企业官网建设流程全解析

简介：面向东北大学及相关院校自动化、电子工程等专业保研学生的《自动控制原理保研面试突击复习》PDF文档，系统梳理古典控制、现代控制与智能控制的演进脉络，以及开环/闭环系统、传递函数、时域分析、根轨迹法、频率法、非线性系统分析等核心考点。资源将零散知识整合为六大章节，并配有稳定性判据、典型环节、奈氏判据、描述函数法等重点展开，便于面试前快速回顾和查漏补缺。包体为单个PDF文件，大小3.87MB，内容排版紧凑、目录结构清晰，可直接打印或导入平板标注学习。该资源已有2293人学习/下载，适合需要冲刺保研面试、梳理自动控制原理高频考点并建立系统知识框架的读者。通过这份整理，可以在较短时间内理清各章节逻辑关系，掌握面试中常见的概念问答与推导要点，提高复习效率。

1. 保研面试的自动控制原理：先抓框架，再谈细节

保研面试的自动控制原理，追问风格和笔试差别很大：面试一般不要求完整计算，而是挑概念的边界问，比如开环和闭环的本质区别、劳斯表第一列出现零怎么办、零度根轨迹在什么场合出现。这套复习笔记按东北大学的教学脉络组织，但覆盖范围对所有工科保研面试都适用，重点是把稳定性判据、稳态误差、根轨迹、频率特性和非线性分析这几个高频考点压缩成可复述的短句。读者如果是考前一到两周集中突击，不需要从教材第一章重新读，按后面几章的“原理到公式再到验证代码”的顺序过一遍，再对照末尾的自检清单查漏，基本能覆盖常见追问。下面从数学模型开始讲起，因为传函和拉氏变换是整个科目所有分析方法的共同入口。

2. 数学模型：拉氏变换、传递函数与结构图化简

2.1 零初始条件是传递函数的隐含前提

微分方程是时域模型，传递函数是复数域模型。从微分方程求传递函数有严格前提：系统必须是线性定常的，且满足零初始条件。原因在拉氏变换的微分定理：L[f′(t)] = sF(s) − f(0)，只有当 f(0) = 0 时，求导运算才能干净地变成乘以 s。如果初始条件不为零，直接写 sF(s) 就是错的，必须先求解微分方程，或在变换过程中保留初始项。

面试里被追问“非线性系统能不能用传递函数描述”时，答案是明确的：不能。拉氏变换是线性算子，它满足叠加性和齐次性，而非线性等式两边做变换后，系数关系无法保持，传函的定义就失效了。所以拿到一个系统，第一步不是列方程，而是先分类：线性还是非线性、定常还是时变。这个分类决定后面能用哪套工具。频率法和根轨迹法都建立在传函之上，线性定常这个前提一旦不成立，所有结论都要重新审视。

2.2 非线性模型线性化：什么时候能用，什么时候是硬伤

非线性环节的线性化是第二章里最容易被轻视的部分。小偏差线性化的数学依据是一阶泰勒展开：在平衡工作点 (x₀, y₀) 附近，把 y = f(x) 展开后只保留一次项，得到 y − y₀ ≈ K(x − x₀)，其中 K 是该点的导数。注意两点：其一，K 的值随工作点变化，不同稳态工作点对应不同的等效增益，这就是为什么同一个非线性系统在输出幅值不同时表现会不一样；其二，如果系统存在本质非线性，比如死区、饱和、间隙、继电器这类不连续或不可导特性，小偏差线性化就不能用，这种非线性带来的影响不是简单微调，而是会改变系统运动的本质特征。面试里如果能主动说出这两条边界，比背出线性化公式更拉分。

2.3 典型环节的传递函数速查表

时滞环节的近似很常考：e^(−τs) ≈ 1 / (1 + τs)，条件是小延迟，即 τs 的高阶项可以忽略。这个近似在频率法里用得很频繁，如果忘了它的适用范围，后续相位计算会明显偏离实际系统。振荡环节则要盯住阻尼比 ζ：ζ 过小时谐振峰值很高，系统动态过程剧烈，这一点在后面频率特性的暂态指标分析里还会用到。

