做控制的同行應該都有這種體驗連續(xù)狀態(tài)方程離散化這步?jīng)]做對后面整個數(shù)字控制器都是空中樓閣。明明在連續(xù)域里設計得好好的觀測器和控制器一上單片機或者工控機波形要么發(fā)散要么震蕩幅度大得離譜。多數(shù)時候問題不出在控制算法本身而是出在連續(xù)模型到離散模型這一步——選錯方法、選錯采樣周期、忽略穩(wěn)定性驗證任何一個環(huán)節(jié)翻車都會讓前期的仿真白做。這篇文章我想把連續(xù)狀態(tài)方程離散化這件事從頭到尾捋一遍。內(nèi)容包括四種主流離散化方法的數(shù)學本質(zhì)和適用邊界、一個完整可復現(xiàn)的彈簧-質(zhì)量-阻尼系統(tǒng)算例、采樣周期選擇的工程經(jīng)驗以及離散化之后必須做的一系列體檢。不管你是剛開始接觸數(shù)字控制的學生還是已經(jīng)在做嵌入式控制系統(tǒng)開發(fā)的工程師這篇文章都值得收藏起來當一份自查清單用。1. 數(shù)字控制器落地前必須先過的一關連續(xù)模型為什么要翻譯成離散形式1.1 連續(xù)域與數(shù)字域的天然鴻溝真實的物理世界是連續(xù)的。彈簧的形變、電機的轉(zhuǎn)速、電池的電壓這些物理量隨時間連續(xù)變化用微分方程描述它們是最自然的方式。但數(shù)字控制器本質(zhì)上是定時器驅(qū)動的狀態(tài)機——每隔固定的時間間隔采集一次傳感器數(shù)據(jù)跑一遍控制算法輸出一次控制量然后等待下一個周期。它只能處理離散時間點上的數(shù)值無法直接積分微分方程。這就是連續(xù)狀態(tài)方程離散化的核心動機把形如?(t) Ax(t) Bu(t)的連續(xù)模型轉(zhuǎn)換成形如x[k1] Φx[k] Γu[k]的離散模型。其中Φ是狀態(tài)轉(zhuǎn)移矩陣Γ是輸入矩陣。轉(zhuǎn)換完成之后這段差分方程才能真正寫進C語言或者Python的控制循環(huán)里。1.2 兩個域之間差異的直觀感受用一個簡單類比來理解連續(xù)模型像是水流每時每刻都有精確的狀態(tài)離散模型像是快門相機只在特定的時間點記錄畫面。相機的快門速度采樣周期越快照片序列越接近真實水流快門越慢中間丟失的細節(jié)就越多甚至可能出現(xiàn)螺旋槳倒轉(zhuǎn)這種錯覺。控制系統(tǒng)里也有類似的錯覺——混疊。如果采樣頻率不夠高連續(xù)系統(tǒng)里的高頻動態(tài)會在離散信號里偽裝成低頻成分控制器看到的是一個完全錯誤的世界。1.3 離散化做錯的后果我在實際工程中見過太多類似的debug場景狀態(tài)觀測器在連續(xù)域仿真里收斂得好好的燒錄到嵌入式平臺之后估算狀態(tài)在啟動階段直接飛掉PID控制器在Simulink里用連續(xù)模塊調(diào)參完成換成離散模塊之后同樣的增益卻穩(wěn)不住系統(tǒng)。這些問題的根源幾乎都是離散化這一步走了彎路。所以不要小看這個翻譯環(huán)節(jié)。它是連接控制理論與工程實現(xiàn)之間的橋梁橋搭得不穩(wěn)過橋必翻車。2. 四種離散化方法的推導邏輯與適用邊界對比離散化方法不止一種每種方法背后的數(shù)學假設不同適用的工程場景也不同。這一節(jié)把最常用的四種方法掰開揉碎講清楚。2.1 前向歐拉法最直觀但穩(wěn)定性約束最嚴前向歐拉法的思路來自導數(shù)的定義。當采樣周期T足夠小時可以用一階差分近似導數(shù)?(t) ≈ (x[k1] - x[k]) / T代入連續(xù)方程得到x[k1] x[k] T(Ax[k] Bu[k]) (I TA)x[k] TBu[k]所以Φ I TAΓ TB。