第二章：系统与模型基础

各位同学，大家好。我是你们的老朋友，一个在控制领域摸爬滚打了十几年的工程师。今天咱们来聊聊模型辨识的基石——系统与模型基础。说实话，这部分内容看着有点理论，但你要是真搞懂了，后面实操起来会顺手很多。

我个人习惯，在开始任何辨识工作之前，先问自己三个问题：这个系统是线性的吗？它随时间变化吗？我该用哪种模型来描述它？ 这三个问题，就是咱们今天要解决的核心。

线性时不变系统，英文叫 LTI，是模型辨识里最亲密的伙伴。为什么？因为它简单、成熟、好用。

线性，说白了就是两个特性：齐次性和叠加性。你给它一个输入，它给你一个输出。输入加倍，输出也加倍。两个输入同时作用，输出就是各自输出的和。嗯，这很符合直觉。

时不变，意思是系统的特性不随时间改变。你今天测它，和明天测它，结果一样。我在项目中遇到过最典型的例子，就是老化的传感器。刚装上去时是线性时不变的，用了两年后，漂移就出来了，变成了时变系统。所以，LTI 是一个理想化的假设，但也是我们最常用的起点。

核心要点： 大多数工业过程，在某个工作点附近，都可以近似为 LTI 系统。这是模型辨识的“安全区”。

现实世界，其实是非线性的。你想想看，摩擦力、饱和、死区、滞环……这些玩意儿到处都是。

非线性系统有个特点：不满足叠加原理。你给它一个正弦波，它输出可能就不是正弦波了，会多出很多谐波。我曾经调试过一个液压伺服系统，输入是小信号时，响应很漂亮；输入一大，系统就开始抖，怎么调 PID 都没用。后来一分析，是阀的流量饱和特性在作怪。

处理非线性系统，常用的招数有几种：

我的建议： 做辨识时，先假设它是线性的。如果残差分析发现不对劲，再考虑非线性。别一上来就搞复杂模型，容易把自己绕进去。

模型辨识，最终要输出一个数学表达式。常用的有三种：传递函数、状态空间、脉冲响应。它们之间可以互相转换，但各有各的脾气。

传递函数，是经典控制理论的灵魂。它用拉普拉斯变换，把微分方程变成了代数方程。形式很简单：

G(s) = Y(s) / U(s) = (b_m s^m + ... + b_0) / (s^n + a_{n-1} s^{n-1} + ... + a_0)

我个人习惯，用传递函数来理解系统的频率特性。比如，一个一阶惯性环节，它的带宽、时间常数，一眼就能看出来。在项目里，我经常用阶跃响应测试，直接拟合出传递函数的参数，又快又准。

状态空间模型，是现代控制理论的核心。它用一组一阶微分方程来描述系统内部状态的变化：

dx/dt = A x + B u
y = C x + D u

这里 x 是状态向量，u 是输入，y 是输出。A、B、C、D 是矩阵。

状态空间模型最大的好处，是能处理多输入多输出（MIMO）系统。我记得有一次做飞行器姿态控制，三个轴互相耦合，用传递函数根本搞不定。换成状态空间模型，把耦合项放到 A 矩阵里，一下子就清晰了。

注意： 状态空间模型的状态变量，不一定有物理意义。它只是数学上的一个抽象。所以，辨识出来的状态空间模型，可能需要做相似变换，才能对应到实际的物理量。

脉冲响应模型，是最“原始”的模型。它不假设任何结构，直接记录系统对单位脉冲输入的输出响应。在离散时间下，就是一组系数：

y(k) = sum_{i=0}^{N-1} g(i) * u(k-i)

这里的 g(i) 就是脉冲响应系数。说白了，它就是系统的“记忆”。

脉冲响应模型的好处是无偏，不需要你猜系统的阶次。但坏处也很明显：需要的数据量很大，而且对噪声敏感。我在做化工过程辨识时，经常先用脉冲响应模型看看系统的“长相”，再决定用几阶的传递函数去拟合。

为了让大家更直观地理解这些概念之间的关系，我画了一张图。你可以把它当作本章的“导航图”。

这张图展示了本章的核心逻辑：从系统特性出发，选择合适的模型形式，最终服务于具体的应用场景。你可以在后续的学习中，随时回来看看这张图，确认自己走到了哪一步。

最后，分享几个我踩过的坑：

好了，第二章的内容就到这里。记住，模型辨识不是一锤子买卖，而是一个迭代的过程。先假设，再验证，不行就换个模型。这才是工程师的思维。