4、频域辨识方法：频率响应估计、Bode图拟合、传递函数辨识

频域辨识，说白了就是把系统当成一个“黑箱子”，我们在外面敲一敲，听它怎么响。你给它不同频率的正弦波，它吐出不同幅度和相位的波形。把这些数据一整理，系统的脾气秉性就全出来了。

我个人特别喜欢频域法。为什么？因为它直观。时域里一堆微分方程看着头疼，但频域里一条Bode图，系统的稳定性、带宽、谐振峰，一眼就能看穿。我在做电机伺服系统调试时，就靠这招快速定位过机械共振点。

4.1 频率响应估计：怎么测才靠谱？

频率响应估计，核心就一件事：给激励，看响应。

常用的激励信号有两种：

• 正弦扫描（Sine Sweep）：一个频率一个频率地测。精度高，但慢。我当年测一个液压伺服阀，扫了20个频率点，花了半小时。
• 伪随机二进制序列（PRBS）：一次给一堆频率。快，但信噪比需要控制好。

拿到输入输出数据后，怎么算频率响应？最经典的方法是周期图法：

% 假设 u 是输入，y 是输出，fs 是采样率
[G, f] = tfestimate(u, y, [], [], [], fs);
% G 就是频率响应复数向量
% 幅值 = abs(G)
% 相位 = angle(G) * 180 / pi

4.2 Bode图拟合：从散点到曲线

测出来的频率响应是一堆离散点。我们需要一条光滑的传递函数曲线来拟合它。这个过程，我称之为“Bode图拟合”。

常用的拟合方法：

1. 最小二乘拟合（LS）：在幅值和相位上同时做优化。速度快，但对噪声敏感。
2. 迭代加权最小二乘（IRLS）：先粗拟合，再根据残差调整权重。我常用这个，鲁棒性好。
3. 向量拟合（Vector Fitting）：适合高阶系统，能自动确定极点个数。嗯，这个有点复杂，但效果确实好。

拟合时有个坑：相位缠绕。你测出来的相位可能在-180度和+180度之间跳来跳去。不处理直接拟合，结果会乱套。我习惯先做相位解缠绕（unwrap），再拟合。

4.3 传递函数辨识：从Bode图到数学模型

有了拟合好的Bode图，下一步就是提取传递函数。说白了，就是猜系统的零极点个数，然后优化参数。

我一般按这个步骤来：

• 看幅频曲线：低频段斜率是-20dB/dec？那有一个积分环节。高频段滚降是-40dB/dec？那可能是二阶系统。
• 看相频曲线：-90度相移？一个极点。-180度？两个极点。如果相位在某个频率突然下降，那可能有延迟环节。
• 猜阶次：先猜低阶，比如二阶系统。拟合不好再增加阶次。别一上来就搞十阶，过拟合了反而不好用。

举个例子。我测了一个温度控制系统的频率响应，幅频曲线在低频段是平的，高频段以-20dB/dec下降。相频曲线从0度降到-90度。我猜它是一阶惯性系统：

G(s) = K / (T*s + 1)

然后用最小二乘法拟合K和T。结果出来了，K=2.5，T=0.8秒。和实际系统对了一下，误差在5%以内。嗯，够用了。

4.4 知识体系：一张图看懂频域辨识

下面这张SVG图，是我梳理的频域辨识核心逻辑。从激励信号到最终模型，每一步都有讲究。

你看，从激励到验证，每一步都有对应的工具和方法。我个人觉得，最关键的还是第三步和第五步——频率响应估计和Bode图拟合。这两步做扎实了，传递函数辨识就是水到渠成的事。

4.5 实战中的几点提醒

• 信噪比：频率响应估计对噪声敏感。我习惯在激励信号幅值上做文章——低频段幅值大一点，高频段幅值小一点，保证各频段都有足够的信噪比。
• 采样率：采样率至少是最高关心频率的10倍。别问我怎么知道的，有一次我采样率设低了，结果高频段全是混叠，Bode图惨不忍睹。
• 模型阶次：别贪多。一个三阶模型能拟合好，就别用五阶。过拟合的模型在验证时往往表现很差。

好了，频域辨识就聊到这儿。记住，Bode图是你的朋友，拟合是你的工具，传递函数是你的目标。多练几次，你也能像我一样，看一眼Bode图就能猜出系统的零极点。