MATLAB求解阶跃响应指标：上升时间、调整时间、超调量与峰值时间全解析

简介：这是一套基于Matlab/Simulink的控制系统阶跃响应指标计算工具包，面向控制工程学习者、课程设计者与现场调试工程师，用于快速求解上升时间、调整时间、峰值峰值与超调量等关键动态性能参数。上升时间反映系统响应快速性，调整时间体现了系统收敛到稳态的速度，而超调量则直接影响控制过程的平稳性，是评估与优化控制器的重要依据。压缩包内共3个文件，包含2个可直接运行的M函数与测试脚本，另附1份PDF说明文档，总大小仅565KB，轻量而实用。该资源已有17662人学习下载，在控制系统分析与控制器设计场景中具有较高参考价值。配套的Fun_Step_Performance.m自定义函数可自动计算各项阶跃指标，Test_Step_Performance.m演示实例便于对照验证，PDF文档则系统梳理了阶跃响应理论、指标定义及使用说明；借助这些工具，读者无需手动分析复杂响应曲线，即可在Simulink中快速评估系统动态性能，为控制器的改进与参数整定提供量化依据。 拿到一条阶跃响应曲线，怎么科学地评价它？这大概是控制课设和工程调试里最常遇到的问题。上升时间、调整时间、峰值时间、超调量这四个指标，几乎出现在每本自动控制原理教材里，但真到了用MATLAB求解的时候，很多人反而开始懵：stepinfo到底会不会用？返回的RiseTime是哪种定义？为什么我算出来的超调量和图上量的不一样？这篇文章就把这件事彻底讲透，附带可以直接跑通的脚本。不管你是刚学自控原理的学生，还是做仿真验证的工程师，都可以参考。

顺便说一句，网上有人传过“Matlab求解阶跃响应指标(上升时间、调整时间、峰值峰值、超调量).rar”，标题里的“峰值峰值”应该是“峰值时间”的笔误。这类压缩包里通常只是一些脚本片段，其实核心知识就那么多，你照着下面的思路自己写一遍，以后就再也不用满世界找包了。

1. 四个指标的定义差异：先搞明白你要算的是什么

四个指标看起来名字大家都熟，但坑就坑在定义并不完全统一。如果定义没对齐，后面算出来的数字和同学对不上、和教材对不上，都是正常的。

1.1 上升时间：0到100%还是10%到90%

上升时间最常见的定义有两种：

• 响应从稳态值的0上升到100%所需的时间。这个定义在很多教材里用于欠阻尼二阶系统，数学上比较好推公式。
• 响应从稳态值的10%上升到90%所需的时间。工程实测里更常用，因为响应起点附近容易被噪声、死区干扰，从10%开始读数更稳定。

stepinfo默认用的是10%到90%这个定义。它会返回一个RiseTime字段，底层对应RiseTimeLimits参数，默认值是[0.1 0.9]。如果你非要用0到100%，得自己改参数。所以别一看RiseTime和书上公式对不上，就以为是程序算错了，先看看定义是不是同一个。

1.2 峰值时间与超调量：一对双胞胎

峰值时间是指响应到达第一个峰值所需的时间。对欠阻尼二阶系统来说，这个峰值就是超调那一瞬间的最高点。超调量则是这个峰值相对稳态值多出来的比例：

σ% = (ymax - y∞) / y∞ × 100%

如果系统本来就不超调，比如过阻尼或临界阻尼系统，超调量按0处理。这时候stepinfo返回的PeakTime是Inf，因为根本没有峰值，硬说峰值时间就没意义了。

1.3 调整时间：看它什么时候“真正稳定”下来

调整时间的定义是：响应进入并维持在稳态值附近的某个误差带内所需的最短时间。误差带一般取±2%或±5%，没有硬性规定，看你的工程精度要求。

这个指标特别容易踩坑：系统只要进入误差带就算调整时间结束，但如果后面又冲出去了，那这个进入时间不成立。所以计算时不能只找“第一次进入误差带”的点，必须保证之后不再超差。很多人手写算法在这里翻车。

整理成表格更直观：

1.4 贯穿全文的示例系统

为了不空对空，我固定一个标准二阶系统作为演示对象：

G(s) = 25 / (s² + 5s + 25)

