Simulink仿真验证二阶系统：从传递函数到PID整定与Bode图校验

Simulink 做经典控制理论的仿真验证，是控制工程里绕不开的一件事。学完系统的传递函数、时域响应、PID、Bode 图这些内容，如果只停留在纸面推导，很难真正建立"理论公式和实际系统表现之间的对应感"。这篇文章以一个二阶系统的综合仿真建模示例为主线，把从传递函数搭建、阶跃响应分析、PID 控制器设计到频域稳定性校验的完整链路串在一起，给出一套可以直接照着操作的建模流程和参数配置。适合正在学自动控制原理、想在 Simulink 里动手验证模型的同学，也适合工作中需要快速评估控制方案的工程师。照着这个示例完整推演一遍，收获会比单纯背公式直观得多。

1. 为什么这个示例值得动手做一遍

先聊一个大方向的问题：经典控制理论那么多内容，为什么偏偏要用 Simulink 来做综合应用？

我的体会有三点。第一，Simulink 把"系统的结构"和"数学模型"之间的对应关系摆到了你面前。你用传递函数写一个二阶系统，不过是几行字符；但把传递函数模块拖到模型画布上，接上阶跃信号和示波器，点一下运行，那条响应曲线砸到眼前的时候，你才真正感受到这个系统是什么脾气——它是快是慢、有没有超调、稳态能不能稳住。这种反馈来得非常直接。

第二，Simulink 特别适合做"改参数看效果"的反复实验。控制理论里很多结论是趋势性的，比如增大比例增益会减小静差但增大超调，这种话在书上读一百遍不如在模型里把 Kp 从 1 改成 5 再看一眼曲线变化来得深刻。

第三，也是最重要的一点：Simulink 模型的信号流和实际控制系统的物理结构是一致的。以后你面对的不是一个干净的传递函数，而是一堆传感器、执行器、电流环速度环嵌套起来的复杂系统，那时候用 Simulink 搭出来的框图，本身就是对系统结构的一种描述方式。

1.1 建模思路上的三个关键选择

在设计这个示例时，我做了三个关键选择，每一个背后都有明确的理由。

第一个选择是：被控对象用二阶系统，而不是更高阶的系统。经典控制理论里，二阶系统是最典型的分析对象，超调量、峰值时间、调节时间都有现成的解析公式，仿真结果和理论计算能直接对照。如果一上来就用高阶系统，光是把理论值和仿真曲线对上就要费很大功夫，很容易把学习精力耗在数学细节上，而不是建模方法上。

第二个选择是：先搭开环系统，再做闭环控制。很多人习惯一上来就搭反馈回路，但开环模型才是理解问题的基础。通过开环阶跃响应，你可以直观看到系统的自然特性——稳态增益是多少、响应快不快、超调有多严重——然后才谈得上控制器需要弥补哪些不足。这和处理实际工程问题的思路一致：先摸清对象的脾气，再谈控制方案。

第三个选择是：时域分析之外，必须补一轮频域校验。经典控制理论有两条腿，时域看性能，频域看稳定性裕度。很多初学者只盯阶跃响应曲线，对 Bode 图里的相位裕度没有概念，结果控制器参数在仿真里看着漂亮，实际接入系统后稍有一点参数摄动就开始振荡。这个示例把两条腿都走一遍，目的就是养成这种"时域性能 + 频域裕度"双重校验的习惯。

1.2 被控对象的选择：一个不完美但非常典型的二阶系统

示例的被控对象用这个传递函数：

G(s) = 9 / (s² + 2.1s + 9)

它对应标准二阶系统的形式 ωn² / (s² + 2ζωn s + ωn²)，其中自然频率 ωn = 3 rad/s，阻尼比 ζ = 0.35。为什么说它"不完美但典型"？因为这个阻尼比下，系统的开环阶跃响应会有大约 30% 的超调量，调节时间接近 4 秒。按工程标准看，这不算一个优秀的系统，但恰好能暴露出"需要控制器来改善的问题"。如果阻尼比接近 1 或者大于 1，响应虽然稳，但控制器设计就没有太多可发挥的空间了。一个有缺陷、有改进空间的对象，才是好的教学和练习载体。

