自动控制理论：邹伯敏教材答案解析

原创于 2025-06-22 11:45:51 发布 · 569 阅读

CC 4.0 BY-SA版权

简介：《自动控制理论》作为自动化和电气工程领域的基础课程，由邹伯敏教授编写的第三版为学习者提供了对自动控制原理的深入理解。本课程涵盖了控制系统的基本概念、稳定性分析、建模方法、时域和频域分析、控制器设计等关键主题。该文档提供第4章至第8章的详细答案，包括拉普拉斯变换、线性系统的稳定性分析、根轨迹法、频率域分析及控制器设计等关键概念。通过这些答案，学生能够巩固课堂知识，提高解决实际问题的能力，为深入学习自动控制理论打下基础。
自动控制理论答案邹伯敏

1. 控制系统基本概念

控制系统是自动科学领域的一个核心分支，它的基本目标是通过控制信号来指导一个系统的输出达到期望的状态。一个典型的控制系统包括三个主要组成部分：控制器、被控对象（植物）和反馈机制。理解这些组成部分以及它们如何相互作用对于深入学习控制系统至关重要。

控制系统的设计和分析涉及多个步骤和阶段，从概念设计到最终部署。首先，需要定义系统的目标和性能指标，然后建立一个数学模型来描述系统的动态行为。通过这种方式，控制系统工程师能够理解和预测系统在各种条件下的响应。

控制系统可以是开环或闭环。开环控制系统缺乏反馈回路，其性能完全取决于控制器设计，而闭环控制系统则有一个反馈机制，能够根据输出调整控制信号，以提供更精确和可靠的控制。无论是在工业自动化、机器人技术还是航空航天领域，控制系统都起着至关重要的作用。

控制系统的核心组成部分包括：
- 控制器（Controller）：生成控制信号以驱动系统达到期望状态的组件。
- 被控对象（Plant）：系统中需要控制的物理设备或过程。
- 反馈机制（Feedback mechanism）：通过观测输出并将其与期望值进行比较来调整控制器输入的系统部分。

控制系统的设计不仅仅关注技术实现，还涉及需求分析、系统建模、稳定性评估以及最终实现。对于想要深入学习或正在从事相关工作的专业人士而言，掌握这些基础知识和技能是非常必要的。接下来的章节将详细探讨控制系统的各个组成部分，以及如何通过数学模型分析和控制系统设计来优化系统性能。

2. 数学模型建立与分析

2.1 控制系统的数学模型概述

2.1.1 系统模型的重要性与分类

控制系统的核心是数学模型。通过数学模型，可以对控制系统的行为进行准确的描述、分析和预测，从而实现对系统性能的优化和控制策略的设计。数学模型的建立和分析是控制系统设计和分析过程中的基础步骤。

数学模型可以分为静态模型和动态模型。静态模型通常用来描述系统在稳定状态下的输入输出关系，而动态模型则包括了系统随时间变化的动态特性。动态模型又可以细分为线性模型和非线性模型。线性模型由于其数学处理的简便性，得到了广泛的应用，而非线性模型则更能精确地描述实际系统中存在的复杂现象。

2.1.2 建立数学模型的方法

建立数学模型通常遵循以下步骤：

系统定义：清晰界定所研究系统的边界和功能。
系统简化：通过假设和近似来简化系统的复杂性。
变量确定：选取系统中的关键变量，包括输入、输出和状态变量。
建立关系：利用物理定律、经验公式等建立变量之间的数学关系。

控制系统的数学模型可以通过实验数据拟合、基于理论分析和系统辨识等方法来建立。在实际应用中，常常需要结合多种方法以提高模型的准确度。

2.2 微分方程模型的建立

2.2.1 传递函数与微分方程的关联

在控制理论中，传递函数是描述线性时不变系统动态特性的数学工具，它表达了系统输出和输入之间的拉普拉斯变换关系。微分方程模型与传递函数之间存在着直接的联系，因为传递函数可以通过对微分方程进行拉普拉斯变换得到。

