1. 项目概述从“黑箱”到“白箱”的数学翻译搞自控无论是设计一个恒温箱还是调试一台工业机器人第一步永远不是直接上手调参数。新手最容易犯的错误就是一头扎进PID的P、I、D里试图靠“玄学调参”解决问题结果往往是按下葫芦浮起瓢。干了十几年自动化我见过太多这样的案例。问题的根源通常在于没有把你要控制的“对象”搞清楚。这个“对象”在自控原理里我们称之为“系统”。而“控制系统的时域数学模型”就是把你面前这个物理系统可能是一堆机械、电路、热力元件翻译成数学语言的过程。这个过程是把一个“黑箱”只知道输入输出不知道内部机理或者“灰箱”变成一个“白箱”的关键一步。简单来说时域数学模型就是一个描述系统动态行为的方程它告诉你当你给系统一个输入信号比如突然给电机加电压系统的输出比如电机的转速会如何随时间变化。这里的“时域”指的就是我们的观察视角是沿着时间轴展开的看的是信号随时间变化的轨迹非常直观。与之相对的是“频域”那是另一个强大的分析工具我们后续会聊到。本章的核心就是建立这个最基础、最直观的时域模型——通常是线性常系数微分方程。掌握了它你才能谈得上分析系统的“快不快”动态性能、“稳不稳”稳定性、“准不准”稳态精度。没有这个模型所有的控制器设计都像是盲人摸象。2. 核心思路如何构建系统的微分方程构建数学模型听起来很高深其实核心思路就一条根据系统所遵循的物理定律或化学定律、生物定律等列出系统中各变量之间的关系式最后消去中间变量得到描述输入量与输出量之间关系的微分方程。这个过程我们称之为“机理建模”。2.1 建模所依赖的物理定律基石不同领域的系统依赖不同的基本定律。在自动控制中我们最常见的是以下几类电学系统核心是基尔霍夫电压定律KVL和电流定律KCL以及元件自身的电压-电流关系VCR。比如电阻 $u_R Ri$电容 $i_C C\frac{du_C}{dt}$电感 $u_L L\frac{di_L}{dt}$。记住电容的电流与电压的导数成正比电感的电压与电流的导数成正比这是动态元件产生微分关系的根源。力学系统核心是牛顿第二定律 $\sum F m\frac{d^2x}{dt^2}$平移运动和转动定律 $\sum M J\frac{d^2\theta}{dt^2}$旋转运动。这里的 $m$ 是质量$J$ 是转动惯量$x$ 和 $\theta$ 分别是位移和角位移。力或力矩通常包含外力、弹性力$F_k kx$、阻尼力$F_f fv f\frac{dx}{dt}$等。机电系统结合电学和力学定律通常通过电磁感应定律如电机反电动势 $e K_e \omega$和电磁力定律如电机转矩 $T_m K_t i$进行耦合。直流电机的建模就是一个经典例子。热力学系统核心是能量守恒定律。热流速率与温差成正比类似欧姆定律物体的热容决定了温度变化速率类似电容。热力学系统的惯性通常较大。流体系统涉及流体力学定律如流量与压差的关系容腔的液容与压力变化的关系等。其数学模型形式与电学系统有很强的类比性流-电流压-电压。实操心得当你拿到一个陌生的被控对象时别慌。首先识别它属于哪个物理领域然后去回忆那个领域最基础的定律。90%的工业对象逃不出电、力、热这几类。把系统结构图拆分成最基本的元件对每个元件列写它的本构方程再根据互联关系串联、并联、反馈列写连接方程最后联立消元。这个过程就像搭积木又像解一道多元方程组。2.2 从物理方程到标准微分方程形式通过物理定律列出的方程往往混杂着多个变量。我们的目标是得到一个将系统输出 $y(t)$ 及其各阶导数与系统输入 $r(t)$ 及其各阶导数联系起来的方程。标准形式如下$$a_n \frac{d^n y(t)}{dt^n} a_{n-1} \frac{d^{n-1} y(t)}{dt^{n-1}} \cdots a_1 \frac{dy(t)}{dt} a_0 y(t) b_m \frac{d^m r(t)}{dt^m} \cdots b_1 \frac{dr(t)}{dt} b_0 r(t)$$其中$n$ 是系统的阶数也是输出量导数的最高阶数它通常代表了系统独立储能元件的个数比如电路中的电感电容总数力学系统中的质量弹簧等效数。$a_i$, $b_j$ 是由系统结构参数电阻、电容、质量、阻尼系数等决定的常数。对于线性定常系统Linear Time-Invariant, LTI这些系数都是常数不随时间变化这也是我们初期分析的重点。