企业官网建设流程全解析

简介：面向自动控制原理课程学习与 MATLAB 仿真实操的入门资料，围绕脉冲响应、阶跃响应、伯德图与 PID 控制器构成一条从时域到频域的分析链路，适合需要把课堂概念落到代码与模型中的学生及自控初学者。压缩包共 3 个文件、约 7KB，以 2 个 m 脚本和 1 个 mdl 模型为主：脚本侧侧重系统响应的计算与曲线绘制，模型侧便于在 Simulink 中搭建并观察 PID 控制回路。已有 1684 人学习下载，可作为同类练习的参考样本。读者可借助其中的代码框架复现 impulse、step、bode 等分析过程，结合传递函数或状态空间模型查看阶跃输入下的动态行为与幅频、相频特性，并通过调整比例、积分、微分增益体会参数变化对稳定性与响应速度的影响，为课程实验和简单控制设计提供可运行的起点。

1. 从敲一下水箱说起：脉冲响应、阶跃响应、伯德图到底在测什么

在 MATLAB 里敲三个函数——impulse、step、bode，就能分别画出脉冲响应、阶跃响应和伯德图，再接一个 pid 对象把闭环跑起来，一套控制入门的小实例就齐了。这几个词经常一起出现，也经常一起把人绕晕。打个比方：你往水箱里猛灌一瓢水然后立刻停手，水位先冲高再慢慢回落，这是脉冲响应；换成把水龙头一次拧到固定开度不再动，水位抖两下停在新高度，这是阶跃响应；伯德图问的是另一个问题——如果进来的不是一次动作，而是一串快慢不同的正弦波，这套系统对每个频率分别放大多少、延迟多少。搞懂它们，看到一条抖动曲线时才知道该调哪个参数、该补哪张图。

2. 脉冲响应与阶跃响应：给系统“敲一下”和“推一把”的区别

2.1 脉冲响应：松手之后系统自己的余振

想象你拿勺子敲一下玻璃杯，耳朵听到的那声“叮——”会持续一小会儿，音调固定、音量渐弱。敲击给杯子的能量是瞬间注入的，之后杯子按自己的固有频率振动、按自己的阻尼慢慢衰减。脉冲响应就是把“敲一下”这件事在数学上标准化：输入是一个宽度无限窄、面积刚好等于 1 的理想冲激 δ(t)，系统在零初始状态下产生的输出记作 h(t)。

为什么规定面积是 1？因为这样不同系统拿到的“总能量”一样，输出才有可比性。要是允许随便定面积，大系统小系统画出来的曲线就没法放在一张图上比较了。

从数学上看，脉冲响应和传递函数是一枚硬币的两面：h(t) 就是 G(s) 的拉普拉斯逆变换，知道 h(t) 等于知道 G(s)，反过来也成立。这个性质让脉冲响应成了系统辨识里的“指纹”——锤击法测模态、房间声学的混响时间、电路里打一个窄脉冲看振铃，本质上都是在测 h(t)。

读脉冲响应主要看两件事：一是它衰减到接近零要多久，对应极点的实部，衰减越快说明阻尼越大；二是它来回振荡的频率，对应极点的虚部。把这层对应关系列成表，比死记公式直观得多。

这张表解释了为什么调参的人总盯着阻尼比：阻尼比小，极点靠近虚轴，脉冲响应要振很久才消停；阻尼比大，极点远离虚轴，响应干脆但可能变慢。

在 MATLAB 里拿到脉冲响应只要一行：

s = tf('s'); G = 1/(s^2 + 0.6*s + 1); % 阻尼比 0.3、自然频率 1 rad/s 的二阶对象 impulse(G); % 画脉冲响应，横轴自动取合适的时间范围 grid on;

tf('s')先声明复变量 s，G就是传递函数对象，impulse(G)内部做逆变换并选时间向量。想自己控制时间范围，写成impulse(G, 0:0.01:30)即可。

