第二节 控制理论基础回顾：传递函数、状态空间、稳定性、能控能观性及其在代码实现中的意义

控制理论是控制算法工程实现的基石。无论是PID参数整定、MPC预测控制，还是LQR最优控制，其底层逻辑都源于对系统模型的数学描述与分析。本节将系统回顾传递函数、状态空间、稳定性、能控性与能观性五大核心概念，并重点剖析这些概念在嵌入式代码、仿真建模与算法优化中的具体映射关系。理解这些理论如何转化为代码中的数据结构、判断条件与算法边界，是避免“调参靠运气、上线出事故”的关键前提。

上图展示了控制理论四大核心概念与代码实现之间的映射关系。在实际工程中，传递函数与状态空间是两种等价的系统描述方式，但各自适用于不同的分析场景；稳定性是系统能否安全运行的前提；能控性与能观性则决定了控制器与观测器设计的可行性。下面逐一展开。

2.1 传递函数：频域视角与离散化实现

核心原理

传递函数 G(s) 是线性时不变系统在零初始条件下，输出拉普拉斯变换与输入拉普拉斯变换之比。它用极点、零点和增益三个要素完整描述系统的动态特性。极点决定系统的自然响应模态（衰减速度与振荡频率），零点影响各模态的权重，增益则缩放整体幅值。在频域中，传递函数还直接对应系统的幅频特性与相频特性，是频域设计（如陷波器、低通滤波器）的基础。

从连续域到离散代码

在数字控制器中，连续传递函数必须离散化为差分方程。常用方法包括：前向欧拉法、后向欧拉法、双线性变换（Tustin）和零极点匹配法。以双线性变换为例，将 s 替换为 (2/Ts)·(z-1)/(z+1)，其中 Ts 为采样周期。离散化后得到 z 域传递函数，再通过逆 z 变换得到可直接在 MCU 中循环执行的差分方程。

// 示例：二阶低通滤波器离散化（双线性变换）
// 连续域：G(s) = wc^2 / (s^2 + 2*zeta*wc*s + wc^2)
// 采样周期 Ts = 0.001s，wc = 100 rad/s，zeta = 0.707
float b0 = 0.0098, b1 = 0.0196, b2 = 0.0098;
float a1 = -1.7647, a2 = 0.8039;
float x_prev1 = 0, x_prev2 = 0, y_prev1 = 0, y_prev2 = 0;

float filter_update(float input) {
    float y = b0*input + b1*x_prev1 + b2*x_prev2 - a1*y_prev1 - a2*y_prev2;
    x_prev2 = x_prev1; x_prev1 = input;
    y_prev2 = y_prev1; y_prev1 = y;
    return y;
}

代码中的 b0、b1、b2、a1、a2 即为离散化后的系数。这些系数对数值精度极其敏感，在定点 MCU 上需特别注意量化误差。建议使用浮点运算或 Q15/Q31 定点格式，并在仿真中验证离散化后的频率响应与连续域的一致性。

实战场景：电机电流环陷波器设计

某伺服驱动器在 2kHz 处存在机械谐振，导致电流环啸叫。工程师在连续域设计陷波器 G(s) = (s² + ωn²) / (s² + 2·ζ·ωn·s + ωn²)，其中 ωn = 2π·2000 rad/s，ζ = 0.1。采样周期 Ts = 50μs。采用双线性变换离散化后，在代码中实现该陷波器。实测结果显示，2kHz 处增益衰减 25dB，啸叫消除，但相位滞后在 1kHz 处增加约 8°，需通过前馈补偿修正。

2.2 状态空间：时域建模与矩阵运算

核心原理

状态空间模型用一阶微分方程组描述系统：ẋ = Ax + Bu，y = Cx + Du。其中 x 为 n 维状态向量，u 为 m 维输入向量，y 为 p 维输出向量。A 为系统矩阵，B 为输入矩阵，C 为输出矩阵，D 为直通矩阵。状态空间模型不仅能描述输入输出关系，还能揭示系统内部状态的变化规律，是多变量系统、非线性系统线性化、观测器设计的基础。

离散化与代码实现

连续状态空间方程需离散化为 x[k+1] = Ad·x[k] + Bd·u[k]，y[k] = Cd·x[k] + Dd·u[k]。离散化方法包括精确离散化（矩阵指数）和近似离散化（欧拉法）。精确离散化公式为 Ad = e^(A·Ts)，Bd = ∫₀^Ts e^(A·τ)·B dτ。在代码中，Ad 和 Bd 通常预先计算并存储为常量矩阵，运行时仅执行矩阵乘法。

// 示例：一阶惯性系统状态空间离散化
// 连续域：dx/dt = (-1/T)*x + (K/T)*u, y = x
// 参数：T = 0.1s, K = 2, Ts = 0.01s
float Ad = 0.9048;  // e^(-0.01/0.1)
float Bd = 0.1903;  // K*(1 - e^(-Ts/T))
float x_state = 0;

float state_update(float u) {
    x_state = Ad * x_state + Bd * u;
    return x_state;  // y = x
}