为什么是“线性”和“定常”线性意味着系统满足叠加性和齐次性这极大地简化了分析和设计。定常意味着系统参数不随时间漂移今天的模型明天还能用。虽然实际系统多少都有非线性和时变特性但在工作点附近的小范围内用线性定常模型来近似是工程上非常有效且必要的手段。3. 典型系统建模过程全解析光说不练假把式我们通过两个最经典的例子把上述思路走一遍。我会把每一步的思考过程和容易踩的坑都点出来。3.1 案例一RLC串联电路建模假设我们有一个RLC串联电路输入是电源电压 $u_r(t)$输出是电容两端的电压 $u_c(t)$。目标是建立 $u_c(t)$ 与 $u_r(t)$ 之间的微分方程。步骤拆解识别元件与变量系统包含三个元件电阻 $R$、电感 $L$、电容 $C$串联连接。变量有输入电压 $u_r(t)$回路电流 $i(t)$以及我们关心的输出电压 $u_c(t)$。注意$u_c(t)$ 本身就是电容的端电压。列写各元件方程根据VCR电阻$u_R(t) R \cdot i(t)$电感$u_L(t) L \frac{di(t)}{dt}$ 关键产生了电流的一阶导电容$i(t) C \frac{du_c(t)}{dt}$ 关键电流是电容电压的一阶导列写互联关系方程根据KVL沿着回路总电压降等于电源电压升。 $$u_R(t) u_L(t) u_c(t) u_r(t)$$联立并消去中间变量中间变量是 $i(t)$ 和 $u_R(t)$, $u_L(t)$。我们的目标是只留下 $u_r(t)$ 和 $u_c(t)$。将元件方程代入KVL方程 $$R \cdot i(t) L \frac{di(t)}{dt} u_c(t) u_r(t)$$此时方程中还有 $i(t)$ 及其导数。利用电容的方程 $i(t) C \frac{du_c(t)}{dt}$我们可以用 $u_c(t)$ 表示 $i(t)$ 及其导数$i(t) C \frac{du_c(t)}{dt}$$\frac{di(t)}{dt} C \frac{d^2u_c(t)}{dt^2}$代入上式 $$R \cdot \left( C \frac{du_c(t)}{dt} \right) L \cdot \left( C \frac{d^2u_c(t)}{dt^2} \right) u_c(t) u_r(t)$$整理成标准形式将输出 $u_c(t)$ 及其导数项移到左边输入 $u_r(t)$ 移到右边并按导数降幂排列。 $$LC \frac{d^2u_c(t)}{dt^2} RC \frac{du_c(t)}{dt} u_c(t) u_r(t)$$最终模型这是一个二阶线性常系数微分方程。$n2$因为有两个独立的储能元件$L$ 和 $C$。方程清晰地告诉我们电容电压的变化加速度和速度取决于电路自身的参数 $L, C, R$ 和外部施加的电压 $u_r(t)$。注意这里有一个常见的混淆点。有人会错误地把 $u_L$ 写成 $L \frac{du_c}{dt}$。一定要清楚电感的电压是与其自身电流的导数成正比而不是电容电压的导数。必须通过电容电流这个桥梁进行转换。3.2 案例二弹簧-质量-阻尼器系统建模这是一个经典的机械平移系统。质量为 $m$ 的物体通过弹簧弹性系数 $k$和阻尼器阻尼系数 $f$连接在固定端。外力 $F(t)$ 作用在物体上输出是物体的位移 $x(t)$。步骤拆解识别元件与变量质量块 $m$弹簧 $k$阻尼器 $f$。输入是外力 $F(t)$输出是位移 $x(t)$。速度 $v(t) \frac{dx(t)}{dt}$加速度 $a(t) \frac{d^2x(t)}{dt^2}$。分析受力这是力学系统的关键外力$F(t)$方向假设为正。弹簧力$F_k -k \cdot x(t)$。负号表示弹簧力总是试图将物体拉回平衡位置$x0$与位移方向相反。这是恢复力。阻尼力$F_f -f \cdot v(t) -f \cdot \frac{dx(t)}{dt}$。负号表示阻尼力总是与运动速度方向相反阻碍运动。这是耗散力。列写核心动力学方程根据牛顿第二定律合力等于质量乘以加速度。 $$\sum F m \frac{d^2x(t)}{dt^2}$$ 即 $$F(t) F_k F_f m \frac{d^2x(t)}{dt^2}$$ $$F(t) - kx(t) - f\frac{dx(t)}{dt} m \frac{d^2x(t)}{dt^2}$$整理成标准形式将输出项移到左边输入项移到右边。 $$m \frac{d^2x(t)}{dt^2} f \frac{dx(t)}{dt} kx(t) F(t)$$最终模型同样是一个二阶线性常系数微分方程。它与RLC电路方程具有完美的数学相似性$m$ (质量) $\leftrightarrow$ $L$ (电感)$f$ (阻尼系数) $\leftrightarrow$ $R$ (电阻)$k$ (弹性系数) $\leftrightarrow$ $1/C$ (电容的倒数)$x$ (位移) $\leftrightarrow$ $u_c$ (电容电压) 或 $q$ (电荷)$F$ (力) $\leftrightarrow$ $u_r$ (电压)这种跨领域的相似性正是控制理论强大之处。你学会分析一种物理系统就相当于掌握了分析一类数学形式相同的所有系统。4. 线性化处理非线性系统的工程智慧上述例子都是理想的线性元件。但现实中大量的元件是非线性的。例如电阻的阻值可能随温度变化非线性弹簧的力-位移关系在大变形下可能不是直线非线性电机的转矩-电流关系可能存在死区或饱和非线性。直接处理非线性微分方程极其困难。工程上的通用做法是线性化。即在系统预期的工作点附近用一条直线切线来近似代替原来的非线性曲线。4.1 线性化的基本方法泰勒展开假设一个系统的非线性关系为 $y f(x)$工作点为 $(x_0, y_0)$其中 $y_0 f(x_0)$。当 $x$ 在工作点附近微小变化 $\Delta x$ 时$y$ 的变化量 $\Delta y$ 可以近似为 $$\Delta y \approx \left. \frac{df}{dx} \right|_{xx_0} \cdot \Delta x K \cdot \Delta x$$ 其中 $K$ 是函数 $f(x)$ 在工作点处的斜率导数。操作步骤确定系统的工作点即系统在稳态静态时各变量的值。例如一个水箱系统稳态液位是 $h_0$对应的进水阀开度是 $u_0$。将非线性方程中的所有变量表示为“稳态值增量”的形式令 $x x_0 \Delta x$, $y y_0 \Delta y$代入原非线性方程 $y f(x)$。在工作点处进行泰勒展开并忽略高阶无穷小项 $$y_0 \Delta y f(x_0 \Delta x) \approx f(x_0) \left. \frac{df}{dx} \right|{x_0} \cdot \Delta x \frac{1}{2!}\left. \frac{d^2f}{dx^2} \right|{x_0} \cdot (\Delta x)^2 ...$$ 由于 $y_0 f(x_0)$且 $\Delta x$ 很小$(\Delta x)^2$ 及更高次项可以忽略。于是得到 $$\Delta y \approx K \cdot \Delta x$$ 这个方程就是增量方程它是线性的。将增量方程写回习惯的变量形式通常我们直接用 $x, y$ 来表示增量 $\Delta x, \Delta y$但心里要明白此时的 $x, y$ 指的是偏离工作点的微小变化量。最终得到的线性化模型为$y Kx$。4.2 线性化的应用场景与局限何时需要线性化系统包含明显的非线性特性如平方关系 $yx^2$、三角函数关系 $y\sin(x)$、饱和特性、死区特性等。你计划使用经典控制理论如根轨迹、频域法进行分析和设计这些方法强烈依赖于线性模型。线性化的前提与局限前提系统必须运行在工作点附近变量的变化范围$\Delta x$必须“足够小”。“足够小”有多小这取决于非线性的剧烈程度。对于 $yx^2$在 $x_01$ 处线性化当 $\Delta x0.1$ 时线性近似误差约为1%当 $\Delta x0.5$ 时误差就达到25%了。工程上需要评估。局限线性化模型只能预测系统在小信号扰动下的行为。对于大范围的运动、大幅度的设定值变化或者工作点本身发生漂移的情况线性模型可能完全失效。此时需要考虑非线性控制或自适应控制。