這是最簡單、最容易理解的離散化方式手算都能算。但它的代價是穩(wěn)定性條件苛刻。從特征值的角度看連續(xù)系統(tǒng)穩(wěn)定的條件是所有特征值位于復平面左半平面。前向歐拉離散化之后連續(xù)特征值λ被映射為z域特征值1 λT。左半平面映射到z平面上以(-1/T, 0)為圓心、1/T為半徑的圓內(nèi)。也就是說即使連續(xù)系統(tǒng)非常穩(wěn)定只要T取得不夠小離散后的極點也可能跑出單位圓導致系統(tǒng)發(fā)散。工程建議只有系統(tǒng)動態(tài)遠慢于采樣頻率即|λT|遠小于1時前向歐拉才可靠。對于快速系統(tǒng)慎用。2.2 后向歐拉法穩(wěn)定性更好但精度同樣受限后向歐拉法用的是后向差分?((k1)T) ≈ (x[k1] - x[k]) / T注意這里的導數(shù)取在k1時刻而不是k時刻。代入連續(xù)方程時右邊也要取k1時刻的狀態(tài)x[k1] x[k] T(Ax[k1] Bu[k1])整理得到x[k1] (I - TA)?1(x[k] TBu[k1])如果輸入采用零階保持器即u[k1] u[k]則Φ (I - TA)?1Γ (I - TA)?1TB后向歐拉的穩(wěn)定性特性更好連續(xù)左半平面映射到z平面的單位圓內(nèi)所以連續(xù)穩(wěn)定系統(tǒng)離散化之后仍然穩(wěn)定。但代價是引入了隱含的代數(shù)方程而且頻率響應會發(fā)生比較明顯的畸變尤其是在采樣周期比較大的時候。2.3 雙線性變換法Tustin法精度與穩(wěn)定性的折中雙線性變換法源于對指數(shù)函數(shù)z e^{sT}的Pade近似z ≈ (1 sT/2) / (1 - sT/2)反解出ss ≈ (2/T) · (z - 1) / (z 1)把連續(xù)狀態(tài)方程做拉普拉斯變換然后代入上述s的表達式整理后可以得到Φ (I - TA/2)?1(I TA/2) Γ (I - TA/2)?1TB雙線性變換的突出優(yōu)點有兩個。第一它把s平面的整個左半平面映射到z平面的單位圓內(nèi)部連續(xù)穩(wěn)定系統(tǒng)離散化后必然穩(wěn)定第二它的精度比前向、后向歐拉高一個量級因為它是基于一階有理逼近相當于在頻域上做了梯形積分。但雙線性變換有個著名的副作用頻率畸變。連續(xù)頻率ω和離散頻率ω_d之間的關系是ω_d (2/T) · tan(ωT/2)這意味著在奈奎斯特頻率附近離散化后的頻率響應會被壓縮。解決方法是預畸變在設計連續(xù)控制器時把目標頻率替換為Ω (2/T)tan(ωT/2)這樣離散化之后實際頻率才對準。雙線性變換是我個人在工程中使用頻率最高的方法。它不需要系統(tǒng)矩陣A可逆數(shù)值穩(wěn)定性好適用于大多數(shù)線性控制系統(tǒng)。2.4 精確ZOH離散化最接近物理真實但有前提條件如果你追求最準確的離散化效果應該使用零階保持器ZOH假設下的精確離散化。它的思想是連續(xù)系統(tǒng)的輸入u(t)在每個采樣周期內(nèi)保持不變由DAC的保持特性決定在這一假設下直接求解微分方程。連續(xù)狀態(tài)方程的通解是x(t) e^{A(t-t?)}x(t?) ∫_{t?}^{t} e^{A(t-τ)}Bu(τ)dτ在ZOH假設下u(τ)在[kT, (k1)T]區(qū)間內(nèi)恒等于u[k]代進去得到Φ e^{AT} Γ ∫?^T e^{Aτ}dτ · B其中e^{AT}是矩陣指數(shù)工程上用Padé近似加縮放平方法求解。