其中自然频率 ωn = 5 rad/s，阻尼比 ζ = 0.5。这个系统阻尼适中，有超调但不夸张，用来解释指标提取和参数影响都很合适。后面的代码都基于这个系统展开。

2. 最快路径：用stepinfo一行命令算完，但不建议无脑用

如果你手头有传递函数或状态空间模型，stepinfo是最快的办法。

2.1 基本用法和输出字段

打开MATLAB，输入：

s = tf('s'); G = 25/(s^2 + 5*s + 25); info = stepinfo(G)

运行后你会得到类似下面这组结构体：

RiseTime: 0.3240 SettlingTime: 1.6300 SettlingMin: 0.9727 SettlingMax: 1.1630 Overshoot: 16.3000 Undershoot: 0 Peak: 1.1630 PeakTime: 0.7255

各字段解释一下：

• RiseTime：上升时间，默认10%到90%。
• SettlingTime：调整时间，默认2%误差带。
• SettlingMin/SettlingMax：进入稳态后响应在误差带内的最小值/最大值。
• Overshoot：超调量，单位是百分比，不是小数。
• Undershoot：下冲量，一般系统为0。
• Peak：峰值，注意这是绝对值，不是相对值。
• PeakTime：峰值时间。

看到Overshoot: 16.3000，表示超调量16.3%，而Peak: 1.1630意味着峰值是1.163，正好是1加上16.3%。

2.2 三个默认值会影响结果

1. 误差带宽度。默认SettlingTimeThreshold是0.02，也就是2%。如果你要按5%误差带算：

info = stepinfo(G, 'SettlingTimeThreshold', 0.05);

2. 上升时间上下限。默认RiseTimeLimits是[0.1 0.9]，要改成0到100%：

info = stepinfo(G, 'RiseTimeLimits', [0 1]);

3. 仿真时长。stepinfo内部会自动决定仿真时间，但对小阻尼系统，自动时长可能不够。最稳妥的做法是自己先step拿到数据，再把数据传给stepinfo：

t = 0:0.001:10; y = step(G, t); info = stepinfo(y, t);

2.3 stepinfo的局限

stepinfo只适用于稳定系统。如果你给一个闭环不稳定系统直接算，结果没有意义。另外它要求输入是单位阶跃响应数据，或者LTI模型。如果系统本身存在稳态误差，stepinfo会以最终稳态值为基准，这点倒是没问题，但你心里要有数：超调量是相对最终稳态值算的，不是相对输入幅值算的。

我自己在实际项目里，一般先用stepinfo快速看一遍，然后写一个自己的提取函数去验证。原因很简单：stepinfo再方便，它也猜不到你的数据是带噪声的、采样率是稀疏的、还是仿真结束时根本没进入稳态。

3. 手写指标提取：只有一组时间响应数据时怎么办

工程里更常见的情况是：手头只有一组时间-响应数据，可能是实验采集的，也可能是从Simulink导出的。这时候照样能算，而且理解了底层方法后，你能按自己需求随意改定义。

先造一组数据：

t = 0:0.001:10; y = step(G, t); yss = y(end);

这里我假设10秒时系统已经基本稳定。下面逐个实现。

3.1 上升时间提取：一定要做线性插值

直接找第一个大于0.9*yss的索引，会引入最多一个采样步长的误差。如果采样步长是0.01秒，这个误差就是0.01秒，某些场景下不可接受。正确做法是找到跨越阈值的相邻两点，再做线性插值。

y10 = 0.1 * yss; y90 = 0.9 * yss; i10 = find(y >= y10, 1, 'first'); i90 = find(y >= y90, 1, 'first'); if i10 == 1 tr10 = t(1); else tr10 = interp1([y(i10-1), y(i10)], [t(i10-1), t(i10)], y10); end tr90 = interp1([y(i90-1), y(i90)], [t(i90-1), t(i90)], y90); tr = tr90 - tr10;

interp1在这里做的是线性插值，相当于把两个采样点之间的曲线近似成一条直线，求直线到达阈值的时间。对于采样足够密的响应，这个近似非常准。

3.2 峰值时间与超调量提取：用max要小心噪声

最简单的写法是：

[ymax, imax] = max(y); tp = t(imax); Mp = (ymax - yss) / yss * 100;