实操心得在处理像电机、液压缸、热交换器这类实际对象时第一步永远是查阅数据手册或通过实验确定关键环节如电机转矩-电流曲线、阀的流量-开度曲线的非线性特性。然后根据系统最主要的预期工作范围选择一个代表性的工作点进行线性化。把这个线性化模型的参数斜率K记录下来作为你后续控制器设计的依据。记住这是一个近似模型它的准确性决定了你控制器性能的上限。因此在调试时如果发现系统在某个工况下表现与预期不符首先要怀疑是不是工作点变了原来的线性模型不适用了。5. 微分方程的解与系统响应分析建立了微分方程模型接下来我们关心给定一个输入 $r(t)$输出 $y(t)$ 会是什么样子这就需要求解微分方程。5.1 微分方程的解的构成线性常系数微分方程的解由两部分组成 $$y(t) y_h(t) y_p(t)$$齐次解 $y_h(t)$对应方程右边输入 $r(t)0$ 时的解即 $$a_n \frac{d^n y(t)}{dt^n} a_{n-1} \frac{d^{n-1} y(t)}{dt^{n-1}} \cdots a_1 \frac{dy(t)}{dt} a_0 y(t) 0$$ 这个解描述了系统的自由运动或自然响应。它的形式完全由系统自身的结构系数 $a_i$决定与输入无关。通常设 $y_h(t) Ce^{st}$ 代入齐次方程可以得到特征方程$a_n s^n a_{n-1} s^{n-1} \cdots a_1 s a_0 0$。解这个代数方程得到特征根 $s_1, s_2, ..., s_n$。齐次解就是这些特征根对应的指数函数的线性组合。特征根决定了系统自由响应的模式是指数增长、衰减还是振荡。特解 $y_p(t)$满足原非齐次方程右边为 $r(t)$的任意一个解。它描述了系统在特定输入驱动下的强迫运动分量。特解的形式通常需要根据输入 $r(t)$ 的形式来猜测试解例如输入是常数则试特解为常数输入是正弦函数则试特解为同频率的正弦函数。系统全响应$y(t)$ 就是这两部分的叠加。齐次解反映了系统的瞬态响应随时间逐渐消失的部分特解反映了系统的稳态响应随时间趋于稳定的部分。我们常说的系统“动态性能”如上升时间、超调量主要看瞬态响应“稳态性能”如稳态误差主要看稳态响应。5.2 典型输入信号下的响应分析为了公平地比较不同系统的性能我们定义了几种标准的测试输入信号阶跃信号$r(t) A \cdot 1(t)$。模拟输入量的突然变化如突然合闸、突然加载。这是最常用的测试信号能全面考察系统的动态和稳态性能。斜坡信号$r(t) A \cdot t$。模拟输入量匀速变化如雷达天线匀速跟踪目标。脉冲信号理论上是一个宽度无穷小、面积有限的信号。用于激发系统的全部自然模式齐次解在实验辨识中很有用。正弦信号$r(t) A \sin(\omega t)$。用于频域分析的基础可以考察系统对不同频率信号的响应特性。对于线性系统知道它对阶跃信号的响应很大程度上就能推断它对其他信号的响应。因此阶跃响应是时域分析的重中之重。以二阶系统阶跃响应为例 我们之前得到的RLC电路和弹簧质量阻尼系统其传递函数由微分方程拉普拉斯变换得到的标准形式为 $$\frac{Y(s)}{R(s)} \frac{\omega_n^2}{s^2 2\zeta\omega_n s \omega_n^2}$$ 其中$\omega_n$ 称为无阻尼自然振荡频率$\zeta$ 称为阻尼比。这两个参数完全决定了二阶系统的时域响应形态。$\zeta 0$无阻尼等幅振荡。$0 \zeta 1$欠阻尼衰减振荡。这是最常见的工况。超调量、上升时间、峰值时间、调节时间等动态指标都与此相关。$\zeta 1$临界阻尼无超调的最快单调上升过程。$\zeta 1$过阻尼单调上升但速度更慢。实操心得当你拿到一个系统的微分方程模型后别急着去求解析解除非很简单。对于二阶系统立刻把它化成上面的标准形式读出 $\omega_n$ 和 $\zeta$。然后你就可以直接套用公式或查表估算出系统的超调量 $M_p % e^{-\pi\zeta/\sqrt{1-\zeta^2}} \times 100%$峰值时间 $t_p \pi / (\omega_n \sqrt{1-\zeta^2})$调节时间 $t_s \approx 4/(\zeta\omega_n)$按2%误差带。这比解微分方程快得多也直观得多。