运动控制先导课（二）——拉普拉斯变换与传递函数

星马梦缘

已于 2025-05-19 00:22:55 修改

阅读量1k

点赞数 26

分类专栏：高达学理论部分文章标签：算法运动控制拉氏变换微分方程传递函数拉普拉斯变换开闭环系统

于 2025-05-18 21:48:50 首次发布

本文链接：https://blog.csdn.net/2301_80226956/article/details/147463574

版权

高达学理论部分专栏收录该内容

5 篇文章

订阅专栏

上节课我们简单介绍了系统的分类、拉氏变换、如何用拉氏变换解决微分方程、反拉氏变换、如何用反拉氏变换得到微分形式的解。

还提到了一个零初始条件——即系统在初始时各物理量都为0，可以大大简化高阶微分的计算。

这一节我们回应什么是传递函数，他是如何来的？为什么需要传递函数？有什么性质？

为什么要传递函数？

引言提到：传递函数和微分方程一样，都是反映输入输出之间的关系。

系统的微分方程是由 输入输出量 和他们的 各阶导数 还有一些系统参数构成的，
它的结构决定了它就是比较复杂的：

上一节拉普拉斯变换中提到的两个例子呈现，微分方程的表达含有大量微分项：

看起来还不是很复杂是不是，那我们给出最一般的微分方程形式：

$a_n \frac{d^n c(t)}{dt^n} + a_{n-1} \frac{d^{n-1} c(t)}{dt^{n-1}} + \cdots + a_1 \frac{dc(t)}{dt} + a_0 c(t) =$

$b_m \frac{d^m r(t)}{dt^m} + b_{m-1} \frac{d^{m-1} r(t)}{dt^{m-1}} + \cdots + b_1 \frac{dr(t)}{dt} + b_0 r(t)$

这就给研究带来了很大的困难。而比起细究各个微分项发生了什么样的变换，我们更关心输入和输出间的关系，
也就是说，我们希望得到一个输出关于输入的函数，比如下面这个系统，可以写作 输出C(s)/输入R(s)=K 的形式。

还记得这个微分方程拉氏变换后的解是什么形式吗？

没错，可以将一侧的输出/输入转化为单个X(s)代表的形式！

一般的微分方程左右都有项，而通过拉氏变换我们可以都整理成含R(s) C(s)的多项式。

从拉氏变换到传递函数

流程如下：

①拉氏变换
首先应用拉氏变换以及微分定理，将微分方程的高阶导以及参数项进行拉氏变换。

但由于高阶微分项拉普拉斯变换后会产生一堆零处的高阶导数，因此我们引入“零初始条件”：

②零初始条件
在零初始条件下，f在零处各阶导数都等于0，消去了，只剩下：

$a_n s^n C(s) + a_{n-1} s^{n-1} C(s) + \cdots + a_1 s C(s) + a_0 C(s) =$

$b_m s^m R(s) + b_{m-1} s^{m-1} R(s) + \cdots + b_1 s R(s) + b_0 R(s)$

③提出输入输出
最后将拉氏变换后的C(s) R(s)提出得到：

$\left[ a_n s^n + a_{n-1} s^{n-1} + \cdots + a_1 s + a_0 \right] C(s) = \left[ b_m s^m + b_{m-1} s^{m-1} + \cdots + b_1 s + b_0 \right] R(s)$

此时，等式两边都能提出C(s)和R(s)，作为输出和输入，从而构建出我们需要的形式——传递函数。

$G(s)=\frac{C(s)}{R(s)} = \frac{b_m s^m + b_{m-1} s^{m-1} + \cdots + b_1 s + b_0}{a_n s^n + a_{n-1} s^{n-1} + \cdots + a_1 s + a_0}$

传递函数分子是输出项，包含了输出的各阶微分项拉氏变换后的状态，承载了系统的所有输出状态；
分母是输入项，包含了输入的各阶微分拉氏变换后的状态，承载了系统在“零初始条件”的输入状态。

注意：求解微分方程时可能涉及零处高阶导数的运算，但传递函数一定是“零初始条件”下的拉氏变换！可以理解为传递函数就是将微分方程拉氏变换后，进行输入输出分离，再令零处的各阶导数为零得到的。

以上，我们捋清了传递函数是如何通过拉普拉斯变换得到的，接下来我们正式引出传递函数的定义。

传递函数

举几个例子，由此我们可以求得开头提到的RLC电流的传递函数以及阻尼系统的传递函数：
步骤其实就是利用拉氏变换解微分方程，只是在变换后加入零初始条件进行化简，接着将左右两侧提出输入量的拉氏变换R(s)和输出量的拉氏变换C(s)，二者作比得到G(s)。

传递函数的性质：

Ⅰ 传递函数的极点就是微分方程的特征根

在一般微分方程的拉氏变换中我们知道，传递函数可以写作多项式，就可以被写成零极式，即分母和分子都写为单项式相乘的形式。
其中，使得分子为零的点就叫零点，使得分母为零的点就叫极点。

$G(s)=\frac{C(s)}{R(s)} = \frac{b_m s^m + b_{m-1} s^{m-1} + \cdots + b_1 s + b_0}{a_n s^n + a_{n-1} s^{n-1} + \cdots + a_1 s + a_0}$ ——多项式

$G(s) = \frac{(s - z_1)(s - z_2) \cdots (s - z_m)}{(s - p_1)(s - p_2) \cdots (s - p_n)}$ ——零极式

而特征方程就是微分方程拉氏变换后，使分母多项式为零时的等式R(s)=0，这其实就是传递函数的极点。

Ⅱ 传递函数是在零初始条件下定义的，只能反映在零初始条件的输入输出关系。

Ⅲ 传递函数表征系统本身的动态特性，只取决于系统本身的结构参数，与输入、初始条件无关。

Ⅳ 传递函数G(s)的反拉普拉斯变换是系统的脉冲输出C(t)

脉冲输入的拉氏变换在上一节例四讲过（如图），其拉氏变换输出量为1 ——

$\mathcal{L}[\delta(t)] = \int_{0^-}^{\infty} \delta(t) e^{-st} dt = 1$

带入传递函数定义式—— $G(s) = \frac{\mathcal{L}[c(t)]}{\mathcal{L}[r(t)]} =\frac{\mathcal{L}[c(t)]}{\mathcal{L}[\delta(t)]} = \frac{\mathcal{L}[c(t)]}{1}$

因此对传递函数执行反拉氏变换 $L^{-1}[G(t)]=C(t)$ ，就能得到脉冲输出。

这个性质在后期研究输入输出的简化时十分有用。

回顾一下，由于微分方程难以研究输入输出的关系，因此我们考虑对其进行拉氏变换得到简化的输入输出关系，通过三步就得到了传递函数，接着我们又研究了传递函数的性质。

小结：从头到这，我们学习了如何求微分方程（3步），如何进行拉氏变换（一张数对表+三大性质+三大定理），零初始条件化简，提出拉氏变换后的输入输出量，得到传递函数。

下一节我们将对输出的图像进行初步研究，看看传递函数是如何影响输出的？

写在后面：

很开心你能耐着性子读到这里，很荣幸能将我的三脚猫知识分享给大家。

星马也是小白，因此更懂小白的心思。这篇文章也还有很多不足之处，或是纰漏，希望你发现了及时在评论区提醒我呀~

（人工智能学院就是每周四五天满课的啦，最近期中考试，更新基本随缘~）

别丢收藏夹吃灰啦好嘛~

星马是刚入门的大菜比，有错望指正，有项目可以带带我。