2.4 动态结构图化简与梅逊增益公式

求复杂系统传函，两条路随便选：结构图等效变换或梅逊增益公式。结构图化简的本质是保持输入输出信号关系不变，串联相乘、并联相加、反馈连接用 G/(1 + GH)。综合点和分支点移动是最容易出错的地方，记住一条原则：向同类移动，且移动前后被移动点两侧的信号关系不能变。

复杂系统我一般直接上梅逊公式，省去逐步化简的中间过程。它的形式是 T = (Σ PₖΔₖ) / Δ，其中前三项分别是：前向通路增益、对应余子式、特征式 Δ = 1 − ΣL_i + ΣL_iL_j − ⋯。计算时最容易漏掉的是“不接触回环”的组合项，也就是两个回环之间没有公共节点时，它们的增益乘积要加进特征式。这个细节多练三道题就能形成肌肉记忆。

2.5 用 SymPy 核验拉氏变换的正负号细节

手算拉氏反变换时正负号很容易错，我备考时用 SymPy 做快速核验，几秒钟就能确认结果。示例如下：

import sympy as sp s, t = sp.symbols('s t') # 时域到复频域：f(t) = e^(-2t) * ε(t) f = sp.exp(-2 * t) * sp.Heaviside(t) F = sp.laplace_transform(f, t, s, noconds=True) print(sp.simplify(F)) # 期望：1/(s+2) # 复频域到时域：X(s) = (s+3)/((s+1)(s+2)) X = (s + 3) / ((s + 1) * (s + 2)) x = sp.inverse_laplace_transform(X, s, t) print(x) # 按部分分式展开核对

参数说明：laplace_transform的第 4 个参数noconds=True表示不返回收敛域条件，输出更干净；Heaviside(t)是单位阶跃函数，用来表达零初始条件下的因果信号。如果手算部分分式得到的结果和这里不一致，优先检查留数计算和符号，而不是怀疑公式本身。把这种核验脚本跑熟，考试时对拉氏变换的把握会扎实很多。

3. 时域分析：劳斯判据的三种情况和稳态误差速算

3.1 稳定性说的到底是特征根的什么性质

系统稳定的充要条件是全部闭环特征根位于 s 平面虚轴左侧。时域响应的每一项都可以分解为 A·e^(pt) 的形式，如果某个极点 p 的实部为正，对应项随时间增长发散；实部为零则出现等幅振荡；实部为负才衰减收敛。所以稳定性本质上是特征根实部的符号问题，而不是某个参数的大小问题。面试里如果被问到“增大开环增益对稳定性有什么影响”，答案不一定是“更不稳定”，因为根轨迹可能先往左偏再往右偏，这是第三章和第四章的知识交汇点。

3.2 劳斯判据的三种情况

劳斯判据的优点是不求根，只看系数就能判断右半平面根的个数。正常情况下的判断规则是：劳斯表第一列全部为正，系统稳定；第一列符号改变次数等于右半平面特征根个数。真正容易在面试里被追问的是三种特殊情况：

第一，第一列出现零。用一个很小的正数 ε 代替零继续计算，最后看符号变化。注意 ε 是一个趋近于 0 的正量，它的正负要在最终符号判断时保持一致。第二，某一行全部为零。说明特征方程存在关于原点对称的根，用上一行系数构造辅助方程，对辅助方程求导后把导数系数拿下来继续填表。第三，上述两种情况叠加出现，先处理全零行，再处理首列零。

