系统稳定性判据与分析

可视化演示

展示连续系统s平面左半平面判据、离散系统z平面单位圆判据与Routh-Hurwitz代数判据，交互理解稳定性分析方法。

1. BIBO稳定性——给秋千做安全试荡

你当上秋千安全员的第一天，老师傅教你最笨也最可靠的办法：亲自坐上去，让人从各个方向推。如果无论怎么推，秋千都不把你甩飞，那它就是“有界输入有界输出”的——这是个黑盒检验，不需要拆开任何零件，也不用看懂任何图纸。

在信号与系统里，这套黑盒检验有个学名：BIBO稳定性，全称 Bounded-Input Bounded-Output。它说的是：对任意有界输入信号 u(t)，系统的输出 y(t) 也一定是有界的。翻译成人话就是：不管外面来的是多猛烈的信号，系统都不会把能量放大到无穷大，不会“把人甩飞”。

对线性时不变系统，BIBO稳定性有一个漂亮的充要条件：系统的冲激响应 h(t) 必须绝对可积。直观上，冲激响应是系统对一次“短促冲击”的完整反应，把它在整个时间轴上的影响面积加起来，如果总面积不是无穷大，就说明系统的“能量放大上限”是有限的。

BIBO准则像一次“安全试荡”：不用拆秋千，只需要反复推它看结果。优点是省事，缺点是如果推法不够全面，可能漏掉某些危险推法。所以安全员还需要看设计图，也就是下一节的极点位置判据。

2. 极点位置判据——翻开工地设计图

试荡可以做，但老师傅说：真正的高手还要翻施工图纸。秋千的绳长、横梁材质、转轴阻尼，决定了它天生是“收敛派”还是“发散派”。图纸上写着的，就是系统的“极点”。

系统的传递函数 H(s) = N(s)/D(s)，D(s) 的特征根就叫极点。极点就是系统的“体能基因”：每个极点对应一种自然的运动模式，这种模式在没有任何外部输入时也会自己“表演”，叫自由响应。

连续系统的极点是一个复数 p = σ + jω。σ 决定它衰减还是增长：σ<0 时，自然模式 e^{σt} 随指数衰减；σ>0 时指数增长；σ=0 时则等幅振荡。所以只要所有极点的实部都小于零（都在左半平面），系统就是稳定的。

看设计图比试荡快得多：不用推秋千，纸上就能断定它会不会甩飞。不过，这张图只回答了“零输入时会不会自己收敛”，至于外力长期作用会怎样，还要结合下一节的连续系统动态方程。

3. 连续系统分析——自由响应的刹车片

同一张秋千图纸上的绳长完全相同，但一个装了液压阻尼器，一个没装，荡起来完全不同。阻尼器就是系统里的“刹车片”——在二阶系统的微分方程里，那个叫“阻尼比”的系数就是刹车片的厚度。

很多工程系统可以建模为二阶微分方程。它的特征方程 $s^2 + 2ζω_n s + ω_n^2 = 0$ 的两根就是系统的极点。极性区别很直观：ζ>1 叫过阻尼，秋千慢慢回位不振荡；0<ζ<1 叫欠阻尼，秋千来回摆动但幅度递减；ζ<0 叫负阻尼，秋千越摆越高，直接失控。

特征根写成 $p_{1,2} = -ζω_n \pm ω_n\sqrt{ζ^2-1}$。当 $0<ζ<1$ 时，极点的实部 $-ζω_n<0$ 且虚部非零，系统作衰减振荡；若 ζ=0，实部为零，系统等幅振荡停不下来；若 ζ<0，实部为正，指数增长，这就是“秋千把小朋友甩飞”的数学写照。

连续系统的类比很自然：物理秋千本来就是连续摆动的。但很多现代系统是数字控制器，每隔一小段时间采样一次，这就像有个节拍器在给秋千打拍子，下一节就走进离散系统的世界。

4. 离散系统分析——节拍器上的数字秋千

游乐园升级了，秋千换成了“数字秋千”：电脑每 0.01 秒看一次秋千的位置，决定要不要推一把。这个系统不再是连续摆动，而是踩着节拍一步步走的离散系统。

离散系统用 Z 变换分析，稳定性判据变成了：所有极点必须在 z 平面的单位圆内。为什么是单位圆？因为 z 与 s 之间有映射关系 z = e^{sT}，T 是采样周期。连续世界的左半平面，经过指数映射后刚好变成单位圆的内部。

如果极点 z_i 满足 |z_i| < 1，表示对应的序列 z_i^k 随 k 增长而衰减；|z_i|>1 则爆炸；|z_i|=1 表示临界，序列不衰减也不增长。实践中还要留出裕量，所以设计目标通常要求极点离单位圆边界保留一定距离，防止参数漂移导致越界。

数字秋千的“步子”必须落在圈内，这是数字信号处理里设计 IIR 滤波器时必须盯死的红线。不过上面几种判断都要已知传递函数或特征方程，万一方程是七八阶多项式，求根太痛苦，那就该 Routh-Hurwitz 判据登场了。

5. Routh-Hurwitz判据——翻体检表

老师傅还有一手绝活：不推秋千，也不解图纸上的高次方程，只拿一张体检表，把绳长、重量、轴承磨损度逐项填进去，算出几行数字，扫一眼符号就敢下结论。这就是 Routh-Hurwitz 判据。