这套参数还有一个好处：理论值好算。欠阻尼二阶系统的峰值时间为：

tp = π / (ωn * √(1 - ζ²)) ≈ 1.12 s

阻尼振荡频率大约 2.81 rad/s，超调量按公式 exp(-πζ / √(1 - ζ²)) × 100% 算出来约 30.7%。这些数字之后会和仿真 Scope 里的曲线逐项对照，能对上，说明模型搭建没有问题。

1.3 整体技术路线：开环到闭环再到频域

整个示例按四步走。

第一步，搭好开环模型，跑一次阶跃响应，记录系统开环特性。第二步，在时域里提取关键性能指标，确认超调量、峰值时间、调节时间和理论计算一致，这一步本质上是在校验模型有没有搭错。第三步，加入反馈和 PID 控制器，手动整定参数，把响应调整到目标状态，比如超调压到 5% 以下、调节时间缩到 2 秒以内。第四步，回到频域，用 Bode 图检查相位裕度和增益裕度，确认控制器不是只在仿真里稳定。

四步环环相扣，每一步的结果都作为下一步的输入。这也是我推荐这个示例的原因：它不是孤立地演示某一个模块怎么用，而是完整还原了一个控制系统从建模、分析、设计到校验的典型工作流。

2. 从零搭起：基础模型搭建的实操步骤

下面进入具体操作。我用的是常见的桌面版 MATLAB/Simulink 环境，各主流版本的界面路径大体一致。如果你的版本菜单叫法稍有出入，按模块名称去找就行。

2.1 新建模型与模块库导航

打开 MATLAB，在主页栏点击 Simulink 图标，或者在命令行直接输入：

simulink

在 Simulink 起始页选择 Blank Model 新建空模型。先把模型保存成有意义的文件名，比如control_demo.slx。我建议从第一步就养成及时保存的习惯，不然后面模型复杂起来，遇到异常崩溃会让人非常被动。

左侧的 Library Browser 是找模块的主要入口。这个示例需要的模块并不多：Sources 库里的 Step，Continuous 库里的 Transfer Fcn，Math Operations 库里的 Sum 和 Gain，Sinks 库里的 Scope 和 To Workspace。这几个模块在 Simulink 里属于高频使用的基础件，建议把位置记熟。

把 Step 模块拖到画布上，双击查看参数。Step time 默认是 1 秒，这里我希望在 t = 0 时就直接给阶跃，所以把 Step time 改成 0。Initial value 和 Final value 分别保持 0 和 1，意思是信号从 0 瞬间跳到 1，正好是标准单位阶跃信号。

2.2 传递函数与信号链路的连接

接下来放 Transfer Fcn 模块。双击打开参数对话框，Numerator coefficients 填：

[9]

Denominator coefficients 填：

[1 2.1 9]

新手经常在这里踩坑：分子分母系数向量必须按 s 的降幂排列，而且每一项都要写全。以分母为例，三个系数分别对应 s²、s 和常数项，漏掉中间那个 2.1，系统就变成了另一个系统，响应曲线完全是两回事。

连线的方式是：从 Step 的输出端口按住鼠标左键拖动，到 Transfer Fcn 的输入端口松开。连接成功后，线会变成带箭头的实线，表示信号流向正确。再从 Transfer Fcn 输出端口拖线到 Scope 输入端口，一条最基本的开环链路就完成了。

后面做闭环时还需要 Sum 和 Gain。Sum 模块默认是两个输入相加，做反馈时需要把其中一个输入符号改成负号。双击 Sum 模块，在 Icon shape 里选 rectangular，把符号列表改成|+-，意思是第一个输入是正号、第二个输入是负号，这样反馈信号进来就是相减的效果。

2.3 仿真参数与求解器设置

模型连好后先别急着点运行，把仿真参数设置对。

在模型窗口顶部打开 Model Settings，进入 Solver 页面。这里有两个关键设置。

第一是仿真时间。Start time 保持 0，Stop time 先设为 10 秒。因为示例系统的调节时间大约 4 秒，10 秒足够观察完整的过渡过程和稳态情况，又不会因为时间太长导致数据文件过大。

