振动建模基础：单自由度系统建模
大家好，我是老张。今天咱们聊聊振动建模里最基础、也最核心的东西——单自由度系统。说白了，就是质量-弹簧-阻尼这个经典模型。
我记得刚入行那会儿，带我的老师傅跟我说过一句话：「搞懂单自由度，你就搞懂了振动控制的一半。」当时我不信，觉得这也太夸张了。后来做了十几年伺服驱动，回头再看，这话一点不假。
为什么是质量-弹簧-阻尼？
你想想看，任何机械系统在运动时，都逃不开三个基本要素：
- 质量（M）——代表惯性，说白了就是「不想动」和「不想停」
- 弹簧（K）——代表刚度，就是「被拉回来」的劲儿
- 阻尼（C）——代表能量耗散，就是「摩擦消耗」的部分
实际项目中，电机带负载旋转，轴系有扭转刚度，轴承有摩擦阻尼。这些都可以抽象成这个模型。我在做数控机床主轴驱动时，就遇到过典型的单自由度振动问题——主轴加减速时末端总是抖个不停。
数学建模：从物理到方程
咱们先看一个最简单的场景：一个质量块挂在弹簧上，下面还有个阻尼器。给质量块施加一个外力 F(t)，它的位移是 x(t)。
根据牛顿第二定律：
M · x''(t) + C · x'(t) + K · x(t) = F(t)这里：
- x''(t) 是加速度
- x'(t) 是速度
- x(t) 是位移
嗯，这个方程看着简单，但它的物理意义很丰富。左边三项分别对应惯性力、阻尼力和弹性力。右边是外力输入。
核心要点：这个二阶微分方程，就是整个振动分析的起点。所有复杂的振动控制算法，最终都要回到这个方程上来。
传递函数：从时域到频域
为什么要搞传递函数？因为时域方程不好解，尤其当系统复杂的时候。拉普拉斯变换一上，微分方程就变成了代数方程，好处理得多。
对上面的方程做拉普拉斯变换（假设初始条件为零）：
M · s² · X(s) + C · s · X(s) + K · X(s) = F(s)整理一下，得到传递函数：
G(s) = X(s) / F(s) = 1 / (M · s² + C · s + K)这个形式很经典。我习惯把它写成标准形式：
G(s) = (1/K) / ( (s/ωn)² + 2ζ · (s/ωn) + 1 )其中：
- ωn = √(K/M) —— 无阻尼自然频率
- ζ = C / (2√(MK)) —— 阻尼比
个人经验：我在调试伺服系统时，第一步就是估算 ωn 和 ζ。这两个参数决定了系统的「脾气」——是爱抖还是爱稳。
频率响应分析：系统对振动的「反应」
传递函数是频域分析的基础。把 s = jω 代入，就得到了频率响应函数：
G(jω) = 1 / (K - M·ω² + j·C·ω)幅频特性和相频特性分别是：
| 特性 | 表达式 | 物理意义 |
|---|---|---|
| 幅值 |G(jω)| | 1 / √((K-Mω²)² + (Cω)²) | 系统对某个频率的放大程度 |
| 相位 ∠G(jω) | -arctan(Cω / (K-Mω²)) | 输出滞后输入的角度 |
为什么会这样？当激励频率接近 ωn 时，分母变小，幅值变大——这就是共振。我曾经调试一个高速主轴，转速一过某个点，振动就突然变大。一算，正好是系统的共振频率。
关键参数的影响
咱们来看看三个参数分别怎么影响系统行为：
- 质量 M 增大：自然频率降低，系统变「迟钝」
- 刚度 K 增大：自然频率升高，系统变「硬」
- 阻尼 C 增大：共振峰值降低，但高频响应变差
避坑指南：我曾经犯过一个错误——为了抑制振动，盲目增加阻尼。结果振动是压下去了，但系统响应变慢，位置跟踪误差反而大了。阻尼不是越大越好，要找到平衡点。
知识体系结构图
下面这张图，把单自由度系统的建模逻辑串起来了：
实际应用中的几点体会
做伺服驱动这么多年，我总结了几条关于单自由度模型的实用经验：
- 模型是近似，不是真理。实际系统往往有多个自由度，但单自由度模型能抓住主要矛盾。我一般先用它做初步分析，再逐步细化。
- 参数辨识很重要。M、C、K 这三个参数，很多时候不是查手册得到的，而是通过实验数据拟合出来的。我习惯用扫频法测频率响应，然后反推参数。
- 阻尼比 ζ 是关键。ζ < 0.1 的系统容易振荡，ζ > 0.7 的系统响应太慢。伺服系统一般希望 ζ 在 0.4~0.7 之间。
一句话总结：单自由度系统建模，就是把物理世界的振动问题，变成数学方程，再变成我们可以分析和控制的传递函数。这是所有减振算法的根基。
好了，这一章的内容就到这里。记住这个模型，后面讲陷波滤波器、前馈补偿、状态观测器的时候，都会回到这个基础上。
公众号:蓝海资料掘金营，微信deep3321