【控制理论】#1 控制系统与传递函数

主要参考学习资料：《控制之美》王天威 编著

概述

• 控制系统由控制器和动态系统组成，根据有无反馈分为开环控制系统和闭环控制系统。
• 线性时不变系统是符合叠加原理、输入输出关系不随时间变化的系统。
• 线性时不变系统的输入输出关系是卷积。
• 拉普拉斯变换通过将时域映射到复数域，简化了线性时不变系统的分析过程。
• 传递函数是零初始条件下，系统输出的拉普拉斯变换与系统输入的拉普拉斯变换的比值。
• 传递函数的收敛域和极点可用于分析系统的因果性和稳定性。

控制系统

控制理论的研究对象是动态系统，即状态随时间变化的系统，其特点为系统的状态变量是时间的函数。

上图质量为$m$的小车是一个动态系统，该系统的输入为外力$u(t)$，输出（响应）为其状态变量位移$x(t)$。根据牛顿第二定律，该系统的微分方程为

$$u(t)=m\frac{{\mathrm{d}}^{2}x(t)}{\mathrm{d}{t}^2}$$

若无特别说明，本系列研究的动态系统特指线性时不变系统。

线性指系统的输入与输出是线性映射的，符合叠加原理。

时不变性指如果系统的输入信号延迟了时间$T$，那么系统的输出也会延迟时间$T$。

一般控制系统由控制器和动态系统组成。对于开环控制系统，控制器根据参考值$r(t)$决定控制量，即动态系统的输入$u(t)$。

更精确的控制需要闭环控制系统。闭环控制会测量系统的输出，并将其反馈到输入端与参考值比较，参考值与实际系统输出的差称为误差，控制器将根据误差调整控制量。

传递函数

卷积

线性时不变系统的输入输出关系为卷积关系，即系统任一时刻的输入将对未来一段时间之内的系统输出产生影响，而系统任一时刻的输出是所有时刻输入对该时刻输出影响的叠加。

由于系统的线性性质，系统任一时刻的输入与其引起的任一时刻的输出成比例关系，因此我们可以先确定单位输入引起的系统输出。考虑一个单位脉冲方波${\delta }_{\Delta }(t)$，它的宽度为$\Delta T$，长度为$\frac{1}{\Delta T}$，面积为$\Delta T\times \frac{1}{\Delta T}=1$，即包含了一个单位面积的能量。当$u(t)={\delta }_{\Delta }(t)$作用在系统上时，假设系统对其响应$x(t)=h_{\Delta }(t)$如下图所示：

根据线性时不变系统的性质，将$A$倍单位面积的${\delta }_{\Delta }(t)$延迟$T$后（即$A{\delta }_{\Delta }(t-T)$）作用于系统时，系统的输出为$A{h}_{\Delta }(t-T)$。

对于一段连续输入，我们可以应用微积分的思想将其分割为一系列脉冲方波，分别计算其系统输出再叠加，最后再取$\Delta T\to 0$的极限。以上图为例，对于输入的每个脉冲方波，我们有

$$\{\begin{array}{rl}& u_0(t)=u(0)\Delta T{\delta }_{\Delta }(t)\\ & u_1(t)=u(\Delta T)\Delta T{\delta }_{\Delta }(t-\Delta T)\\ & u_2(t)=u(2\Delta T)\Delta T{\delta }_{\Delta }(t-2\Delta T)\end{array}$$

则每个脉冲方波引起的输出为

$$\{\begin{array}{rl}& x_0(t)=u(0)\Delta T{h}_{\Delta }(t)\\ & x_1(t)=u(\Delta T)\Delta T{h}_{\Delta }(t-\Delta T)\\ & x_2(t)=u(2\Delta T)\Delta T{h}_{\Delta }(t-2\Delta T)\end{array}$$

对上述输出求和得到完整的系统输出

$$x(t)=\sum _{i=0}^2{x}_i(t)=\sum _{i=0}^{2}u(i\Delta T)\Delta T{h}_{\Delta }(t-i\Delta T)$$

现将分割间隔$\Delta T$减小，若分割方波数量为$n+1$，则有

$$x(t)=\sum _{i=0}^{n}u(i\Delta T)\Delta T{h}_{\Delta }(t-i\Delta T)$$

对上式取$\Delta \to 0$的极限，得到的积分形式即为卷积运算，用符号$\ast$表示

$$\begin{array}{rl}x(t)& =\underset{\Delta T\to 0}{\lim }\sum _{i=0}^{n}u(i\Delta T)\Delta T{h}_{\Delta }(t-i\Delta T)\\ & ={\int }_0^{t}u(\tau )h(t-\tau )\mathrm{d}\tau \\ & =u(t)\ast h(t)\end{array}$$

其中$h(t)$是系统对于冲激函数$\delta (t)=\underset{\Delta T\to 0}{\lim }{\delta }_{\Delta }(t)$的冲激响应，它包含了线性时不变系统的全部特性。一个用卷积表示的系统框图如下：

