自动控制原理实践总结

自动控制原理实践总结一、自动控制原理概述

自动控制原理是研究动态系统控制行为的科学，旨在通过控制器使系统输出按照预期轨迹运行。其核心内容包括系统建模、稳定性分析、性能优化等。本总结从基础理论、实践应用及常见问题三个方面展开，旨在为相关从业者提供参考。

---

二、自动控制原理基础理论

（一）系统建模方法

系统建模是自动控制的基础，常用方法包括：

1.传递函数法

-将系统表示为输入输出之间的数学关系式。

-适用于线性时不变（LTI）系统。

-示例：二阶系统传递函数为\(G(s)=\frac{\omega_n^2}{s^2+2\zeta\omega_ns+\omega_n^2}\)。

2.状态空间法

-用矩阵形式描述系统动态方程。

-适用于多输入多输出（MIMO）系统。

-标准形式：\(\dot{x}=Ax+Bu\)，\(y=Cx+Du\)。

（二）稳定性分析

系统稳定性是控制设计的核心要求，分析方法包括：

1.劳斯-赫尔维茨稳定性判据

-通过特征方程系数判断系统稳定性。

-若所有系数为正且无缺项，系统稳定。

2.奈奎斯特稳定性判据

-通过频率响应曲线分析闭环系统稳定性。

-稳定裕度：相位裕度≥45°，增益裕度≥6dB。

（三）性能指标

系统性能常用指标包括：

1.瞬态响应指标

-上升时间（\(t_r\)）：响应首次达到目标值的时间。

-超调量（\(\sigma\%\)）：峰值响应与目标值的偏差百分比。

-调节时间（\(t_s\)）：响应进入并保持目标值±2%误差带的时间。

2.稳态性能指标

-静态误差常数（\(K_p\)、\(K_v\)、\(K_a\)）：描述系统对参考信号的跟踪能力。

---

三、自动控制原理实践应用

（一）控制器设计方法

1.比例-积分-微分（PID）控制

-基本公式：\(u(t)=K_pe(t)+K_i\inte(t)dt+K_d\frac{de(t)}{dt}\)。

-参数整定方法：

(1)临界比例度法：逐步增大比例系数至系统等幅振荡，确定比例带和振荡周期。

(2)一步整定法：根据经验公式直接计算PID参数。

2.状态反馈控制

-通过调整系统状态反馈增益矩阵\(K\)改善性能。

-设计步骤：

(1)构建状态方程。

(2)选择期望极点，计算反馈增益。

（二）系统调试与优化

1.仿真验证

-使用MATLAB/Simulink搭建仿真模型，测试不同参数下的系统响应。

-常用模块：传递函数、状态空间、控制器设计工具箱。

2.实验调试

-在实际系统中逐步调整控制器参数，记录性能变化。

-注意：需避免长时间超负荷运行，防止设备损坏。

（三）常见问题及解决方法

1.噪声干扰

-解决方法：

(1)增加低通滤波器。

(2)采用鲁棒控制算法（如H∞控制）。

2.参数不确定性

-解决方法：

(1)设计自适应控制器。

(2)使用模型参考自适应控制（MRAC）。

---

四、总结

自动控制原理实践涉及系统建模、稳定性分析、控制器设计等多个环节，需结合理论工具与工程经验。通过合理的建模方法、科学的稳定性分析以及优化的控制器设计，可显著提升系统的动态性能与稳态精度。未来，随着智能控制技术的进步，自动控制理论将向更复杂的系统（如非线性、时变系统）拓展。

---

三、自动控制原理实践应用（续）

（一）控制器设计方法（续）

1.比例-积分-微分（PID）控制（续）

抗积分饱和技术：在积分控制中，当系统长时间处于饱和状态（误差不变），积分项可能因持续累积而引起剧烈超调。常用方法包括：

(1)积分分离法：当误差绝对值大于一定阈值时，禁用积分项；误差小于阈值后，重新启动积分。阈值的选择需根据系统响应特性调整。

(2)带限积分法：对积分项的累积值设置上限和下限，防止其增长过快。具体实现时，积分项输出被限制在\([-SaturationLimit,SaturationLimit]\)范围内。

微分先行PID（DerivativePre-filteringPID）：直接对误差信号进行微分可能放大高频噪声，导致控制器输出剧烈波动。微分先行PID通过一个滤波器（如一阶惯性滤波器）处理误差信号，然后再进行微分：

\[e_d(t)=\frac{1}{T_f}\int[e(t)-\alphae(t-\tau)]dt\]

