第3章：系统辨识入门：扫频法、阶跃响应法，给平台做个“体检”

做纳米定位，最怕什么？

怕你调了半天PID，结果连平台本身的“脾气”都没摸清楚。

我见过太多工程师，上来就对着PID三个参数猛调，调得满头大汗，平台却像喝醉了酒一样乱晃。其实，问题不在PID，在于你根本不知道你的平台是个什么“性格”。

所以，这一章我们不讲PID怎么调。我们先给平台做个“体检”。

这个体检，在控制领域叫系统辨识。说白了，就是通过实验，摸清平台的频率响应、时间常数、阻尼比这些“身体指标”。

3.1 为什么要做系统辨识？

你想想看，一个纳米定位平台，它里面有压电陶瓷、有柔性铰链、有电容传感器。这些东西组合在一起，就是一个复杂的二阶甚至高阶系统。

它的特性会随着温度、负载、老化而变化。今天调好的参数，明天可能就不好使了。

系统辨识能告诉你三件事：

• 带宽：平台能响应多快的指令？超过这个频率，指令就白给了。
• 谐振频率：平台在哪个频率点会“发抖”？这是PID需要避开或抑制的地方。
• 阻尼比：平台是“软绵绵”的还是“硬邦邦”的？这决定了你的微分项该怎么设。

我个人习惯，拿到一个新平台，第一件事不是上电，而是先做一次扫频。就像医生听诊，先听听心肺有没有杂音。

3.2 方法一：扫频法（频率响应分析）

扫频法，是辨识系统最直观的方法。它就像给平台做一次“听力测试”。

我们给平台输入一个正弦波信号，频率从低到高慢慢扫过去。然后看平台的输出幅值变化了多少，相位滞后了多少。

具体操作步骤：

1. 给平台施加一个正弦波电压指令，幅值不要太大（比如满量程的5%），避免损坏平台。
2. 从1Hz开始，逐步增加到平台带宽的3-5倍（比如1000Hz）。
3. 在每个频率点，记录输出位移的幅值和相位。
4. 画出Bode图（幅频曲线和相频曲线）。

嗯，这里要注意：扫频的步长要合理。低频段可以粗一点，高频段（尤其是谐振点附近）要细一点。我在项目中遇到过，有人用等间距扫频，结果谐振峰根本没扫到，整定出来的参数全是错的。

扫频法的核心输出：

参数	含义	对PID的影响
-3dB带宽	幅值衰减到0.707倍时的频率	决定了你的系统能跑多快，PID的P项不能超过这个频率
谐振频率	幅值出现尖峰的位置	需要陷波滤波器或降低P增益来抑制
谐振峰值	谐振点的幅值增益	峰值越高，系统越容易振荡，I项要保守
相位裕度	在增益穿越频率处的相位差	相位裕度低于30°，系统基本不稳定

3.3 方法二：阶跃响应法（时域分析）

扫频法虽然全面，但操作起来有点麻烦。有时候，我们只需要快速摸个底。

这时候，阶跃响应法就派上用场了。它就像给平台一个“突然的指令”，看它怎么反应。

怎么做？

1. 给平台一个阶跃电压（比如从0V跳到1V）。
2. 用示波器或数据采集卡记录位移响应曲线。
3. 从曲线上读出几个关键指标：上升时间、超调量、稳态误差、调节时间。

阶跃响应法最大的好处是快。几秒钟就能拿到结果。但它的缺点也很明显：只能看到时域特性，看不到频域细节。比如，它很难发现高频谐振。

从阶跃响应曲线能读出什么？

• 上升时间（Tr）： 从10%上升到90%所需的时间。时间越短，系统响应越快。
• 超调量（Mp）： 峰值超过稳态值的百分比。超调越大，系统阻尼越小。
• 稳态误差（Ess）： 最终稳定值与目标值的偏差。这个值决定了你的I项需要多大。
• 调节时间（Ts）： 进入±2%误差带所需的时间。这反映了系统的整体响应速度。

3.4 两种方法的对比与选择

你可能会问：那我到底该用哪种方法？

我的建议是：先用阶跃响应法快速摸底，再用扫频法精细分析。

阶跃响应法就像体检时的“问诊”，快速了解有没有明显问题。扫频法就像“CT扫描”，把系统的每一个细节都看清楚。

什么时候用阶跃响应法？

• 现场调试，时间紧迫，需要快速估算PID参数。
• 系统有明显的非线性（如摩擦、间隙），阶跃响应能直观反映出来。
• 只需要粗略的上升时间和超调量。

什么时候用扫频法？

• 需要精确的带宽和相位裕度数据。
• 系统存在高频谐振，需要设计陷波滤波器。
• 做学术研究或产品开发，需要建立精确的数学模型。

3.5 实战：用Python做一次简单的扫频辨识

光说不练假把式。我写了一个简单的Python脚本，可以帮你快速完成扫频测试。当然，实际项目中你需要用数据采集卡，但原理是一样的。

import numpy as np
import matplotlib.pyplot as plt

# 模拟一个二阶系统（纳米定位平台简化模型）
def second_order_system(freq, wn=100, zeta=0.1):
    """wn: 无阻尼自然频率(rad/s), zeta: 阻尼比"""
    w = 2 * np.pi * freq
    mag = 1 / np.sqrt((1 - (w/wn)**2)**2 + (2*zeta*w/wn)**2)
    phase = -np.arctan2(2*zeta*w/wn, 1 - (w/wn)**2)
    return mag, phase

# 扫频参数
freqs = np.logspace(0, 3, 100)  # 1Hz 到 1000Hz
mags = []
phases = []

for f in freqs:
    mag, phase = second_order_system(f, wn=200, zeta=0.15)
    mags.append(20 * np.log10(mag))  # 转换为dB
    phases.append(np.degrees(phase))

# 绘制Bode图
plt.figure(figsize=(10, 6))
plt.subplot(2, 1, 1)
plt.semilogx(freqs, mags)
plt.grid(True, which='both', linestyle='--')
plt.ylabel('幅值 (dB)')
plt.title('扫频法辨识结果 - Bode图')

plt.subplot(2, 1, 2)
plt.semilogx(freqs, phases)
plt.grid(True, which='both', linestyle='--')
plt.xlabel('频率 (Hz)')
plt.ylabel('相位 (度)')
plt.tight_layout()
plt.show()

这段代码模拟了一个谐振频率在200Hz、阻尼比0.15的二阶系统。你运行后，会看到幅频曲线在200Hz处有一个明显的尖峰，这就是平台的谐振点。

实际项目中，你需要把这段代码里的second_order_system函数替换成你的数据采集和FFT分析代码。但核心逻辑是一样的：输入正弦波，测量输出，计算幅值和相位。

3.6 避坑指南：系统辨识中的常见错误

做了这么多年，我踩过的坑不少。分享几个最常见的：

• 激励幅值太小： 信号被噪声淹没了，辨识出来的结果全是噪声。我建议信噪比至少20dB以上。
• 激励幅值太大： 平台进入非线性区（比如压电陶瓷的迟滞），辨识出来的模型是错的。记住，系统辨识的前提是系统是线性的。
• 采样率不够： 根据奈奎斯特定理，采样率至少是最高频率的2倍。但实际中，我建议5-10倍。比如你要扫到1000Hz，采样率至少10kHz。
• 忽略了环境振动： 纳米定位平台对环境振动非常敏感。做扫频时，最好在隔振台上进行，或者至少避开人员走动的时间段。

---