第二章：系统建模基础——从物理世界到数学模型
大家好，欢迎来到第二章。说实话，系统建模这件事，是我在职业生涯中踩坑最多的地方。刚入行那会儿，我总觉得建模就是列几个方程，简单得很。直到有一次，我负责一个电机控制项目，模型建得不够精确，结果实物跑起来完全不是那么回事——嗯，从那以后，我再也不敢小看这一步了。
这一章，咱们就聊聊怎么把物理世界里的真实系统，变成我们可以在电脑里分析、计算的数学模型。说白了，就是给系统拍一张“数学照片”。
2.1 从物理世界到数学模型：为什么要建模？
你想想看，一个真实的系统，比如一个倒立摆、一个机械臂、或者一个无人机，它里面有各种物理量：位置、速度、电流、温度……这些量之间互相影响，关系复杂得很。我们不可能每次都把实物搬出来做实验，那成本太高了。
数学模型的作用，就是把这些复杂关系用数学语言表达出来。有了模型，我们就可以：
- 仿真分析：在电脑上模拟系统行为，看看它会不会失控
- 控制器设计：根据模型算出合适的控制参数
- 性能预测：提前知道系统在不同工况下的表现
核心思想：建模不是追求“完全精确”，而是追求“足够好用”。一个过于复杂的模型，反而会让控制器设计变得困难。
我在项目中遇到过一位同事，他花了两周时间建了一个极其精细的模型，考虑了所有非线性因素。结果呢？控制器根本算不过来，实时性完全达不到要求。后来我们换了一个简化模型，效果反而更好。
2.2 微分方程与状态空间表示
说到建模，最基础的工具就是微分方程。为什么？因为物理世界的变化，本质上都是连续的、动态的。牛顿第二定律 F=ma，你看，加速度是速度的导数，速度是位置的导数——这不就是微分方程吗？
2.2.1 微分方程建模
咱们拿一个最简单的例子：RC电路。一个电阻R和一个电容C串联，输入电压是u(t)，输出电压是y(t)。根据基尔霍夫定律，我们可以写出：
RC · dy(t)/dt + y(t) = u(t)这就是一个一阶线性常微分方程。它描述了输出电压随时间变化的规律。如果你学过电路分析，应该对这个不陌生。
再复杂一点，比如一个弹簧-质量-阻尼系统：
m · d²x/dt² + b · dx/dt + k · x = F(t)其中m是质量，b是阻尼系数，k是弹簧刚度，F(t)是外力。这是一个二阶微分方程。
我的习惯：拿到一个物理系统，先画出它的物理模型图，标出所有变量和参数。然后根据物理定律（牛顿定律、基尔霍夫定律、热力学定律等）列方程。这一步千万别急，列错了后面全白干。
2.2.2 状态空间表示
微分方程虽然直观，但系统一复杂，方程就变得又长又乱。比如一个多输入多输出系统，你写十几个微分方程，看着都头疼。
这时候，状态空间表示法就派上用场了。它把高阶微分方程转换成一组一阶微分方程组，用矩阵形式表达，简洁又漂亮。
还是拿那个弹簧-质量-阻尼系统举例。我们定义状态变量：
x₁ = x （位置）
x₂ = dx/dt （速度）那么原方程可以写成：
dx₁/dt = x₂
dx₂/dt = (-k/m) · x₁ + (-b/m) · x₂ + (1/m) · F(t)写成矩阵形式就是：
[dx₁/dt] [0 1 ] [x₁] [0 ]
[dx₂/dt] = [-k/m -b/m] [x₂] + [1/m] · F(t)
y = [1 0] [x₁]
[x₂]这就是标准的状态空间表达式：
dx/dt = A · x + B · u
y = C · x + D · u其中A是系统矩阵，B是输入矩阵，C是输出矩阵，D是直通矩阵（通常为0）。
为什么要用状态空间？ 因为它统一了建模、分析和设计的框架。不管是单变量还是多变量，线性还是非线性，时变还是时不变，都能用这个框架处理。现代控制理论几乎都是建立在状态空间基础上的。
我曾经做过一个四旋翼无人机的姿态控制项目。四个电机，六个自由度，十几个状态变量。如果用微分方程硬写，那简直是一场噩梦。但用状态空间表示，A矩阵是12×12的，虽然大，但结构清晰，调试起来方便多了。
2.3 传递函数与零极点分析
如果说状态空间是“时域”的视角，那传递函数就是“频域”的视角。两者是同一个系统的不同描述方式，各有各的用处。
2.3.1 传递函数
传递函数是在零初始条件下，输出拉普拉斯变换与输入拉普拉斯变换之比。说白了，就是给系统一个正弦波输入，看它输出怎么变。
对于前面那个RC电路，对微分方程两边做拉普拉斯变换：
RC · s · Y(s) + Y(s) = U(s)