有一点容易被忽略：真实世界里不存在宽度为零的冲激。工程上的做法是让脉冲宽度远小于系统最快的时间常数，比如系统最快动态是毫秒级，那用微秒级的窄脉冲去激励就足够近似。宽度不够窄，测出来的其实是脉冲响应和输入波形的卷积，曲线会被“抹圆”。

2.2 阶跃响应：一次把输入拧到位

阶跃响应的输入是从 0 突然跳到 1 然后一直保持。听起来比冲激还简单，但它是工程里出现频率最高的测试信号，原因很实在：大多数执行器的工作方式就是“给一个常值指令并保持住”。阀门开到 30%、电机给定某个转速、加热器功率设到某个百分比，全是阶跃动作。用最常发生的输入去测系统，结论自然最贴近日常使用。

阶跃响应图上通常读五个指标，stepinfo会一次性算给你：

一阶系统 G=K/(τs+1) 的阶跃响应是单调爬升的指数曲线，没有超调，时间常数 τ 决定快慢，2% 误差带下的调节时间大约是 4τ。二阶系统就热闹多了，超调量只由阻尼比决定：

Mp = exp(−πζ / √(1−ζ²))

代入 ζ=0.3，超调约 37%；代入 ζ=0.7，超调约 4.6%。这组数字解释了一个行业习惯：调参时喜欢把闭环阻尼比往 0.7 附近推，超调落在 5% 以内，既快又不冲。看到有人把目标超调定在 5% 左右，不必觉得是拍脑袋，背后就是这条曲线。

s = tf('s'); G1 = 1/(0.5*s + 1); % 一阶，时间常数 0.5 s G2 = 1/(s^2 + 0.6*s + 1); % 二阶，阻尼比 0.3 info1 = stepinfo(G1); info2 = stepinfo(G2); fprintf('一阶超调 %.1f%%，二阶超调 %.1f%%\n', ... info1.Overshoot, info2.Overshoot);

fprintf里的%%是转义写法，输出一个百分号。运行结果会告诉你一阶超调 0%、二阶接近 37%，和公式算出来的一致。stepinfo默认按稳态值的 2% 误差带判定调节时间，想要 5% 可以加参数SettlingTimeThreshold。

2.3 两者是积分与求导的关系，不是两套东西

很多人把脉冲响应和阶跃响应当成两种独立的分析工具，各画各的。其实它们严格咬合：阶跃响应等于脉冲响应的积分，脉冲响应等于阶跃响应的导数。

y_step(t) = ∫₀ᵗ h(τ) dτ

道理不难想：阶跃输入相当于从 0 时刻开始，每时每刻都在往里“加一点冲激”，把所有这些冲激的响应累加起来，就是阶跃响应。反过来，把阶跃响应求导，得到的正是每一刻新注入那一点冲激造成的即时影响。

这条关系有个很实用的推论：阶跃响应是脉冲响应的积分，而积分本身是低通，会把快速抖动抹平。所以一条看起来光滑漂亮的阶跃曲线，不代表系统内部没有高频振铃，只是被积分藏起来了。想看系统真实的“抖动性格”，得回头看脉冲响应。

s = tf('s'); G = 1/(s^2 + 0.6*s + 1); t = 0:0.005:20; % 步长 5 ms，远小于振荡周期 h = impulse(G, t); % 脉冲响应 y = step(G, t); % 阶跃响应 y2 = cumtrapz(t, h); % 梯形法数值积分还原 err = max(abs(y - y2)); % 两种算法的最大偏差 fprintf('最大偏差 %.4f\n', err);

cumtrapz是梯形积分，返回和输入等长的累积结果；err反映离散化带来的误差，正常情况下在千分之一量级。步长取得越细，偏差越小；但步长太细会拖慢仿真，取最快时间常数的二十分之一左右就够用。