其中，\(T_f\)为滤波时间常数，\(\alpha\)和\(\tau\)为滤波器参数，需根据噪声特性和系统响应速度进行整定。此方法能有效抑制噪声对微分项的影响，同时保留微分控制对系统快速性的提升作用。

自适应PID控制：对于参数随时间变化或环境变化的系统，固定参数的PID控制器性能会下降。自适应PID通过在线估计系统参数或调整PID参数，使控制器能适应变化：

(1)参数估计算法：利用系统输入输出数据，实时估计系统模型参数（如增益、时间常数），并反馈更新PID参数。

(2)变参数策略：根据系统运行状态（如误差大小、变化率）或外部扰动，预设不同参数组，在运行时自动切换。

2.模糊PID控制

基本原理：将PID控制器的参数（比例系数\(K_p\)、积分系数\(K_i\)、微分系数\(K_d\)）作为模糊变量，根据系统的实时误差和误差变化率，通过模糊推理确定当前最优的参数组合。

实现步骤：

(1)模糊化：将误差\(e\)和误差变化率\(de/dt\)转换为模糊语言变量（如“负大”、“负中”、“零”、“正中”、“正大”）。定义输入变量的隶属度函数（如三角形、高斯形）。

(2)规则库建立：根据专家经验或系统特性，建立IF-THEN形式的模糊规则。例如：“IF\(e\)是正大AND\(de/dt\)是负中THEN\(K_p\)是增大，\(K_i\)是减小，\(K_d\)是增大”。规则库的完整性与准确性直接影响控制效果。

(3)模糊推理：基于输入的模糊误差和误差变化率，通过模糊推理机制（如Mamdani或Sugeno方法）计算出\(K_p\)、\(K_i\)、\(K_d\)的模糊输出。

(4)解模糊化：将模糊的PID参数转换为清晰的数值，用于实际控制。常用方法有重心法（Centroid）、最大隶属度平均法等。

优点：无需精确的系统模型，对非线性、时滞系统适应性较好，控制过程较平滑。

3.模型预测控制（MPC）

核心思想：基于系统模型，预测未来一段时间的系统行为，并在每个时刻选择一个控制输入，使得一个由当前和未来误差构成的代价函数达到最优。

基本框架与步骤：

(1)预测模型建立：选择合适的系统模型（如线性模型、非线性模型），描述系统从当前状态到未来\(N_p\)步的动态行为。

\[x(k+1)=Ax(k)+Bu(k)+w(k)\]

其中\(x\)为状态向量，\(u\)为控制输入向量，\(w\)为过程噪声。模型精度直接影响预测准确性。

(2)设定目标与约束：定义预测过程中的优化目标，通常是使未来\(N_c\)步的输出误差最小化（如最小化误差平方和）。同时，必须考虑系统各变量（状态、控制输入、中间变量）的物理限制，形成约束集。

\[x(k+1)\inX,\quadu(k)\inU,\quady(k+1)\inY\]

(3)求解最优控制序列：在约束条件下，求解以未来控制输入\(U(k),U(k+1),...,U(k+N_p-1)\)为变量的优化问题，得到最优控制序列\(\{u^(k),u^(k+1),...,u^(k+N_p-1)\}\)。

(4)实施当前控制：仅实施最优序列中的第一个控制量\(u^(k)\)，然后重复上述过程。

关键特性：能处理强约束问题，具有在线优化能力，对模型失配和干扰有一定鲁棒性。

注意事项：计算量较大，需要快速求解优化问题（常用二次规划QP求解）；模型精度和预测时域的选择对性能影响显著。

（二）系统调试与优化（续）

1.仿真验证（续）

模型验证方法：

(1)历史数据拟合：若系统已有运行数据，将仿真模型的输出与实际数据对比，调整模型参数（如系统增益、时间常数、延迟）直至吻合度最高。

(2)理论边界检验：检验模型是否满足已知的理论边界条件（如稳定性判据、频域特性）。

控制器仿真测试：

(1)阶跃响应测试：输入单位阶跃信号，观察系统超调量、上升时间、调节时间等指标，与设计目标对比。

(2)正弦响应测试：输入不同频率的正弦信号，分析系统的幅频特性和相频特性，验证稳定性裕度（增益裕度、相位裕度）。

(3)抗干扰测试：在系统稳定运行时，模拟外部干扰（如阶跃扰动），观察系统恢复稳定的能力。

仿真软件选择：MATLAB/Simulink是最常用的工具，其提供丰富的模块库（如ControlSystemToolbox、SystemIdentificationToolbox）和仿真分析功能。其他工具如LabVIEW、Python（配合SciPy、ControlSystemsLibrary）也可用于仿真。

