传递函数转折频率与极点关系详解如何计算转折频率和判断系统稳定性

在控制工程和信号处理领域，传递函数是描述线性时不变（LTI）系统动态行为的核心数学工具。理解传递函数的转折频率（也称为截止频率或角频率）与极点之间的关系，对于分析系统频率响应、设计滤波器以及评估系统稳定性至关重要。本文将详细探讨这些概念，提供清晰的计算方法，并通过示例说明如何利用极点判断系统稳定性。我们将从基础理论入手，逐步深入到实际应用，确保内容通俗易懂，同时保持技术深度。

1. 传递函数基础回顾

传递函数 $H(s)$ 是系统输出与输入在拉普拉斯域中的比值，通常表示为有理函数： $$ H(s) = \frac{N(s)}{D(s)} = \frac{b_m s^m + \cdots + b_0}{a_n s^n + \cdots + a_0} $$ 其中 $s = \sigma + j\omega$ 是复频率变量，$N(s)$ 和 $D(s)$ 分别是分子和分母多项式。极点是分母 $D(s) = 0$ 的根，它们决定了系统的瞬态响应和稳定性。

在频率响应分析中，我们通常将 $s$ 替换为 $j\omega$（其中 $\omega$ 是角频率，单位 rad/s），得到 $H(j\omega)$。转折频率是传递函数幅度响应发生显著变化的频率点，通常对应于极点或零点的模值。

1.1 极点的类型及其影响

实极点：形式为 $p = -\sigma$（$\sigma > 0$），导致指数衰减或增长。
复共轭极点：形式为 $p = -\sigma \pm j\omega_d$，导致振荡响应。
极点的位置决定了系统的稳定性：如果所有极点都在左半平面（实部为负），系统稳定；如果有极点在右半平面或虚轴上（无阻尼），系统不稳定或临界稳定。

转折频率的计算直接依赖于极点的模值。对于一阶系统，转折频率 $\omega_c = |p|$；对于高阶系统，需要考虑主导极点或进行波特图分析。

2. 转折频率的定义与计算

转折频率是频率响应中幅度曲线斜率变化的点，通常在波特图（Bode plot）上表现为 -20 dB/十倍频程的转折。对于标准形式的传递函数，转折频率可以通过极点或零点的系数计算。

2.1 一阶系统的转折频率

考虑一阶低通滤波器： $$ H(s) = \frac{1}{\tau s + 1} $$ 其中 $\tau$ 是时间常数。极点为 $p = -1/\tau$。

在频率域： $$ H(j\omega) = \frac{1}{1 + j\omega \tau} $$ 幅度响应： $$ |H(j\omega)| = \frac{1}{\sqrt{1 + (\omega \tau)^2}} $$ 转折频率发生在 $|H(j\omega)| = 1/\sqrt{2} \approx 0.707$ 时，即 -3 dB 点。解方程： $$ \frac{1}{\sqrt{1 + (\omega \tau)^2}} = \frac{1}{\sqrt{2}} \implies 1 + (\omega \tau)^2 = 2 \implies \omega \tau = 1 \implies \omega_c = \frac{1}{\tau} $$ 因此，转折频率 $\omega_c = |p|$，因为 $|p| = 1/\tau$。

示例：假设 $\tau = 0.1$ s，则 $\omega_c = 10$ rad/s。在 MATLAB 或 Python 中，我们可以验证：

import numpy as np
import matplotlib.pyplot as plt

tau = 0.1
omega = np.logspace(-1, 3, 1000)
H = 1 / (1 + 1j * omega * tau)
mag = np.abs(H)

# 找到 -3 dB 点
omega_c = 1 / tau
print(f"转折频率: {omega_c} rad/s")  # 输出: 10.0

这段代码计算了幅度，并确认转折频率为 10 rad/s。

2.2 二阶系统的转折频率

二阶系统传递函数： $$ H(s) = \frac{\omega_n^2}{s^2 + 2\zeta \omega_n s + \omega_n^2} $$ 其中 $\omega_n$ 是自然频率，$\zeta$ 是阻尼比。极点为 $p = -\zeta \omega_n \pm j\omega_n \sqrt{1-\zeta^2}$。

