过程为 T_p=2s 的一阶滞后，控制器为 PI（积分时间 T_i=2s）。加权设 A_s=0.01、A_t=0.01、M_t=2.0。
红色 = |S|，蓝色 = |T|，绿色虚线 = |W_S|，紫色虚线 = |W_T|，灰色虚线 = M_s 上限
由过程 $G_p(s)=\dfrac{1}{T_p s+1}$ 与 PI 控制器 $C(s)=K_c\left(1+\dfrac{1}{T_i s}\right)$ 构成开环 $L=CG_p$。
灵敏度 $S$ 与互补灵敏度 $T$（代数恒等式 $S+T=1$）：
$$S(s)=\frac{1}{1+L(s)},\qquad T(s)=\frac{L(s)}{1+L(s)}$$
灵敏度加权 $W_S$（低频处大）与互补加权 $W_T$（高频处大）：
$$W_S(s)=\frac{s/M_s+\omega_{BW}}{s+\omega_{BW} A_s},\qquad W_T(s)=\frac{s+\omega_{BT}/M_t}{A_t\,s+\omega_{BT}}$$
混合灵敏度的H∞范数（设计评价指标）：
$$\|T_{zw}\|_\infty=\sup_{\omega}\sqrt{|W_S(j\omega)S(j\omega)|^2+|W_T(j\omega)T(j\omega)|^2}$$
设计条件为 $\|W_S S\|_\infty<1$ 与 $\|W_T T\|_\infty<1$。同时满足两者可保证扰动抑制、噪声抑制以及对模型误差的鲁棒性。
什么是H∞控制模拟器
🙋
「H∞控制」这个名字常听到，但它到底是个怎样让人开心的设计方法？和普通的PID有什么不同？
🎓
简单来说，H∞控制是直接把「闭环系统频率增益的最大值」做小的设计方法。PID关心时域响应（超调、整定时间），而H∞在频域上保证「不会在某个糟糕的频率失控」。把上面的K_c调大试试，红色|S|的峰值（Ms）会变化。这个峰就是鲁棒性的直接指标。
🙋
|S|和|T|在低频和高频好像互换了，这代表什么？
🎓
这正是H∞设计的精髓。S表示「扰动残留在输出上的比例」，T表示「设定值传到输出的比例，以及传感器噪声漏到输出的比例」。代数上有S+T=1的约束，所以不能两者同时为零。低频要S小（除扰动），高频要T小（除噪声）——而这道分水岭由ω_BW、ω_BT决定，就是加权设计的核心。
🙋
绿色和紫色虚线是「加权」对吧？S和T不能超过它们吗？
🎓
准确说是要让|W_S·S|与|W_T·T|都小于1，称为「混合灵敏度问题」。图上看，红色|S|不应超过绿色1/|W_S|，蓝色|T|不应超过紫色1/|W_T|。模拟器的「||W_S·S||_∞」卡片小于1，说明扰动抑制要求达成；大于1就是没达标。
🙋
把M_s从1.4调到5，图像变化很大。实际工程怎么定M_s？
🎓
实务中1.4~2.0是标准范围。1.4偏保守、鲁棒性好但跟踪性能差；超过2.0就接近模型误差余量（增益裕度、相位裕度）变小的危险区，电机摩擦变化或管路长度稍有偏差就容易振荡。可以以M_s=2.0为基线，调K_c让|S|的峰值刚好触到M_s参考线。
常见问题
μ-综合与H∞控制有什么不同？
H∞控制用最大奇异值范数统一评估不确定性，对块对角结构的不确定性偏保守。μ-综合（结构奇异值设计）利用块结构得到更精确的鲁棒性能，但需要D-K迭代、计算量大且不保证全局最优。通常先用H∞设计，若保守性成为问题再切换到μ-综合。
鲁棒控制与H∞控制是同一个东西吗？
「鲁棒控制」是泛指「在模型不确定性下保证稳定性与性能的控制」的总称。H∞控制是其中的代表手法，用传递函数的H∞范数量化不确定性。其他鲁棒方法还包括LQG/LTR、QFT、滑模控制、μ-综合等；H∞擅长在频域给出严格保证。
什么是Bode灵敏度积分（水床效应）？
对稳定的线性时不变系统，log|S(jω)|对所有频率的积分等于一个非负常数（不稳定极点之和）。也就是说，在某个频带把S压到小于1（扰动抑制），就必然在另一频带使S大于1（扰动放大）。这就是「水床效应」：把水面在一处按下，必然在另一处隆起。H∞设计可以理解为在此约束下，选择在哪些频率把水面按下的优化过程。
加权W_S、W_T的选取有什么指导原则？
W_S典型形状：低频高增益（扰动抑制）、在滚降频率ω_BW附近穿越0 dB、高频渐近于1/M_s（允许峰值）。W_T相反：高频高增益（噪声抑制）、在ω_BT附近穿越0 dB。在ω_BW和ω_BT之间留出余地，求解器更容易找到可行控制器。若两个加权在同一频率同时压低，则与S+T=1冲突，无解。
实际应用
飞行器与火箭的飞行控制： 机体参数随速度、高度、载荷大幅变化，鲁棒性至关重要。H∞控制用于在整个飞行包线内保证稳定性余量，应用于F-16的CAS、各类无人机的姿态控制、火箭的推力矢量控制等。
硬盘磁头定位与半导体光刻设备： 需要同时满足扰动（振动、冲击）抑制与高速跟踪的机电系统中标准使用H∞。H∞能将陷波滤波器自动纳入加权之中，对具有谐振模态的柔性结构尤为有利。
过程控制（化工厂、电力系统）： 多变量耦合、纯滞后、模型不确定性大的过程，H∞与混合灵敏度设计十分有效。蒸馏塔成分控制、火电厂锅炉-汽轮机控制、电力系统稳定器（PSS）等均有实施案例。
汽车底盘控制： 主动悬架、电动助力转向、ESC等随路面状况或乘员数特性变化的系统适用H∞。乘坐舒适性与路面跟踪的权衡，按频率分别加权设计，是H∞混合灵敏度的典型应用。
常见误解与注意点
最常见的误解是「H∞范数小，实机性能就自动好」 。H∞是降低频域峰值增益的设计，并不直接最小化整定时间或超调。模拟器中把K_c调大可以降低||W_S·S||_∞，但过渡响应可能变振荡。H∞设计的目的是「鲁棒性能保证」，时域响应品质需另行确认与调整。
其次常见的是把加权函数设得「越严越好」 的思维定式。把W_S在低频处过度放大、或把W_T在高频处过度放大，会导致无可行解（infeasible）或得到极其高阶的控制器。在模拟器中把ω_BW调向ω_BT试试，加权曲线会重叠且Ms峰值急剧增大，这是设计要求接近物理极限的信号。Bode灵敏度积分（水床效应）是其根本原因，实务中要让需求张弛有度。
最后请注意，本模拟器是固定PI结构下的评估工具 。真正的H∞设计通过求解Riccati方程或LMI得到最优控制器K(s)。这里展示的是「改变PI增益K_c时，混合灵敏度指标如何变化」的过程工程师视角的直观可视化。正规H∞控制器合成使用MATLAB Robust Control Toolbox的hinfsyn、Python的python-control，或SLICOT库；得到的控制器通常比PI高阶（受控对象阶数+加权阶数）。