1. 课程导入与一维系统建模概览

在工程测量、自动控制、传感器标定和实验数据分析中，我们经常面对这样一类问题：手里有一个物理系统，知道它大致遵循某种规律，却不知道其中几个关键参数到底是多少。比如一支热电偶的响应快慢、一只称重传感器的灵敏度、一段管道的散热系数，或者一个RC滤波器的实际时间常数。这些参数往往无法直接读出，只能通过输入输出数据反推。这个反推过程，就是本课程要系统讲解的参数辨识与校准。

先厘清两个核心概念。参数辨识（Parameter Identification）是指根据系统的输入输出观测数据，利用数学方法估计模型中的未知参数。它回答的是“这个系统的模型参数是多少”。校准（Calibration）则更偏向工程实践：通过已知标准量对测量系统进行比对，修正其输出，使测量结果更接近真值。校准回答的是“如何让这个系统的读数更准”。两者关系密切——辨识提供参数依据，校准落实修正动作。在很多一维系统中，辨识与校准是同一项工作的两个阶段。

所谓一维系统，是指输入和输出都可以用单一变量描述的系统。它不意味着系统简单，而是指我们关注的是一个输入通道到一个输出通道的关系。典型的一维系统实例包括：

• 一阶惯性系统：如热电偶测温、RC低通滤波、温度传感器响应。其动态特性由时间常数τ和增益K描述，输入阶跃后输出按指数规律趋近稳态。
• 一阶加纯滞后系统：如管道温度控制、传送带物料输送。在惯性基础上增加滞后时间θ，模型为K、τ、θ三个参数。
• 静态线性系统：如称重传感器、压力变送器。输出与输入成比例关系，核心参数是灵敏度S和零点偏置b。
• 二阶系统：如弹簧-质量-阻尼系统、加速度计。由固有频率ωₙ和阻尼比ζ描述，可能出现振荡。

本课程聚焦一维系统，是因为它既是工程中最常见的对象，也是理解更复杂多变量系统的基础。掌握一维系统的辨识与校准方法后，面对多输入多输出系统时，可以将其分解为多个一维通道分别处理。

下面这张图展示了本课程的核心逻辑：从真实系统出发，经过建模、辨识、校准，最终得到可信的模型与测量结果。图中同时标出了一维系统的典型输入输出关系和参数位置。

从图中可以看到，整个工作链条是：真实系统 → 数学建模 → 参数辨识 → 校准修正 → 可信输出。其中建模确定结构，辨识估计参数，校准落实修正。三者缺一不可。如果模型结构选错，再精确的辨识算法也得不到正确结果；如果辨识参数不准，校准就失去依据；如果校准不落实，辨识成果就无法转化为实际测量精度的提升。

本课程的学习目标可以概括为三个层次。第一层是理解：掌握一维系统建模的基本形式，理解辨识与校准的数学含义和工程意义。第二层是会做：能够针对典型一维系统，选择合适的辨识方法，完成参数估计，并设计校准方案。第三层是会判断：能够评估辨识结果的可信度，分析残差，判断模型是否适用，识别常见错误来源。

课程将按照“建模基础 → 辨识方法 → 校准实践 → 综合案例”的路径展开。在建模基础部分，我们会详细推导一阶、二阶和静态系统的模型形式，明确每个参数的物理意义。在辨识方法部分，重点讲解最小二乘法、阶跃响应法、频域辨识和递推估计，并给出可复现的计算示例。在校准实践部分，介绍零点校准、增益校准、多点校准和温度补偿的具体操作。最后通过综合案例，将辨识与校准串联起来，完成一个完整的一维系统参数确定任务。

需要特别强调的是，参数辨识与校准不是纯数学游戏，而是工程决策的一部分。同一个系统，用不同方法辨识可能得到略有差异的参数；同一组数据，不同的人可能选择不同的模型结构。关键在于：你是否清楚每个参数的物理意义，是否理解方法的适用条件，是否能够判断结果是否合理。本课程的目标，就是帮助你建立这种判断力。