转折频率通常为 $\omega_n$，但实际转折取决于 $\zeta$：

对于 $\zeta < 0.707$，在 $\omega_n$ 处有峰值（共振）。
幅度响应在 $\omega = \omega_n$ 附近转折。

计算转折频率的通用方法：

将传递函数转换为标准形式。
对于每个极点对或单极点，转折频率 $\omega_c = |p|$（模值）。
对于复极点，$\omega_c = \omega_n$。

示例：二阶低通滤波器，$\omega_n = 100$ rad/s，$\zeta = 0.5$。极点模值：$|p| = \sqrt{(\zeta \omega_n)^2 + (\omega_n \sqrt{1-\zeta^2})^2} = \omega_n = 100$。频率响应： $$ |H(j\omega)| = \frac{\omega_n^2}{\sqrt{(\omega_n^2 - \omega^2)^2 + (2\zeta \omega_n \omega)^2}} $$ 在 $\omega = \omega_n$ 时，$|H(j\omega_n)| = \frac{1}{2\zeta} = 1$（对于 $\zeta=0.5$），这是转折点。

Python 验证：

wn = 100
zeta = 0.5
omega = np.logspace(0, 3, 1000)
H = wn**2 / ((wn**2 - omega**2) + 1j * 2 * zeta * wn * omega)
mag = np.abs(H)

omega_c = wn
print(f"转折频率: {omega_c} rad/s")  # 输出: 100.0

这确认了转折频率为 $\omega_n$。

2.3 高阶系统与多转折频率

对于高阶系统，转折频率对应于每个极点或零点的频率。例如，传递函数： $$ H(s) = \frac{1}{(s+1)(s+10)(s+100)} $$ 极点：$p_1 = -1$，$p_2 = -10$，$p3 = -100$。转折频率：$\omega{c1} = 1$ rad/s，$\omega{c2} = 10$ rad/s，$\omega{c3} = 100$ rad/s。

在波特图上，幅度曲线在每个转折频率处斜率变化 -20 dB/decade。计算时，使用主导极点（最接近虚轴的极点）作为主要转折频率。

3. 极点与转折频率的关系

极点直接决定了转折频率的位置和系统的动态特性：

位置关系：极点的实部 $\sigma$ 和虚部 $\omega_d$ 共同定义了模值 $|p| = \sqrt{\sigma^2 + \omega_d^2}$，即转折频率。
稳定性影响：转折频率本身不直接决定稳定性，但极点的位置决定了稳定性。如果极点在左半平面，转折频率对应衰减；如果在右半平面，对应增长。
频率响应：在 $s = j\omega$ 时，极点贡献相位滞后（单极点 -90°，复极点最多 -180°）。

关系总结：

实极点：转折频率 $\omega_c = \sigma$（忽略符号）。
复极点：转折频率 $\omega_c = \omega_n$（自然频率）。
多极点系统：转折频率序列对应极点模值排序。

示例：考虑不稳定系统 $H(s) = \frac{1}{s-1}$。极点 $p=1$（右半平面）。转折频率 $\omega_c = 1$ rad/s，但幅度响应 $|H(j\omega)| = \frac{1}{\sqrt{1 + \omega^2}}$ 在低频增益为 1，高频衰减，但由于极点在右半平面，系统不稳定（阶跃响应发散）。

4. 如何判断系统稳定性

稳定性判断基于极点位置：所有极点必须位于左半复平面（LHP），即实部 < 0。以下是常用方法，结合转折频率分析。

4.1 直接检查极点

计算分母多项式的根。

稳定：所有根实部 < 0。
不稳定：至少一个根实部 > 0。
临界稳定：根在虚轴上（无重根），如纯积分器。

示例：系统 $H(s) = \frac{1}{s^2 + 3s + 2}$。分母：$s^2 + 3s + 2 = (s+1)(s+2)$。极点：$p_1 = -1$，$p_2 = -2$。所有实部 < 0，稳定。转折频率：$\omega_{c1} = 1$ rad/s，$\omega_{c2} = 2$ rad/s。