提示：想验证“阶跃响应求导等于脉冲响应”，用diff(y)./diff(t)做数值微分即可，但数值微分对噪声敏感，仿真数据干净才靠谱。

3. 伯德图：把频率从慢到快扫一遍，能看见什么

3.1 频率响应：一串快慢不同的正弦波打进去

前面两种测试都是“给一下、看反应”，伯德图换了个问法：如果输入不是一次动作，而是一串连续的正弦波，频率从很慢到很快逐点变化，系统对每个频率分别放大多少倍、滞后多少角度？

线性系统有个很好的性质：输入 A·sin(ωt)，稳态输出仍然是同频率的正弦，只是幅值变成 B、相位偏移了 φ。B/A 就是该频率下的幅值放大倍数，φ 就是相位滞后。把 ω 从很小扫到很大，每个频率记一个点，连起来就是频率响应。

生活里的类比是声音穿过一面墙。低频的鼓点透过来还挺清楚，高频的细节被墙吃掉不少；同一面墙对不同频率的“通过率”不一样，对每个频率造成的延迟也不同。伯德图就是把这面墙的通过率和延迟画成两条曲线。

具体画法是两张子图：上面是幅频，纵轴用 20·log₁₀|G(jω)|，单位分贝；下面是相频，纵轴是角度；两张图的横轴都是对数刻度的频率。用对数横轴的好处很实际——一套系统的工作频段可能横跨四五个数量级，线性坐标根本画不下；而且串联环节的幅值相乘在对数下变成相加，相位本来就直接相加，手画渐近线时特别顺手。

渐近线的规律值得记：每遇到一个极点，幅频斜率往下折 20 dB/dec；每遇到一个零点，往上折 20 dB/dec；一个积分环节 1/s 从头到尾都是 −20 dB/dec，相位恒定 −90°。看到一条 −40 dB/dec 的斜线，基本可以判断那个频段有两个极点在一起起作用。

3.2 幅频相频里藏着四个读数

伯德图上信息不少，但真正天天用到的就四个。

第一个是低频增益。频率趋于零时幅值曲线的位置，决定了系统跟阶跃指令的贴合程度。0 型系统低频增益是个有限值，阶跃输入下会留静差；1 型系统因为含一个积分环节，低频增益趋于无穷，静差被消掉。这也是为什么加积分能消除静差——它在频域上把低频增益抬起来了。

第二个是穿越频率 ωc，也就是幅值曲线穿过 0 dB 的那个频率。它粗略对应闭环带宽：穿越频率越高，闭环能跟上的指令变化越快，响应越迅速；但同时高频噪声也更容易被放进来。响应速度和噪声抑制在这里是一对矛盾，调参本质上是在这两者之间找平衡点。

第三个是相位裕度 PM。在穿越频率处读相位，距离 −180° 还差多少度，就是相位裕度。经验上 45° 到 60° 是个舒服的区间：太小，阶跃响应超调大、振铃多；太大，响应变得迟钝。二阶系统有个好用的口算近似，ζ ≈ PM/100，相位裕度 60° 对应阻尼比 0.6 左右，超调约 10%。

第四个是增益裕度 GM。找到相位正好到 −180° 的那个频率，看此时幅值距离 0 dB 还有多少分贝。它回答的是“增益还能再放大多少倍才开始出问题”。

s = tf('s'); G = 1/(s^2 + 0.6*s + 1); [Gm, Pm, Wcg, Wcp] = margin(G); fprintf('增益裕度 %.2f dB，相位裕度 %.1f 度，穿越频率 %.2f rad/s\n', ... 20*log10(Gm), Pm, Wcp);

margin返回的Gm是绝对增益倍数而不是分贝，所以要再取一次20*log10；Wcg是相位穿越频率，Wcp是增益穿越频率，后者就是前面说的 ωc。margin(G)不带输出参数时会直接在图上一并标出这两个裕度，做报告很方便。

