1. 采样周期基础概念
大家好，我是你们的老朋友。今天咱们聊聊采样周期——这个在数字控制里绕不开的话题。
说实话，我刚入行那会儿，对采样周期的理解也就停留在「每隔多久采一次数据」这个层面。直到有一次，我负责一个电机转速控制项目，采样周期设得太大，结果系统直接震荡了……嗯，从那以后，我才真正重视起这个参数来。
什么是采样周期？
采样周期，说白了就是「多久读一次数据」。用专业点的话讲，它是离散控制系统里，连续信号被转换成数字信号的时间间隔。通常用 T 表示，单位是秒。
举个例子：
- 你每 10ms 读一次温度传感器的值，那采样周期就是 10ms。
- 你每 1ms 读一次编码器的脉冲数，那采样周期就是 1ms。
我习惯把采样周期想象成「拍照的快门」。你拍得越勤，画面越连贯；拍得越少，动作就卡顿。但拍得太勤，存储和处理也吃不消。所以，选一个合适的采样周期，是门手艺活。
核心要点：采样周期 T 决定了系统能「看到」多快的变化。T 越小，系统响应越快，但计算负担也越大。
连续系统 vs 离散系统
你想想看，我们生活的世界是连续的——温度、速度、电压，这些信号每时每刻都在变化。但计算机不是这样工作的。计算机只能「断断续续」地处理数据。
这就引出了两个概念：
| 特性 | 连续系统 | 离散系统 |
|---|---|---|
| 信号形式 | 随时间连续变化 | 只在采样时刻有值 |
| 数学模型 | 微分方程 | 差分方程 |
| 实现方式 | 模拟电路 | 数字处理器（MCU/DSP） |
| 典型例子 | 运放搭建的PID控制器 | 单片机实现的PID算法 |
我在项目中遇到过这样一个情况：一个模拟PID控制器，换成数字实现后，参数怎么调都不对。后来发现，是采样周期选得太大了，导致离散化后的系统特性跟连续系统差太多。说白了，离散系统是连续系统的「快照」，快照拍得越密，两者越接近。
我的经验：如果你刚开始做数字控制，先把采样周期设得比系统时间常数小10倍以上，这样离散化带来的误差会小很多。
采样定理（奈奎斯特定理）入门
这里有个绕不开的定理——奈奎斯特定理。我当年学的时候，老师讲了一大堆公式，听得云里雾里。后来自己做项目才明白，其实就一句话：
采样频率必须大于信号最高频率的两倍。
为什么会这样？
想象一下，你拍一个旋转的风扇叶片。如果快门速度太慢，你拍到的叶片可能看起来是静止的，甚至是在倒转。这就是「混叠」现象——高频信号被采样后，伪装成了低频信号。
用数学表达：
fs > 2 * f_max其中：
fs= 采样频率（1/T）f_max= 信号中的最高频率分量
这个 2 * f_max 就是奈奎斯特频率。采样频率低于它，你就等着被「混叠」坑吧。
注意：我曾经在一个振动监测项目里，采样频率只设了信号频率的1.5倍。结果频谱分析出来一堆假频率，折腾了两天才发现是混叠问题。后来老老实实加了抗混叠滤波器，才把问题解决。
知识体系结构图
下面这张图，是我自己整理的采样周期知识框架。你可以把它当作本章的「地图」：
小结一下
这一章我们聊了三个核心点：
- 采样周期——就是两次采样之间的时间间隔，它决定了系统的时间分辨率。
- 连续与离散的区别——连续系统用微分方程描述，离散系统用差分方程。两者之间通过采样周期建立联系。
- 奈奎斯特定理——采样频率必须大于信号最高频率的两倍，否则会出现混叠。这是数字信号处理的「铁律」。
嗯，这里要注意：采样周期不是越小越好。太小了，计算量暴增，而且可能引入数值噪声。太大了，系统响应跟不上，甚至失稳。怎么选？后面的章节我会结合具体案例，一步步教你。
一句话总结：采样周期是数字控制系统的「心跳」——太快会累死处理器，太慢会憋死系统。找到那个平衡点，才是真功夫。
公众号:蓝海资料掘金营，微信deep3321