输入只有一样东西：特征方程的系数。特征方程可以写成 $D(s) = a_n s^n + a_{n-1}s^{n-1} + \cdots + a_0 = 0$，系数全部已知。Routh 判据按固定的代数规则排出表格，不需要求根就能回答“右半平面有几个极点”。

构造规则非常机械：先取出系数奇偶两行，然后逐行交叉相乘求差再除以首列元素。把所有行排好后看第一列：如果第一列的符号从头到尾没有变化，系统稳定；每变号一次，就代表右半平面多一个极点。如果第一列出现零且整行都为零，说明有虚轴极点，判据进入退化处理。

体检表的好处是快速、公式化，特别适合程序员用一行循环实现，也不用担心高次方程求根难。但要论“眼见为实”，还得请出下一节的奈奎斯特判据——它让你亲眼看到系统在频率世界里“试驾”一圈。

6. 奈奎斯特判据——试驾绕圈

体检表再快，也只是“纸上谈兵”。老师傅的终极手段是装上摄像头，让秋千连带整个支架在频域“试驾”一圈，看它的行驶路线有没有把地上的危险杆（-1点）圈进包围圈。

奈奎斯特判据不像 Routh 那样处理特征多项式，而是从系统开环频率响应 $G(j\omega)H(j\omega)$ 出发，在复平面上画出一条曲线，观察这条曲线围绕 $-1 + j0$ 点的净圈数，就可以推断闭环后系统的稳定性。这相当于“我虽然没真把秋千坐上去，但通过数学模拟在全频率范围试驾了一遍”。

设 P 为开环传递函数在右半平面的极点数，N 为奈奎斯特曲线顺时针包围 -1 点的净圈数，Z 为闭环后右半平面极点数。判据说：Z = N + P。闭环稳定要求 Z = 0，所以如果开环本身稳定（P=0），曲线就不许把 -1 点包进去；如果开环有个不稳定极点（P=1），曲线必须逆时针绕 -1 一圈来“抵消”它。

奈奎斯特判据是“带摄像头试驾”的集大成者：它把频率域的全部信息压缩进一条曲线，连建模误差都能通过曲线离 -1 点的距离（稳定裕度）读出。四件工具到这里就全部介绍完了——试荡、图纸、体检表、试驾，各自有各自好用的时候。

AI 应用场景

Python 演示

# -*- coding: utf-8 -*-"""Routh-Hurwitz 判据：不求解特征根，仅凭特征多项式系数判断系统稳定。"""  def routh_hurwitz(coeffs):    """返回 (Routh表, 右半平面极点个数)。     coeffs 是从最高次到常数项的系数列表:        [1, 6, 11, 6] 表示 s^3 + 6s^2 + 11s + 6 = 0。    """    if len(coeffs) <= 1:        return [], 0     # 第 1、2 行按奇偶下标拆分系数    table = []    row0 = [coeffs[i] for i in range(0, len(coeffs), 2)]    row1 = [coeffs[i] for i in range(1, len(coeffs), 2)]    # 补零对齐    width = max(len(row0), len(row1))    row0 += [0.0] * (width - len(row0))    row1 += [0.0] * (width - len(row1))    table.append(row0)    table.append(row1)     # 从第 3 行开始逐行计算    for _ in range(2, len(coeffs)):        upper = table[-2]        lower = table[-1]        if abs(lower[0]) < 1e-12:            return table, -1  # 退化情形, 本示例不做特殊处理        new_row = []        for j in range(width - 1):            val = (lower[0] * upper[j + 1] - upper[0] * lower[j + 1]) / lower[0]            new_row.append(val)        new_row += [0.0] * (width - len(new_row))        table.append(new_row)     # 第一列符号变化次数 = 右半平面极点数    first_col = [r[0] for r in table]    changes = 0    prev_sign = 1 if first_col[0] > 0 else -1    for v in first_col[1:]:        if abs(v) < 1e-12:            continue        sign = 1 if v > 0 else -1        if sign != prev_sign:            changes += 1            prev_sign = sign    return table, changes  def is_stable(coeffs):    table, changes = routh_hurwitz(coeffs)    if changes == -1:        return False    return changes == 0  if __name__ == "__main__":    examples = [        ("s^3 + 6s^2 + 11s + 6", [1, 6, 11, 6]),        ("s^3 - s^2 + 2s + 1", [1, -1, 2, 1]),        ("s^2 + 2s + 3", [1, 2, 3]),    ]    for name, coef in examples:        table, changes = routh_hurwitz(coef)        print(name)        print("  右半平面极点数:", changes)        print("  稳定性:", "稳定" if is_stable(coef) else "不稳定")

1. row0 = [coeffs[i] for i in range(0, len(coeffs), 2)]取出最高次系数的偶数位项，铺出 Routh 表第一行。
2. row1 = [coeffs[i] for i in range(1, len(coeffs), 2)]取出奇数位系数，铺出第二行。
3. val = (lower[0] * upper[j + 1] - upper[0] * lower[j + 1]) / lower[0]Routh 表核心交叉运算：用上两行首列做基准，交叉相乘后相减。
4. first_col = [r[0] for r in table]抽出 Routh 表的灵魂列：第一列。
5. if sign != prev_sign:第一列每发生一次符号翻转，就代表右半平面多一个极点。
6. is_stable([1, 6, 11, 6])实测特征方程 s³+6s²+11s+6=0，输出“稳定”。

常见误区

面试题