Γ的數(shù)值計算是常見工程坑后面我會專門講。精確ZOH離散化的物理意義是最準確的因為它嚴格遵循了DAC零階保持器的行為。但它有一個暗含前提系統(tǒng)矩陣A必須滿足矩陣指數(shù)的收斂性要求并且你能夠可靠地計算出矩陣指數(shù)和積分項。當A奇異時Γ的積分中值公式不能直接用A?1(Φ - I)B來算需要用增廣矩陣法。2.5 四種方法橫向?qū)Ρ确椒é当磉_式穩(wěn)定性保持精度量級適用場景前向歐拉I TA有條件λT約束后向歐拉(I - TA)?1能保持穩(wěn)定O(T2)對穩(wěn)定性要求高的系統(tǒng)雙線性變換(I - TA/2)?1(I TA/2)必然保持穩(wěn)定O(T3)大多數(shù)工程系統(tǒng)首選精確ZOHe^{AT}必然保持穩(wěn)定精確有精確模型、仿真校驗3. 彈簧-質(zhì)量-阻尼系統(tǒng)的離散化全流程從連續(xù)矩陣到可上機代碼3.1 系統(tǒng)模型建立用一個經(jīng)典例子把上面的方法全部走一遍。考慮一個彈簧-質(zhì)量-阻尼系統(tǒng)質(zhì)量塊m1kg彈簧剛度k2N/m阻尼系數(shù)c0.5N·s/m。外力F是輸入質(zhì)量塊位移y是輸出。根據(jù)牛頓第二定律m? c? ky F選狀態(tài)變量x?y位移x??速度改寫為狀態(tài)空間形式[??] [ 0 1 ] [x?] [ 0 ] [??] [ -k/m -c/m ] [x?] [ 1/m ] F代入具體參數(shù)A [[0, 1], [-2, -0.5]] B [[0], [1]]系統(tǒng)特征值由det(λI - A) 0求得λ2 0.5λ 2 0解得λ -0.25 ± j1.3919。實部為負連續(xù)系統(tǒng)穩(wěn)定自然頻率約1.414rad/s阻尼比約0.177。3.2 選定采樣周期系統(tǒng)最高關注頻率取自然頻率的5~10倍約7~14rad/s。采樣頻率至少高于這個值的10倍即70~140rad/s折算成采樣周期T約為0.045~0.09s。這里取T0.1s作為演示雖然稍微偏大但能更清楚地暴露出不同離散化方法之間的差異。3.3 Python代碼實現(xiàn)四種離散化下面是完整可運行的Python代碼使用了NumPy和SciPyimport numpy as np from scipy.linalg import expm # 連續(xù)系統(tǒng)參數(shù) m, c, k 1.0, 0.5, 2.0 A np.array([[0.0, 1.0], [-k/m, -c/m]]) B np.array([[0.0], [1.0/m]]) T 0.1 # --- 前向歐拉 --- Phi_fe np.eye(2) T * A Gamma_fe T * B # --- 后向歐拉 --- I_minus_TA np.eye(2) - T * A Phi_be np.linalg.inv(I_minus_TA) Gamma_be np.linalg.solve(I_minus_TA, T * B) # --- 雙線性變換 --- I_minus_TA_half np.eye(2) - T/2 * A I_plus_TA_half np.eye(2) T/2 * A Phi_bl np.linalg.solve(I_minus_TA_half, I_plus_TA_half) Gamma_bl np.linalg.solve(I_minus_TA_half, T * B) # --- 精確ZOH離散化增廣矩陣法求Gamma--- n