注意：margin对含积分环节的系统也能算，但如果幅值曲线多次穿越 0 dB，返回的是最保守的那一组，看图上标注确认一下更稳妥。

3.3 伯德图读得出趋势，读不出所有细节

伯德图强在全局视野：哪些频段被放大、哪些被压制、带宽多宽、裕度够不够，一眼扫过去就有数。它还能直接看出时域图上看不到的东西，比如系统对某个频段扰动的敏感程度，以及加入滤波器后噪声抑制能力改善了多少。

但它也有明确的边界。横轴是频率，没有“第几秒”，所以读不出具体的上升时间和调节时间；它描述的是线性时不变系统，饱和、限幅、死区、齿隙这些非线性环节在图上完全体现不出来；超调量只能靠二阶近似估算，高阶系统直接读会偏。

有个细节值得单独说：纯延迟在伯德图上非常好认——幅值曲线一动不动，相位曲线随频率线性往下掉。时域上延迟只是把曲线整体右移，看着不起眼，频域上却是相位持续流失，吃掉大量相位裕度。这就是为什么控制系统里一个不大的延迟常常让裕度忽然不够用，调参时反复翻车。

想看指定频段，bode(G, {0.1, 100})可以直接限定横轴范围，把注意力放在关心的区间。

4. PID 实例：三个参数在曲线上各留下什么指纹

4.1 把对象、控制器和反馈接成一个圈

选一个具体的对象来跑：G(s) = 1/(s² + 0.6s + 1)，自然频率 1 rad/s，阻尼比 0.3，直流增益 1。挑它是因为它自己就带明显超调，任何调参动作都能在曲线上看出来，不像过阻尼对象那样加什么都平平的。

控制器用并联型：C(s) = Kp + Ki/s + Kd·s。三项各管一件事，用洗澡调水温来类比最贴切。Kp 是“觉得凉就拧一把”，误差越大拧得越狠；Ki 是“一直偏凉就一直往热的方向拧”，把历史误差累积起来；Kd 是“手碰到水发现正在快速变热，提前收一点”，看的是误差变化的速度。

闭环传递函数是 T = C·G / (1 + C·G)，单位负反馈。这个式子说明一件事：调参改变的不是对象本身，而是闭环整体的形状，所以三个参数的影响会互相纠缠，不存在“调好一个再调下一个就完事”的独立性。

实际工程里的微分项几乎不会用纯微分，而是串一个低通：Kd·s/(1 + s/N)，N 取带宽的 10 到 20 倍。原因很简单，纯微分对高频的放大是无上限的，传感器上一点噪声会被放大成执行器的大幅抖动。

4.2 三个参数各改曲线哪一段

先把经典结论列成表，再看代码验证。

这张表是调参的出发点，但表里的“通常”“略”说明它不是铁律，实际形状取决于对象。最靠得住的办法是逐项扫描，亲眼看曲线怎么变。

s = tf('s'); G = 1/(s^2 + 0.6*s + 1); Kp_list = [0.3 0.8 1.5 3]; figure; hold on; for k = 1:numel(Kp_list) C = pid(Kp_list(k), 0, 0); % 只开比例项，Ki 和 Kd 置零 T = feedback(C*G, 1); % 单位负反馈闭环 step(T, 20); % 统一仿真 20 秒，方便对比 end legend('Kp=0.3','Kp=0.8','Kp=1.5','Kp=3'); grid on;

hold on让四条曲线叠在一张图上，legend的顺序要和循环里Kp_list的顺序一致，否则标错颜色就白看了。跑完会看到：Kp=0.3 时曲线爬得慢，但很平；Kp 一路加到 3，上升明显变快，超调接近一半，还带明显振荡。这就是“比例增大加快响应、同时推高振荡”的直观版本，光看表格体会不到那个抖动有多难受。

