电流环的数学模型：PI控制器的传递函数与离散化方法

好，咱们接着聊。上一章我们把FOC电流环的物理基础打了个底，这一章就该上真家伙了——PI控制器的数学模型。

说实话，我刚入行那会儿，总觉得PI控制器不就是个比例加积分嘛，有啥好研究的？直到我在一个伺服项目里，电流环怎么调都抖，最后发现是离散化方法选错了。嗯，从那以后我再也不敢小看这部分了。

2.1 连续域下的PI控制器传递函数

先看最经典的表达式。在连续域（s域）里，PI控制器的传递函数长这样：

G(s) = Kp + Ki / s

或者写成更工程化的形式：

G(s) = Kp * (1 + 1 / (Ti * s))

这里：

• Kp —— 比例增益，决定响应速度
• Ki —— 积分增益，消除稳态误差
• Ti —— 积分时间常数，Ti = Kp / Ki

我个人习惯用第一种形式，因为Kp和Ki在代码里就是两个直接可调的系数，调试时更直观。

2.2 为什么必须离散化？

你想想看，我们的MCU是数字芯片，它只能处理离散的采样点，没法直接算连续的积分。所以必须把连续域的PI控制器，转换成离散域的差分方程。

这个过程就叫离散化。说白了，就是用数字世界的“累加”去模拟模拟世界的“积分”。

我在一个48V低压驱动项目里遇到过一个问题：采样频率10kHz，PI参数明明算好了，但实际跑起来电流纹波特别大。查了半天，发现是离散化方法太粗糙，导致相位裕度不够。你看，离散化选不对，再好的参数也白搭。

2.3 三种常用的离散化方法

工程上常用的离散化方法主要有三种。我按推荐程度排个序：

方法	映射关系	精度	稳定性	工程推荐度
前向欧拉	s = (z - 1) / Ts	低	可能不稳定	不推荐
后向欧拉	s = (z - 1) / (z * Ts)	中等	稳定	可用
双线性变换（Tustin）	s = (2/Ts) * (z-1)/(z+1)	高	稳定	强烈推荐

2.4 双线性变换的推导与实现

双线性变换的公式是：

s = (2 / Ts) * (z - 1) / (z + 1)

把它代入PI控制器的传递函数：

G(z) = Kp + Ki * (Ts / 2) * (z + 1) / (z - 1)

整理后得到差分方程：

u(k) = u(k-1) + (Kp + Ki*Ts/2) * e(k) + (-Kp + Ki*Ts/2) * e(k-1)

写成代码就是：

// 双线性变换离散化PI控制器
float pi_tustin(float error, float *integral, float Kp, float Ki, float Ts)
{
    float output;
    static float error_prev = 0.0f;
    
    // 计算当前输出
    output = *integral + (Kp + Ki * Ts / 2.0f) * error 
             + (-Kp + Ki * Ts / 2.0f) * error_prev;
    
    // 更新积分项和误差历史
    *integral = output;
    error_prev = error;
    
    return output;
}

2.5 后向欧拉法——备选方案

如果MCU算力紧张，或者采样频率特别高（比如超过50kHz），双线性变换的计算量可能偏大。这时候可以用后向欧拉法：

s = (z - 1) / (z * Ts)

代入后得到：

u(k) = u(k-1) + Kp * (e(k) - e(k-1)) + Ki * Ts * e(k)

代码实现更简洁：

// 后向欧拉离散化PI控制器
float pi_backward_euler(float error, float *integral, float Kp, float Ki, float Ts)
{
    static float error_prev = 0.0f;
    
    // 积分累加
    *integral += Ki * Ts * error;
    
    // 比例+积分输出
    float output = Kp * error + *integral;
    
    // 更新误差历史
    error_prev = error;
    
    return output;
}

后向欧拉的好处是结构简单，积分项物理意义明确。但精度比双线性变换差一些，尤其在低频段会有相位滞后。

2.6 离散化方法对比——我的实战经验

我整理了一个对比表，方便你选型时参考：

场景	推荐方法	原因
通用伺服驱动（8-16kHz）	双线性变换	精度高，相位特性好
高速主轴（20-50kHz）	后向欧拉	计算量小，实时性好
低成本MCU（算力受限）	后向欧拉	代码简单，RAM占用少
仿真/离线分析	双线性变换	最接近连续系统行为

2.7 离散化对参数整定的影响

这一点很多人会忽略。同样的Kp、Ki值，用不同的离散化方法，实际效果是不一样的。

举个例子：

• 双线性变换下，Kp = 0.5, Ki = 100 表现良好
• 换成后向欧拉，同样的参数可能就会有过冲

为什么会这样？因为离散化方法改变了控制器的频率响应特性。双线性变换在低频段更接近连续系统，而后向欧拉会引入额外的相位滞后。

所以我的习惯是：先选定离散化方法，再整定参数。不要换来换去，否则你永远找不到规律。

2.8 本章知识体系总览

下面这张图把本章的核心逻辑串起来了：

这张图把从连续域到离散域再到代码实现的完整链路都画出来了。你写代码的时候，脑子里要有这张图，就知道每一步在干什么。

2.9 小结

这一章我们干了三件事：

1. 建立了PI控制器的连续域数学模型
2. 理解了离散化的必要性
3. 掌握了双线性变换和后向欧拉两种工程实现方法