微分方程提供了描述系统动态行为的连续时间模型，而传递函数则给出了对应的频域表达式。这对于设计控制器和分析系统稳定性和性能至关重要。

2.2.2 微分方程模型实例分析

为了展示微分方程模型的建立和应用，考虑一个简单的弹簧-质量-阻尼系统。假设系统的运动方程可以用以下二阶常微分方程描述：

[ m\frac{d^2x}{dt^2} + c\frac{dx}{dt} + kx = f(t) ]

其中，( m )为质量，( c )为阻尼系数，( k )为弹簧常数，( x )是位移，( f(t) )是外力输入。

对该方程两边应用拉普拉斯变换，我们得到传递函数表达式：

[ \frac{X(s)}{F(s)} = \frac{1}{ms^2 + cs + k} ]

此传递函数精确地描述了系统在频域内的动态特性。

2.3 状态空间模型的构建

2.3.1 状态变量的选取与定义

状态空间模型是一种用来描述动态系统状态的数学模型，它以状态变量为基本元素，通过状态方程和输出方程来描述系统的动态行为。

状态变量应该选取为能够描述系统内部动态过程的所有变量。对于一个物理系统，状态变量通常与系统中的能量存储元件相关，例如电容器的电压和电感器的电流。

2.3.2 状态空间模型的建立与应用

建立状态空间模型需要定义状态变量、输入变量和输出变量。系统的行为可以用一组一阶微分方程表示：

[ \dot{x}(t) = Ax(t) + Bu(t) ]
[ y(t) = Cx(t) + Du(t) ]

其中，( x(t) )是状态向量，( u(t) )是输入向量，( y(t) )是输出向量。矩阵( A )、( B )、( C )和( D )分别称为系统矩阵、输入矩阵、输出矩阵和直接传递矩阵。

状态空间模型特别适合于多变量系统的分析和控制器设计。借助状态空间模型，可以直观地分析系统的稳定性，设计状态反馈控制器，并运用现代控制理论来实现系统性能的优化。

下面，我们将深入探讨状态空间模型的应用实例，以及如何在控制系统设计中运用它来优化系统性能。

3. 系统稳定性分析

3.1 稳定性的定义与判定准则

3.1.1 稳定性概念的理论基础

控制系统中，稳定性是指系统在受到扰动后，能够回到平衡状态或保持在新的平衡状态的能力。在理论分析中，稳定性是通过系统对输入信号的响应来定义的。若系统输出随着时间的推移趋于有限值或零，则称系统是稳定的。稳定性对于确保控制系统安全、可靠地运行至关重要，因为不稳定的系统可能会导致无法预测和控制的行为。

在数学上，线性时不变系统稳定的充分必要条件通常由极点的位置决定，即所有极点必须位于左半复平面。对于非线性系统，判定稳定性则更为复杂，可能涉及李雅普诺夫方法等。

3.1.2 常用的稳定性判定方法

在控制系统分析中，常用的稳定性判定方法包括：

劳斯稳定判据： 通过构造劳斯表来判定线性时不变系统的稳定性，无需计算系统的根。
赫尔维茨稳定判据： 利用系统特征多项式的系数构建赫尔维茨矩阵，通过判断其顺序主子式全部为正来判定系统稳定性。
奈奎斯特稳定判据： 利用开环频率响应绘制奈奎斯特图来判定闭环系统稳定性，尤其适用于反馈控制系统。
李雅普诺夫方法： 通过寻找李雅普诺夫函数来判定系统动态行为，适用于线性和非线性系统，是一种能量函数方法。

3.2 劳斯-赫尔维茨稳定性判据

3.2.1 劳斯判据的基本原理

劳斯稳定判据是基于代数方程的根的分布来判断系统稳定性的一种方法。对于一个给定的传递函数，其分母多项式称为特征多项式。劳斯判据利用特征多项式构成的劳斯表来进行稳定性分析。如果一个系统的特征多项式的所有系数都是实数，且所有根的实部都是负的，那么该系统是稳定的。

