企业官网建设流程全解析

上篇讲了传递函数，把微分方程从时域搬到了s域，分析起来方便多了。这篇我们来看两种最基本的系统——一阶系统和二阶系统——它们的阶跃响应长什么样，有哪些关键指标，为什么搞懂这两个系统就能理解几乎所有的动态特性。

讲真，控制理论里80%的问题都可以归结为"一阶或二阶系统的响应"。你把这两个搞透了，后面遇到高阶系统、复杂系统，无非就是拆解成一阶二阶的组合来分析。

一阶系统：最简单的动态

一阶系统的传递函数长这样：

G(s) = K / (Ts + 1)

K是稳态增益，T是时间常数。就这两个参数，决定了一阶系统的全部行为。

给一阶系统一个阶跃输入，响应是什么样的？输出从0开始，按指数曲线上升，最终趋向K（稳态值）。没有超调、没有振荡，就是平滑地爬上去。

import numpy as np import matplotlib.pyplot as plt # 一阶系统阶跃响应 K = 1.0 # 稳态增益 T = 1.0 # 时间常数 t = np.linspace(0, 5, 500) y = K * (1 - np.exp(-t/T)) # 关键时间点 print(f"t=T时: y = {K*(1-np.exp(-1)):.3f} (稳态值的63.2%)") print(f"t=3T时: y = {K*(1-np.exp(-3)):.3f} (稳态值的95%)") print(f"t=5T时: y = {K*(1-np.exp(-5)):.3f} (稳态值的99.3%)")

一阶系统只有两个关键指标：

时间常数T：输出达到稳态值63.2%所需的时间。T越小，系统响应越快。工程上一般认为经过3T到5T，系统就到达稳态了。

稳态增益K：输出最终的稳态值跟输入幅值的比值。K=1说明输出完全跟踪了输入。

一阶系统的典型例子：RC电路（电容充放电）、温度计测量环境温度、一阶低通滤波器。你给温度计一个突然的温度变化，它不会瞬间跳到新温度，而是按指数曲线慢慢逼近——这就是一阶响应。

为什么一阶系统不会超调？直觉上理解：一阶系统没有"惯性"。它的当前变化率只取决于当前状态和输入的差距。越接近目标，变化率越小，所以永远不会冲过头。你可以把它想象成一个永远不会刹不住车的司机——离目的地越近，他开得越慢，到了就刚好停下。

而二阶系统有"惯性"——就像一辆高速行驶的车，即使到了目标位置，速度还没降下来，就会冲过头。这就是为什么二阶系统会有超调和振荡。

二阶系统：控制理论的核心

二阶系统的传递函数：

G(s) = ωn² / (s² + 2ζωn*s + ωn²)

两个关键参数：ωn（自然频率）和ζ（阻尼比）。

跟一阶系统不同，二阶系统的响应要丰富得多。根据阻尼比ζ的不同，二阶系统有四种完全不同的响应模式：

ζ > 1（过阻尼）：响应缓慢地爬升到稳态值，没有超调。就像一扇装了强力阻尼器的门，慢慢关上去。

ζ = 1（临界阻尼）：最快到达稳态且没有超调。这是工程上最理想的情况——又快又不 overshoot。

0 < ζ < 1（欠阻尼）：响应会冲过稳态值，产生超调，然后来回震荡几次才稳定。这是最常见的情况，也是面试考得最多的。

ζ = 0（无阻尼）：永远等幅振荡，永远到不了稳态。

import numpy as np # 二阶系统阶跃响应对比 wn = 2.0 # 自然频率 zetas = [0.1, 0.3, 0.707, 1.0, 2.0] # 不同阻尼比 t = np.linspace(0, 10, 1000) for zeta in zetas: if zeta < 1: wd = wn * np.sqrt(1 - zeta**2) # 阻尼振荡频率 y = 1 - np.exp(-zeta*wn*t) * (np.cos(wd*t) + zeta/np.sqrt(1-zeta**2) * np.sin(wd*t)) elif zeta == 1: y = 1 - (1 + wn*t) * np.exp(-wn*t) else: s1 = -zeta*wn + wn*np.sqrt(zeta**2 - 1) s2 = -zeta*wn - wn*np.sqrt(zeta**2 - 1) y = 1 + (s1*np.exp(s2*t) - s2*np.exp(s1*t)) / (s2 - s1) overshoot = np.max(y) - 1.0 if zeta < 1 else 0 print(f"ζ={zeta:.3f}: 超调量={overshoot*100:.1f}%")

