【Servo】传递函数，工程例子，伺服系统bode

传递函数（Transfer Function）是控制系统领域最核心的概念之一。 用通俗语言+公式+实际工程例子讲明白。

---

一、什么是传递函数？

定义：
传递函数是一个输入-输出系统的数学模型，用于描述输入信号和输出信号之间的关系，特别是在频域（s域）下的比例关系。

用公式表达，就是

$$G(s)=\frac{Y(s)}{U(s)}$$

其中，$Y(s)$ 是输出的拉普拉斯变换，$U(s)$ 是输入的拉普拉斯变换，$G(s)$ 就是传递函数。

作用：

• 只要你知道了系统的传递函数，就能预测它对于任何输入的响应。
• 传递函数包含了系统的所有动态信息（惯性、延迟、阻尼等）。

---

二、实际生活中的例子

例子1：水箱进水系统

假设你有一个大水箱，进水口流速可以调节，出水口很小几乎忽略。你想知道，如果你突然把进水流量调大，水箱的水位是怎么变化的。

建立数学模型

• 设输入 $u(t)$：进水流量（单位L/min）
• 输出 $y(t)$：水位高度（单位cm）
• 假设水箱初始是空的。

根据物理定律（体积=流量×时间），水位的变化可以用一阶微分方程描述：

$$A\frac{dh}{dt}=Q_{in}$$

其中，$A$ 是水箱截面积，$h$ 是水位，$Q_{in}$ 是进水流量。

拉普拉斯变换得到传递函数

对上式拉氏变换，有：

$$AsH(s)=Q_{in}(s)$$

$$G(s)=\frac{H(s)}{Q_{in}(s)}=\frac{1}{As}$$

这就是这个水箱系统的传递函数。
它说明：输入是一个阶跃（如突然开水龙头），输出水位会线性增加。

---

例子2： 伺服驱动器的速度环传递函数

我们来看速度闭环结构（速度指令 -> 伺服驱动器 -> 电机 -> 速度反馈）：

• 输入 $U(s)$：速度指令
• 输出 $Y(s)$：实际电机速度反馈

假设

• 驱动器速度环采用PI调节
• 电机、电流环带宽很高可近似忽略

那么常见的速度环传递函数如下：

$$G(s)=\frac{K_v}{T_{v}s+1}$$

• $K_v$：速度环放大倍数（增益）
• $T_v$：速度环时间常数，反映系统惯性/延迟

---

2. 具体数值举例

假设参数如下：

• $K_v=1$
• $T_v=0.05$ 秒

则传递函数是：

$$G(s)=\frac{1}{0.05s+1}$$

---

3. 工程实际意义

1. 阶跃响应：

   • 如果你把速度指令从0立刻改成1000rpm，电机实际速度会“平滑”地跟踪，而不是立刻到1000rpm，输出有一个惯性曲线。

2. 频率响应（伯德图）：

   • 低频段（慢慢变化）：幅值接近1（理想跟随）
   • 高频段（快变指令）：幅值迅速下降，说明高频扰动（噪声、震动）会被抑制

---

4. 在伯德图里的表现

• 幅频特性：

  $$20{\log }_{10}|G(j\omega )|=20{\log }_{10}\left|\frac{1}{0.05j\omega +1}\right|$$

  • 低频幅值0dB
  • 高频时，幅值每十倍频率衰减20dB/dec

• 相频特性：
  相位从0°（低频）到-90°（高频）

---

5. 实际用途

• 伺服驱动器厂家会用这个模型进行系统整定（比如自整定后自动识别出惯性和增益），用于评估闭环性能、抗扰能力。
• 用户现场用扫频法测得的伯德图和这个理论模型对比，可以判断“调得是否好”，“带宽是多少”。

---

6. 简单代码例子（Python）

可以用以下代码画出这个传递函数的伯德图：

import numpy as np
import matplotlib.pyplot as plt

K = 1
T = 0.05
w = np.logspace(0, 3, 1000)  # 1~1000rad/s

H = K / (1j * w * T + 1)
mag = 20 * np.log10(np.abs(H))
phase = np.angle(H, deg=True)

plt.figure()
plt.subplot(2,1,1)
plt.semilogx(w, mag)
plt.ylabel('幅值[dB]')
plt.subplot(2,1,2)
plt.semilogx(w, phase)
plt.ylabel('相位[deg]')
plt.xlabel('角频率(rad/s)')
plt.show()

