状态反馈与极点配置——让系统按你想要的方式响应

郑伟强dev

16人浏览 · 2026-08-17 00:14:28

郑伟强dev · 2026-08-17 00:14:28 发布

上篇聊了能控性和能观性，知道了怎么判断系统"能不能控制"。现在假设你的系统是能控的——恭喜你，你可以设计控制器了。

但问题来了：怎么设计？PID调参靠经验，靠试错。有没有一种方法，能直接告诉系统"我要你以什么样的动态特性来响应"？

这就是状态反馈与极点配置要做的事。说白了，就是通过反馈所有状态变量，把系统的极点放到你想要的位置。极点放好了，系统的响应速度、超调量、稳定性就全定了。

这个思路在机器人控制里用得非常多。四旋翼的姿态控制、机械臂的关节控制、倒立摆的平衡控制，背后都有极点配置的思想。面试的时候，这是现代控制理论必考的计算题。

状态反馈的基本思路

先回忆一下状态空间方程：

dx/dt = A*x + B*u y = C*x + D*u

状态反馈的思想很简单：把控制输入u设计成状态的线性组合。

u = -K*x + r

K是反馈增益矩阵，r是参考输入（你想让系统跟踪的目标值）。负号是惯例，表示负反馈。

把这个控制律代回状态方程：

dx/dt = A*x + B*(-K*x + r) = (A - B*K)*x + B*r

看到了吗？闭环系统的系统矩阵变成了(A - BK)。原来的极点（A的特征值）被你通过选择K矩阵，搬到了(A - BK)的特征值的位置。

这就是极点配置的核心：通过选择合适的K，让(A - BK)的特征值等于你期望的极点位置。

极点配置怎么算

假设系统是能控的，状态维数是n。你想把n个极点放到指定位置p1, p2, ..., pn。

方法有好几种，最经典的是Ackermann公式：

import numpy as np
from scipy.signal import place_poles

# 系统矩阵
A = np.array([[0, 1], [0, 0]])
B = np.array([[0], [1]])

# 期望极点（想要快速响应且不过冲）
desired_poles = [-5, -5]  # 两个重根，临界阻尼

# 用scipy的极点配置
result = place_poles(A, B, desired_poles)
K = result.gain_matrix

print("反馈增益K:", K)

# 验证闭环极点
A_cl = A - B @ K
eigenvalues = np.linalg.eigvals(A_cl)
print("闭环极点:", eigenvalues)

算出来K = [25, 10]。也就是说控制律是u = -25x1 - 10x2 + r，位置偏差乘以25加上速度乘以10，这不就是一个PD控制器吗？

没错，对于二阶系统，状态反馈本质上就是PD控制。但状态反馈的强大之处在于它能处理高阶系统和多变量系统——这时候手动调PD参数几乎不可能，但极点配置可以直接算出来。

Ackermann公式的数学形式是：

K = [0, 0, ..., 1] * Co^(-1) * phi(A)

其中Co是能控性矩阵，phi(A)是把A代入期望特征多项式得到的矩阵。这个公式面试偶尔会考，但更重要的是理解它的物理意义：能控性矩阵满秩（系统能控）是Ackermann公式可解的前提。

极点放在哪：工程上的经验法则

算K矩阵不难，难的是决定把极点放在哪。这需要对控制理论有直觉。

几个基本原则：

实部决定衰减速率。 极点实部越负，响应越快。但太快了执行器跟不上，还可能激发高频未建模动态。经验上，极点实部不要超过执行器带宽的1/3。

虚部决定振荡频率。 如果极点在实轴上（虚部为零），响应是非振荡的。如果有虚部，响应会振荡。阻尼比zeta = cos(theta)，theta是极点和负实轴的夹角。想要zeta=0.7（工程上最常用的阻尼比），theta大约是45度。

主导极点原则。 如果某些极点比其他极点离虚轴近3-5倍以上，那些远的极点影响可以忽略，系统行为由主导极点决定。这样你就可以用二阶系统的直觉来设计高阶系统。

之前做四旋翼姿态控制的团队分享过经验：内环姿态控制的极点一般放在10-30rad/s，对应响应时间0.1-0.3秒。太快了电机电流跟不上，太慢了姿态响应迟钝。外环位置控制的极点放在2-5rad/s，比内环慢5-10倍，保证内外环分离。

还有个容易忽略的点：极点配置不是越"快"越好。你把极点放到-100，理论上系统响应极快，但实际控制中这意味着巨大的控制量。执行器有饱和限制，电机有最大电流，你算出来的K矩阵会让执行器瞬间饱和，系统反而变得非线性甚至不稳定。所以极点配置一定要结合执行器的能力来考虑，不能纯数学地追求"快"。

说个我自己调机械臂关节的经历。当时用极点配置给一个二关节机械臂设计控制器，仿真里极点放在-20，响应又快又稳。结果部署到实物上，电机一启动就直接堵转了。排查了一圈发现仿真里没考虑电机的最大电流限制，算出来的增益在启动瞬间需要的电流远远超出了额定值。后来把极点挪到-8，响应虽然慢了一些但电机不会堵转，再配合一个抗饱和逻辑，系统才真正跑起来。这件事给我最大的教训就是：极点配置一定要在仿真里加上执行器约束，纯线性仿真得到的结果往往过于理想化了。