提示：劳斯表出现全零行的本质是存在对称于原点的根，可能是实部符号相反的实根，也可能是虚轴上的共轭虚根。辅助方程可以直接求出这些根，这是比判稳更进一步的信息。

3.3 用 Python 把劳斯表算出来再判断

手算劳斯表到四阶以上容易抄错行，我习惯用下面这段代码做交叉验证。它按照标准劳斯表递推公式构建全表，并做了两处容错处理。

def routh_table(coeff): m = (len(coeff) + 1) // 2 row0 = (coeff[0::2] + [0] * m)[:m] # 偶数下标系数 row1 = (coeff[1::2] + [0] * m)[:m] # 奇数下标系数 table = [row0, row1] for _ in range(len(coeff) - 2): top, mid = table[-2], table[-1] if all(abs(x) < 1e-12 for x in mid): deg = len(top) - 1 mid = [top[k] * (deg - k) for k in range(len(top))] table[-1] = mid a = top[0] if abs(top[0]) > 1e-12 else 1e-12 new = [] for k in range(len(top) - 1): new.append((a * mid[k + 1] - top[k + 1] * mid[0]) / a) table.append((new + [0] * m)[:m]) return table coeff = [1, 2, 3, 4] # s^3 + 2s^2 + 3s + 4 table = routh_table(coeff) for row in table: print([round(x, 4) for x in row]) first_col = [row[0] for row in table] sign_changes = sum( first_col[i] * first_col[i + 1] < 0 for i in range(len(first_col) - 1) ) print("右半平面根数:", sign_changes)

代码逻辑说明：输入coeff是特征方程从最高次到常数项的系数列表。row0取偶数位系数，row1取奇数位系数，并用[:m]保证两行等长。全零行出现时用上一行构造辅助方程并求导，得到新的一行；首列为零时用1e-12充当微小正数。最后统计第一列相邻元素符号变化的次数，即为右半平面特征根个数。这个脚本对教材里三类典型情况都能给出正确结果，但需要注意：如果首列零是精确的数学零而不是数值零，用 ε 替代后还需要人工复核 ε 的正负号对最终稳定性的影响。

3.4 胡尔维茨判据和谢绪恺判据

胡尔维茨判据和劳斯判据本质上是同一件事的不同表述。它要求构造一个 n 阶方阵，让各阶主子式全部大于零。手工计算时，四阶以下还好，五阶以上行列式展开非常繁琐，所以工程上劳斯表用得更普遍。谢绪恺判据的价值在于用一组更简洁的不等式组给出稳定的必要条件加充分条件，适合快速排除明显不稳定的系统。面试时如果主动提到谢绪恺判据，最好补一句“它是对胡尔维茨判据的简化，条件更保守但计算量小”，这样能体现你清楚它们之间的关系而不是背了个名字。

3.5 稳态误差：先定系统型别，再查表

稳态误差是时域分析里最典型的速算题。计算给定稳态误差的路径是：先写出开环传递函数的尾一形式，统计积分环节个数 N，N = 0 是 0 型，N = 1 是Ⅰ型，N = 2 是Ⅱ型。然后按输入信号类型查下表：

注意表里的 K 是开环增益，也就是尾一形式中的常数部分，它和根轨迹里的根轨迹增益是两个不同的量，换算时差一个各环节系数之比，容易算错。型别越高，消除稳态误差的能力越强，但积分环节会给稳定性带来压力，所以工程上极少使用三型及以上系统，这是面试里很爱问的取舍问题。

3.6 减小稳态误差的三条路

减小给定稳态误差有三大类手段。第一，增大开环增益 K，但增益过大会让根轨迹穿过虚轴进入右半平面，系统不稳定。第二，提高开环传函中积分环节的阶次 N，不过 N 一般不超过 2，否则稳定性很难保证。第三，采用复合控制，也就是引入前馈补偿信号来抵消误差，分为按给定补偿和按扰动补偿两种。前馈补偿不改变闭环特征方程，所以能在不牺牲稳定性的前提下减小误差，这是比前两种更现代的思路，面试被问到“能不能既快又准”时可以直接往这个方向答。

4. 根轨迹法和频率法：两套画图题的通用套路

4.1 根轨迹方程的两个条件

根轨迹法研究的是开环增益变化时闭环极点移动的轨迹。出发点很简单：闭环特征方程 1 + G(s)H(s) = 0，等价于 G(s)H(s) = −1。这是一个复数方程，拆开就得到两个条件：幅值条件 |G(s)H(s)| = 1，相角条件 ∠G(s)H(s) = 180°。

