企业官网建设流程全解析

MATLAB实战：从零绘制根轨迹图的完整指南与避坑技巧

在控制系统的设计与分析中，根轨迹图是理解系统动态特性的重要工具。传统教学中，学生往往被要求死记硬背绘制规则，却难以理解其实际应用价值。本文将彻底改变这一现状——通过MATLAB的rlocus函数，我们不仅能快速生成精确图形，更能直观理解每个转折点背后的物理意义。无论您是正在完成课程设计的学生，还是需要调试工业控制系统的工程师，这套方法都将显著提升您的工作效率。

1. 环境准备与基础概念

1.1 MATLAB控制系统工具箱配置

确保已安装Control System Toolbox，这是运行rlocus函数的基础。验证安装可通过以下命令：

ver control

若未安装，需通过附加功能管理器添加。推荐使用2020b及以上版本，其对根轨迹绘制算法有显著优化。

常见环境问题排查：

• 报错"Undefined function 'rlocus'"：通常说明工具箱未正确加载，尝试重启MATLAB或重新安装工具箱
• 绘图窗口无响应：更新显卡驱动或改用rlocusplot函数替代

1.2 传递函数建模实战

根轨迹分析始于正确的传递函数表达。MATLAB支持三种主要建模方式：

1. 多项式形式（最常用）：

   num = [1 3]; % s+3 den = [1 5 6]; % s² + 5s + 6 sys = tf(num, den);

2. 零极点增益形式（适合已知零极点位置时）：

   z = [-3]; % 零点位置 p = [-2 -3]; % 极点位置 k = 1; % 增益 sys = zpk(z, p, k);

3. 状态空间形式（适用于多输入多输出系统）：

   A = [-1 0; 1 -2]; B = [1; 0]; C = [0 1]; D = 0; sys = ss(A, B, C, D);

提示：使用zpkdata和tfdata函数可在不同表示形式间转换，这对验证模型一致性非常有用。

2. 核心绘制技术与参数解读

2.1 基础根轨迹绘制

执行基础绘图的完整流程：

sys = tf([1 3], [1 5 6]); % 创建传递函数对象 figure('Name','Root Locus Basic'); rlocus(sys); % 生成根轨迹 grid on; % 显示网格线 title('Basic Root Locus');

图形元素解读：

• 蓝色轨迹线：闭环极点随增益变化的路径
• 红色×标记：开环极点位置（增益K=0时的起点）
• 红色○标记：开环零点位置（增益K→∞时的终点）
• 渐近线：虚线表示根轨迹无限延伸时的趋势

2.2 高级参数定制技巧

通过rlocusoptions实现精细化控制：

opts = rlocusoptions; opts.FreqUnits = 'Hz'; % 频率单位设置 opts.XLim = [-10 2]; % X轴范围限定 opts.YLim = [-5 5]; % Y轴范围限定 opts.Grid = 'on'; % 自定义网格显示 rlocus(sys, opts);

实用参数组合：

2.3 多系统对比分析

工程中常需比较不同控制方案的根轨迹：

sys1 = tf([1],[1 2 1]); sys2 = tf([1 1],[1 3 2]); figure; rlocus(sys1, 'b', sys2, 'r--'); legend('Original', 'Compensated');

这种对比可清晰显示补偿器引入的稳定性变化，例如：

• 新增零点如何吸引轨迹向左半平面移动
• 额外极点对系统响应速度的影响

3. 典型问题解决方案

3.1 非最小相位系统处理

当系统含有右半平面零点或极点时，常规分析方法可能失效。示例：

sys_nonmin = tf([-1 2],[1 3 2]); % 右半平面零点 figure; rlocus(sys_nonmin);

关键观察点：

1. 轨迹起始方向与常规系统相反
2. 分离点计算需考虑相位反转
3. 稳定增益范围可能受限

注意：这类系统需特别检查rlocus生成的增益范围建议，避免直接使用默认值。

3.2 时间延迟系统近似

纯延迟环节e^(-Ts)需用Pade近似处理：

T = 0.5; % 延迟时间 [num,den] = pade(T, 3); % 三阶Pade近似 sys_delay = tf(num, den); sys_series = series(sys, sys_delay); % 与原系统串联 rlocus(sys_series);

近似阶数选择建议：

3.3 参数根轨迹绘制

当需要分析非增益参数时，需构建等效系统：

% 分析时间常数T变化的影响 s = tf('s'); G = 1/(s*(s+1)*(T*s+1)); % T为可变参数 T_values = linspace(0.1, 5, 10); figure; hold on; for T = T_values sys_T = 1/(s*(s+1)*(T*s+1)); rlocus(sys_T); end hold off;

这种参数扫描法可直观显示时间常数对稳定性的非线性影响。

4. 实战案例：直流电机速度控制

4.1 系统建模与初始分析

典型直流电机传递函数模型：

J = 0.01; % 转动惯量 b = 0.1; % 阻尼系数 K = 0.01; % 电机常数 R = 1; % 电阻 L = 0.5; % 电感 num = K; den = [J*L J*R+b*L b*R]; motor_sys = tf(num, den); rlocus(motor_sys);

初始观察结论：

• 系统有两个极点位于实轴负半平面
• 无有限零点，两条轨迹均趋向无穷远
• 临界增益约为15（与虚轴交点）

4.2 添加PD补偿器

改善系统动态性能的补偿设计：

Kp = 1; % 比例增益 Kd = 0.1; % 微分增益 compensator = tf([Kd Kp], [1]); compensated_sys = series(compensator, motor_sys); rlocus(compensated_sys);

补偿效果对比：

4.3 稳定性边界确定

精确计算使系统临界稳定的增益值：

[r, k] = rlocus(compensated_sys); idx = find(abs(real(r)) < 1e-3); % 寻找纯虚根 critical_gain = k(idx(1))

结合伯德图验证相位裕度：

margin(compensated_sys * critical_gain);

这种交叉验证方法可避免单纯依赖根轨迹带来的近似误差。