2.实验调试（续）

调试准备：

(1)安全措施：确保实验设备（传感器、执行器、控制器）连接正确，设置安全限位，避免设备过载或损坏。

(2)初始参数设定：根据理论计算或仿真结果，设定控制器初始参数（如PID参数的起始值）。

(3)数据采集方案：规划需要监测的变量（如系统输出、误差、控制信号、关键状态变量），配置数据记录方式。

调试步骤：

(1)空载调试：在不施加实际负载的情况下，运行系统，观察其基本响应和稳定性。初步验证控制器逻辑的正确性。

(2)加载调试：逐步施加实际负载，观察系统响应变化。记录不同工况下的性能数据。

(3)参数优化：采用试凑法、参数扫描法或自动整定工具（如MATLAB的PIDTuner）调整控制器参数，目标是满足性能指标（如快速响应、小超调、无静差）。

(4)鲁棒性测试：在参数边缘区域或轻微扰动下测试系统性能，评估其抗干扰能力。

调试记录与文档：详细记录调试过程中的参数变更、系统响应、遇到的问题及解决方案。形成完整的调试文档，便于后续分析和维护。

3.性能评估与优化方法（续）

性能评估指标细化：

(1)动态性能：除了瞬态响应指标，还可关注：谐振频率、带宽、阻尼比等频域指标。

(2)稳态性能：除了静态误差常数，还可关注：稳态误差随时间收敛的速度、不同参考信号（如阶跃、斜坡）下的跟踪精度。

优化方法：

(1)灵敏度分析法：分析系统性能指标对参数变化的敏感程度，优先调整最敏感的参数。

(2)遗传算法/粒子群优化：对于复杂的多参数优化问题，可使用智能优化算法自动搜索最优参数组合。需先定义好目标函数和约束条件。

(3)模型参考自适应控制（MRAC）：设计一个模型（参考模型），使实际系统输出跟踪模型输出。通过在线调整控制律中的参数，使误差最小化。

（三）常见问题及解决方法（续）

1.噪声干扰（续）

传感器噪声：

(1)选择低噪声传感器。

(2)增加传感器滤波电路（如RC滤波器）。

(3)采用差分信号传输，抑制共模噪声。

执行器颤振（Chattering）：在PID控制中，微分项可能放大高频噪声，导致控制器输出频繁大幅度跳动，进而引起执行器机械颤振。

(1)减小微分项系数\(K_d\)。

(2)采用微分先行PID或模糊PID。

(3)在控制器后增加滤波器（如低通滤波器）平滑控制信号。

2.模型不精确问题（续）

问题描述：实际系统往往存在非线性、时变、时滞等特性，难以用精确的线性模型完全描述。模型误差会导致控制器性能下降甚至不稳定。

解决方法：

(1)系统辨识：利用系统输入输出数据，辨识出能较好逼近真实系统的数学模型。常用方法有最小二乘法、神经网络辨识等。

(2)鲁棒控制设计：设计对模型不确定性和外部干扰不敏感的控制器。如H∞控制、μ综合等，它们通过优化性能和稳定裕度来应对不确定性。

(3)自适应控制：在线调整控制器参数或模型结构，以适应系统变化。如前述的自适应PID。

3.系统延迟（TransportDelay）问题（续）

问题描述：许多实际系统（如管道传输、网络通信）存在信号传输延迟，记为\(h\)。延迟会恶化系统稳定性，增加超调量，延长调节时间。

解决方法：

(1)Smith预估器：一种经典的补偿延迟方法。设计一个内部模型来补偿延迟环节的影响，使系统表现为无延迟系统。需配合前馈控制使用。

(2)基于延迟模型的控制：将延迟项显式包含在系统模型中（如使用Padé逼近或零阶保持器模型），然后设计控制器。

(3)改进控制器结构：某些控制器结构对延迟不敏感，如内模控制（IMC）。通过调整内模参数可以抑制延迟的影响。

4.参数整定困难问题（续）

问题描述：对于复杂系统或难以建立精确模型的系统，PID参数的整定可能非常困难，试凑法效率低下。

解决方法：

(1)经验公式法：根据类似系统的经验公式初步设定参数，再行微调。适用于有一定参考的系统。

(2)临界比例度法：适用于有明确振荡临界点的系统。但需注意，对于过阻尼或存在延迟的系统，此方法可能不适用。