其中真正决定根轨迹形状的是相角条件，它和增益无关；幅值条件只用来确定根轨迹上某个点对应的 K 值。所以绘制根轨迹时先画形状，再标增益。面试里如果被反问“根轨迹方程为什么只由开环零极点决定”，答案就在这里：相角条件只依赖于零极点的相对位置，不依赖增益大小。

4.2 绘制根轨迹的五个关键步骤

常规根轨迹的手工绘制，我按下面五步走，每一步都对应教材里的绘制法则：

1. 标出开环零点和极点，根轨迹分支数等于开环极点数，从开环极点出发，终止于开环零点或无穷远。
2. 确定实轴上的根轨迹区段，最右边是极点或零点交替分界，这个区段判断错整张图就废了。
3. 计算渐近线，当 n − m > 0 时，有 n − m 条分支趋向无穷远，渐近线与实轴的交点和夹角由公式给出。
4. 求分离点与会合点，求解 dK/ds = 0 或直接解特征方程的重根条件。
5. 根据根轨迹与虚轴的交点求临界增益，令 s = jω 代入特征方程，解出 ω 和对应的 K。

完整算一道题大约要十分钟。面试时不会让你从头画到尾，但极可能截取其中一步，比如“这条根轨迹有几条渐近线”“分离点大概在哪个位置”，所以步骤之间的因果关系要能讲清楚。

4.3 零度根轨迹的判断

零度根轨迹的相角条件不是 180° 而是 0°，因此很多绘制法则要做修正。什么情况会出现零度根轨迹？最常见的两种：其一，非最小相位系统中开环传函的分子或分母最高次项系数为负；其二，正反馈系统的特征方程是 1 − G(s)H(s) = 0。判断的关键是先把特征方程写成标准形式，看反馈极性是正还是负，再看开环传函的符号。零度根轨迹在实轴区段的分布和渐近线角度均与常规情况不同，记忆口诀是“常规取奇段，零度取偶段”。

4.4 频率特性的三种表示和 Bode 图转折频率

频率特性是系统对正弦输入的稳态响应特性，三种几何表示分别是奈氏图、Bode 图和尼柯尔斯图。奈氏图把幅值和相位画在极坐标里，Bode 图用对数坐标分开画幅频和相频，尼柯尔斯图则把幅值作为纵轴、相位作为横轴。实际工程里 Bode 图用得最多，因为绘制方便且各环节可以叠加。

Bode 图的手绘步骤是：先把开环传函写成尾一形式，统计积分环节个数确定低频段斜率，然后从低频段开始，遇到每个转折频率就改变斜率。惯性环节在转折频率处斜率变化 −20 dB/dec，一阶微分环节变化 +20 dB/dec，振荡环节视阻尼比不同有峰值修正。各环节幅频特性列成表：

绘制时最容易漏的是振荡环节的谐振峰值修正。阻尼比 ζ 小于 0.707 时出现谐振，峰值高度随 ζ 减小而增大，如果忽略这一点，幅值裕量的计算会偏于乐观。

4.5 奈奎斯特判据：稳定性和稳定裕量

奈奎斯特判据的价值在于用开环频率特性判断闭环稳定性。它的表述是：闭环系统稳定的充要条件是开环幅相曲线绕 (−1, j0) 点的净圈数等于开环右半平面极点数。这句话拆开看，绕点圈数要从 ω = 0 到 +∞ 完整画完才能数，开环传函含积分环节时还需要补画大圆弧，这是最容易丢分的细节。

稳定裕量分为相角裕量和幅值裕量。相角裕量是在幅值等于 1 的频率处，相角离 −180° 的距离；幅值裕量是在相位等于 −180° 的频率处，幅值离 1 的距离。工程上一般要求相角裕量在 30° 到 60° 之间，幅值裕量大于 6 dB。记忆方法：裕量是对“临界稳定点” (−1, j0) 的远离程度，离得越远，参数波动时系统越不容易穿越到不稳定区。

