自动控制 / 系统课时
用Python搭建控制分析环境
用Python搭建控制分析环境
这一课把 Python 控制分析环境真正跑起来:安装数值计算、绘图和控制系统库,随后创建一个传递函数,计算极点并生成阶跃响应。完成后,你将拥有后续分析稳定性、时域响应和控制器设计都能复用的最小实验环境。
学习目标
- 安装并验证
numpy、matplotlib与control等基础依赖 - 使用 Python 定义传递函数并读取系统极点
- 生成阶跃响应,确认计算库与绘图链路工作正常
准备独立的 Python 环境
控制分析通常会同时依赖数值计算、控制系统算法和绘图库。为了避免不同项目之间的依赖版本互相影响,建议先建立虚拟环境,再在其中安装本课程使用的包。
下面以 Python 自带的 venv 为例。Windows PowerShell 可将激活命令换成对应的 Activate.ps1,其余安装命令相同。
python -m venv control-env
source control-env/bin/activate
python -m pip install --upgrade pip
python -m pip install numpy matplotlib control预期结果
Successfully installed <PACKAGE_LIST>具体包版本和安装日志会随平台与时间变化,只要命令正常结束且没有 ERROR 即可继续。如果系统中同时存在多个 Python,后续所有命令都应在同一个虚拟环境内执行。
验证控制系统库
安装成功不等于运行链路已经正确。最直接的检查方式是导入库、构造传递函数并让控制库计算极点。这里定义一阶系统
它只有一个极点,理论上位于 。
import control as ct
# 分子为 1,分母 2s + 1,对应 G(s)=1/(2s+1)
system = ct.TransferFunction([1], [2, 1])
poles = ct.poles(system)
print(system)
print(poles)预期输出
<TransferFunction>: sys[<ID>]
Inputs (1): ['u[0]']
Outputs (1): ['y[0]']
1
---------
2 s + 1
[-0.5+0.j]其中系统编号 <ID> 可能不同。真正需要核对的是传递函数分母是否为 2 s + 1,以及极点是否接近 -0.5+0.j。复数形式中的虚部为零,只是库统一使用复数数据类型表示极点。
跑通阶跃响应与绘图
最后再验证时域计算和绘图工具。ct.step_response 会自动生成时间序列并计算单位阶跃输入下的输出,matplotlib 负责把结果画成曲线。
import control as ct
import matplotlib.pyplot as plt
system = ct.TransferFunction([1], [2, 1])
time, response = ct.step_response(system)
print(f"final value: {response[-1]:.3f}")
plt.plot(time, response)
plt.xlabel("Time (s)")
plt.ylabel("Output")
plt.title("Step Response of G(s)=1/(2s+1)")
plt.grid(True)
plt.show()预期输出
final value: 0.999最后一个采样点可能显示为接近 1 的其他数值,因为仿真时间范围和采样点由库自动选择。与此同时应弹出一幅从 0 平滑上升并逐渐逼近 1 的曲线;如果运行在无图形界面的服务器上,窗口可能不会出现,此时可改用 plt.savefig("step-response.png") 保存图片。
常见环境问题
如果导入时报 ModuleNotFoundError,通常不是库本身损坏,而是安装依赖时使用的 Python 与运行脚本时使用的 Python 不一致。应优先检查解释器路径,而不是重复安装多个版本。
python -c "import sys; print(sys.executable)"
python -m pip show control预期输出
<PATH>
Name: control
Version: <VERSION>
...<PATH> 和 <VERSION> 会因机器而异。只要 pip show control 能找到包,并且脚本使用同一个解释器,通常就能正常导入。至此,传递函数定义、极点计算、时域响应和绘图四条基础链路都已验证,可以把这套环境直接用于后续控制系统实验。