Y(s) · (RCs + 1) = U(s)
G(s) = Y(s)/U(s) = 1/(RCs + 1)这就是一个一阶低通滤波器的传递函数。你看，多简洁！
对于一般的线性时不变系统，传递函数可以写成：
G(s) = (b_m · s^m + b_{m-1} · s^{m-1} + ... + b_0) / (a_n · s^n + a_{n-1} · s^{n-1} + ... + a_0)其中n ≥ m，这是物理可实现系统的要求。
我的建议：在实际项目中，我通常先用传递函数做频域分析，看看系统的带宽、稳定性裕度。然后再转到状态空间做时域仿真和控制器设计。两个工具配合使用，效果最好。
2.3.2 零极点分析
传递函数的分子多项式的根叫“零点”，分母多项式的根叫“极点”。这两个东西，是系统特性的“基因密码”。
为什么这么说？
- 极点决定稳定性：所有极点都在左半平面（实部小于0），系统就稳定。只要有一个极点在右半平面，系统就不稳定。
- 极点决定响应速度：极点离虚轴越远，系统响应越快。离虚轴越近，响应越慢。
- 零点影响动态形状：零点会影响系统响应的超调量和上升时间。
举个例子，一个二阶系统的传递函数：
G(s) = ω_n² / (s² + 2ζω_n · s + ω_n²)它的极点是：
s = -ζω_n ± ω_n · √(ζ² - 1)当ζ < 1时，极点是共轭复数，系统会有振荡。ζ越小，振荡越厉害。当ζ ≥ 1时，极点是实数，系统没有振荡。
零极点图：把零点和极点画在复平面上，就是零极点图。这个图能让你一眼看出系统的所有关键特性。我每次做控制器设计，第一件事就是看零极点图。
2.3.3 从状态空间到传递函数
这两者是可以互相转换的。给定状态空间模型：
dx/dt = A·x + B·u
y = C·x + D·u对应的传递函数是：
G(s) = C · (sI - A)⁻¹ · B + D反过来，从传递函数也可以得到状态空间模型（称为“实现”），但实现方式不唯一。
注意：我曾经在转换过程中吃过亏。从状态空间算传递函数时，如果系统有不可控或不可观的模态，会出现零极点对消。这时候传递函数看起来是稳定的，但实际系统内部可能有不稳定模态。所以，做零极点对消之前，一定要确认那些模态是不是真的可以被忽略。
2.4 建模实战：一个简单的例子
咱们来走一遍完整的建模流程。就拿一个直流电机来说吧。
第一步：物理分析
直流电机有两个主要部分：电枢回路（电气部分）和转子（机械部分）。电枢回路的电压方程：
u(t) = R·i(t) + L·di(t)/dt + e(t)其中e(t)是反电动势，e(t) = K_e · ω(t)。
机械部分的转矩方程：
J · dω(t)/dt = T_m(t) - B·ω(t)其中T_m(t) = K_t · i(t)是电磁转矩。
第二步：列微分方程
把两个方程联立：
L · di/dt = -R·i - K_e·ω + u
J · dω/dt = K_t·i - B·ω第三步：状态空间表示
选择状态变量 x = [i, ω]ᵀ，输入 u，输出 y = ω：
[di/dt] [-R/L -K_e/L] [i] [1/L]
[dω/dt] = [K_t/J -B/J ] [ω] + [0 ] · u
y = [0 1] [i]
[ω]第四步：求传递函数
用公式 G(s) = C·(sI-A)⁻¹·B，得到：
G(s) = K_t / (J·L·s² + (J·R + B·L)·s + (B·R + K_e·K_t))你看，一个二阶系统。极点的位置取决于电机参数。如果阻尼不够，电机启动时会有振荡。
实战经验：我在做电机控制时，通常先测出R、L、J这些参数。但要注意，这些参数会随着温度、负载变化。所以控制器设计时要留有余量，不能卡着边界算。
2.5 本章小结
这一章咱们聊了系统建模的三个层次：
- 微分方程：最直接的物理描述，适合简单系统
- 状态空间：统一的矩阵框架，适合复杂多变量系统
- 传递函数：频域视角，适合分析和设计控制器
这三种表示方法不是互斥的，而是互补的。在实际项目中，我经常来回切换使用。建模这件事，没有标准答案，只有最适合当前问题的答案。
下一章，咱们会深入聊聊怎么根据这些模型来设计控制器。到时候你会发现，建模这一步做得扎实，后面的工作会轻松很多。
好，这一章就到这里。有什么问题，欢迎在课程群里讨论。