4.6 用 python-control 做快速复检

手绘根轨迹和 Bode 图后，我习惯用 python-control 库快速复检，避免方向性错误。假设开环传函是 G(s) = 1 / (s³ + 3s² + 2s)，可用下面代码：

import control as ct import matplotlib.pyplot as plt # 开环传函：分母 s(s+1)(s+2) sys = ct.TransferFunction([1], [1, 3, 2, 0]) # 根轨迹 ct.root_locus(sys, plot=True) # Bode 图，幅值用分贝显示 mag, phase, omega = ct.bode(sys, plot=True, dB=True) plt.show()

参数说明：TransferFunction([1], [1, 3, 2, 0])第一个列表是分子系数，第二个是分母系数，分母展开为 s³ + 3s² + 2s，对应开环极点 0、−1、−2。root_locus默认绘制增益从 0 到无穷的根轨迹图，输出的曲线就是复平面上的闭环极点轨迹。bode的dB=True让幅值纵轴以分贝为单位，与手绘习惯一致；返回的三个数组分别是幅值列表、相位列表和频率点列表，可以用plt.semilogx(omega, 20 * np.log10(mag))单独绘制幅频曲线。这个系统是 1 型系统，根轨迹从原点和负实轴极点出发，增益增大后左右两条分支会相遇并进入复平面，最终穿过虚轴，临界增益就是根轨迹与虚轴交点的 K 值。用代码看到这条曲线后，再对照手绘结果检查渐近线和分离点位置，基本不会错。

5. 非线性系统与面试的最后一道自检

5.1 非线性系统不能只问“稳不稳定”

非线性系统和线性系统有本质区别。线性系统的稳定性与输入幅值和初始条件无关，而非线性系统的稳定性可能随初始条件不同而改变；线性系统在正弦输入下输出是同频正弦，非线性系统的输出会含有高次谐波；线性系统不会产生自持振荡，非线性系统即使没有外部输入，也可能出现稳定的等幅振荡，也就是自振。面试里如果被问到“非线性系统的特点”，先抓这三条，比背课本上的定义有效。

5.2 描述函数法：什么时候可近似、自振怎么判

描述函数法本质是谐波线性化：把非线性环节在正弦输入下的输出基波分量，与输入正弦的复数比定义为描述函数 N(A)。它的近似条件有两条，一是非线性环节的输出以基波为主，二是系统线性部分具有低通滤波特性。第二条是关键，如果线性部分的高频衰减不够，高次谐波会在回路里传递，描述函数法的结果就会明显偏离实际。

自振分析是描述函数法最重要的应用。当非线性环节的负倒描述函数 −1/N(A) 与线性部分的奈氏图 G(jω) 相交时，系统可能出现自振。判断稳定性的方法：如果 G(jω) 曲线不包围 −1/N(A) 曲线，系统稳定；包围时不稳定；相交点还要看交点处两条曲线随参数增大的相对运动方向。典型非线性环节的描述函数如下：

表中 a 是线性区边界，k 是线性区斜率，M 是继电器输出幅值，A 是输入正弦幅值。从公式可以看到，继电特性的 N(A) 随 A 增大而减小，所以 −1/N(A) 是从原点沿负实轴向外延伸的直线，这种形状很容易和线性部分的奈氏图相交，也就解释了为什么含继电环节的系统容易出现自振。

5.3 面试时把任意知识点说清楚的顺序

最后给一个通用话术，用来应对任何抽到的高频考点。按三个顺序回答：先给结论，再给公式或判断条件，最后给一个参数影响或工程例子。抽到“稳态误差”时，先说稳态误差取决于系统型别和输入信号类型，再写 ess 的计算公式，最后说增大开环增益能减小误差但有稳定性上限。抽到“根轨迹”，先说根轨迹是增益变化时闭环极点的运动轨迹，再说相角条件是绘制的核心依据，最后用临界增益收尾。这个顺序保证你在两分钟内完成一次完整回答，避免被追问时思路断裂。最后一两周复习时，重点不是抄第二遍笔记，而是把每一章的判断依据、公式边界和应用场景，压缩成自己能在两分钟内讲清楚的版本。

本文还有配套的精品资源，点击获取