构建劳斯表的步骤如下：

写出特征多项式的系数。
使用斜率形式填充劳斯表的第一列。
利用第一列和第二列的差值来填充其余列。

系统稳定时，劳斯表的第一列中不出现零。

3.2.2 赫尔维茨判据的应用

赫尔维茨稳定性判定方法是基于代数方程的根的位置来判断系统稳定性的一种方法。与劳斯判据不同，赫尔维茨判定方法直接从特征多项式的系数出发，无需劳斯表的构建过程。赫尔维茨判据的步骤如下：

将特征多项式按降幂排列。
构造一个赫尔维茨矩阵，该矩阵由多项式系数构成，主对角线上是系数，其余元素按照特定规则填充。
计算赫尔维茨矩阵的所有顺序主子式，并判断它们的符号。

如果所有顺序主子式都是正数，那么系统是稳定的；如果至少有一个是负数，则系统不稳定。

flowchart TD
    A[开始稳定性分析] --> B[计算特征多项式系数]
    B --> C{使用劳斯判据?}
    C -->|是| D[构建劳斯表]
    C -->|否| E[使用赫尔维茨矩阵]
    D --> F{第一列中有零吗?}
    F -->|是| G[系统不稳定]
    F -->|否| H[系统稳定]
    E --> I{所有主子式都是正吗?}
    I -->|是| J[系统稳定]
    I -->|否| K[系统不稳定]

3.3 非线性系统的稳定性分析

3.3.1 非线性系统稳定性的特点

非线性系统稳定性分析比线性系统复杂得多，因为非线性系统可能表现出丰富的动态行为，包括极限环、混沌等现象。非线性系统的稳定性通常取决于操作点，而同一个系统可能在不同的操作点表现出不同的稳定性特性。因此，分析非线性系统稳定性时需要针对特定的操作点来进行。

3.3.2 Lyapunov稳定性理论简介

李雅普诺夫稳定性理论是分析非线性系统稳定性的一种方法，它不依赖于系统方程的解，而是通过寻找一个称为李雅普诺夫函数的正定函数来判断系统稳定性。如果能够找到一个李雅普诺夫函数，其沿着系统轨迹的导数是负定的（对于渐近稳定）或半负定的（对于稳定），那么系统是稳定的。

例如，考虑一个简化的二阶非线性系统：

x_dot = -x + x^3
y_dot = -y

一个可能的李雅普诺夫函数是：

V(x, y) = 1/2 x^2 + y^2

计算其导数得：

V_dot = x * (-x + x^3) + y * (-y) = -x^2 + x^4 - y^2

当x接近于0时， V_dot 为负，因此系统在原点附近是渐近稳定的。

graph LR
    A[选择非线性系统] --> B[选择操作点]
    B --> C[构造李雅普诺夫函数]
    C --> D{计算V_dot}
    D -->|V_dot < 0| E[系统稳定]
    D -->|V_dot >= 0| F[系统不稳定]

在实际应用中，李雅普诺夫方法要求寻找合适的李雅普诺夫函数，这可能需要相当的直觉和经验，特别是对于高维和复杂非线性系统。

4. 控制系统时域分析

在控制系统中，时域分析是一种评估系统响应随时间变化的方法。时域分析法将重点放在系统的瞬态和稳态行为上，提供了系统动态性能的直观描述。

4.1 时域响应的概念与特征

4.1.1 时域响应的含义及其重要性

时域响应是系统对输入信号的反应随时间变化的记录。这种分析方法关注于信号波形在时间上的变化，并且它能够帮助我们理解系统的瞬态性能，如上升时间、峰值时间、超调量，以及稳态误差等关键参数。

在控制工程中，时域响应分析是必不可少的，因为它允许工程师评估系统的动态行为，并预测系统在未来某一时刻的行为。例如，在设计一个跟踪系统时，工程师需要确保系统在启动后能迅速达到目标位置，并且尽可能少地超调，然后稳定地维持在目标位置，这些都需要通过时域分析来完成。