第二是求解器。对这类常微分方程仿真，变步长求解器比较合适，默认的ode45在大多数情况下都能直接工作。真正容易出问题的是 Max Step Size 这个参数。如果模型里存在快速动态，最大步长设得过大，求解器可能跳过响应峰值附近的点，导致 Scope 曲线看起来偏钝，峰值被削平。我习惯在正式跑之前把 Max Step Size 设成一个明显小于系统最快时间常数的值，本例设成 0.01 秒足够了。宁可多算几步，也不要在关键瞬态丢精度。

提示：如果模型里加了开关、饱和这类非线性模块，变步长求解器的事件检测机制有时会失效，那时候再考虑切固定步长求解器。但在本示例的线性系统阶段，ode45 基本是最省心的选择。

设置完成点 Run。Scope 里应该出现一条先超调、再衰减振荡、最后稳定到 1 附近的曲线。看到那条曲线的一刻，说明模型基本搭通了。

3. 时域分析：把阶跃响应变成看得见的性能指标

模型跑通了，接下来要从仿真结果里提炼指标。这一步很多人看一眼 Scope 曲线就结束，但实际上，从数据里准确提取超调量和调节时间，才是和理论值对照的关键环节。

3.1 用数据算指标，别只盯着 Scope 看

Scope 适合看趋势，但它不是为精确提取数据设计的。虽然新版 Scope 自带游标，鼠标点一下能读坐标值，但一个点一个点去读数效率太低，而且游标精度有限，读数带主观性。不同人读同一张曲线，超调量可能读出好几个版本。

更推荐的做法是：在模型里加一个 To Workspace 模块，把阶跃响应数据直接导出到 MATLAB 工作区。To Workspace 的 Variable name 设为y_open，Save format 选 Timeseries。仿真结束后，工作区里会出现一个y_open变量，之后用脚本处理数据非常方便。

注意：如果 Save format 选 Array，后面修改了仿真时间或步长，数组长度和采样间隔要自己再确认一遍，容易出错。Timeseries 格式自带时间轴，后续处理更省事。

导出后用一段小脚本计算指标：

y = y_open.Data; % 响应数据 t = y_open.Time; % 时间轴 yss = y(end); % 稳态值 Mp = (max(y) - yss) / yss * 100; % 百分比超调量 idx_peak = find(y == max(y), 1); tp = t(idx_peak); % 峰值时间 % 调节时间：找到响应进入并保持在全稳值 ±2% 带内的第一个时间点 tol = 0.02 * yss; idx_settle = find(abs(y - yss) < tol, 1, 'last'); ts = t(idx_settle);

这样算出来的超调量，和公式 exp(-πζ / √(1 - ζ²)) × 100% 匹配。两边数字对上，模型的可信度就建立起来了。调节时间这一步很多人会写错，我自己的经验是：要从后往前找最后一个离开允许误差带的时间点，而不是找到第一个进入误差带的点就结束，否则遇到衰减振荡时，曲线可能中途穿过误差带又跑出去，算出的调节时间偏短。

3.2 从响应曲线反推系统参数

这一步很多教材不讲，但实际工作里非常有用：从响应曲线反推被控对象参数。

原理是：既然系统是标准二阶欠阻尼系统，那么从阶跃响应里读到峰值时间 tp 和超调量 Mp 之后，就能反推出阻尼比和自然频率：

ζ = -ln(Mp/100) / √(π² + ln²(Mp/100)) ωn = π / (tp * √(1 - ζ²))

在示例里，如果仿真测得 Mp ≈ 30.5%、tp ≈ 1.12 s，反推出来的 ωn 和真实值 3 接近，说明模型无误。如果差得远，回头检查传递函数系数或者求解器设置。

这个方法的工程价值很大。实际项目里经常没有精确的数学模型，多数情况下只能靠实验响应曲线反推近似模型，再用这个近似模型去设计控制器。Simulink 里的仿真曲线就是练习这个过程的最好素材。