对于干净的理论仿真数据，这个写法没问题。但如果数据有噪声，哪怕一个毛刺也可能被误判成峰值。我建议优先使用findpeaks，它能返回所有局部极大值的位置，然后取第一个超过稳态值的峰：

[pks, locs] = findpeaks(y, t); idx = find(pks > yss, 1, 'first'); tp = locs(idx); ymax_pk = pks(idx); Mp = (ymax_pk - yss) / yss * 100;

如果数据噪声太大，先做平滑再找峰：

ysmooth = smoothdata(y, 'gaussian', 30); [pks, locs] = findpeaks(ysmooth, t);

注意findpeaks属于Signal Processing Toolbox，如果没装这个工具箱，就老老实实用max，但一定要对数据做平滑。

3.3 调整时间提取：必须从后往前找

调整时间的核心是“进入后不再超出”。正确算法是从数据末尾往前扫描，找到最后一个“超出误差带”的位置，它的下一个点就是调整时间。为了保证末尾状态有意义，先判断最后几个点是否已经在带内。

tol = 0.02 * yss; inband = abs(y - yss) <= tol; out_idx = find(~inband, 1, 'last'); if isempty(out_idx) ts = t(1); % 从头到尾都在带内 elseif out_idx == numel(y) ts = NaN; % 仿真时间不够，还没进入稳态 else ts = t(out_idx + 1); end

这个思路的关键是：既然最后一个超出误差带的点就是系统最后一次“离开稳态”的点，那它后面的第一个时刻就是“之后不再超出”的起点。如果反向扫描发现最后一个点都还在误差带之外，说明仿真时长不够，结果直接判为NaN，而不是硬给一个数。

3.4 封装成一个完整函数

把上面三个部分合到一起，保存为calc_step_metrics.m：

function [tr, tp, ts, Mp] = calc_step_metrics(t, y, tol_ratio) if nargin < 3 tol_ratio = 0.02; end y = y(:); t = t(:); yss = y(end); % 上升时间：10%-90%线性插值 y10 = 0.1 * yss; y90 = 0.9 * yss; i10 = find(y >= y10, 1, 'first'); i90 = find(y >= y90, 1, 'first'); if isempty(i10) || isempty(i90) tr = NaN; else if i10 == 1 tr10 = t(1); else tr10 = interp1([y(i10-1), y(i10)], [t(i10-1), t(i10)], y10); end tr90 = interp1([y(i90-1), y(i90)], [t(i90-1), t(i90)], y90); tr = tr90 - tr10; end % 峰值时间与超调量 [ymax, imax] = max(y); tp = t(imax); Mp = (ymax - yss) / yss * 100; % 调整时间：从后往前找最后超差点 tol = tol_ratio * yss; inband = abs(y - yss) <= tol; out_idx = find(~inband, 1, 'last'); if isempty(out_idx) ts = t(1); elseif out_idx == numel(y) ts = NaN; else ts = t(out_idx + 1); end end

调用方式：

t = 0:0.001:10; y = step(G, t); [tr, tp, ts, Mp] = calc_step_metrics(t, y, 0.02); fprintf('tr=%.4f, tp=%.4f, ts=%.4f, Mp=%.2f%%\n', tr, tp, ts, Mp);

我这里用了max而不是findpeaks，是为了让函数不依赖额外工具箱。你如果处理实测数据，建议把峰值提取部分手动替换成带平滑的findpeaks版本。

4. 用标准二阶系统验证规律：阻尼比到底怎么影响指标

看完手写算法，再用它验证一次经典结论。标准二阶系统的四个指标和阻尼比、自然频率的关系，是自控原理里最值得记牢的内容。

4.1 对照试验代码

保持 ωn = 5 不变，改变阻尼比 ζ，用stepinfo批量计算：

wn = 5; zeta_list = [0.1 0.3 0.5 0.7 0.9]; results = table(); for i = 1:numel(zeta_list) z = zeta_list(i); G = tf([wn^2], [1 2*z*wn wn^2]); info = stepinfo(G); results.Zeta(i) = z; results.RiseTime(i) = info.RiseTime; results.PeakTime(i) = info.PeakTime; results.Overshoot(i) = info.Overshoot; results.SettlingTime(i) = info.SettlingTime; end disp(results)

