【转】传递函数中拉普拉斯变换的s是用来干什么的？

最新推荐文章于 2025-03-29 19:16:39 发布

chenghui6019

最新推荐文章于 2025-03-29 19:16:39 发布

阅读量1.9w

点赞数 20

文章标签： ui

原文链接：https://my.oschina.net/swanf/blog/3055277

版权

自控书里一上来就到处是s，这个s到底是个什么东西？

好我知道s是拉普拉斯变换出来的，但为什么要搞这样一个变换？这个s的物理意义是什么？

为什么传递函数的极点决定系统的性质？

……

要解答这些问题，首先要从拉普拉斯变换讲起。

---------------------------------------------------------------------------------------------------------------------------

Laplace变换深入理解

一个函数 f(t) 的Laplace变换定义为

$F(s)=\int_0^{+\infty}f(t)\mathrm{e}^{-st}\mathrm{d}t$

这个式子说的是一件这样的事情：是实空间函数在复空间中以 $\left\{ e^{t(\mathrm{j}\omega)} \right\}$ 为基底的投影。

解释如下：

首先，定义复空间上两个函数 f,g 的内积为

$\langle f,g\rangle=\int f(x) \overline{g(x)}\mathrm{d}x$

易证 $\left\{ e^{\mathrm{j}\omega} \right\}$ 是复空间中的一组正交基。那么根据内积的意义——一个函数与另一个函数的内积，是这个函数在另一个函数方向上的投影，可得实函数 f(t) 在复空间基底 $\left\{ e^{t(\mathrm{j}\omega)} \right\}$ 上的投影为

$\int_0^{+\infty}f(t)\overline{\mathrm{e}^{j\omega t}}\mathrm{d}t=\int_0^{+\infty}f(t){\mathrm{e}^{-j\omega t}}\mathrm{d}t$

为方便起见，令 $s=j\omega$ 表示虚变量。（我们后面可以看到它更深层的意义。）则可将该投影式记为

$F(s)=\int_0^{+\infty}f(t)\mathrm{e}^{-st}\mathrm{d}t$

（这里的s与实数域中的t相对应，都表示空间上的变量）

同理可证 f(t) 是 F(s) 在实空间中的投影。

有了实空间中 f(t) 与复空间中 F(s) 的一一对应投影关系，我们就可以通过在复空间中对 F(s) 进行分析和运算，从而获知实空间中 f(t) 的性质和运算结果。在做这件事情之前，首先需要对实空间和复空间中的运算关系进行定义。

定义微分算子（这里的define等号表示的是对应关系，而不表示相等）

$\begin{equation} s\overset{\Delta}{=}\frac{\mathrm{d}}{\mathrm{d}t} \end{equation}$

这是因为

L[f'(t)]=sF(s) (设初值为0)

从复空间中微分算子的定义就可以看出选择 $\left\{ e^{ts} \right\}$ 作为基底的好处了。因为复指数函数有一个最大的优点，就是对它求导等于它自身乘一个数。因此，当我们在实空间中对 f(t) 求一次导数时，在复空间中只需要将它对应的投影式乘以微分算子。这样就极大地简化了求导运算。

类似可定义积分算子为

$\begin{equation} \frac{1}{s} \overset{\Delta} {=}\int_0^{+\infty}\mathrm{d}t \end{equation}$

即对 f(t) 进行一次积分，只需对其投影式除以。

传递函数的定义

现实的许多系统的输入输出关系都可以用微分方程来描述。比如最简单的，一个RLC电路，给定它两端的电压ui，输出电容上的电压uo。这个系统就可以用微分方程来描述它的I/O关系。一般零初值线性系统的微分方程形式如下：

$a_nr^{(n)}(t)+a_{n-1}r^{(n-1)}(t)+...+a_0r(t)=y(t)$

从理论上讲，描述这个系统的全部固有特征，只需要记录方程左端的系数向量就可以了。但是用常微分方程的方法去研究这个方程解的性质往往十分困难（尤其是在无法用计算机求解高次特征方程的上古年代）。所以为了研究微分方程解的性质的方便，我们把这个方程两端的复空间投影式（Laplace 变换）之比定义为系统的传递函数。即

$W(s)=\frac{Y(s)}{R(s)}$

在常微分方程中，方程左端系数的值决定了方程的通解，而右端函数则决定了方程的特解。特解往往是稳恒的，而通解随时间的变化情况（尤其是它最后能否收敛至0）决定了系统的稳定性。因此方程左端对应的Laplace变换式 R(s) 显得尤为重要，故称 R(s)=0 为传递函数的特征方程。

由初等数学中的部分分式可知，任意两个多项式之比（设分子次数不高于分母次数）总能分解为一系列一次分式和二次分式的和。即

$\frac{Y(s)}{R(s)}=\sum_{i=1}^{n}{\frac{A_i}{s-p_i}} +\sum_{i=1}^{m}{\frac{B_is+C_i}{s^2+a_is+b_i}}$

由Laplace逆变换可知，只有当分母 R(s)=0 的根的实部全部小于0时，逆变换得到的 f(t) 上的指数才是负值，其振幅才会收敛于0。否则，只要有一个根具有正实部， f(t) 的结果就会出现正指数，随时间推移，振幅会趋向于无穷大，系统将不可能稳定。对于临界稳定的情况，由于这种系统极易受到干扰而使得根位于正半平面，因此将其归类为不稳定系统。因此，系统稳定的充分必要条件是：传递函数所有的极点位于左半复平面上。这就引出了如何判断这些根的位置的问题。在可以利用计算机求解高次方程的时代，这已经完全不是一个问题。但是在无法求解这些方程的年代，就需要用一些辅助定理来在不解出方程的前提下判断根的位置，这就是劳斯判据的由来。

此外，如果系统的反馈关系比较复杂，就需要快速地求解传递函数，这就是框图变换、信号流图和梅逊增益公式的应用。

转载于:https://my.oschina.net/swanf/blog/3055277