3.3 仿真数据导出的正确姿势

再补充一个我在实际使用中踩过的坑。用 To Workspace 导出数据后，如果修改了仿真时间或者步长，工作区里的旧数据不会自动清理，同名变量可能被新数据覆盖，也可能残留旧版本。跑仿真前最好执行一下clear y_open，或者给不同阶段的仿真用不同的变量名，比如y_open_v1、y_closed_v1，后面写脚本时不容易取错数据。

Scope 面板里的 Data History 也可以设置记录数据到工作区，格式是 structure with time。这种格式也能处理，但处理起来比 Timeseries 繁琐，要额外拆字段。建议统一用 To Workspace 加 Timeseries 格式，简单直接。

4. 控制器设计：从 P 到 PID 的手动整定流程

有了被控对象模型和开环数据，接下来进入控制器设计。PID 控制是经典控制理论里工程应用最广的部分。Simulink 里做 PID 整定有两条路：手动调参和自动整定。我建议两条路都走一遍，先用手动流程建立参数直觉，再用自动整定工具验证。

4.1 PID 模块的正确用法

在 Library Browser 里搜索 PID Controller，拖到模型中。把它放在 Sum 模块和 Transfer Fcn 之间。Sum 在这里做给定值和反馈的相减，输出偏差信号送给 PID 控制器，控制器输出给被控对象，对象输出再分两路，一路进 Scope，一路回到 Sum 的负输入端，形成单位负反馈闭环。

PID Controller 模块的参数页里有 P、I、D 三个系数。初始可以设成 P = 1、I = 0、D = 0，也就是纯比例控制。这里要注意一个细节：Simulink 的 PID 模块里，I 项和 D 项的时间单位默认是秒，它的公式是并联型 PID，即 C(s) = Kp + Ki/s + Kd·s。如果你习惯的是位置式 PID 写法，要先确认系数定义和模块一致，否则整定结果对不上自己算的理论值。

提示：PID Controller 模块支持仿真运行过程中实时调参。点运行之后，双击模块修改参数，Scope 里的曲线会实时变化。这个特性对手动整定非常友好，不需要每次改参数都重新跑一遍完整仿真。

4.2 一套能直接套用的整定流程

手动整定，我习惯按下面这个顺序走。

第一步，只加比例。把 Kp 从 1 开始逐步加大，观察阶跃响应。本例中，Kp = 1 时，单位负反馈闭环的稳态增益接近 0.9，你会看到稳态值没有到 1，存在静差。继续加大 Kp 到 3 左右，稳态值更接近 1，但超调也明显变大。如果继续加大到 10 以上，响应开始出现长时间振荡，这就是比例增益过大的典型表现。

第二步，加积分消除静差。在比例基础上逐渐增加 I 项，从 I = 0.5 开始试。I 项的作用是把残差的积分积累起来，持续推动控制输出，直到稳态误差被完全消灭。I 越大消除静差越快，但太大会引入低频振荡。本例调到 I = 1.5 左右，静差基本消失。

第三步，加微分抑制超调。D 项对偏差的变化率敏感，相当于在误差刚出现变化趋势时就提前施加"刹车"。从 D = 0.2 开始试，逐步加到 0.5 附近。D 太大容易放大噪声，导致控制输出抖动。本例是纯线性模型、没有测量噪声，所以 D = 0.3 左右就够用了，再增大会让响应变慢。

我最后用的一组参数是 Kp = 3、Ki = 1.5、Kd = 0.3。控制参数没有标准答案，不同目标下合理的参数可能差别很大，关键是理解每个参数改变之后，响应曲线为什么会那样变化。

4.3 整定效果的时域验证

参数整定完，不要仅凭 Scope 曲线看着顺眼就收工。用前面那个数据处理脚本，对闭环响应重新算一遍超调量和调节时间。

在闭环模型的 To Workspace 里导出y_closed，运行同样的提取脚本。这组参数下，超调量能控制在 5% 以内，调节时间大约 1.5 秒，比开环的 4 秒明显缩短。这个结果和经典控制理论预期一致：加入适当的 PID 控制，既改善了快速性，又压住了超调。

