奈奎斯特稳定判别法则
闭环不稳定极数 $Z = N + P$
$N$: 奈奎斯特轨迹顺时针包围(-1,0)点的圈数
$P$: 开环传递函数右半平面(RHP)的极数
$Z = 0$ → 闭环系统稳定
增益裕度: $GM = 20\log_{10}\frac{1}{|G(j\omega_{pc})|}$ (dB)
相位裕度: $PM = 180° + \angle G(j\omega_{gc})$
选择开环传递函数并调整增益,即可实时绘制奈奎斯特图和伯德图。自动计算增益裕度、相位裕度和交叉频率。
闭环不稳定极数 $Z = N + P$
$N$: 奈奎斯特轨迹顺时针包围(-1,0)点的圈数
$P$: 开环传递函数右半平面(RHP)的极数
$Z = 0$ → 闭环系统稳定
增益裕度: $GM = 20\log_{10}\frac{1}{|G(j\omega_{pc})|}$ (dB)
相位裕度: $PM = 180° + \angle G(j\omega_{gc})$
本模拟器处理的标准开环传递函数 $L(s)$ 如下。屏幕上的滑块可以改变参数K、a、b和z。
$$L(s) = G(s)H(s) = K \frac{(s/z + 1)}{(s/a + 1)(s/b + 1)}$$$K$:增益常数,$z$:零点值,$a, b$:极点值。将 $s = j\omega$ (虚数单位×角频率)代入,得到频率响应 $L(j\omega)$,由此可以绘制奈奎斯特图。
奈奎斯特稳定判别法则:仅从开环系统信息即可判断闭环系统稳定性的强大定理。
$$Z = N + P$$$P$:开环传递函数 $L(s)$ 右半平面(实部为正)的极数。
$N$:奈奎斯特轨迹 $L(j\omega)$ ($\omega: -\infty \to +\infty$) 顺时针包围点 $(-1, 0)$ 的圈数。
$Z$:闭环系统不稳定极的数目。当 $Z=0$ 时,闭环系统稳定。
飞行器与无人机姿态控制:飞行中的机体不断受风等外部扰动。通过奈奎斯特图确保充足的稳定裕度(增益裕度、相位裕度),能使控制系统在外扰下也保持稳定,避免危险的振荡(荷兰滚现象)。
汽车定速巡航系统:在坡度变化下保持设定速度需要动力系统和制动器的精确控制。设计时通过奈奎斯特分析,使系统既能快速响应又不会超调,平衡了跟踪性能和稳定性。
机器人臂位置伺服:生产线上的精密组装机器人需要以设定位置停止,且不能振荡。相位裕度(PM)与过渡过程的振荡特性直接关联,是关键的设计指标。
电力系统稳定度评估:大型输电网中发电机的同步关系影响系统整体稳定性。奈奎斯特判别法在这样复杂的高维系统中仍然是评估稳定性的古典且有效的工具。
图中只绘制0.01–1000 rad/s的频率响应及其共轭镜像,未绘制无穷远圆弧和原点极点的绕行路径,因此不能仅凭图中绕圈判断稳定。稳定性按单位负反馈的D(s)+N(s)计算。本页只接受正参数,不模拟负参数、时延或更高阶模型。
其次,不能只看裕度数字而忽视曲线形状。即使增益裕度显示10dB、相位裕度45°,看起来充足,但如果轨迹在(-1,0)附近急速转向或尖锐弯曲,系统对模型误差和扰动的抵抗力仍然很弱。养成既看数字也看图形,观察轨迹距离(-1,0)有多"舒缓"的习惯。
最后,要认识到这个工具的模型与现实的差距。这里用的都是简单的2阶系统。实际控制对象往往有时间延迟(死时间),更高阶的振动模态,以及非线性特性。加入死时间 $e^{-Ls}$ 后相位会进一步滞后,奈奎斯特轨迹会像螺旋一样反复绕圈。要把这里学到的原理迁移到更现实、更复杂的模型中去。
选择K/[s(s+a)],K=2、a=1。由|G(jω)|=1得到ωgc≈1.250 rad/s、PM≈38.67°、GM=∞。闭环特征多项式为s²+s+2,根为-0.5±1.323j,所以稳定。另选K/(s+a),K=0.5、a=1时没有单位增益交叉,PM显示“—”,但闭环极点-1.5仍然稳定。