运行结果大致如下：

4.2 结果解读

阻尼比越小，超调越大，上升越快，这符合直觉：系统太“活泼”，冲得猛。但阻尼比太小时调整时间反而很长，因为系统在那里来回振荡，迟迟不肯停下来。阻尼比增大后，超调被压住，调整时间变短，但上升时间变长，系统变得“迟钝”。

所以工程上选阻尼比就是一个权衡。常见的做法是把阻尼比设计在0.4到0.8之间，这个区间超调适中，快速性也能接受。如果你对超调极其敏感，那就往0.8以上调；如果你更看重响应速度，那就接受一定超调，往0.4附近调。

这里还可以验证一下二阶系统的经典解析公式。对于标准欠阻尼二阶系统：

• tp = π / (ωn·√(1-ζ²))
• Mp% = exp(-πζ / √(1-ζ²)) × 100%
• ts ≈ 4 / (ζ·ωn)（±2%误差带）

拿ζ=0.5、ωn=5来算：tp = π/(5×0.866) ≈ 0.7255秒，Mp = exp(-π×0.5/0.866)×100% ≈ 16.3%，ts ≈ 4/(0.5×5) = 1.6秒。这些数值和stepinfo的输出几乎一致，误差只来自调整时间那个“约等于”。这个验证很有价值，能帮你确认自己的提取代码没写错。

5. 实测中容易踩的坑与我的处理习惯

理论方法讲完了，再说几个实际计算中我踩过的坑。这些细节不算难，但每一个都会让结果差不少。

5.1 稳态值取错，满盘皆输

超调量和调整时间都以稳态值为基准。如果你用y(end)当稳态值，而仿真时间恰好不够长，系统还没真正稳定，那y(end)会偏小，导致超调量虚高，调整时间也可能变成NaN。

我的习惯是：先画图确认曲线尾部平了，再取稳态值。如果尾部有轻微波动，用最后10%数据的均值：

n = numel(y); yss = mean(y(round(0.9*n):end));

5.2 噪声数据导致峰值误判

实测数据几乎都有噪声。直接用max找峰值，很可能把一个毛刺当成超调峰值。处理顺序是：先平滑，再找峰，最后用峰值附近局部数据做二次曲线拟合，让峰值时间和幅值更准。

ys = smoothdata(y, 'gaussian', 30); [pks, locs] = findpeaks(ys, t);

注意平滑窗口大小要结合采样率调，窗口太大把真实峰值磨平了，窗口太小又起不到去噪作用。我的经验是从30个点左右开始试，边试边画图对比。

5.3 峰值时间对采样步长敏感

峰值本身是曲线顶部的一个尖点，如果采样步长太大，采样点可能落在峰值两侧，算出来的峰值时间偏差明显。调采样率通常能解决：

t = 0:0.0005:10; % 更细的采样

如果数据已经固定无法重采样，可以对峰值附近的3个点做抛物线拟合，求抛物线顶点作为峰值时间和峰值估计。这是实验数据处理里的常规操作，比直接取最大值点稳得多。

5.4 非最小相位系统与离散系统要单独处理

非最小相位系统阶跃响应会先反向，产生Undershoot。这时峰值提取不能再无脑用max，因为最大值可能出现在很久之后，而教材里的“峰值时间”指第一个正向峰值。建议用findpeaks取第一个正向峰。

离散系统则要注意采样时间。把连续模型离散化后再用step和stepinfo完全合法：

Ts = 0.01; Gd = c2d(G, Ts, 'zoh'); info = stepinfo(Gd);

但离散数据的峰值时间最小分辨率不会小于一个采样周期，所以Ts别取得太大。拿c2d的时候，Ts要满足奈奎斯特条件，一般取系统带宽的10倍以上采样率才够看。

最后再分享一个习惯：每次算完指标，我都会顺手把step曲线画出来，然后把算出来的峰值点、2%误差带边界、上升区间起点终点都标在同一张图上。眼睛扫一遍，确认标记位置和视觉判断一致，再往报告里写。这个习惯帮我挡掉了好几次因为稳态值偏移或噪声毛刺导致的错误结果。指标提取这件事，90%的功夫在数据质量上，代码只是最后那一下。

本文还有配套的精品资源，点击获取