对比开环和闭环两条曲线，还能看到一个有意思的现象：闭环之后系统稳态输出精确等于 1，静差被积分项完全消灭。系统从"有差"变成"无差"，这是 PID 控制最核心的价值体现。做这个对比的时候，把两条曲线画在一张图里看，效果最好。

plot(t_open, y_open.Data); hold on; plot(t_closed, y_closed.Data); legend('开环', '闭环'); grid on;

5. 频域校验：用 Bode 图给控制器设计上双保险

时域指标已经很好了，但我仍然建议补一轮频域分析。原因很现实：时域响应只能说明在特定输入下系统表现很好，但不能直接告诉你系统离不稳定边缘还有多远。

5.1 在 Simulink 里绘制开环 Bode 图

画 Bode 图有两条常用路径。一条是借助 Simulink Control Design 工具箱里的 Model Linearizer，另一条是直接在 MATLAB 脚本里用传递函数模型分析。对初学者，我更推荐先走工具箱点几下，建立直观印象，再用脚本固化流程。

在模型窗口的 Apps 菜单里打开 Model Linearizer。如果界面里没有这个工具，说明当前 MATLAB 环境缺少 Simulink Control Design，可以换用脚本方式，不影响结论。工具打开后，通常的做法是：

1. 在模型中标记输入输出点。输入点放在 Sum 模块之前，也就是给定量进入反馈回路的位置；输出点放在被控对象输出端。
2. 点击 Bode 按钮，工具会对模型做线性化处理并生成开环 Bode 图。

工具箱不可用时，也可以直接用脚本。整定后的开环传递函数可以写成 L(s) = C(s)G(s)，其中 C(s) = Kp + Ki/s + Kd·s。用 MATLAB 写：

s = tf('s'); C = 3 + 1.5/s + 0.3*s; G = 9/(s^2 + 2.1*s + 9); L = C * G; bode(L); grid on;

这样就能看到完整的开环 Bode 图，不需要额外工具箱，也方便保存脚本加入自己的项目流程。

5.2 稳定裕度的工程解读

Bode 图上有两个指标是经典控制理论判断稳定性的核心：相位裕度和增益裕度。

相位裕度指在增益穿越频率处，系统的相角距离 -180 度还有多少余量。工程经验上，相位裕度在 30 度到 60 度之间是健康范围。太小，系统接近振荡边界，参数稍有变化就可能失稳；太大，系统虽然稳，但响应往往偏保守、偏慢。

增益裕度看的是在相角穿越频率处，增益距离 0 dB 还有多少余量，一般要求大于 6 dB。

在这组 PID 参数下，整定后的开环 Bode 图相位裕度大约在 45 度上下，增益裕度也比较充足。想在脚本里直接读数值，用margin(L)命令，MATLAB 会在图上标出两个裕度的精确数值。

注意：这里分析的是开环传递函数 L(s)，不是闭环传递函数。Bode 稳定性判据的理论基础就是用开环频率响应判断闭环稳定性。把闭环系统拿去画 Bode，判据的含义就变了。

5.3 时域与频域结论如何互相印证

时域和频域是同一个系统的两面，结论能互相印证。

相位裕度大，对应时域响应超调小、振荡少；相位裕度小，对应超调变大，甚至出现持续振荡。举例来说，如果忽略 I 和 D，只把 Kp 加到 15，时域里你会看到响应变成接近等幅的振荡；频域里对应相位裕度会掉到接近 0 度。两边现象完全对应。这种对应关系，就是经典控制理论里时域指标和频域指标的内在联系。

做完频域校验，这个示例才算真正闭环了：先用时域指标设计参数，再用频域指标确认稳定余地，两边都对得上，控制方案才站得住脚。

6. 仿真路上最常见的五个坑

最后整理几个我在实际使用和带人过程中最常碰到的 Simulink 仿真问题，以及对应的排查思路，全是踩过的坑。

6.1 仿真发散与 NaN 问题

现象：仿真跑到一半，Scope 里出现山一样高的尖峰，或者曲线直接变成 NaN。最常见原因是反馈回路符号接反了。如果 Sum 的反馈输入符号被设成正号，负反馈就变成了正反馈，任何系统都会发散。