(3)软件辅助整定工具：利用MATLABPIDTuner、LabVIEWControlDesign&SimulationModule等工具，通过交互式界面或自动整定功能辅助参数选择。这些工具通常基于Ziegler-Nichols方法或其他高级算法。

---

四、总结（续）

自动控制原理的实践应用是一个结合理论、仿真与实验的迭代过程。选择合适的建模方法、设计有效的控制器、并通过系统化的调试与优化，是确保控制系统高性能、高稳定性的关键。本总结详述了PID、模糊控制、MPC等常用控制策略的具体设计方法，以及系统调试、常见问题（如噪声、模型不精确、延迟）的解决步骤与技巧。在实际工程中，还需结合具体应用场景，灵活运用多种控制技术和工具，并注重调试过程中的安全性与规范性。随着技术的发展，智能控制、预测控制等先进理论将进一步完善自动控制系统的性能，应对更复杂的工业挑战。

一、自动控制原理概述

自动控制原理是研究动态系统控制行为的科学，旨在通过控制器使系统输出按照预期轨迹运行。其核心内容包括系统建模、稳定性分析、性能优化等。本总结从基础理论、实践应用及常见问题三个方面展开，旨在为相关从业者提供参考。

---

二、自动控制原理基础理论

（一）系统建模方法

系统建模是自动控制的基础，常用方法包括：

1.传递函数法

-将系统表示为输入输出之间的数学关系式。

-适用于线性时不变（LTI）系统。

-示例：二阶系统传递函数为\(G(s)=\frac{\omega_n^2}{s^2+2\zeta\omega_ns+\omega_n^2}\)。

2.状态空间法

-用矩阵形式描述系统动态方程。

-适用于多输入多输出（MIMO）系统。

-标准形式：\(\dot{x}=Ax+Bu\)，\(y=Cx+Du\)。

（二）稳定性分析

系统稳定性是控制设计的核心要求，分析方法包括：

1.劳斯-赫尔维茨稳定性判据

-通过特征方程系数判断系统稳定性。

-若所有系数为正且无缺项，系统稳定。

2.奈奎斯特稳定性判据

-通过频率响应曲线分析闭环系统稳定性。

-稳定裕度：相位裕度≥45°，增益裕度≥6dB。

（三）性能指标

系统性能常用指标包括：

1.瞬态响应指标

-上升时间（\(t_r\)）：响应首次达到目标值的时间。

-超调量（\(\sigma\%\)）：峰值响应与目标值的偏差百分比。

-调节时间（\(t_s\)）：响应进入并保持目标值±2%误差带的时间。

2.稳态性能指标

-静态误差常数（\(K_p\)、\(K_v\)、\(K_a\)）：描述系统对参考信号的跟踪能力。

---

三、自动控制原理实践应用

（一）控制器设计方法

1.比例-积分-微分（PID）控制

-基本公式：\(u(t)=K_pe(t)+K_i\inte(t)dt+K_d\frac{de(t)}{dt}\)。

-参数整定方法：

(1)临界比例度法：逐步增大比例系数至系统等幅振荡，确定比例带和振荡周期。

(2)一步整定法：根据经验公式直接计算PID参数。

2.状态反馈控制

-通过调整系统状态反馈增益矩阵\(K\)改善性能。

-设计步骤：

(1)构建状态方程。

(2)选择期望极点，计算反馈增益。

（二）系统调试与优化

1.仿真验证

-使用MATLAB/Simulink搭建仿真模型，测试不同参数下的系统响应。

-常用模块：传递函数、状态空间、控制器设计工具箱。

2.实验调试

-在实际系统中逐步调整控制器参数，记录性能变化。

-注意：需避免长时间超负荷运行，防止设备损坏。

（三）常见问题及解决方法

1.噪声干扰

-解决方法：

(1)增加低通滤波器。

(2)采用鲁棒控制算法（如H∞控制）。

2.参数不确定性

-解决方法：

(1)设计自适应控制器。

(2)使用模型参考自适应控制（MRAC）。

---

四、总结

自动控制原理实践涉及系统建模、稳定性分析、控制器设计等多个环节，需结合理论工具与工程经验。通过合理的建模方法、科学的稳定性分析以及优化的控制器设计，可显著提升系统的动态性能与稳态精度。未来，随着智能控制技术的进步，自动控制理论将向更复杂的系统（如非线性、时变系统）拓展。