对于高阶系统通常可以用主导极点法近似为二阶系统来分析前提是存在一对共轭复数主导极点。6. 从时域模型到传递函数与状态空间微分方程是时域模型的根本但在分析和设计系统时直接处理微分方程并不方便。控制理论提供了两个更强大的工具它们都源于时域微分方程。6.1 传递函数频域分析的桥梁对线性定常系统的微分方程两边进行拉普拉斯变换并假设初始条件为零就可以得到传递函数$G(s)$。 $$G(s) \frac{Y(s)}{R(s)} \frac{b_m s^m \cdots b_1 s b_0}{a_n s^n \cdots a_1 s a_0}$$传递函数是复变量 $s$ 的有理分式。它清晰地展示了系统的增益、极点分母根、零点分子根。极点的位置直接决定了系统自由响应的模式稳定性、振荡频率、衰减速度零点的位置影响响应的幅值和相位。为什么传递函数重要代数运算替代微积分运算在 $s$ 域中微分对应乘以 $s$积分对应除以 $s$。复杂的微分方程变成了代数方程串联、并联、反馈连接的框图化简变得非常简单。打开了频域分析的大门令 $s j\omega$传递函数就变成了频率特性 $G(j\omega)$。我们可以分析系统对不同频率正弦信号的响应从而引出伯德图、奈奎斯特图等强大的频域分析和设计工具。频域法对于分析系统稳定性、鲁棒性、抗噪声能力尤为直观。便于系统辨识通过测量系统的频率响应伯德图可以反推其传递函数这对于难以机理建模的复杂对象非常有用。6.2 状态空间模型现代控制的基石对于高阶、多输入多输出MIMO系统传递函数显得力不从心。状态空间模型提供了更通用、更强大的描述方式。状态空间模型将一个 $n$ 阶微分方程转化为一个一阶微分方程组状态方程和一个代数方程输出方程 $$ \begin{aligned} \dot{\mathbf{x}}(t) \mathbf{A}\mathbf{x}(t) \mathbf{B}\mathbf{u}(t) \quad \text{(状态方程)} \ \mathbf{y}(t) \mathbf{C}\mathbf{x}(t) \mathbf{D}\mathbf{u}(t) \quad \text{(输出方程)} \end{aligned} $$ 其中$\mathbf{x}(t)$ 是 $n \times 1$ 的状态向量它包含了描述系统内部动态所需的最少信息。$\mathbf{u}(t)$ 是输入向量$\mathbf{y}(t)$ 是输出向量。$\mathbf{A}$ 是系统矩阵$\mathbf{B}$ 是输入矩阵$\mathbf{C}$ 是输出矩阵$\mathbf{D}$ 是直馈矩阵。如何从微分方程得到状态空间模型有多种方法最直观的是能控标准型或能观标准型实现。以单输入单输出SISO系统为例对于微分方程 $$y^{(n)} a_{n-1}y^{(n-1)} \cdots a_1\dot{y} a_0 y b_0 u$$ 假设没有输入导数项 我们可以选取状态变量为$x_1 y, x_2 \dot{y}, x_3 \ddot{y}, ..., x_n y^{(n-1)}$。 那么状态方程和输出方程可以写为 $$ \begin{aligned} \dot{x}_1 x_2 \ \dot{x}2 x_3 \ \vdots \ \dot{x}{n-1} x_n \ \dot{x}n -a_0 x_1 - a_1 x_2 - \cdots - a{n-1} x_n b_0 u \ y x_1 \end{aligned} $$ 写成矩阵形式就得到了标准的状态空间表达式。状态空间模型的优势适用于时变、非线性系统通过推广。天然处理多变量系统。揭示了系统的内部状态而不仅仅是输入输出关系。这使得基于状态反馈的现代控制方法如极点配置、线性二次型调节器LQR、状态观测器成为可能。便于计算机仿真和求解因为一阶微分方程组是数值积分算法的标准形式。实操心得对于初学者可以从微分方程出发先掌握传递函数用它进行频域分析和经典的PID控制器设计。当你需要处理更复杂的系统或者追求更高的控制性能时就必须要学习状态空间方法。在实际的工程软件如MATLAB/Simulink中建模的终点往往是状态空间模型或Simulink框图因为这是进行数值仿真最直接的形式。当你用系统辨识工具箱从实验数据得到一个传递函数后MATLAB可以很方便地将其转换为状态空间模型。