二阶系统的关键指标

欠阻尼二阶系统（0 < ζ < 1）有几个非常重要的性能指标，面试中几乎必考：

上升时间tr：响应从0第一次到达稳态值的时间。tr ≈ π / (ωn * sqrt(1-ζ²))。自然频率越大、阻尼比越小，上升时间越短。

超调量σ%：响应超过稳态值的最大幅度。σ% = exp(-ζπ / sqrt(1-ζ²)) × 100%。阻尼比越小，超调越大。当ζ=0.707时，超调量约4.3%。

峰值时间tp：响应达到最大超调的时间。tp = π / (ωn * sqrt(1-ζ²))。

调节时间ts：响应进入并保持在稳态值±2%（或±5%）范围内的时间。ts ≈ 4 / (ζωn)（2%准则）。

# 计算二阶系统性能指标 wn = 5.0 # 自然频率 zeta = 0.3 # 阻尼比 # 超调量 overshoot = np.exp(-zeta * np.pi / np.sqrt(1 - zeta**2)) * 100 # 峰值时间 tp = np.pi / (wn * np.sqrt(1 - zeta**2)) # 调节时间 (2%准则) ts = 4 / (zeta * wn) # 上升时间 tr = np.pi / (wn * np.sqrt(1 - zeta**2)) print(f"超调量: {overshoot:.1f}%") print(f"峰值时间: {tp:.3f}s") print(f"调节时间: {ts:.3f}s") print(f"上升时间: {tr:.3f}s")

这些公式你不需要全记住，但你必须知道它们之间的关系。比如面试官问"怎么减小超调量"，你要知道增大阻尼比ζ就行。"怎么加快响应速度"，增大自然频率ωn。"又要快又要超调小怎么办"，这就是控制设计的核心矛盾了——后面讲PID调参时会详细聊。

面试实战

面试官问二阶系统，通常这么考：

"阻尼比0.707有什么特殊意义？"这个数叫"最佳阻尼比"。在这个阻尼比下，系统的响应速度和超调量达到了一个比较好的平衡——超调量只有4.3%，调节时间也比较短。工程上设计控制系统时，经常把闭环极点配置在阻尼比0.707附近。

"一阶系统和二阶系统的本质区别是什么？"一阶系统不可能有超调和振荡，因为它的极点只有一个实数极点。二阶系统有两个极点，当极点是共轭复数时（对应欠阻尼），系统才会振荡。振荡的本质是能量在两种形式之间来回转换——比如弹簧势能和动能的交替。

之前面试一家做伺服电机的公司，面试官问"客户说电机响应太慢，你怎么分析？"我说先看电机闭环传递函数的自然频率ωn——ωn太小了响应就慢。可以通过增大控制器增益来提高ωn，但增益太大会降低阻尼比导致超调。所以通常的做法是先增大增益让ωn上去，如果超调太大了再加微分项增大阻尼比。

分享一个我在项目中调试二阶系统响应的经验。当时做机械臂关节的位置控制，闭环系统可以近似为一个二阶系统。一开始调参时把P增益设得很大，ωn上去了响应很快，但超调量到了30%以上——机械臂到位后会"弹"一下再回来，这在精密装配场景是不可接受的。后来我加了D项来增大阻尼比，把阻尼比从0.3调到了0.707，超调量从30%降到了4.3%，同时响应速度只慢了约20%。这个trade-off在面试时候很好用——"我把阻尼比调到0.707，用20%的速度换取了超调量从30%降到4%"，面试官一听就知道你调过参。另外，实际系统往往不是理想的二阶系统，高频未建模动态（比如减速器的柔性）会在响应曲线上叠加高频振荡，这时候需要在D项上加低通滤波器来抑制。

下一篇讲稳定性分析——怎么判断一个系统会不会发散。

如果这篇文章对你有帮助，欢迎点赞、在看、转发三连。 你的支持是我持续更新的最大动力。

「机器人软件开发面试·从入门到精通」连载系列

上一篇：第179篇 传递函数——用拉普拉斯变换理解系统特性

下一篇预告：第181篇 稳定性分析——系统会不会"发散"的判定方法

有任何问题欢迎评论区留言，我会尽量回复。