第三章：误差数学模型——建立电子齿轮系统的数学模型与传递函数推导
各位工程师朋友，咱们今天来啃一块硬骨头——电子齿轮系统的数学模型。说实话，我刚入行那会儿，也觉得数学推导挺枯燥的。但后来在调试一台高速贴片机时，齿轮跟随误差怎么都压不下去，折腾了三天，最后发现是模型参数没搞对。从那以后，我再也不敢轻视这一步了。
你想想看，没有数学模型，你连误差从哪来的都说不清楚，更别提校正了。所以这一章，咱们把底层的数学逻辑彻底捋一遍。
3.1 电子齿轮系统的物理抽象
先看一个典型的电子齿轮系统长什么样。说白了，就是主轴的编码器信号进来，经过电子齿轮比运算，再输出给从轴驱动器。中间有采样、计算、通信延迟，还有电机本身的惯性。
核心物理量定义：
- θm(t)：主轴位置（编码器读数）
- θs(t)：从轴实际位置
- θs_ref(t)：从轴目标位置 = K × θm(t)，K为电子齿轮比
- e(t) = θs_ref(t) - θs(t)：跟随误差
我在项目中遇到过一种情况：主轴是凸轮机构，从轴是送料辊。电子齿轮比设成2:1，但实际送料长度总差0.3mm。后来一查，是采样延迟导致的位置偏差。嗯，这就是数学模型要解决的问题。
3.2 连续域数学模型
咱们先从理想情况开始。假设没有延迟，没有量化误差，系统是连续的。那么从轴的位置环可以简化为一个二阶系统：
从轴电机传递函数（位置环开环）：
G(s) = Kp × (1 + Ki/s) × (1 / (J·s² + B·s))
其中：
Kp - 位置环比例增益
Ki - 位置环积分增益
J - 从轴转动惯量
B - 粘性阻尼系数为什么是二阶？因为位置环本质上是速度环的外环，而速度环本身已经是一阶惯性了，再串一个积分环节，就是二阶。你想想看，电机从给定位置到实际位置，要克服惯性和阻尼，这不就是典型的质量-弹簧-阻尼系统吗？
那么跟随误差的传递函数怎么推导？很简单：
E(s) = θ_s_ref(s) - θ_s(s)
θ_s(s) = G(s) × E(s)
所以：
E(s) = θ_s_ref(s) - G(s) × E(s)
E(s) × (1 + G(s)) = θ_s_ref(s)
E(s) / θ_s_ref(s) = 1 / (1 + G(s))个人经验：这个1/(1+G(s))就是误差敏感函数。我习惯用它来分析系统的低频跟踪性能。如果低频增益足够大，误差自然就小。说白了，就是让G(s)在低频段尽可能大。
3.3 离散域模型——更贴近实际
实际系统都是数字控制的，所以必须考虑采样和保持。这里我建议用零阶保持器（ZOH）来建模：
离散化后的传递函数：
G(z) = Z{ (1 - e^(-Ts)) / s × G(s) }
其中Ts为采样周期，通常就是位置环的周期（比如1ms）为什么要用ZOH？因为DAC输出后，电压会保持到下一个采样时刻。这个保持过程在频域上会引入一个相位滞后。我记得有一次调试，连续域仿真跑得好好的，一上实际系统就震荡，最后发现是没考虑ZOH的相位影响。
离散域的误差传递函数就变成了：
E(z) / θ_s_ref(z) = 1 / (1 + G(z))这里要注意，离散域的稳定性分析和连续域不同。连续域看s平面左半平面，离散域看z平面单位圆内。我见过不少工程师直接用连续域方法设计，结果离散化后系统不稳定。
3.4 误差来源的数学表达
实际系统中，误差不是单一来源。咱们把它拆开来看：
| 误差类型 | 数学表达 | 典型影响 |
|---|---|---|
| 稳态跟踪误差 | ess = lim s→0 s·E(s) | 匀速运行时位置偏差 |
| 加速度滞后误差 | eacc = α / Kv | 加减速段位置超调 |
| 采样延迟误差 | edelay = v × Ts | 高速时跟随滞后 |
| 量化误差 | eq = ±0.5 × 编码器分辨率 | 低速抖动 |
避坑指南：我曾经在调试一台印刷机时，发现高速运行时跟随误差突然增大。当时以为是PID参数问题，调了一整天没效果。后来用数学模型一算，发现是采样延迟误差项在高速时占了主导。把采样周期从2ms降到0.5ms，问题立刻解决。所以，先算清楚再动手调参数，能省很多时间。
3.5 完整的误差模型框图
下面我用一张SVG图把整个误差模型的结构画出来，方便你理解各个模块之间的关系：
3.6 模型参数辨识方法
有了数学模型，下一步就是确定参数。我常用的方法有两种：
- 阶跃响应法：给从轴一个位置阶跃，记录响应曲线，从超调量和峰值时间反推J和B。
- 频率响应法：用扫频信号激励，测伯德图，拟合传递函数参数。
我的习惯：现场调试时先用阶跃响应法快速估算，回实验室再用频率响应法精确标定。阶跃响应法虽然粗糙，但胜在快，5分钟就能拿到大概参数。频率响应法精度高，但需要专门的设备。
3.7 误差模型的工程意义
建立数学模型不是为了推导而推导。它的实际价值在于：
- 预测误差：给定运动轨迹，可以提前算出最大跟随误差出现在哪里
- 指导参数整定：知道哪个参数对哪种误差影响最大，调参就有方向
- 判断系统极限：比如最高跟踪速度受限于采样周期，这个从模型里一眼就能看出来
我记得有一次做锂电池卷绕机，客户要求跟随误差小于0.01度。用模型一算，发现现有的编码器分辨率根本达不到。后来换了23位编码器，问题才解决。如果没有模型，你可能要花几周时间去试错。
好了，这一章的内容就到这里。数学模型是后续所有校正方法的基础，建议你花点时间把推导过程自己走一遍。下一章咱们会基于这个模型，讨论具体的误差补偿策略。
公众号:蓝海资料掘金营，微信deep3321