再单独看积分项。Ki 的作用是消除静差，代价是相位滞后——积分环节在低频提供增益，同时贡献最多 −90° 的相位，裕度被吃掉，超调自然上来。只开比例时，闭环对阶跃指令往往留一个小静差；把 Ki 从一个很小的值（比如 0.1）往上加，静差会逐渐消失，然后超调开始变大、调节时间变长。

这里有个绕不开的坑叫积分饱和。执行器有上限，误差长时间存在时积分项会一直累积，等误差终于反号，积分项已经憋得很大，要很久才能退回来，表现为曲线冲上去后回落特别慢。解决思路是抗积分饱和：一旦输出打到限幅，就停止积分或按超出量回算。

微分项 Kd 的效果在曲线上很直观：超调被压下去，第一个峰变矮，振荡次数减少，看起来“更沉稳”。代价是高频放大，传感器噪声一旦存在，执行器就开始抖。所以实际做法往往是对测量值微分而不是对误差微分，避免指令突变时微分项打出一个尖峰。

4.3 自动整定当起点，手调做收尾

MATLAB 提供了pidtune做自动整定，默认设计目标是把相位裕度做到 60°，这个默认值和前面说的经验区间是对上的。

s = tf('s'); G = 1/(s^2 + 0.6*s + 1); Cauto = pidtune(G, 'PID'); % 按 60 度相位裕度整定 Tauto = feedback(Cauto*G, 1); info = stepinfo(Tauto); fprintf('Kp=%.3f Ki=%.3f Kd=%.3f\n', Cauto.Kp, Cauto.Ki, Cauto.Kd); fprintf('超调 %.1f%%，调节时间 %.2f s\n', info.Overshoot, info.SettlingTime);

pidtune(G,'PID')返回一个 pid 对象，Cauto.Kp、Cauto.Ki、Cauto.Kd直接读三项系数。想指定穿越频率或设计偏好，用pidtuneOptions设置CrossoverFrequency或DesignFocus。

自动整定给的是一组能用的起点，不是终点。它按线性模型算，模型一旦有延迟、饱和、噪声，结论就会偏。比较稳妥的流程是：拿pidtune的结果作为初值，先看阶跃响应，再回头看margin打印的相位裕度，两个视角都对得上再往实际系统上搬。手调时按 Kp、Ki、Kd 的顺序走，每加一项都回头同时看阶跃曲线和裕度，比一口气调完再验要少走很多弯路。

提示：仿真模型里加一个TransportDelay或InputDelay，再跑一遍pidtune，会看到它给出的增益明显变小。这个对比能让人对延迟的杀伤力有具体感受。

5. 常见误区：响应曲线、传递函数与 PID 参数最容易混在哪

5.1 误区一：阶跃响应漂亮就等于系统没问题

易混点：把一张好看的阶跃响应当成系统的全貌，看到超调小、调节快就收工。

为什么混：阶跃响应最好测、报告里最常见，看多了容易产生“这就是系统”的错觉。而且阶跃响应确实综合了上升、超调、静差几个关键指标，很像一份完整答卷。

怎么区分：阶跃响应只是某一种输入下的一个切面，而且积分会掩盖高频振铃。两个系统阶跃响应几乎重合，脉冲响应可能一个干净一个抖得厉害。更实际的问题是大信号行为：小阶跃（0.1 的指令）跑出来漂亮，不代表 1.0 的指令也漂亮，执行器一饱和，曲线立刻变形。所以看到漂亮的阶跃曲线，顺手做两件事——补一张脉冲响应看内部有没有振铃，换一个更大的阶跃幅值看饱和边界在哪。