Python 计算极点：

import numpy as np
num = [1]
den = [1, 3, 2]
poles = np.roots(den)
print(f"极点: {poles}")  # 输出: [-1. -2.]
stable = all(p.real < 0 for p in poles)
print(f"稳定: {stable}")  # 输出: True

4.2 劳斯-赫尔维茨判据（Routh-Hurwitz Criterion）

对于高阶多项式，构造劳斯表判断正实部根的数量。

步骤：
1. 写出特征方程 $a_n s^n + \cdots + a_0 = 0$。
2. 构建劳斯表，第一列全正则稳定。

示例：$s^3 + 2s^2 + s + 2 = 0$。劳斯表：

s^3: 1  1
s^2: 2  2
s^1: (2*1 - 1*2)/2 = 0  0  → 需要辅助方程 2s^2 + 2 = 0 → s = ±j
s^0: 2

第一列有 0，且辅助方程有虚根，临界稳定（振荡）。

4.3 奈奎斯特判据（Nyquist Criterion）

绘制开环传递函数的奈奎斯特图，包围 (-1, j0) 点的次数等于右半平面极点数 $P$ 减去闭环不稳定极点数 $Z$。对于单位反馈，$Z=0$ 则稳定。

示例：开环 $G(s) = \frac{1}{s(s+1)}$。极点：0, -1（一个在原点）。奈奎斯特图从 -90° 开始，包围 (-1,0) 一次（$P=1$），所以闭环不稳定，除非增益调整。

4.4 波特图与增益/相位裕度

在波特图上，稳定性通过裕度判断：

增益裕度 (GM)：相位穿越 -180° 时的增益 < 0 dB。
相位裕度 (PM)：增益穿越 0 dB 时的相位 > -180°。

示例：$G(s)H(s) = \frac{K}{s(s+1)}$。

增益穿越 $\omega_{gc}$：$|G(j\omega_{gc})| = 1$ → $\frac{K}{\omega_{gc} \sqrt{1+\omega_{gc}^2}} = 1$。
相位裕度：$\phi = -90° - \tan^{-1}(\omega_{gc}) + 180° > 0$。

Python 绘制波特图：

from control import matlab as mt
import matplotlib.pyplot as plt

sys = mt.tf([1], [1, 1, 0])  # G(s) = 1/(s(s+1))
mt.bode(sys)
plt.show()
# 手动计算裕度：使用 mt.margin(sys)
gm, pm, wcg, wcp = mt.margin(sys)
print(f"增益裕度: {gm} dB, 相位裕度: {pm} deg")

对于 $K=1$，PM ≈ 45°，稳定；若 $K=2$，可能不稳定。

4.5 根轨迹法

绘制根轨迹，观察极点随增益变化。如果轨迹进入右半平面，则不稳定。

示例：$G(s) = \frac{K}{(s+1)(s+2)}$。根轨迹从 -1, -2 开始，向左延伸，始终稳定。

5. 综合示例：计算转折频率并判断稳定性

考虑系统： $$ H(s) = \frac{10(s+5)}{(s+1)(s^2 + 4s + 13)} $$

5.1 计算转折频率

零点：$z = -5$ → $\omega_{cz} = 5$ rad/s。
极点：$p_1 = -1$ → $\omega_{c1} = 1$ rad/s。
复极点：$s^2 + 4s + 13 = 0$ → $p_{2,3} = -2 \pm j3$，$\omega_n = \sqrt{13} \approx 3.61$ rad/s，$\zeta = 2/\sqrt{13} \approx 0.55$。转折频率 $\omega_{c2} = \omega_n = 3.61$ rad/s。

排序转折频率：1, 3.61, 5 rad/s。

5.2 判断稳定性

极点：-1, -2±j3（所有实部 < 0），稳定。