---

总结

• 伺服驱动器的速度环/电流环等都能用传递函数描述！
• 这样能用来做系统分析（如伯德图），也能更科学地进行控制器设计和整定。

细节

这些参数是一阶系统传递函数的典型参数，在伯德图、控制系统、伺服驱动应用里非常常见，下面我详细解释：

---

1. K 是什么？

• K = 1
  这是系统的增益（Gain），也叫“放大倍数”。
• 通俗理解：输入一个单位阶跃，稳态输出就是K。
• 实际伺服驱动器里，如果K不是1，可能是有缩放关系（比如位置单位换算、传感器灵敏度等）。

---

2. T 是什么？

• T = 0.05
  这是系统的时间常数（Time constant），单位秒（s）。

• 一阶惯性环节传递函数通常为：

  $$G(s)=\frac{K}{Ts+1}$$

• T越小，系统越快（带宽越高）；T越大，系统越慢。

举例：

• T=0.05秒，对应系统带宽约20Hz（带宽 ≈ 1/(2πT)）。

---

3. w 是什么？

• w = np.logspace(0, 3, 1000)
• 这里的**w（ω）**是角频率（rad/s），常用于频率特性分析。
• np.logspace(0, 3, 1000) 生成了从 10^0 = 1 到 10^3 = 1000 的1000个点（对数均匀分布）。

---

这些参数从哪来？

理论建模

• 这些参数通常来自你对系统的数学建模，比如通过系统辨识、厂商手册、频率响应实验得到。
• 比如某伺服系统实际传递函数大致是一阶惯性，你就可以用K和T来拟合。

实测辨识

• 也可以通过扫频实验+伯德图分析，逆向推算K、T：

  • 低频段幅值≈0dB，对应K
  • -3dB处对应的频率，算出T

仿真/设计

• 有时做理论仿真（比如MATLAB/Simulink里）也会假设一组典型参数（比如K=1，T=0.05），方便分析。

---

伺服驱动器应用举例

假设你的速度环近似为一阶系统：

$$G(s)=\frac{K}{Ts+1}$$

• K 由伺服放大器、速度环增益等决定。
• T 由负载惯量、摩擦、伺服参数共同决定。
• 你扫频做完伯德图后，可以拟合出这两个参数（K、T）。

---

总结

• K —— 系统输出对输入的放大倍数
• T —— 响应快慢的时间常数
• w —— 扫频/分析用的频率点

你实际用什么K、T，取决于你的实际系统或实验数据。
理论仿真时随便设定一组也可以（常用K=1，T=0.05之类）。

---

为什么是-3db

“为什么用 -3dB 频率点算时间常数 T？”

---

一阶系统和 -3dB

一阶系统幅频特性：

$$G(j\omega )=\frac{K}{1+j\omega T}$$

它的幅值响应（以 dB 计）：

$$|G(j\omega ){|}_{dB}=20{\log }_{10}\left|\frac{K}{1+j\omega T}\right|$$

---

-3dB 频率的物理意义

-3dB 的物理含义：
信号幅值下降到原来的 $\frac{1}{\sqrt{2}}$（约0.707）时，对应的频率。

-3dB带宽，是自动控制、信号处理、电子工程中定义“有效频带”的国际标准。

---

对一阶系统的意义

对一阶系统来说，-3dB点的频率 ωc 正好等于 $\frac{1}{T}$：

推导如下：

1. 幅值下降到 $\frac{1}{\sqrt{2}}$：

   $$\left|\frac{1}{1+j\omega T}\right|=\frac{1}{\sqrt{1+(\omega T{)}^2}}$$

   当

   $$\frac{1}{\sqrt{1+(\omega T{)}^2}}=\frac{1}{\sqrt{2}}⟹1+(\omega T{)}^2=2⟹(\omega T{)}^2=1⟹\omega T=1⟹\omega =\frac{1}{T}$$

2. 换算成 Hz：

   $$f_c=\frac{{\omega }_c}{2\pi }=\frac{1}{2\pi T}$$

---

为什么叫 -3dB？

因为：

$$20{\log }_{10}(0.707)\approx -3\text{dB}$$

---

用法总结

• 伯德图上，幅值从0dB开始，在某个频率点下降到-3dB
• 这个频率点的横坐标就是系统的截止频率（带宽），其倒数就是时间常数T
• 所以常用**-3dB点**来判定一阶系统的响应带宽和T

---

一句话总结

-3dB点频率是衡量一阶惯性环节“速度”的标准，等于 ${\omega }_c=1/T$。在伯德图上，这个点很容易找到，所以就用它来推算T！

---