拉普拉斯变换

拉普拉斯变换被用于简化线性时不变系统的分析过程，它将函数$f(t)$从时域（$t$）转换到复数域（$s$）

$$\mathcal{L}[f(t)]=F(s)={\int }_0^{\infty }f(t)e^{-st}\mathrm{d}t$$

这里不赘述拉普拉斯变换求积分的过程，重点在于利用其性质：

• 线性叠加性质：$\mathcal{L}[af(t)+bg(t)]=aF(s)+bG(s)$
• 导数的拉普拉斯变换：$\mathcal{L}\left[\frac{\mathrm{d}f(t)}{\mathrm{d}t}\right]=sF(s)-f(0)$
  • $f(0)$是函数的初始条件。
  • 扩展到高阶导数有$\mathcal{L}\left[\frac{d^{n}f(t)}{d{t}^n}\right]=s^{n}F(s)-\sum _{k=1}^n{s}^{n-k}{f}^{(k-1)}(0^{-})$
  • 该性质将微分方程简化为代数运算。
• 卷积的拉普拉斯变换：$\mathcal{L}[f(t)\ast g(t)]=F(s)G(s)$
  • 该性质将卷积运算简化化为乘法运算。

使得拉普拉斯变换中的积分收敛的$s$的集合是拉普拉斯变换的收敛域。

原函数	拉普拉斯变换	收敛域
$\delta (t)$	$1$	$\infty >s>-\infty$
$1$	$\frac{1}{s}$	$s>0$
$e^{-at}$	$\frac{1}{s+a}$	$s>-a$
$\sin (at)$	$\frac{a}{s^2+a^2}$	$s>0$
$\cos (at)$	$\frac{s}{s^2+a^2}$	$s>0$
$\sinh (at)$	$\frac{a}{s^2-a^2}$	$s>\mid a\mid$
$\cosh (at)$	$\frac{s}{s^2-a^2}$	$s>\mid a\mid$
$e^{at}\sin (bt)$	$\frac{b}{(s-a{)}^2+b^2}$	$s>a$
$e^{at}\cos (bt)$	$\frac{s-a}{(s-a{)}^2+b^2}$	$s>a$
$e^{at}\sinh (bt)$	$\frac{b}{(s-a{)}^2-b^2}$	$s-a>\mid b\mid$
$e^{at}\cosh (bt)$	$\frac{s-a}{(s-a{)}^2-b^2}$	$s-a>\mid b\mid$

收敛域影响系统的因果性和稳定性。当收敛域包含右半平面（$s>\sigma$）时，系统是因果的，即当前输入仅取决于当前和过去的输出，可以在物理上实现。当收敛域包含虚轴（$s=0$）时，系统才有可能稳定，即输出能收敛于某个值，具体判据将在后文给出。

拉普拉斯逆变换反向使用拉普拉斯变换，将$F(s)$变回时域函数$f(t)$，即：

$$f(t)={\mathcal{L}}^{-1}[F(s)]$$

由常见的拉普拉斯公式表可知，许多拉普拉斯变换的结果是分数形式，因此拉普拉斯逆变换的常用解法是先分式分解，再通过分式查表，最后应用线性叠加原理相加。通过拉普拉斯变换和拉普拉斯逆变换，我们可以方便地求解系统的卷积关系。

传递函数

系统的传递函数的定义是在零初始条件（$x(0)=0$）下，系统输出的拉普拉斯变换$X(s)$与系统输入的拉普拉斯变换$U(s)$之间的比值

$$G(s)=\frac{X(s)}{U(s)}$$
传递函数也是系统冲激响应$h(t)$的拉普拉斯变换，$X(s)=G(s)U(s)$即线性时不变系统卷积关系$x(t)=h(t)\ast u(t)$的拉普拉斯变换形式，用系统框图表示为：

利用拉普拉斯变换求解系统的传递函数，再由传递函数的拉普拉斯逆变换即可得到系统的冲激响应。

传递函数的极点

输入幅值不为零但使得系统输出的拉普拉斯变换$X(s)$趋于无穷大（输出的分母部分为零）的点称为系统的极点。输出的分母部分的因式分别来自$U(s)$和$G(s)$，因而极点也分为输入引入的极点和传递函数的极点。

极点的正负和虚实可以直接反映系统输出是否收敛、以何种形式收敛。简单来说，实数极点的系统输出的项为指数形式$x(t)=e^{at}$，而复数极点的系统输出为振荡形式$x(t)=e^{at}\sin (\omega t+\phi )$。在复平面上，仅当极点均位于左半平面（包括虚轴）时，系统输出收敛，即$a<0$。关于稳定性的详细展开将在后续章节探讨。

用拉普拉斯变换分析线性时不变系统的基本流程如下：

1. 列出系统的微分方程并应用拉普拉斯变换，在零初始条件下求得系统的传递函数。
2. 对系统输入应用拉普拉斯变换，并结合传递函数求得系统输出的拉普拉斯变换。
3. 对系统输出的拉普拉斯变换应用逆拉普拉斯变换，得到系统输出。

