简介：这份文档面向具备基础控制理论与编程能力的高年级本科生、研究生及工程技术人员，围绕自动控制原理实验教学，系统讲解控制系统的建模、分析与校正方法。内容涵盖控制系统数学模型建立、时域与频域分析、典型环节动态性能分析、频率特性测量、系统串联校正以及EF-Servo集成与滤波六大实验模块，每个实验均配有明确目的、内容、步骤与思考题，帮助读者熟悉MATLAB与MWORKS工具在控制系统设计中的实际应用。资源包为1个docx文档，压缩后约1.43MB，结构完整、条理清晰，便于按实验顺序逐步学习。目前已有676人学习下载。读者可借助该文档动手完成传递函数与状态空间模型转换、Simulink仿真、二阶系统时域频域特性分析、频率法串联校正等任务，并通过思考题加深对控制系统工作原理的理解，切实提升系统分析与工程实践能力。

1. 从一次“仿真跑通但板子不听话”说起

带过控制理论实验的人都遇到过这种场面：Simulink 里阶跃响应曲线漂亮得能直接贴进报告，可一接到实际电路上，输出要么纹波大得离谱，要么干脆发散。问题往往不在理论，而在建模时把“理想环节”当成了“实际环节”——微分环节的纯微分在物理上根本不存在，PID 的积分电容有漏电流，这些在仿真里全被抹平了。这份《自动控制原理实验：MATLAB 与 MWORKS 建模及系统性能分析》资源，就是冲着这个落差来的。它把六个实验串成一条线：从传递函数建模、时域频域分析，到典型环节电路模拟、频率特性测量，再到串联校正和 EF-Servo 集成滤波。适合正在上控制理论实验课的高年级本科生、研究生，也适合需要快速把 MATLAB 和 MWORKS 两套工具跑通的工程技术人员。下面我按“能跑起来、能改参数、能对上电路”的顺序拆一遍。

2. 环境与工具链：MATLAB 和 MWORKS 怎么分工

2.1 两套工具在实验里的角色划分

这份资源最实在的地方，是没有硬把 MATLAB 和 MWORKS 对立起来，而是按实验类型分工。MATLAB 侧主要承担 Simulink 建模、时域响应求解（step、lsim、initial）和频域绘图（nyquist、bode、margin）；MWORKS 侧则用 Julia 语法的TyControlSystems包完成 LTI 模型的建立与转换，包括tf、zpk、ss以及串联、并联、反馈连接。实验一和实验五明确要求两边都做，实验三、四以 MWORKS 为主，实验六回到 MATLAB 做 EF-Servo 集成和滤波。这种安排的好处是：你可以在 MWORKS 里快速验证模型结构，再在 Simulink 里搭出带非线性环节的完整系统。

常见做法是先用 MWORKS 把传递函数、零极点、状态空间三种模型互转一遍，确认系数没抄错，再进 Simulink 拖模块。我一般会建议学生把 MWORKS 当“计算器”用，把 Simulink 当“实验台”用，分工清楚后返工率会低很多。

2.2 MWORKS 侧 LTI 建模的代码骨架

实验一的核心是三种模型互转。下面这段代码把传递函数转成零极点增益模型和状态空间模型，再转回传递函数，用来检查数值精度：

# ex1_3.jl 模型转换与精度检查 using TyControlSystems using TyBase clear; clc() num = 5 den = [1 4 5 2] Gtf = tf(num, den) # 建立传递函数模型 Gzpk = zpk(Gtf) # 转为零极点增益模型 print(Gzpk) Gss = ss(Gtf) # 转为状态空间模型 print(Gss) Gtf1 = tf(Gss) # 再转回传递函数 print(Gtf1)

逻辑说明：tf(num, den)里num是分子系数行向量，den是分母系数行向量，按 s 的降幂排列。zpk(Gtf)自动提取零点和极点，无零点时零点向量为空。ss(Gtf)得到的状态空间模型不唯一，不同实现会给出不同的 A、B、C、D 矩阵，但输入输出关系一致。最后tf(Gss)转回来时，你会看到分子分母出现8.88e-16这种量级的系数，这是浮点误差，不是模型错了。

参数说明：num=5表示增益为 5；den=[1 4 5 2]对应 s³+4s²+5s+2。如果换成实验一里的4/(s(s+1)²(s+3))，分母要展开成[1 5 7 3 0]，注意常数项为 0 不能漏。

2.3 Simulink 建模的模块选择与连线

实验一第三题要求建立开环传递函数G(s)=2/(s(s+4))的单位负反馈 Simulink 模型。模块清单如下：

连线顺序：Step → Sum 正端，Sum 输出 → Transfer Fcn 输入，Transfer Fcn 输出 → Sum 负端（构成单位负反馈），同时 Transfer Fcn 输出 → Scope。这里容易翻车的是分母[1 4 0]写成[1 4]，少了一个零，系统变成一阶，响应曲线完全不对。仿真时间建议设 10s，步长用默认变步长即可。