A.shape[0] M np.zeros((n1, n1)) M[:n, :n] A M[:n, n] B.flatten() M_exp expm(M * T) Phi_zoh M_exp[:n, :n] Gamma_zoh M_exp[:n, n:].reshape(n, 1) print(Phi (ZOH):\n, Phi_zoh) print(Gamma (ZOH):\n, Gamma_zoh)3.4 運行結果對比與原理解讀運行上面的代碼得到的四種離散化矩陣大致如下方法ΦΓ前向歐拉[[1.0, 0.1], [-0.2, 0.95]][0.0, 0.1]?后向歐拉[[0.98131, 0.09346], [-0.18692, 0.93458]][0.00935, 0.09346]?雙線性[[0.99029, 0.09709], [-0.19417, 0.94175]][0.00485, 0.09709]?精確ZOH[[0.99018, 0.09727], [-0.19454, 0.94155]][0.00491, 0.09727]?觀察這些數(shù)據(jù)前向歐拉的Γ第一行是0意味著外力對位移狀態(tài)沒有直接傳遞作用——這與連續(xù)系統(tǒng)的物理直覺明顯不符。因為前向歐拉只用當前時刻的狀態(tài)差分近似導數(shù)輸入的影響要經(jīng)過一個周期才滲透到位移通道。雙線性變換與精確ZOH的結果非常接近誤差在10?3量級這符合理論預期。后向歐拉的結果也還可以但精度略遜于雙線性變換。我還對比了離散化之后的極點位置方法離散極點極點幅值連續(xù)理論映射0.9656 ± j0.13540.9753前向歐拉0.9750 ± j0.13920.9849后向歐拉0.9580 ± j0.13010.9668雙線性0.9660 ± j0.13510.9753精確ZOH0.9656 ± j0.13540.9753雙線性變換的極點幅值與精確ZOH相差無幾再次驗證了它在精度和穩(wěn)定性之間的優(yōu)秀平衡。前向歐拉在這個采樣周期下極點幅值大于1嗎實際上0.9849小于1系統(tǒng)仍然穩(wěn)定但如果把T增大到0.5s左右前向歐拉的極點就會跑出單位圓。3.5 增廣矩陣法為什么更安全精確ZOH離散化中最容易翻車的一步是Γ矩陣計算。教科書上常見公式Γ ∫?^T e^{Aτ}dτ · B A?1(e^{AT} - I)B這個公式只有在A可逆時才成立。工程中的狀態(tài)矩陣A經(jīng)常是對角線元素為0的奇異矩陣比如積分環(huán)節(jié)、單位速度模型此時A?1不存在公式直接失效。增廣矩陣法的巧妙之處在于把積分過程變成一個更高維矩陣的指數(shù)運算M [[A, B], [0, 0]]對M求矩陣指數(shù)后再切塊自動得到Φ和Γ。這個方法沒有任何可逆性要求數(shù)值魯棒性比直接算逆矩陣好得多。我在工程中一直用這種方法強烈推薦。4. 采樣周期T的選擇決定離散化成敗的隱藏變量很多初學者把精力都放在選離散化方法上反而忽略了一個比方法本身更敏感的參數(shù)——采樣周期T。T選錯了再精確的離散化算法也不能讓控制系統(tǒng)正常運轉(zhuǎn)。4.1 采樣周期的理論下限和上限理論上限來自香農(nóng)采樣定理采樣頻率必須大于系統(tǒng)最高頻率成分的兩倍否則會發(fā)生混疊。但工程上兩倍遠遠不夠?？刂葡到y(tǒng)需要看到的是閉環(huán)帶寬附近的動態(tài)特性采樣頻率至少應該是閉環(huán)帶寬的10到20倍。經(jīng)驗公式ω_s ≥ (10~30) · ω_bw其中ω_s 2π/Tω_bw是閉環(huán)帶寬。