1. 传递函数：系统动态特性的数学指纹
在控制系统、信号处理和电路设计领域，传递函数就像系统的"数学DNA"。它能用简洁的分数形式，完整描述线性时不变系统（LTI）的输入输出关系。我第一次接触这个概念是在调试一个总出现振荡的伺服系统时——当时用示波器抓波形调了三天没进展，导师让我列写传递函数后，五分钟就锁定了是二阶微分环节的阻尼系数设置不当。
传递函数的通用形式是G(s)=Y(s)/U(s)，其中s是复频率变量。这个看似简单的表达式背后，隐藏着系统响应的全部秘密：分子多项式零点决定系统何时"爆发"，分母多项式极点决定系统何时"收敛"。2018年我在设计医疗呼吸机的气压控制系统时，就曾通过调整传递函数极点位置，将压力调节时间从800ms优化到300ms。
关键认知：传递函数只适用于线性时不变系统，非线性系统需局部线性化处理。实际工程中，我们常在平衡点附近建立线性化模型。
2. 从微分方程到传递函数的蜕变之路
2.1 建模起点：物理定律的数学表达
任何动态系统的分析都始于建模。以经典的弹簧-质量-阻尼系统为例：
- 根据牛顿第二定律列写微分方程：m(d²x/dt²) + c(dx/dt) + kx = F(t)
- 在零初始条件下进行拉普拉斯变换：ms²X(s) + csX(s) + kX(s) = F(s)
- 整理得到传递函数：G(s) = X(s)/F(s) = 1/(ms² + cs + k)
这个二阶系统传递函数揭示了三要素：
- 质量m决定惯性特性
- 阻尼系数c影响响应速度
- 刚度k关联振荡频率
2.2 线性化的艺术与技巧
面对非线性系统（如含有sinθ、x²等项），常用的线性化方法有：
- 泰勒展开法：在平衡点处展开一阶近似
- 描述函数法：适用于非线性元件
- 小信号分析法：电力电子系统的经典手段
我曾用泰勒展开处理过机器人关节的摩擦非线性问题，在±15°工作范围内线性化后，控制精度提升了40%。但需注意工作点偏移超过线性化区域时，模型会失效。
3. 传递函数的三大核心特性解析
3.1 极点分布与系统稳定性
传递函数分母的根称为极点，其位置直接决定系统动态：
- 左半平面：稳定系统（实部为负）
- 虚轴上：临界稳定（持续振荡）
- 右半平面：不稳定（振幅发散）
用MATLAB计算极点的代码示例：
matlab复制num = [1]; % 分子系数
den = [1 5 6]; % 分母系数
poles = roots(den) % 计算极点
3.2 零点对系统行为的影响
分子多项式的根称为零点，它们会：
- 产生相位超前
- 引起逆响应（非最小相位系统）
- 抵消极点效应（零极点对消）
在音频均衡器设计中，就是通过精心配置零极点位置来实现不同频段的增益调节。
3.3 稳态增益与动态响应
传递函数的直流增益（s=0时的值）决定稳态输出，而极点分布影响：
- 上升时间：主导极点频率越高响应越快
- 超调量：与阻尼比负相关
- 调节时间：实部绝对值越大收敛越快
工业PID控制器参数整定，本质上就是在调整闭环传递函数的极点位置。
4. 频域分析：伯德图的工程实践
4.1 幅频特性与相频特性
将s=jω代入传递函数，得到频率响应：
- 幅值曲线：20lg|G(jω)|（dB）
- 相位曲线：∠G(jω)（度）
手动绘制伯德图的技巧：
- 确定转折频率（ω=1/T）
- 每遇到一个极点，斜率-20dB/dec
- 每遇到一个零点，斜率+20dB/dec
- 二阶环节注意谐振峰值
4.2 稳定裕度评估
- 相位裕度：增益穿越频率处的相位与-180°之差
- 增益裕度：相位穿越频率处的增益与0dB之差
在航空航天控制系统设计中，通常要求相位裕度≥45°，增益裕度≥6dB。我曾参与某型无人机飞控系统调试，通过伯德图发现舵机延迟导致相位裕度不足，添加超前补偿后解决了飞行抖动问题。
5. 时域响应与传递函数的关联
5.1 典型输入信号的响应分析
- 阶跃响应：反映系统跟踪能力
- 斜坡响应：体现速度跟随性能
- 脉冲响应：包含全部动态信息
二阶系统阶跃响应关键指标公式：
- 峰值时间：tp = π/(ωn√(1-ζ²))
- 超调量：Mp = e^(-ζπ/√(1-ζ²))×100%
- 调节时间(2%)：ts ≈ 4/(ζωn)
5.2 系统辨识实战案例
当物理建模困难时，可通过实验数据估计传递函数：
- 采集输入输出数据
- 选择模型结构（如ARX、OE模型）
- 参数估计（最小二乘法等）
- 模型验证
用Python的scipy.signal进行系统辨识：
python复制from scipy import signal
t, y = # 实验数据
sys = signal.TransferFunction(num, den)
t_out, y_out = signal.step(sys)
6. 多变量系统的传递矩阵
6.1 MIMO系统建模
对于多输入多输出系统，传递函数扩展为传递矩阵：
G(s) = [G11(s) ... G1m(s)
...
Gn1(s) ... Gnm(s)]
其中每个元素Gij(s)表示第j个输入到第i个输出的传递关系。
6.2 耦合分析与解耦控制
传递矩阵的非对角元素反映通道间耦合。在化工过程控制中，我们常用相对增益阵列(RGA)分析变量配对：
matlab复制G = [tf(1,[1 1]), tf(2,[1 3]);
tf(3,[1 4]), tf(4,[1 5])];
RGA = G.*inv(G)'
7. 离散时间系统的z域分析
7.1 从s域到z域的转换
通过z变换将连续传递函数离散化：
- 零阶保持法（ZOH）：z = e^(sT)
- 双线性变换（Tustin）：s ≈ (2/T)(z-1)/(z+1)
离散传递函数示例：
G(z) = (0.1z + 0.08)/(z² - 1.6z + 0.7)
7.2 数字滤波器设计
利用传递函数设计IIR滤波器：
- 设计模拟原型滤波器（Butterworth/Chebyshev等）
- 选择离散化方法
- 转换为数字传递函数
在ECG信号处理中，我用二阶IIR陷波器消除了50Hz工频干扰：
python复制from scipy.signal import iirnotch
b, a = iirnotch(50, 30, fs=1000) # 中心频率50Hz，Q=30
8. 实际工程中的注意事项
- 模型精度验证：通过残差分析检查白噪声特性
- 采样频率选择：至少10倍于系统带宽
- 量化误差影响：数字实现时注意字长效应
- 非线性因素：死区、饱和等需单独考虑
在电机控制项目中，我们发现了这样一个现象：当PWM分辨率低于10bit时，传递函数预测结果与实际测量会出现明显偏差，这是理论模型常忽略的实际情况。