3. 时域与频域分析：从阶跃响应到奈奎斯特判据

3.1 二阶系统时域指标的代码化提取

实验二要求改变阻尼比 ζ 和无阻尼振荡频率 ωn，记录上升时间、峰值时间、超调量和调节时间。手工在图上点太慢，用代码批量算更靠谱：

% 二阶系统时域指标批量计算 zita_list = [0, 0.5, 0.707, 1, 1.5]; w = 5; for i = 1:length(zita_list) zita = zita_list(i); num = w^2; den = [1, 2*zita*w, w^2]; G = tf(num, den); [y, t] = step(G); % 超调量 Mp = (max(y) - 1) * 100; % 峰值时间 [~, idx] = max(y); tp = t(idx); % 调节时间（2% 误差带） ts = t(find(abs(y - 1) > 0.02, 1, 'last')); fprintf('zita=%.3f Mp=%.2f%% tp=%.3fs ts=%.3fs\n', ... zita, Mp, tp, ts); end

逻辑说明：step(G)返回输出向量y和时间向量t。超调量取最大值减 1 再乘 100。峰值时间取最大值对应的时间点。调节时间用最后一个超出 2% 误差带的时间点近似，严格定义是从该时刻起不再超出，这里取的是保守值。参数说明：zita_list是阻尼比序列，w=5是无阻尼振荡频率。运行后你会看到 ζ=0 时超调量 100%，ζ=1 时超调量接近 0，ζ=1.5 时无超调但响应变慢。

3.2 频域稳定性判断的两种路径

实验二第三题要求用奈奎斯特图和闭环极点两种方法判断稳定性。开环传递函数G(s)=2/(s³+9s²+14s)，代码如下：

% 奈奎斯特判据与极点判据对比 num = 2; den = [1 9 14 0]; G = tf(num, den); figure; nyquist(G); % 绘制奈奎斯特图 grid on; % 闭环极点判断 Gcl = feedback(G, 1); p = pole(Gcl); disp('闭环极点：'); disp(p); if all(real(p) < 0) disp('系统稳定'); else disp('系统不稳定'); end

逻辑说明：nyquist(G)绘制开环奈奎斯特曲线，判据是看曲线是否包围 (-1, j0) 点。feedback(G,1)得到闭环传递函数，pole返回闭环极点。两种方法结论应一致。参数说明：den=[1 9 14 0]对应 s³+9s²+14s，常数项为 0 表示有一个积分环节。如果奈奎斯特曲线正好穿过 (-1, j0)，系统临界稳定，实际中要避免。

3.3 状态空间模型的响应求解

实验二还要求用step和lsim求解状态响应和输出响应。以A=[0 1; -2 -3]、B=[0;1]、C=[1 1]、D=0为例：

% 状态空间模型响应求解 A = [0 1; -2 -3]; B = [0; 1]; C = [1 1]; D = 0; G = ss(A, B, C, D); t = 0:0.5:10; % 零输入响应 x0 = [1; -1]; [yo, t, xo] = initial(G, x0, t); figure; plot(t, xo, ':', t, yo, '-'); legend('状态响应', '输出响应'); % 零状态响应（单位阶跃） u = ones(size(t)); [yu, t, xu] = lsim(G, u, t); figure; plot(t, xu, ':', t, yu, '-'); % 总响应 y = yo + yu; x = xo + xu; figure; plot(t, x, ':', t, y, '-');

逻辑说明：initial(G, x0, t)求零输入响应，x0是初始状态向量。lsim(G, u, t)求任意输入下的响应，u必须与t同长度。总响应等于零输入响应加零状态响应，这是线性系统的叠加原理。参数说明：t=0:0.5:10表示从 0 到 10 秒、步长 0.5 秒。如果步长太大，曲线会失真；太小则计算慢，一般取 0.01 到 0.1 之间。

4. 典型环节电路模拟与频率特性测量：仿真和实物怎么对上

4.1 六个典型环节的传递函数与电路参数

实验三和实验四的核心是“电路模拟 + 软件仿真”对照。资源里给了六个环节的电路和传递函数，我整理成表：

这里最容易被忽略的是 PD 和 PID 的“近似实现”。理想 PD 的传递函数是 K(1+Ts)，但电路里用 R1、R2、R3、C 搭出来的是带惯性的近似微分，高频段增益不会无限增大。仿真时如果用理想 PD，阶跃响应在 t=0 处会有一个冲激，实际电路根本测不到。我一般会提醒学生：仿真模型里给 PD 串一个小惯性环节，时间常数取 R3C 的量级，这样曲线才和示波器对得上。

4.2 频率特性测量的代码实现

实验四要求测一阶惯性环节和二阶开环系统的频率特性。用 MWORKS 或 MATLAB 画伯德图：

% 一阶惯性环节频率特性 K = 1; T = 0.2; num = K; den = [T 1]; G = tf(num, den); figure; bode(G); grid on; margin(G); % 显示幅值裕度和相位裕度 % 二阶开环系统频率特性 num2 = 2; den2 = [1 9 14 0]; G2 = tf(num2, den2); figure; bode(G2); grid on; margin(G2);