換算成采樣周期T ≤ 1 / (10~30) · (2π / ω_bw)假設閉環(huán)帶寬是2rad/s那么T大約要小于0.1~0.3s。理論下限來自計算資源的約束。采樣周期越小每個控制周期內(nèi)能執(zhí)行的計算量就越少。如果控制器周期是1kHz那么每個周期只有1ms的時間完成AD采樣、狀態(tài)估算、控制量計算和DA輸出。對于沒有硬件浮點單元的低端MCU這個時間非常緊張。4.2 采樣周期對離散化精度的影響以2.4節(jié)的彈簧-質(zhì)量-阻尼系統(tǒng)為例我分別用T0.01s、0.1s、0.5s做雙線性變換離散化然后比較離散系統(tǒng)的階躍響應與連續(xù)系統(tǒng)的階躍響應。T0.01s時離散響應與連續(xù)響應幾乎重合差異在肉眼不可見范圍。T0.1s時穩(wěn)態(tài)值一致但離散響應的峰值時間略有偏移超調(diào)量相差約2%左右。T0.5s時離散系統(tǒng)的響應已經(jīng)明顯失真采樣點之間的信息丟失嚴重甚至出現(xiàn)了看起來像延遲的現(xiàn)象。這個實驗說明一個道理離散化誤差并不是線性的T增大到某個閾值之后誤差會急劇惡化。工程上我習慣用系統(tǒng)最短時間常數(shù)的十分之一作為T的初始估計再根據(jù)實時性要求往上調(diào)整。4.3 采樣周期與系統(tǒng)穩(wěn)定性的耦合效應還有一個經(jīng)常被忽略的細節(jié)采樣周期T與連續(xù)系統(tǒng)特征值的乘積λT決定了離散化方法的適用性。對于前向歐拉法要求所有|λT|遠小于1對于雙線性變換和精確ZOH雖然沒有這么嚴格的要求但λT數(shù)值過大時矩陣指數(shù)的計算精度也會下降。實際工程中如果系統(tǒng)的動態(tài)特別快、而硬件采樣速率跟不上直觀的反應可能是換一個更高級的離散化方法。但實際上更應該做的是先檢查系統(tǒng)是否真的需要那么高的閉環(huán)帶寬——很多時候是控制指標定得過于激進導致對采樣周期提出不切實際的要求。4.4 工程中的實用取值策略綜合以上討論我在實際項目中慣用的采樣周期選擇流程如下確定閉環(huán)系統(tǒng)的期望帶寬ω_bw來源于響應速度、抗擾能力等性能指標。令采樣頻率ω_s 20ω_bw作為初始選擇。用仿真驗證離散系統(tǒng)的性能包括穩(wěn)定性、超調(diào)量、穩(wěn)態(tài)誤差。如果性能不滿足優(yōu)先提高采樣頻率而不是調(diào)整控制器增益。如果硬件資源受限無法提高采樣頻率再考慮降低指標或優(yōu)化控制算法結構。注意采樣周期一旦確定控制器的離散化參數(shù)就必須隨之固定。后續(xù)調(diào)試中如果修改了控制周期一定要重新做離散化不能沿用舊參數(shù)。5. 離散化之后的體檢項目穩(wěn)定性、可控可觀性與頻率特性驗證離散化做完不等于大功告成。就像寫完代碼要跑測試一樣離散模型需要通過一系列檢查才能真正進入控制器設計階段。我把這些檢查稱為體檢清單。5.1 極點位置與穩(wěn)定性檢查第一項必做檢查是計算離散系統(tǒng)矩陣Φ的特征值。連續(xù)系統(tǒng)的穩(wěn)定性要求是特征值實部小于0離散系統(tǒng)則是特征值模小于1位于z平面單位圓內(nèi)。用Python檢查eigs np.linalg.eigvals(Phi_zoh) print(Eigenvalues:, eigs) print(Magnitudes:, np.abs(eigs)) if np.max(np.abs(eigs)) 1.0: print(System is stable after discretization) else: print(System is UNSTABLE after discretization)如果離散化的方法選得對而且采樣周期合理這項檢查通常能通過。