以上图所示的电路系统为例，其电流的动态微分方程为

$$e(t)=L\frac{\mathrm{d}i(t)}{\mathrm{d}t}+Ri(t)$$

定义该系统的输入为电压$u(t)=e(t)$，输出为电流$x(t)=i(t)$，则上式可写成

$$u(t)=L\frac{\mathrm{d}x(t)}{\mathrm{d}t}+Rx(t)$$

对两侧进行拉普拉斯变换有

$$\begin{array}{rl}\mathcal{L}[u(t)]& =\mathcal{L}\left[L\frac{\mathrm{d}x(t)}{\mathrm{d}t}+Rx(t)\right]\\ U(s)& =L[sX(s)-x(0)]+RX(s)\end{array}$$

在零初始条件有

$$U(s)=(Ls+R)X(s)$$

进而可得该系统的传递函数为

$$\begin{array}{r}G(s)=\frac{X(s)}{U(s)}=\frac{1}{Ls+R}\end{array}$$

当一个常数输入$u(t)=C$作用在系统上时，其拉普拉斯变换为

$$U(s)=\mathcal{L}(u(t))=\mathcal{L}(C)=\mathcal{L}(C{e}^{-0t})=C\frac{1}{s}$$

则系统输出的拉普拉斯变换为

$$X(s)=U(s)G(s)=\frac{C}{L}\frac{1}{s\left(s+\frac{R}{L}\right)}=\frac{C}{L}\left(\frac{1}{s}-\frac{1}{s+\frac{R}{L}}\right)$$

令分母等于零，我们求得该系统的两个极点为$s_{p1}=0$和$s_{p2}=-\frac{R}{L}$，其中$s_{p1}$来自$U(s)$，为输入引入的极点，$s_{p2}$来自$G(s)$，为传递函数的极点。极点均为实数且位于左半平面，该系统是指数收敛的。

对系统的输出求拉普拉斯逆变换可得到系统输出

$$x(t)={\mathcal{L}}^{-1}[X(s)]=\frac{C}{R}(e^{0t}-e^{-\frac{R}{L}t})=\frac{C}{R}(1-e^{-\frac{R}{L}t})$$

由图可见，该系统的输出随时间指数增大收敛到一个稳定值$\frac{C}{R}$。

控制系统的传递函数

在上图的开环控制系统中，参考值$R(s)$是控制系统的输入，又称参考输入。$C(s)$为控制器，原动态系统的传递函数$G(s)$被称为控制系统的开环传递函数。控制量$U(s)$是原动态系统的输入，控制系统的输出为原动态系统的输出$X(s)$。

从参考值$R(s)$到系统输出$X(s)$是串联结构

$$X(s)=U(s)G(s)=R(s)C(s)G(s)$$

其中控制量$U(s)=R(s)C(s)$。系统输出$X(s)$对控制量$U(s)$没有影响是开环系统的特点。

将系统输出$X(s)$反馈到输入端，则可以形成一个闭环控制系统。其中，参考值与输出之间的差$E(s)=R(s)-X(s)$，称为误差，控制器将根据误差决定控制量$U(s)$。

$$\begin{array}{rl}X(s)& =U(s)G(s)=E(s)C(s)G(s)\\ & =[R(s)-X(s)]C(s)G(s)\\ \Rightarrow X(s)& =\frac{C(s)G(s)}{1+C(s)G(s)}R(s)\end{array}$$

其中$R(s)$的系数被定义为控制系统的闭环传递函数

$$G_{cl}(s)=\frac{C(s)G(s)}{1+C(s)G(s)}$$

则一个简化后的闭环控制系统框图如下图所示：

非零初始状态下的传递函数

我们通过一个一阶微分方程考虑非零初始状态的系统

$$\frac{\mathrm{d}x(t)}{\mathrm{d}t}+ax(t)=u(t)$$

对其两边进行拉普拉斯变换

$$sX(s)-x(0)+aX(s)=U(s)$$

对于非零初始状态$x(0)\ne 0$，我们可以将上式写成

$$sX(s)+aX(s)=U(s)+x(0)$$

如果令一个等效系统输入$U_1(s)=U(s)+x(0)$代入上式，则有

$$G(s)=\frac{X(s)}{U_1(s)}=\frac{1}{s+a}$$

因此非零初始条件系统框图可如下表示：

如果我们对$U_1(s)$进行逆拉普拉斯变换，则有

$${\mathcal{L}}^{-1}[U_1(s)]={\mathcal{L}}^{-1}[U(s)]+{\mathcal{L}}^{-1}[x(0)]=u(t)+x(0)\delta (t)$$

其中$\delta (t)$为单位冲激函数。也就是说，非零初始状态相当于在$t=0$的一瞬间施加了$x(0)$个单位的能量。因为该能量并不持续，所以不会影响系统的稳定性分析与特征分析。高阶系统的非零初始条件的分析则比较复杂，但其理念仍是将初始状态理解为瞬间赋予系统的能量。