4.1.2 时域响应的基本特性

在控制系统的时域响应中，有几个关键的动态特性值得深入分析：

上升时间 ：表示系统从初始状态达到并维持在稳态值一定比例所需的时间。
峰值时间 ：系统输出达到第一个峰值所需的时间。
超调量 ：系统输出峰值超过稳态值的百分比，反映了系统的瞬态性能。
稳态误差 ：稳态时系统输出与期望稳态值之间的差值。

以上特性不仅帮助我们了解系统是否能够快速且准确地达到期望的输出，而且还能帮助我们对系统进行优化，以满足特定的性能需求。

4.2 系统时域性能指标

4.2.1 超调量、上升时间与稳态误差

对控制系统性能的定量评估，超调量、上升时间与稳态误差是三个重要的参数。每一个指标都是在特定控制目标下，评估系统性能的依据。

超调量 是衡量系统是否在稳定后仍会超出目标值的一个参数，这在很多需要精确控制的应用场景中（如飞行控制系统）是不可接受的。超调量越大，系统稳定性越差。
上升时间 关系到系统响应速度，对于快速变化的输入信号，系统需要一个较短的上升时间来迅速达到稳定状态。
稳态误差 是衡量系统最终性能的重要指标，零稳态误差意味着系统能够精确地跟踪输入信号。

在分析时域响应时，工程师需要平衡这些性能指标，因为通常提升某个指标可能会牺牲其他指标。例如，减少超调量可能需要增加系统的上升时间。

4.2.2 时域性能指标的计算与优化

时域性能指标的计算可以通过解析方法或数值方法完成。解析方法直接从系统的微分方程或传递函数中得到解析表达式，而数值方法则通过在特定输入（如阶跃函数或冲击函数）下的仿真结果来获取。

在优化时域性能指标时，可以采用各种策略，例如：

控制器调整 ：通过调整PID控制器的参数，可以有效地改善系统的超调量、上升时间和稳态误差。
预设滤波器 ：引入低通滤波器可以减少输入信号中的高频噪声，从而减少超调量。
系统结构改进 ：对系统进行结构上的修改，比如引入前馈控制来提高响应速度。

4.3 时域分析的应用实例

4.3.1 实例介绍

考虑一个典型的温度控制系统，其目的是维持一个房间的温度在设定点。这样的系统可以使用时域分析来优化，以确保温度能够迅速且准确地达到并保持在设定点。

4.3.2 时域分析在控制系统中的应用

在上述温度控制系统中，时域分析可以帮助我们：

计算关键性能指标 ：通过模拟或实验数据，我们可以得到温度控制系统达到设定点所需的上升时间、超调量以及稳态误差。
调整控制系统参数 ：如果发现系统超调过多或者响应过慢，我们可以通过调整PID控制器的参数或改变系统的反馈机制来改善性能。
预测未来性能 ：时域分析还可以帮助我们预测系统在不同的工作环境或负载条件下的性能，确保系统在各种情况下都能保持稳定。

通过使用时域分析，工程师能够更好地理解系统动态行为，并进行相应的设计调整，以达到最佳的控制效果。

5. 根轨迹法应用

5.1 根轨迹法的基本原理

根轨迹的概念与特征

根轨迹是控制系统稳定性分析和控制器设计中不可或缺的一种工具，它提供了一种直观的分析方法，让我们能够预测系统根随某个参数变化的轨迹。根轨迹法由W.R.Evans在1948年首次提出，目的是为了找到满足特定性能要求的系统极点位置。

根轨迹的绘制基于开环传递函数，通常与系统增益或特定参数有关。它是所有在复平面上使得开环传递函数的模值为1的点的集合，这些点对应于闭环极点可能的位置。换而言之，根轨迹就是开环极点到闭环极点的映射关系。

通过分析根轨迹，可以很直观地看出系统参数变化时，系统性能如何受影响，包括系统稳定性、瞬态响应和稳态误差等。它的几个主要特征包括：

起始点：开环极点处
终点：开环零点处（如果零点数量小于极点数量）
对称性：根轨迹在实轴上的对称性
渐近线：当极点数大于零点数时，根轨迹趋近于无穷远的渐近线
分叉点：根轨迹在开环传递函数极点和零点的中点分叉

