高等数学 / 系统课时
完成信号系统综合建模练习
完成信号系统综合建模练习
本节完成一个从输入信号到系统输出的完整建模练习。你将先根据因果性和系统描述选择拉普拉斯变换,再在 域完成系统运算、逆变换,并通过初值、微分方程和数值计算检查结果,形成可迁移的工程求解流程。
学习目标
- 能根据输入信号、系统性质和求解目标选择合适的积分变换工具。
- 能完成“时域模型 → 域运算 → 逆变换 → 输出表达式”的完整推导。
- 能使用独立条件检查结果,而不是只依赖变换表或代数计算。
建立待求解的系统模型
考虑一个因果连续时间线性时不变系统。输入信号为
其中 为单位阶跃函数。系统满足微分方程
任务是求零状态输出 ,并确认结果确实满足原系统。
这个问题同时包含输入、系统和输出三个对象,而且需要经历建模、变换、代数运算、逆变换与验证多个阶段。把这些关系先画清楚,比直接堆公式更容易避免漏掉初值或传递函数。

选择拉普拉斯变换并完成域变换
这里优先选择拉普拉斯变换,而不是直接使用傅里叶变换。原因是系统由微分方程和初值描述,并且输入、输出均按 的因果过程分析;拉普拉斯变换可以把微分运算转化为代数运算,并自然容纳初值条件。
对输入信号变换:
对系统方程取拉普拉斯变换。由于 ,有
因此系统传递函数为
于是输出在 域中可以直接写成
这一步体现了变换法最重要的工程价值:时域中的微分系统被转换成了普通代数乘法。
逆变换得到时域输出
为了逆变换,先做部分分式分解:
分别查基本拉普拉斯变换对,即可得到
这个结果也符合直觉:系统本身具有 对应的自然衰减模式,而输入带来 模式,输出由两个指数项共同组成。由于两个极点都位于左半平面,两个分量都会随时间衰减。
用三个独立条件检查结果
首先检查初值。由结果可得
与零初始状态一致。
其次把结果代回原微分方程。对 ,
因此
这说明逆变换得到的表达式确实满足系统动力学,而不仅仅是部分分式计算形式上正确。
还可以用一个可运行的 Python 示例对若干时间点进行数值抽样,检查方程两侧是否一致:
import math
def x(t: float) -> float:
return math.exp(-t)
def y(t: float) -> float:
return math.exp(-t) - math.exp(-2 * t)
def y_prime(t: float) -> float:
# 使用解析导数验证系统方程,避免数值微分误差干扰判断。
return -math.exp(-t) + 2 * math.exp(-2 * t)
for t in (0.0, 0.5, 1.0, 2.0):
lhs = y_prime(t) + 2 * y(t)
rhs = x(t)
print(f"t={t:.1f}, lhs={lhs:.6f}, rhs={rhs:.6f}, error={abs(lhs-rhs):.2e}")预期输出:
t=0.0, lhs=1.000000, rhs=1.000000, error=0.00e+00
t=0.5, lhs=0.606531, rhs=0.606531, error=0.00e+00
t=1.0, lhs=0.367879, rhs=0.367879, error=0.00e+00
t=2.0, lhs=0.135335, rhs=0.135335, error=0.00e+00浮点环境不同可能导致最后几位存在极小差异,但方程两侧应在机器精度范围内一致。
把解题过程迁移到其他工程模型
遇到新的线性系统时,可以复用同一条工作流:先写清输入、系统关系和初值,再判断问题关注的是瞬态还是稳态;随后选择拉普拉斯变换或傅里叶变换,把微分、卷积等时域运算转换为代数运算;求得变换域输出后再逆变换,最后至少使用一个独立条件验证结果。
真正容易出错的通常不是逆变换本身,而是前面的模型选择与后面的结果检查。只要坚持“模型明确、工具匹配、域内运算、回到时域、独立验证”这条链路,即使输入函数或系统阶数发生变化,也可以用相同方法组织求解。