逻辑说明：bode(G)绘制幅频和相频曲线，margin(G)在图上标出幅值裕度、相位裕度和对应的频率。一阶惯性环节的幅频曲线在转折频率 1/T 处下降 3dB，相频从 0° 渐近到 -90°。二阶开环系统因为有一个积分环节，低频段斜率为 -20dB/dec，转折频率处斜率变化。参数说明：T=0.2对应转折频率 5 rad/s。如果实验测得的曲线和仿真对不上，先检查信号发生器输出幅值是否在电路线性范围内，再看示波器探头衰减比是否设对。

4.3 从频率特性曲线反求传递函数

实验四还要求根据测得的频率特性求传递函数。一阶惯性环节的奈奎斯特图是一个半圆，从半圆直径 r(0) 得到 K，从某点频率 ωk 和相角 φ(ωk) 得到 T = tan(φ(ωk))/ωk。实际操作时，取半圆上几个点求平均，比单点更稳。二阶系统则看低频渐近线斜率确定积分环节个数，看谐振峰值和谐振频率估算阻尼比。这部分没有唯一答案，报告里写清楚取点依据就行。

5. 避坑与排查：仿真跑不通时先看这几条

5.1 传递函数系数顺序写反

现象：阶跃响应完全不对，比如应该单调上升却出现振荡。原因：MATLAB 的tf(num, den)要求系数按 s 的降幂排列，有人习惯按升幂写。解决：检查den第一个元素是不是最高次项系数，常数项在最后。比如 s²+3s+2 应写[1 3 2]，不是[2 3 1]。

5.2 Simulink 反馈极性接错

现象：输出发散到无穷大。原因：Sum 模块的符号设成了++，变成了正反馈。解决：双击 Sum 模块，把 Signs 改成+-，负端接反馈信号。如果系统本身是正反馈，才用++，但控制实验里绝大多数是负反馈。

5.3 MWORKS 包未加载或函数名冲突

现象：运行tf报错“未定义的函数”。原因：没有using TyControlSystems，或者 Julia 环境里装了同名包。解决：在脚本开头加using TyControlSystems和using TyBase。如果还报错，检查 MWORKS 版本是否包含该包，必要时在包管理器里重新安装。

5.4 仿真步长过大导致曲线失真

现象：响应曲线看起来像折线，峰值被削平。原因：变步长求解器在快速变化段步长太大，或者固定步长设成了 1s。解决：在 Simulink 的 Model Configuration Parameters 里，把 Max step size 改成 0.01 或更小，求解器选 ode45 或 ode23。MATLAB 脚本里t=0:0.5:10的步长 0.5 对快速系统也偏大，改成 0.01。

5.5 实际电路与仿真对不上

现象：仿真超调量 20%，实际电路超调量 50% 且带振铃。原因：运算放大器的带宽限制、压摆率、电容漏电流，以及面包板寄生电容。解决：先确认运放供电电压充足，再在反馈电阻上并联小电容（几 pF 到几十 pF）补偿相位，最后检查接线是否过长。仿真里可以给理想模型串一个小惯性环节模拟运放带宽，时间常数取 1/(2π×GBW) 量级。

6. 二次开发：把实验代码改成自己的分析工具

这份资源的实验代码是很好的起点，但直接拿来交报告有点浪费。我一般会做三件事：参数化、批量化、可视化。

参数化是把硬编码的num、den改成函数入参。比如把二阶系统分析写成一个函数：

function [Mp, tp, ts] = analyze_second_order(zita, w) num = w^2; den = [1, 2*zita*w, w^2]; G = tf(num, den); [y, t] = step(G); Mp = (max(y) - 1) * 100; [~, idx] = max(y); tp = t(idx); ts = t(find(abs(y - 1) > 0.02, 1, 'last')); end

批量化是用循环扫参数空间，把结果存成表格。比如 ζ 从 0 到 2、ωn 从 1 到 10，各取 20 个点，算 400 组指标，用heatmap画出超调量随两个参数的变化。这样一眼就能看出哪些区域超调小、响应快，比逐条曲线对比高效得多。

可视化方面，我习惯把奈奎斯特图和伯德图叠在一起看。nyquist判断绝对稳定性，bode看裕度，两者结合能判断系统“离不稳定还有多远”。如果幅值裕度小于 6dB 或相位裕度小于 30°，实际电路大概率会振铃，这时候就要在仿真里加校正环节。

还有一个技巧：把实验五的串联校正和实验六的 EF-Servo 滤波连起来做。先用频率法设计超前校正网络，把相位裕度提到 45° 以上，再在 EF-Servo 模型里加低通滤波抑制高频噪声。校正前后的阶跃响应和伯德图放一起对比，报告的说服力会强很多。

从那以后我每次带实验，都强制学生先跑一遍参数扫描，确认仿真模型在参数边界上不发散，再进实验室接电路。这样至少能排除一半的“玄学”问题。希望帮到你。

本文还有配套的精品资源，点击获取