根轨迹的绘制方法

绘制根轨迹的步骤通常包括以下几点：

确定开环传递函数的极点和零点，并将它们绘制在复平面上。
计算根轨迹的分支数，这等于开环极点和零点的总数。
找出根轨迹的起始点和终点，通常根轨迹从开环极点开始，到开环零点结束。
利用根轨迹对称原理，仅分析复平面的右半部分。
计算根轨迹与实轴的交点，这些点是系统参数变化时可能使系统稳定或不稳定的关键点。
确定临界点，这通常是系统增益为1时的点，可以使用Routh-Hurwitz稳定性判据来确定这些点是稳定还是不稳定的。
利用角度条件，绘制根轨迹的渐近线（当零点数量少于极点数量时）。

5.2 根轨迹的设计与分析

根轨迹在控制器设计中的作用

根轨迹法在控制器设计中的作用主要体现在能够帮助设计人员预测和调整闭环极点的位置，以便达到期望的动态和稳态性能。在设计控制器时，我们希望闭环系统具有良好的稳定性和快速的瞬态响应，同时保持较小的稳态误差。

例如，在比例-积分-微分（PID）控制器设计中，我们通常需要调整比例、积分和微分增益来改变闭环极点的位置。使用根轨迹，我们可以预知增加某个增益参数会如何影响极点位置，进而影响系统的性能指标。

根轨迹分析的实践技巧

在应用根轨迹法进行分析时，有若干技巧可以帮助我们更有效地分析和设计系统：

利用软件辅助工具：现代控制系统分析软件如MATLAB提供了绘制根轨迹的工具，可以快速准确地绘制根轨迹并计算关键参数。
理解增益交叉频率：这是根轨迹与虚轴的交点，代表系统从稳定变为不稳定的界限。
分析临界增益：临界增益是系统即将变得不稳定的增益值，根轨迹分析的一个重要方面是找到临界增益，并确定使系统稳定的最大增益。
考虑系统动态补偿：在系统设计中，可能需要增加动态补偿器（如超前或滞后网络），根轨迹可以帮助我们选择合适的补偿器参数来获得期望的系统动态响应。

5.3 根轨迹方法的问题解答与实例

常见问题解析

在实际应用根轨迹法时，可能会遇到以下一些常见问题：

根轨迹不闭合：在某些情况下，根轨迹可能不会闭合，这通常意味着系统有一个或多个极点在无穷远处，系统是不稳定的。
多变量系统的根轨迹：当系统具有多个输入和输出时，根轨迹分析变得非常复杂。通常需要简化问题或者使用更高级的分析工具。
非最小相位系统：对于包含右半平面零点的非最小相位系统，根轨迹分析会遇到更多的困难。

根轨迹法的案例研究

假设我们有一个开环传递函数为：

[ G(s)H(s) = \frac{K(s+3)}{(s+1)(s^2+2s+5)} ]

首先，我们需要确定根轨迹分支数为3（两个极点和一个零点）。然后，我们找到根轨迹的起始点和终点，接着确定渐近线和实轴上的根轨迹。通过MATLAB，我们可以很容易地绘制出根轨迹并分析系统性能。

下面是一个简化的MATLAB代码块用于绘制根轨迹：

K = 1;  % 增益的初始值
num = [K, 3*K];  % 分子系数
den = conv([1, 1], [1, 2, 5]);  % 分母系数，包含两个极点

sys = tf(num, den);  % 创建传递函数模型
rlocus(sys);  % 绘制根轨迹
grid on;  % 添加网格以增加可读性
title('Root Locus of the Control System');

在绘制的根轨迹图中，我们可以直观地看到不同增益下的闭环极点位置，并对系统性能做出判断。如果某些极点位置导致系统性能不满足要求，我们可以调整增益K，或者通过加入额外的控制器设计来移动根轨迹，以达到设计目标。