5.2 误区二：伯德图只是用来判断闭环会不会发散

易混点：把伯德图等同于稳定性判据，觉得裕度算出来够大，这张图的任务就完成了。

为什么混：教材讲频域分析时，先从奈奎斯特判据和伯德图判据切入，考试也围绕裕度出题，久而久之伯德图就被贴上了“判稳工具”的标签。

怎么区分：裕度只是伯德图上的一项读数。低频增益告诉你静差能力，穿越频率告诉你带宽和响应速度，幅频曲线的斜率告诉你噪声在哪个频段被放大，谐振峰的高度和超调有对应关系。把伯德图只当判据用，等于买了一台能测十项指标的仪器，每次只看一个数。实际调参时，判断“还能不能再加一点增益”，看的往往是裕度还剩多少和带宽是否已经超出执行器能力，两件事一起看。

5.3 误区三：PID 三个参数可以一个一个独立调好

易混点：认为 Kp 管速度、Ki 管静差、Kd 管超调，三件事互不干扰，按顺序各调各的就行。

为什么混：教科书表格把三项的影响分行列出，看起来边界清晰；手调口诀也常写成“先比例、再积分、后微分”，像是三个独立步骤。

怎么区分：三项在闭环里是叠加的，改一个，另外两个的最优值就移动了。加 Ki 相当于在低频增加增益，等效于把比例作用也加强了一部分，超调会跟着变；加 Kd 引入相位超前，裕度改善，原先合适的 Kp 又显得保守。所以顺序法只是启发式，每调一步都要回头重看整条曲线。更靠谱的心态是把三个参数当成一个整体在搜索，而不是三个独立的旋钮。

5.4 误区四：仿真曲线贴合就算完事

易混点：MATLAB 里 step 曲线和预期一模一样，就认为实际系统接上去也会一样。

为什么混：仿真环境里对象是理想线性的，没有延迟、没有噪声、没有量化误差、没有执行器限幅，跑出来的曲线干净得让人放心。

怎么区分：把仿真当成“理想条件下的上限”，而不是“实际结果的预测”。做三件事能提前发现大部分问题：加一个几十毫秒的延迟看裕度掉多少；在测量端叠一点噪声看执行器输出抖不抖；给执行器加限幅看积分饱和会不会出现。还有采样周期，连续域设计完直接离散化，采样太慢会让相位裕度悄悄缩水，这一点在仿真里不加离散环节是看不出来的。仿真负责验证思路，实测定终稿。

6. 什么时候看阶跃、什么时候画伯德：一张判断表和一个踩坑习惯

这几张图不是替代关系，各回答不同的问题。手上有个具体疑问时，按下面这张表挑工具，能省掉不少来回试的时间。

大致的分工是：设计阶段先看伯德图，确定带宽和裕度的可行区间，避免一上手就把增益加到边缘；调参阶段以阶跃响应为主，因为验收指标通常写在时域里；怀疑系统内部有异常振荡、或者阶跃曲线平滑得可疑时，补一张脉冲响应。

有几条边界值得记住。对象是非线性的，比如带明显死区或齿隙，伯德图的意义会打折扣，因为线性化只在一个工作点附近成立，这时候多用不同幅值的阶跃去扫，比看频域曲线实在。系统阶次很高时，二阶近似公式给出的超调估计只能当参考，别拿它当验收依据。还有延迟，只要延迟量级接近甚至超过系统最快时间常数，任何基于无延迟模型调出来的参数都要打问号，先补延迟再调。

我自己的教训来自一个模拟项目：当时阶跃曲线调得很漂亮，超调 3%、调节时间也达标，直接交付。实际接上去以后执行器一直有轻微的高频抖动，查了半天才发现是微分项把传感器噪声放大了，而仿真里根本没有噪声。从那以后我每次拿到一条漂亮的阶跃曲线，都强制再补一张脉冲响应和一次margin打印，确认裕度不是卡着二十几度过关的，也确认执行器输出没有在高频上偷偷抖动。这个习惯救过不止一次。

这份资料把 impulse、step、bode、pidtune 四类脚本和参数对照表收在了一起，对象、扫描变量、裕度打印都写成可直接运行的完整例子，拿到手改几个数就能套到自己的模型上。希望帮到你。

本文还有配套的精品资源，点击获取