但我遇到過T取得過大導致原本連續(xù)穩(wěn)定的系統(tǒng)離散化后不穩(wěn)定的案例——當時用的就是前向歐拉法。極點檢查是離散化是否成功的第一個照妖鏡。5.2 可控性與可觀性檢查離散化可能會改變系統(tǒng)的可控性和可觀性。連續(xù)系統(tǒng)可控/可觀離散化之后未必保持。尤其是當采樣周期恰好等于連續(xù)系統(tǒng)特征值之差的分數(shù)的整數(shù)倍時離散系統(tǒng)會丟失某些模態(tài)的可控性。數(shù)學上的判斷條件是對于連續(xù)系統(tǒng)兩個不同的特征值λ?和λ?如果存在某個非零整數(shù)k使得T(λ? - λ?) j2πk即λ? - λ? j2πk/T那么離散系統(tǒng)就會在這些模態(tài)上喪失可控性。這種壞采樣周期在工程中很罕見但多模態(tài)高精度系統(tǒng)比如機械臂關節(jié)、柔性結構中確實會碰到。標準檢查用可控性矩陣和可觀性矩陣的秩來判斷def check_controllability(Phi, Gamma): n Phi.shape[0] Cm np.hstack([np.linalg.matrix_power(Phi, i) Gamma for i in range(n)]) rank np.linalg.matrix_rank(Cm) print(fControllability matrix rank: {rank}/{n}) return rank n check_controllability(Phi_zoh, Gamma_zoh)5.3 階躍響應一致性驗證離散系統(tǒng)和連續(xù)系統(tǒng)的階躍響應應該保持形態(tài)一致。我強烈建議每次離散化之后都把兩條階躍響應曲線疊在一張圖里看。重點看三點穩(wěn)態(tài)值是否相等、超調(diào)量是否接近、上升時間是否基本一致。如果離散響應比連續(xù)響應超調(diào)大了很多最可能的原因是采樣周期偏大或者離散化方法引入了過多的相位滯后。如果穩(wěn)態(tài)值不一致通常說明Γ矩陣計算有誤優(yōu)先檢查輸入矩陣那一項。5.4 頻率響應對比驗證連續(xù)系統(tǒng)和離散系統(tǒng)的頻率響應在低頻段應該幾乎重合在高頻段會因為采樣和保持效應出現(xiàn)相位滯后。Bode圖是觀察這一現(xiàn)象最直觀的工具。離散系統(tǒng)的頻率響應通常用z e^{jωT}代入脈沖傳遞函數(shù)來計算。也可以直接對比連續(xù)傳遞函數(shù)G(s)和離散脈沖傳遞函數(shù)G(z)在關鍵頻率點直流、截止頻率、奈奎斯特頻率的幅值與相位。提示雙線性變換的頻率畸變雖然在全頻段都存在但在ωT遠小于1時幾乎可以忽略。只有在采樣頻率接近信號頻率時畸變才明顯。5.5 檢查結果異常時的排查路徑體檢發(fā)現(xiàn)問題時不要急著改控制器參數(shù)先回到離散化這一步排查檢查Φ和Γ的維度是否正確有時候是矩陣乘法順序弄反了。檢查T的單位是否一致——秒還是毫秒這是最隱蔽的低級錯誤。檢查B矩陣是否存在某些系統(tǒng)是沒有直接輸入的。用增廣矩陣法重算Γ對比之前的結果?；氐竭B續(xù)模型確認A和B的元素數(shù)值沒有輸錯。按照這個順序排查絕大多數(shù)異常都能定位到具體原因。6. 