自动控制 / 系统课时

从阶跃曲线提取上升和调节时间

从阶跃曲线提取上升和调节时间

同一条阶跃响应,用 0%~100% 或 10%~90% 计算上升时间,会得到不同结论。本课以有超调的二阶闭环为例,统一起算点、阈值和稳态误差带,从曲线读取上升时间、峰值时间、调节时间,并用采样计算核对结果。

学习目标

  • 按 10%~90% 阈值测量上升时间,说明起点和终值的取法。
  • 区分首次峰值时间与进入并保持在 ±2% 误差带内的调节时间。
  • 用 Python 复核曲线读数,避免采样和截断造成误判。

先固定起点和判定标准

令阶跃施加时刻为 t=0t=0,阶跃前的输出为 y0y_0,响应最终稳定值为 y∞y_{\infty},输出变化量为 A=y∞−y0A=y_{\infty}-y_0。不能把开始记录数据的时刻直接当成阶跃时刻,也不能在还在振荡时取某个末尾采样点冒充稳定值。

本例取 y0=0y_0=0、y∞=1y_{\infty}=1。统一约定如下:

指标 判定标准 本例对应数值
上升时间 trt_r 首次达到 10% 与 90% 阈值的时刻之差 从 0.10 到 0.90
峰值时间 tpt_p 阶跃后首次响应峰值的时刻 首个局部最大值
调节时间 tst_s 此后始终落在稳态误差带内的最早时刻 0.98≤y(t)≤1.020.98\le y(t)\le1.02

这里的 ±2% 以阶跃输出变化量 ∣A∣|A| 为基准,而不是对任意时刻的输出求百分比。若是下降阶跃,可先用 p(t)=(y(t)−y0)/Ap(t)=(y(t)-y_0)/A 归一化,再对 p(t)p(t) 使用同样的 10% 和 90% 阈值。下降阶跃的首次超调峰值在原始输出曲线上表现为局部最小值。

在曲线上分别寻找三个时刻

上升时间先找响应第一次向目标方向穿过 0.10 和 0.90 的时刻,记作 t10t_{10}、t90t_{90},然后计算 tr=t90−t10t_r=t_{90}-t_{10}。采样点未恰好落在阈值上时,可在相邻两点间线性插值。

峰值时间从 t=0t=0 算到首次局部最大值,而非“最大值减去起始值”的幅度。对本例的欠阻尼响应,首次峰值约为 1.163,发生在 0.907 s;超调量约为 16.3%。若曲线单调趋近终值、没有有限时刻的峰值,应标注“无峰值时间”,不要将最后一个采样时刻当作峰值时间。

调节时间不能取第一次进入 0.98~1.02 区间的时刻:曲线随后可能再次越界。应从记录末端向前找最后一次越界,它之后的首次合格时刻才是观测区间内的调节时间;本例约为 2.020 s。

阶跃响应的上升时间、峰值时间与调节时间测量示意

用 Python 复核采样结果

下面用 Python 3 标准库生成阻尼比 0.5、自然频率 4 rad/s 的二阶系统单位阶跃响应,对应闭环传递函数 G(s)=16s2+4s+16G(s)=\frac{16}{s^2+4s+16}。采样间隔为 1 ms,观测时长为 10 s。阈值交点采用线性插值;峰值取首次局部极大值;调节时间取最后一次越界后的首个采样点。

python
import math

zeta, wn, dt = 0.5, 4.0, 0.001
wd = wn * math.sqrt(1 - zeta**2)

def response(t):
    decay = math.exp(-zeta * wn * t)
    return 1 - decay * (
        math.cos(wd * t)
        + zeta / math.sqrt(1 - zeta**2) * math.sin(wd * t)
    )

times = [i * dt for i in range(10001)]
values = [response(t) for t in times]
y0, yss = values[0], 1.0
amplitude = yss - y0
progress = [(v - y0) / amplitude for v in values]

def crossing(level):
    # 用相邻采样点插值,避免将阈值时间粗略取整
    for i in range(1, len(times)):
        if progress[i - 1] < level <= progress[i]:
            ratio = (level - progress[i - 1]) / (progress[i] - progress[i - 1])
            return times[i - 1] + ratio * dt
    raise ValueError("未到达阈值,请延长观测时间")

t10, t90 = crossing(0.1), crossing(0.9)
peak = next(
    i for i in range(1, len(values) - 1)
    if values[i] >= values[i - 1] and values[i] > values[i + 1]
)

# 从最后一次越界位置确定调节时间,而不是首次入带时间
band = 0.02 * abs(amplitude)
last_out = max((i for i, v in enumerate(values) if abs(v - yss) > band), default=-1)
if last_out == len(values) - 1:
    raise ValueError("观测末端仍越界,无法判定调节时间")
ts = times[last_out + 1]

print(f"t10={t10:.3f} s, t90={t90:.3f} s")
print(f"tr={t90 - t10:.3f} s")
print(f"tp={times[peak]:.3f} s, peak={values[peak]:.3f}")
print(f"ts(2%)={ts:.3f} s")

预期输出:

text
t10=0.122 s, t90=0.531 s
tr=0.409 s
tp=0.907 s, peak=1.163
ts(2%)=2.020 s

1 ms 的离散采样使这里的调节时间按采样点报告;它不是无限时间上“永不再越界”的数学证明。10 s 的后续响应已经充分衰减,但换成实测数据时,仍须检查记录末端是否持续稳定。

避免曲线比较时的误判

容易混淆的做法 可复查的统一做法
A 曲线用 0%~100%,B 曲线用 10%~90% 两条曲线都标明并采用 10%~90%
一进入 ±2% 带就认定已调节 检查后面是否再次越界,取最后一次越界后的时刻
把观测末端当成稳态或峰值 用稳定尾段或理论终值判定稳态;峰值找首次局部极大值
采样稀疏或噪声尖峰触发虚假越界 保存原始数据,说明采样周期;必要时使用事先约定的滤波规则并复核

例如一条曲线用 ±5% 带可能得到较短的调节时间,但不能据此认定它比按 ±2% 测得的另一条曲线更快。实际报告至少同时注明:阶跃起点、10%~90% 上升时间、误差带比例及其基准、采样周期和观测总时长。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

从阶跃曲线提取上升和调节时间

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通