7. 常见问题与实战排查指南在实际建模和应用中你会遇到各种各样的问题。下面是我总结的一些典型问题和解决思路。7.1 问题一模型阶数确定错误现象仿真结果与实物实验相差甚远或者系统响应中出现无法解释的高频抖动/模态。原因建模时忽略了某些重要的动态环节。例如在电机建模中只考虑了电磁惯性一阶而忽略了机械传动部分的扭转变形引入额外阶数在电路建模中忽略了寄生电容或寄生电感。排查与解决复查物理系统重新审视被控对象列出所有储能元件。每一个独立的储能元件电容、电感、质量、弹簧、热容都会贡献一个系统阶数。检查模型简化假设你是否合理地忽略了某些“快动态”例如电机的电气时间常数通常远小于机械时间常数有时可以忽略电感将电枢回路简化为纯电阻。但这种简化必须基于时间常数的数量级比较比如相差10倍以上。如果简化不当就会丢失阶数。频率响应验证如果可能对实物进行扫频测试获得其频率响应曲线伯德图。将你理论模型的频率响应与实测结果对比。如果在高频段出现明显差异很可能就是模型阶数不足遗漏了高频动态。7.2 问题二线性化工作点选择不当现象在小信号测试时模型很准但一旦设定值变化稍大或者负载扰动稍强控制器性能就急剧下降甚至不稳定。原因线性化模型只在工作点附近有效。当系统运行范围偏离原工作点太远时模型的斜率增益和动态特性都变了基于原模型设计的控制器自然失效。排查与解决分析非线性特性画出关键非线性环节的曲线如阀的流量特性、电机的转矩-电流曲线、传感器的输入输出曲线。评估其非线性的剧烈程度。评估工作范围明确系统在实际运行中主要变量如设定值、负载的变化范围。选择多个工作点或增益调度如果工作范围很宽单一的线性模型可能不够。可以考虑选择最恶劣工况点在最难控制的点进行线性化和控制器设计保证鲁棒性但可能牺牲其他点的性能。增益调度根据当前的主要运行变量如速度、位置在线切换或插值多组控制器参数。这需要建立多个工作点下的线性模型。7.3 问题三模型参数不准现象无论怎么调控制器系统性能都达不到仿真预期。原因模型中的参数$R, L, C, m, f, k$等是理论值或标称值与实际值有偏差。例如电阻随温度变化摩擦系数难以精确测量弹簧刚度存在公差。排查与解决参数辨识这是更可靠的方法。设计一个实验通常是阶跃响应或脉冲响应实验采集系统的输入输出数据然后使用系统辨识算法如最小二乘法来估计模型参数。MATLAB的系统辨识工具箱System Identification Toolbox就是干这个的。在线估计与自适应控制对于参数时变的系统可以考虑使用自适应控制算法如模型参考自适应控制MRAC或自校正调节器STR让控制器在线调整参数以适应对象的变化。鲁棒控制设计承认模型存在不确定性参数摄动、未建模动态在设计控制器时就考虑这些不确定性使得闭环系统在一定的不确定性范围内仍能保持稳定和一定的性能。$H_\infty$ 控制、$\mu$ 综合等方法就是为此而生。7.4 问题四如何处理纯微分环节现象在建模中有时会出现输入信号的微分项例如方程右边有 $\frac{dr(t)}{dt}$。这会给分析和实现带来麻烦因为理想的微分器会放大噪声且物理上难以实现。原因某些物理定律或元件特性直接引入了微分例如测速发电机输出电压正比于转速即位移的微分。处理建议在传递函数中保留在理论分析和仿真时可以保留微分环节。但要明白这代表了一个“非真”或“非因果”的环节。在实际实现时近似在数字控制器或模拟电路中实现时绝对不要用理想的微分。用“近似微分”代替例如一阶高通滤波器$s / (\tau s 1)$其中 $\tau$ 是一个很小的时间常数。它能在中低频段近似微分效果同时抑制高频噪声。改变输出定义有时可以通过重新定义系统输出来避免微分项。例如如果你不关心位移而关心速度那么以速度作为输出原来的速度位移微分项就变成了直接输出项。建立准确的时域数学模型是控制工程师的“内功”。这个模型是你的地图地图画错了导航再强控制器算法再先进也到不了目的地。多花时间在建模和模型验证上是磨刀不误砍柴工。在实际项目中我通常会遵循“机理建模 - 参数初步设定 - 仿真 - 实物简单实验验证 - 参数微调/模型修正”的迭代流程。不要指望一次就把模型建准它是一个不断逼近真实的过程。最后记住所有的模型都是错的但有些是有用的。我们的目标是建立一个“足够有用”的模型让它服务于控制器的设计与系统的理解。