排查办法：先暂停仿真，检查反馈路径经过的 Sum 端口是不是负号。参数都正确还发散的话，考虑数值稳定性，把 Max Step Size 改小，或者换更保守的求解器再试。发散问题多数是结构性问题，而不是数值问题，所以优先排查反馈方向和增益符号。

6.2 代数环问题

模型中如果存在没有动态模块缓冲的反馈路径，Simulink 会提示检测到代数环。代数环虽然在某些情况下可以求解，但会造成仿真速度下降，甚至求解失败。

排查办法：在反馈回路里必须要有一个带状态的模块，比如积分器、传递函数或者控制器的动态部分，把信号路径"隔开"。PID 控制器自带积分和微分动态，正常不应该出现代数环；如果你把控制器简化成了纯增益 Kp，Kp 直接吃误差反馈，路径上没有任何动态环节，就很容易触发代数环报警。解决办法是保留控制器模块的积分或微分项，或者加入一个小惯性环节缓冲。

6.3 步长与求解器选择

现象：仿真曲线有明显锯齿或者毛刺，峰值高度和理论值对不上。这通常是最大步长设得太大，采样点错过了瞬态峰值。

排查办法：把 Max Step Size 设成系统最短时间常数的 1/10 甚至更小。本例系统最快动态对应的时间常数大概是 0.3 秒左右，设 0.01 秒足够。换成固定步长求解器后，如果步长过大，同样会漏掉高频细节。所以关键在于理解自己系统的动态范围，而不是无脑加密步长。

6.4 单位与量纲问题

这个坑在仿真里很容易被忽略。Step 模块的输出默认是数值 1，并不代表任何物理单位。如果系统输出代表转速、温度或者电流，Scope 的纵轴含义完全取决于你赋予它的物理意义。做频域分析时要格外留意：Bode 图的幅值是相对增益，单位是 dB，代表相对量级，不能直接当物理量理解。

建议：模型里的每个信号都用信号标注写上物理含义和单位，比如"速度 / (rad/s)"。模型复杂度上来之后，这种习惯能省下大量排查时间。

6.5 模型与 MATLAB 脚本的数据配合

这是最容易让人卡住的一类问题。脚本里明明写了变量名，却提示找不到；或者模型参数引用工作区变量，仿真时读取不到。

排查办法：检查变量是否真的在工作区里。如果模型参数引用的是工作区变量，比如 PID 模块的 Kp 设成了变量名，那么仿真开始前这个变量必须已经定义。执行clear清理工作区后忘了重新定义，就会报这类错误。另一个高频问题是脚本当前文件夹和模型所在路径不一致，导致.slx文件找不到。建议在脚本开头统一用绝对路径或者cd切到模型目录，能从根上避免这类问题。

我把典型问题和快速处理方式整理成了下面的速查表。

最后讲一下我自己的一个习惯。Simulink 仿真最大的陷阱不是模块不会用，而是仿真结果太容易"看起来正确"。Scope 里的曲线不会告诉你模型搭错了一个符号、少写了一个系数。

所以我每搭完一个模型，至少做一次和理论解析解的对照。这个示例选用二阶系统，就是为了方便做这件事：理论超调量约 30.7%，仿真测出来 30.5%，这一小步对照，比做十个花哨的示例更能建立信心。你在自己的项目里也可以这样：哪怕只是静态增益计算，先用一个手算值打底，再让仿真结果去验算它。等积累了几次"对上"的经验，再看仿真曲线时，心里才有底。

如果还想继续扩展这个示例，可以试试几个方向：把阶跃信号换成正弦信号做频率扫描，给系统加入测量噪声考验 D 项的抗干扰能力，或者把线性对象换成带饱和特性的环节，看看 PID 在大误差下会不会积分饱和。每换一种变化，都会逼着你重新理解一遍经典控制理论里的那些公式。这大概是这个领域里最有效的学习方式了。