自动控制 / 系统课时
用阻尼比预测二阶系统的超调
用阻尼比预测二阶系统的超调
给定闭环系统的阻尼比与自然频率,就能在仿真前估计阶跃响应会超过目标值多少、何时达到峰值。本文以标准二阶系统为例,计算不同参数下的超调率和峰值时间,再用 Python 绘制响应曲线,验证公式并判断适用边界。
学习目标
- 识别标准二阶系统中的阻尼比、自然频率及其物理意义。
- 使用阻尼比计算百分比超调量和峰值时间,区分欠阻尼、临界阻尼与过阻尼。
- 使用 Python 绘制不同参数的单位阶跃响应,并根据超调要求选择参数。
将闭环模型写成标准二阶形式
对于零初始条件、单位静态增益且没有有限零点的标准二阶闭环系统,传递函数为:
其中, 是无阻尼自然频率,单位为 rad/s; 是无量纲阻尼比。阻尼比决定响应是否振荡以及振荡衰减的程度,自然频率主要决定响应的时间尺度。
例如,给定 rad/s、,可得到:
向该系统施加幅值为 1 的单位阶跃输入,稳态输出为 1。如果输出最高达到 1.163,则超调率为 。
阻尼比对应的典型响应如下:
| 阻尼比范围 | 类型 | 单位阶跃响应特征 |
|---|---|---|
| 无阻尼 | 持续振荡,不收敛 | |
| 欠阻尼 | 有衰减振荡,存在超调 | |
| 临界阻尼 | 单调接近目标值,无超调 | |
| 过阻尼 | 单调接近目标值,通常更慢 |
在相同自然频率下,临界阻尼是标准二阶模型中达到稳态最快的非振荡情形。若 ,系统存在右半平面极点,不能把产生的增长振荡当作正常超调。
从阻尼比计算超调和峰值时间
对 的欠阻尼系统,振荡角频率为:
这里的 是实际衰减振荡的角频率,并不等于自然频率 。标准二阶单位阶跃响应的百分比超调量 和首次峰值时间 分别为:
超调率只由阻尼比决定,而峰值时间同时受阻尼比和自然频率影响。例如固定 rad/s,可计算出:
| 阻尼比 | 超调率 | 峰值时间 |
|---|---|---|
| 0.2 | 52.7% | 0.802 s |
| 0.5 | 16.3% | 0.907 s |
| 0.7 | 4.6% | 1.100 s |
| 1.0 | 0% | 无有限峰值时间 |
| 1.2 | 0% | 无有限峰值时间 |
前面三行使用欠阻尼公式计算,后面两行根据单调响应的性质判断。不能直接把 代入含有 的峰值时间公式。
还可以用工程常见的 2% 稳态误差带估算调节时间。对一般欠阻尼系统,常用近似式为 。例如 、 rad/s 时,估计调节时间约为 2 s。该式不是严格上界,最终仍应以实际响应进入并持续保持在误差带内的时间为准。
用 Python 绘制并核对阶跃响应
为了分离两个参数的作用,可以安排两组实验:第一组固定 rad/s,只改变阻尼比;第二组固定 ,将自然频率设置为 2、4、8 rad/s。两组曲线使用相同时间坐标与输出范围,便于直接比较。

运行环境为 Python 3.10 或更新版本,需要安装 numpy、scipy 和 matplotlib。将下面的完整程序保存为 second_order_step.py,执行 python second_order_step.py。程序使用 scipy.signal.step 计算连续时间系统的单位阶跃响应,并保存两栏对比图。
import numpy as np
import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
from scipy.signal import TransferFunction, step
omega_n = 4.0
zeta_list = [0.2, 0.5, 0.7, 1.0, 1.2]
t = np.linspace(0, 5, 1001)
fig, axes = plt.subplots(1, 2, figsize=(12, 4.2))
# 左图固定自然频率,只比较阻尼比的影响
for zeta in zeta_list:
system = TransferFunction(
[omega_n**2],
[1, 2 * zeta * omega_n, omega_n**2]
)
_, response = step(system, T=t)
axes[0].plot(t, response, label=f"zeta={zeta:.1f}")
# 峰值公式只适用于欠阻尼情形
if 0 < zeta < 1:
mp = 100 * np.exp(-np.pi * zeta / np.sqrt(1 - zeta**2))
tp = np.pi / (omega_n * np.sqrt(1 - zeta**2))
print(f"zeta={zeta:.1f}: Mp={mp:.1f}%, tp={tp:.3f}s")
else:
print(f"zeta={zeta:.1f}: Mp=0.0%, no peak")
# 右图固定阻尼比,观察自然频率改变时间尺度
for omega in [2.0, 4.0, 8.0]:
system = TransferFunction(
[omega**2],
[1, 2 * 0.5 * omega, omega**2]
)
_, response = step(system, T=t)
axes[1].plot(t, response, label=f"wn={omega:.0f} rad/s")
for ax, chart_title in zip(
axes,
["Different damping ratios", "Different natural frequencies"]
):
ax.axhline(1.0, color="gray", linestyle="--")
ax.set(title=chart_title, xlabel="Time (s)", ylabel="Unit-step response")
ax.set_xlim(0, 5)
ax.set_ylim(0, 1.65)
ax.grid(alpha=0.25)
ax.legend()
plt.tight_layout()
plt.savefig("second_order_step.png", dpi=160)
print("Saved: second_order_step.png")预期输出如下,数值按理论公式计算并保留指定小数位:
zeta=0.2: Mp=52.7%, tp=0.802s
zeta=0.5: Mp=16.3%, tp=0.907s
zeta=0.7: Mp=4.6%, tp=1.100s
zeta=1.0: Mp=0.0%, no peak
zeta=1.2: Mp=0.0%, no peak
Saved: second_order_step.png检查生成的 second_order_step.png:左图中,阻尼比越小,第一次峰值越高,后续振荡也越明显;右图中,三条曲线的峰值均约为 1.163,但自然频率越大,峰值出现得越早。由于使用 Agg 绘图后端,脚本直接保存图片,不需要弹出图形窗口。
第二组的理论峰值时间分别约为 1.814 s、0.907 s 和 0.453 s,验证了固定阻尼比时峰值时间与自然频率成反比。仿真采用 0.005 s 的采样间隔,离散采样得到的峰值时间可能与连续时间理论值有少量差异。
根据超调要求选择参数
假设电机速度闭环要求单位阶跃超调不超过 5%,并希望响应尽量快。可以先通过超调公式反求阻尼比下限:
将 代入,得到 。因此在标准二阶模型中,可先选 ,理论超调约为 4.6%。如果再取 rad/s,理论峰值时间约为 1.100 s,2% 调节时间粗略估计约为 1.43 s。
实际设计时需要分别检查三个条件:
- 超调约束:仿真计算的最大输出是否不超过目标值的 105%。
- 调节时间:输出进入目标值 ±2% 区间后,是否始终保持在区间内。
- 控制代价:提高自然频率后,控制器输出是否出现执行器饱和、过大控制力或噪声敏感问题。
一个常见误判是看到响应慢就只提高自然频率,而没有检查阻尼比。对标准二阶模型,固定阻尼比并提高自然频率确实会压缩时间轴,但不会降低百分比超调。另一个误判是将 当作普通频率 Hz;若需要换算,应使用 。
因此,工程上可以先用阻尼比约束超调,再用自然频率调整响应速度,最后对包含执行器限制、测量噪声和完整对象动态的闭环模型重新进行阶跃验证。