矩阵运算在代码中需注意维度匹配与内存布局。对于嵌入式系统，建议使用静态二维数组而非动态分配，并利用矩阵的稀疏性优化乘法次数。若状态维数较高（n>10），可考虑使用线性代数库（如 Eigen、Armadillo）或手写优化的矩阵乘法。

案例拆解：倒立摆状态反馈控制

考虑一阶倒立摆系统，状态向量 x = [位置, 速度, 角度, 角速度]ᵀ。通过线性化得到 A、B 矩阵。设计 LQR 控制器 u = -K·x，其中 K 为反馈增益矩阵。在代码中，每个控制周期执行以下步骤：读取编码器与 IMU 数据 → 构造状态向量 → 计算控制量 u = -K·x → 输出 PWM。实测中，LQR 控制使倒立摆在 ±10° 扰动下 1.5s 内恢复平衡。关键点在于状态向量的准确获取，这依赖于下文将讨论的能观性与观测器设计。

2.3 稳定性：从理论判据到代码保护

核心原理

稳定性是控制系统最基本的要求。对于线性时不变系统，渐近稳定的充要条件是系统矩阵 A 的所有特征值（或传递函数的所有极点）均具有负实部。在离散域中，要求所有极点位于单位圆内。工程上还常用李雅普诺夫第二法、奈奎斯特判据、增益裕度与相位裕度等工具分析稳定性。

代码中的稳定性保护

理论上的稳定性分析在代码实现中面临数值误差、非线性饱和、参数漂移等挑战。因此，工程代码必须包含以下保护机制：

• 数值发散检测：定期检查状态变量或输出是否超出合理范围（如 NaN、Inf、值超限），一旦异常立即切换至安全模式。
• 抗积分饱和：在 PID 控制器中，积分项需限制在 [min, max] 区间，防止 windup 导致大幅超调。
• 输出限幅与变化率限制：控制量输出需经过饱和函数，并限制每周期最大变化量，避免执行器冲击。
• 极点监控：在自适应控制或在线辨识中，实时计算离散极点的模长，若超出单位圆则冻结参数更新。

// 抗积分饱和示例（PID控制器）
float integral = 0;
float integral_limit = 10.0f;

float pid_update(float error, float kp, float ki, float kd, float dt) {
    integral += error * dt;
    // 积分限幅
    if (integral > integral_limit) integral = integral_limit;
    if (integral < -integral_limit) integral = -integral_limit;
    float derivative = (error - error_prev) / dt;
    error_prev = error;
    return kp*error + ki*integral + kd*derivative;
}

实战场景：无人机姿态控制稳定性调试

某四旋翼无人机在悬停时出现低频振荡（约 2Hz）。通过分析姿态环的传递函数，发现角速度环的相位裕度仅 18°，低于 30° 的安全阈值。工程师在代码中增加了角速度环的低通滤波器（截止频率 30Hz），将相位裕度提升至 42°，振荡消除。同时，在代码中加入输出变化率限制（最大 30%/ms），防止执行器饱和引发二次振荡。

2.4 能控性与能观性：系统能力的边界

核心原理

能控性（Controllability）指系统状态能否在有限时间内由任意初始状态转移到任意目标状态，其判据为能控性矩阵 Qc = [B, AB, A²B, ..., Aⁿ⁻¹B] 满秩。能观性（Observability）指能否通过有限时间内的输出测量值唯一确定系统初始状态，其判据为能观性矩阵 Qo = [C; CA; CA²; ...; CAⁿ⁻¹] 满秩。这两个性质决定了控制器与观测器设计的可行性。

在代码实现中的意义

案例拆解：基于卡尔曼滤波的电池 SOC 估计

某电池管理系统（BMS）需估计电池荷电状态（SOC）。建立二阶 RC 等效电路模型，状态向量 x = [SOC, V1, V2]ᵀ，其中 V1、V2 为两个 RC 网络的极化电压。测量输出为端电压 Vt。通过计算能观性矩阵，发现当电池处于静置状态（电流为 0）时，V1 和 V2 的能观性显著下降，导致 SOC 估计漂移。解决方案：在代码中增加静置检测逻辑，当电流小于 0.5A 持续 10s 时，将卡尔曼增益切换至低增益模式，并利用开路电压法修正 SOC。实测 SOC 估计误差从 8% 降至 3%。

2.5 理论到代码的完整映射与常见误区

核心原理

控制理论到代码实现并非简单的公式翻译，而是涉及离散化、数值精度、实时性、鲁棒性等多方面的系统工程。下表总结了核心概念在代码中的典型映射关系：

常见误区与规避策略

• 误区一：认为连续域设计可直接用于离散代码。实际上，采样延迟、零阶保持器效应会改变系统相位，需在设计中预留相位裕度。
• 误区二：忽视定点数精度。在定点 MCU 上，矩阵乘法中的中间结果可能溢出，需使用 Q 格式或混合精度策略。
• 误区三：将稳定性分析视为一次性任务。参数漂移、老化、环境变化都会影响稳定性，代码中应包含在线稳定性监测。
• 误区四：混淆能控性与能达性。能达性要求状态从零到达任意状态，而能控性要求从任意状态回到零，两者在连续系统中等价，但在离散系统中可能不同。