3. 比例控制器(P)与发散：纯比例控制的局限性

聊到比例控制，很多刚入行的朋友会觉得这是最简单的——不就是把误差乘个系数嘛。嗯，确实简单，但坑也最多。我见过不少项目，前期调个P参数跑得挺好，一换工况直接飞车。今天咱们就把这个「发散」的问题掰开揉碎讲清楚。

比例控制器的公式大家都很熟悉：

u(t) = Kp * e(t)

其中 e(t) 是当前误差，Kp 是比例增益。输出 u(t) 直接正比于误差。

听起来很合理对吧？误差大就用力推，误差小就轻轻拉。但实际用起来，你会发现几个要命的问题。

第一个问题：永远追不上目标

我举个例子。假设你让机器人去抓一个静止的杯子，比例控制器会这样工作：

听起来完美？不对。现实中存在摩擦力、惯性、死区等各种干扰。当机器人接近目标时，控制力已经变得很小了。如果这个力不足以克服摩擦力，机器人就会停在目标点附近，永远进不去。

这就是稳态误差的本质：纯比例控制无法消除持续存在的干扰。它只能「减小」误差，不能「消除」误差。

我在做移动机器人定位时遇到过这种情况。AGV小车在接近充电桩时，总是差那么2-3厘米停住。加了积分项才解决。纯比例控制，说白了就是个「差不多先生」。

你可能要问：稳态误差和发散有什么关系？

关系大了。为了消除稳态误差，新手最容易犯的错误就是——拼命加大Kp。

我见过一个案例：有个团队做无人机悬停，发现高度误差总是有5厘米。他们觉得是Kp太小，于是一口气把Kp从0.5调到2.0。结果呢？无人机开始剧烈抖动，最后直接翻机了。

为什么会这样？

咱们用数学解释一下。考虑一个简单的一阶系统：

G(s) = 1 / (s + 1)

加上比例控制器后，闭环传递函数为：

Φ(s) = Kp / (s + 1 + Kp)

特征方程是：s + 1 + Kp = 0，极点在 s = -(1+Kp)。

只要 Kp > -1，系统就是稳定的。但这是理想情况。实际系统有延迟、有高阶动态，情况完全不同。

注意：实际系统往往存在纯延迟或高阶项。当Kp过大时，系统会从「过阻尼」变成「欠阻尼」，再变成「振荡发散」。

我个人的经验是：Kp每增加一倍，系统的稳定裕度大约下降30%-50%。这不是精确公式，但可以作为工程直觉。

临界增益，就是让系统刚好处于等幅振荡边界的那个Kp值。用符号 Kcr 表示。

怎么找临界增益？有两种方法：

我建议初学者先用实验法，直观又好理解。具体步骤：

1. 设置Kp为一个很小的值（比如0.1）
2. 给系统一个阶跃输入
3. 观察输出响应
4. 如果响应平稳，增大Kp（比如翻倍）
5. 重复直到输出出现持续的等幅振荡
6. 记录此时的Kp，就是临界增益Kcr

避坑指南：我曾经在调试一个液压伺服系统时，用这个方法找到了Kcr=12.5。但实际使用时我只取了Kcr的40%，也就是Kp=5。为什么？因为等幅振荡只是临界点，实际系统还有非线性因素，留足裕量才安全。

下面这张图展示了不同Kp值下的系统响应：

从这张图可以清楚看到：

临界增益 Kcr 就是红线刚好变成等幅振荡的那个点。在实际工程中，我一般取 Kp = 0.4~0.6 * Kcr。这是齐格勒-尼科尔斯方法给出的经验值，经过大量实践验证，比较靠谱。

核心结论：纯比例控制无法消除稳态误差。为了减小稳态误差而盲目增大Kp，可能导致系统发散。临界增益Kcr是系统稳定的边界，实际使用时要留足裕量。

最后说一句：比例控制虽然简单，但用好它需要理解背后的动态特性。我见过太多人把Kp调得很大，觉得「越大越灵敏」，结果系统发散得一塌糊涂。记住，控制不是比谁力气大，而是比谁更懂系统的脾气。