2. 采样周期对系统稳定性的影响

好，咱们接着聊采样周期。上一章我讲了采样定理，那是信号不失真的底线。但说实话，在工程里，我们更关心的是——系统会不会发散？

你想想看，一个连续系统明明是稳定的，为什么加上采样器、保持器，变成离散系统后，它就可能不稳定了？

说白了，采样周期选得不对，系统极点会“乱跑”。

2.1 采样周期与系统极点关系

连续系统的稳定性，看的是s域极点是否在左半平面。离散系统呢？看z域极点是否在单位圆内。

关键来了：采样周期T会直接影响s域到z域的映射关系。

我记得刚入行那会儿，有个同事调一个电机伺服系统。连续模型算得好好的，相位裕度60度，增益裕度12dB，稳得很。结果一上数字控制器，电机高频抖动，差点把联轴器拧断了。

查了半天，问题出在哪？采样周期选太大了。

这里有个核心公式，大家记住：

z = e^(sT)

其中T是采样周期。s域的左半平面，映射到z域是什么？

• s = σ + jω，σ < 0 时，|z| = e^(σT) < 1
• 所以连续稳定的极点，映射到z域在单位圆内

但问题在于——这个映射不是线性的。

当T变大时，|z| = e^(σT) 会指数级增长。原本离虚轴很近的极点（σ很小但为负），映射到z域后可能非常接近单位圆边界。一旦T大到某个程度，极点就“跑”出单位圆了。

2.2 离散化方法对比

好，现在问题来了。我们设计控制器通常是在连续域（s域）完成的，但最终要在数字芯片上跑。怎么把连续控制器变成离散的？

这就涉及到离散化方法。我重点讲三种：前向欧拉、后向欧拉、双线性变换。

2.2.1 前向欧拉法

前向欧拉，也叫前向差分法。它的映射关系是：

s = (z - 1) / T

说白了，就是用差分近似微分。

优点： 简单，计算量小。

缺点： 稳定性差。连续稳定的系统，用前向欧拉离散后可能不稳定。

我曾经在一个温度控制项目里用过前向欧拉。连续PID调得好好的，离散化后温度震荡，差点把加热管烧了。后来一分析，极点跑到单位圆外了。

2.2.2 后向欧拉法

后向欧拉，也叫后向差分法。映射关系：

s = (z - 1) / (zT)

这个就好多了。它把s左半平面映射到z平面以(0.5, 0)为圆心、半径为0.5的圆内。这个圆完全在单位圆内部。

优点： 稳定。连续稳定的系统，离散后一定稳定。

缺点： 频率响应畸变。高频部分会被压缩。

嗯，这里要注意。后向欧拉虽然稳定，但会改变控制器的频率特性。比如你设计的陷波器，用后向欧拉离散后，陷波频率可能偏移了。

2.2.3 双线性变换法（Tustin变换）

双线性变换，也叫Tustin变换。映射关系：

s = (2/T) * (z - 1) / (z + 1)

这个是我最常用的方法。为什么？因为它把s左半平面精确映射到z单位圆内部。

优点：

• 稳定性好，连续稳定则离散稳定
• 频率畸变可以通过预畸变补偿
• 精度高，尤其在中低频段

缺点：

• 计算量稍大
• 高频段频率响应有畸变

2.3 三种方法对比表

方法	映射公式	稳定性	频率畸变	计算量	推荐场景
前向欧拉	s = (z-1)/T	差	严重	小	不推荐
后向欧拉	s = (z-1)/(zT)	好	中等	小	低频系统
双线性变换	s = (2/T)(z-1)/(z+1)	好	可补偿	中	通用

2.4 知识体系图

下面这张图，是我梳理的采样周期与稳定性之间的核心逻辑。你看一眼就明白了。

2.5 避坑指南

最后，我分享几个实战中踩过的坑：

• 不要只看连续域设计。 我曾经设计了一个连续域相位裕度70度的控制器，觉得稳如泰山。结果离散化后，相位裕度掉到30度。为什么？采样保持器引入了额外延迟。
• 采样周期不是越小越好。 太小了，计算量暴增，而且数值精度问题会凸显。我见过有人把采样频率设到100kHz，结果控制器根本算不完。
• 离散化后一定要仿真验证。 用MATLAB的c2d函数转换后，跑一下阶跃响应和极点图。这一步省不了。

---

公众号:蓝海资料掘金营，微信deep3321