高等数学 / 系统课时
用拉普拉斯方法求暂态响应
用拉普拉斯方法求暂态响应
本节以质量—阻尼—弹簧系统为例,把初始位移、初始速度和外部阶跃力一起带入拉普拉斯域。通过代数方程直接求出系统响应,并从结果中区分初始条件贡献与外部输入贡献,最后检查初始时刻和原微分方程是否都满足。
学习目标
- 把二阶微分方程连同非零初值一起转换到拉普拉斯域
- 区分由初始储能产生的自然响应和由外部输入产生的受迫响应
- 通过初值检查和数值代入验证所得暂态解
建立一个典型二阶系统
考虑质量—阻尼—弹簧系统:
取参数 、、,外力为单位阶跃 ,并设初始条件为
于是模型写成
拉普拉斯方法适合这类暂态问题,因为导数变换时会自动带出初值,而阶跃输入又能直接写成简单的 。

把初值带入拉普拉斯域
设 。利用
以及
代入原方程得到
整理后:
所以
部分分式分解为
逆拉普拉斯变换得到
分开看自然响应与受迫响应
长期稳态由常值项 决定,它正好等于静态位移 。两个指数项会随时间衰减,因此总响应会从初始状态逐渐过渡到静态平衡位置。
理解自然响应与受迫响应时,更可靠的做法是按来源分解:令外力为零,只保留初值,可得到零输入响应;令初值为零,只保留阶跃外力,可得到零状态响应。在线性系统中两者相加就是总响应。
验证初始条件和微分方程
下面直接计算解析解在 的位移、速度,并在任意时刻代回原微分方程检查残差;同时用 的值观察系统是否接近稳态 。
python
import math
def x(t):
return 0.5 + math.exp(-t) - 0.5 * math.exp(-2 * t)
def velocity(t):
return -math.exp(-t) + math.exp(-2 * t)
def acceleration(t):
return math.exp(-t) - 2 * math.exp(-2 * t)
# 在任意时刻代回原方程,残差应接近 0
check_t = 0.7
residual = acceleration(check_t) + 3 * velocity(check_t) + 2 * x(check_t) - 1
print(f"x(0) = {x(0):.1f}")
print(f"x'(0) = {velocity(0):.1f}")
print(f"residual = {residual:.1f}")
print(f"x(20) = {x(20):.6f}")预期输出
text
x(0) = 1.0
x'(0) = 0.0
residual = 0.0
x(20) = 0.500000这四项检查分别验证了初始位移、初始速度、原微分方程以及接近稳态时的数值。只要其中一项不一致,就应优先检查导数的拉普拉斯变换是否漏掉了初值项,或部分分式分解是否出错。
拉普拉斯方法的选择边界
拉普拉斯变换最适合从 开始研究暂态过程,尤其是初值明确、输入包含阶跃或脉冲、系统由常系数微分方程描述的场景。它能在一次变换中同时处理微分算子、初值和输入,是工程控制与电路暂态分析中的常用方法。
如果重点是频谱组成、稳态正弦响应或空间无界扩散,傅里叶方法通常更自然;如果系统存在强非线性或时变系数,拉普拉斯域未必能把问题化成易解的代数式。变换方法的价值在于匹配问题结构,而不是强行把所有微分方程都搬到同一个域中。
按自己的节奏,确认真正理解。