工程調(diào)試中反復踩過的五個坑最后一節(jié)分享幾個我在實際項目里踩坑踩出來的教訓。這些細節(jié)教科書上不會寫但真遇到了會讓調(diào)試進度停滯好幾天。6.1 A矩陣奇異時直接用A?1求Γ導致報錯初學時我拿到ZOH離散化公式看到Γ A?1(Φ - I)B就直接用結果系統(tǒng)建模里恰好有一個積分環(huán)節(jié)A矩陣的某一行全為0A不可逆代碼直接崩潰。當時花了很久才明白問題出在A的可逆性上。后來在參考各類開源代碼和工具庫的實現(xiàn)后發(fā)現(xiàn)規(guī)范做法就是3.5節(jié)說的增廣矩陣法或者用數(shù)值積分處理矩陣指數(shù)。從此我再也沒有手寫過A?1(Φ - I)B這種形式。6.2 雙線性變換的頻率畸變導致截止頻率偏移曾經(jīng)設計一個有源阻尼控制器連續(xù)域里截止頻率算好了是10Hz用雙線性變換離散化并實現(xiàn)之后實測Bode圖顯示截止頻率跑到了8.5Hz。一開始以為是濾波系數(shù)寫錯了反復檢查無果后來才想起需要做預畸變。從那以后我的習慣是凡是涉及雙線性變換的濾波器或控制器設計先把目標頻率換算成Ω (2/T)tan(ωT/2)再用Ω去設計連續(xù)域的傳遞函數(shù)最后離散化出來的實際截止頻率才會落在期望位置。6.3 零階保持器與一階保持器效果差異ZOH離散化假設輸入在每個采樣周期內(nèi)保持恒定不變這是DAC的自然行為。但如果系統(tǒng)里有的是通過PWM輸出的執(zhí)行器比如電機驅(qū)動PWM的占空比更新方式并不完全等價于ZOH它的實際輸出在周期內(nèi)可能不是恒定值。處理這類問題時可以把PWM的平均效應折算進B矩陣或者用一階保持器FOH離散化來更貼近實際波形。FOH的推導比ZOH復雜但在高頻PWM驅(qū)動場合這個建模精度上的差異是能明顯看到的。6.4 采樣周期在調(diào)試中途被修改這個坑特別容易出現(xiàn)在原型驗證階段。一開始硬件定時器配置的是1kHz調(diào)試過程中為了降低CPU負載把控制頻率改成了500Hz但離散化的Φ和Γ還是舊的。結果系統(tǒng)突然開始震蕩查了半天才發(fā)現(xiàn)頻率改完之后離散模型沒同步更新。現(xiàn)在我把控制頻率和離散化參數(shù)做成了配置頭文件里的一對定義每次修改控制頻率編譯期強制要求同步更新離散化參數(shù)從機制上杜絕這種不一致。6.5 矩陣指數(shù)計算精度不足引發(fā)的隱性誤差在小規(guī)模系統(tǒng)里手寫泰勒展開求e^{AT}可能還能湊合。但狀態(tài)維度到10階以上時泰勒展開截斷誤差和舍入誤差會明顯累積極點位置可能偏出單位圓導致離散系統(tǒng)看起來不穩(wěn)定。解決辦法就是使用成熟的數(shù)值庫比如SciPy的expm或者MATLAB的expm它們用縮放平方法加Padé近似對高階矩陣也能保持足夠精度。另外還要注意矩陣指數(shù)里的T必須以標量形式乘進去而不是乘在矩陣元素上之后忘了乘T。這個指令寫起來很簡單但確實見過把expm(A*T)寫成expm(A)然后外面乘T的結果完全不對。最后再分享一個小技巧做離散化驗證時不要只盯著極點或者Bode圖花五分鐘把連續(xù)系統(tǒng)和離散系統(tǒng)的階躍響應疊在一張圖里看很多參數(shù)問題一眼就能暴露。尤其注意初始時刻附近的表現(xiàn)那里最容易暴露離散化方法引入的相位滯后和幅值誤差。離散化這個主題看似基礎但它是數(shù)字控制從理論走向落地的必經(jīng)之路。把這套流程和檢查清單內(nèi)化成自己的固定操作習慣后續(xù)做觀測器設計、無模型自適應控制、數(shù)字濾波都會順很多。