统稳定性，零点影响动态响应。我曾经遇到一个项目，系统明明稳定，但响应就是有超调。一分析，发现零点离虚轴太近，产生了"微分效应"。把零点往左移了移，问题就解决了。

常见的传递函数形式，我建议大家烂熟于心：

  重点： 扰动观测器的核心思想，就是把扰动等效成一个输入，然后通过传递函数分析它对输出的影响。所以，你首先要能写出被控对象的传递函数。

传递函数有个局限——它只能描述单输入单输出系统，而且看不到系统内部状态。状态空间方程就不一样了，它把系统写成一组一阶微分方程：

ẋ = Ax + Bu
y = Cx + Du

其中x是状态向量，u是输入，y是输出。A是系统矩阵，B是输入矩阵，C是输出矩阵，D是直通矩阵（大多数情况为0）。

我个人觉得，状态空间方程比传递函数更"物理"。因为状态变量往往对应实际物理量——比如电机的电流、速度、位置。你在写状态方程时，其实就是在写物理规律。

举个例子，一个直流电机：

状态变量：x = [电流; 速度; 位置]
A矩阵：[[-R/L, -K_e/L, 0],
        [K_t/J, -B/J,  0],
        [0,     1,     0]]
B矩阵：[[1/L], [0], [0]]
C矩阵：[[0, 0, 1]]  // 只观测位置

你看，每个元素都有物理意义。R是电阻，L是电感，J是转动惯量……这就是为什么我偏爱状态空间——调试时你能直接猜到哪个参数出了问题。

注意： 状态空间方程和传递函数是可以互相转换的。传递函数 G(s) = C(sI - A)^(-1)B + D。但反过来，从传递函数到状态空间，不是唯一的。不同的实现方式（能控标准型、能观标准型）会导致不同的A、B、C矩阵。我在项目中遇到过因为选错了实现方式，导致观测器不收敛的情况。

为了让大家更直观地理解这三者的关系，我画了一张图：

从这张图你能看到：拉普拉斯变换是基础工具，传递函数是经典控制的核心，状态空间方程是现代控制的基石。而扰动观测器，恰恰站在两者的交汇点上——它既需要传递函数来分析频域特性，又需要状态空间来实现观测器结构。

这一章的内容，说白了就是三件事：

我在带团队时经常说：数学不是用来考试的，是用来解决问题的。你把这些基础搞扎实了，后面设计扰动观测器时，就会觉得水到渠成。

好，这一章就到这里。记住，遇到不懂的，多画图、多写传递函数、多列状态方程。动手比动眼管用。