---

三、自动控制原理实践应用（续）

（一）控制器设计方法（续）

1.比例-积分-微分（PID）控制（续）

抗积分饱和技术：在积分控制中，当系统长时间处于饱和状态（误差不变），积分项可能因持续累积而引起剧烈超调。常用方法包括：

(1)积分分离法：当误差绝对值大于一定阈值时，禁用积分项；误差小于阈值后，重新启动积分。阈值的选择需根据系统响应特性调整。

(2)带限积分法：对积分项的累积值设置上限和下限，防止其增长过快。具体实现时，积分项输出被限制在\([-SaturationLimit,SaturationLimit]\)范围内。

微分先行PID（DerivativePre-filteringPID）：直接对误差信号进行微分可能放大高频噪声，导致控制器输出剧烈波动。微分先行PID通过一个滤波器（如一阶惯性滤波器）处理误差信号，然后再进行微分：

\[e_d(t)=\frac{1}{T_f}\int[e(t)-\alphae(t-\tau)]dt\]

其中，\(T_f\)为滤波时间常数，\(\alpha\)和\(\tau\)为滤波器参数，需根据噪声特性和系统响应速度进行整定。此方法能有效抑制噪声对微分项的影响，同时保留微分控制对系统快速性的提升作用。

自适应PID控制：对于参数随时间变化或环境变化的系统，固定参数的PID控制器性能会下降。自适应PID通过在线估计系统参数或调整PID参数，使控制器能适应变化：

(1)参数估计算法：利用系统输入输出数据，实时估计系统模型参数（如增益、时间常数），并反馈更新PID参数。

(2)变参数策略：根据系统运行状态（如误差大小、变化率）或外部扰动，预设不同参数组，在运行时自动切换。

2.模糊PID控制

基本原理：将PID控制器的参数（比例系数\(K_p\)、积分系数\(K_i\)、微分系数\(K_d\)）作为模糊变量，根据系统的实时误差和误差变化率，通过模糊推理确定当前最优的参数组合。

实现步骤：

(1)模糊化：将误差\(e\)和误差变化率\(de/dt\)转换为模糊语言变量（如“负大”、“负中”、“零”、“正中”、“正大”）。定义输入变量的隶属度函数（如三角形、高斯形）。

(2)规则库建立：根据专家经验或系统特性，建立IF-THEN形式的模糊规则。例如：“IF\(e\)是正大AND\(de/dt\)是负中THEN\(K_p\)是增大，\(K_i\)是减小，\(K_d\)是增大”。规则库的完整性与准确性直接影响控制效果。

(3)模糊推理：基于输入的模糊误差和误差变化率，通过模糊推理机制（如Mamdani或Sugeno方法）计算出\(K_p\)、\(K_i\)、\(K_d\)的模糊输出。

(4)解模糊化：将模糊的PID参数转换为清晰的数值，用于实际控制。常用方法有重心法（Centroid）、最大隶属度平均法等。

优点：无需精确的系统模型，对非线性、时滞系统适应性较好，控制过程较平滑。

3.模型预测控制（MPC）

核心思想：基于系统模型，预测未来一段时间的系统行为，并在每个时刻选择一个控制输入，使得一个由当前和未来误差构成的代价函数达到最优。

基本框架与步骤：

(1)预测模型建立：选择合适的系统模型（如线性模型、非线性模型），描述系统从当前状态到未来\(N_p\)步的动态行为。

\[x(k+1)=Ax(k)+Bu(k)+w(k)\]

其中\(x\)为状态向量，\(u\)为控制输入向量，\(w\)为过程噪声。模型精度直接影响预测准确性。

(2)设定目标与约束：定义预测过程中的优化目标，通常是使未来\(N_c\)步的输出误差最小化（如最小化误差平方和）。同时，必须考虑系统各变量（状态、控制输入、中间变量）的物理限制，形成约束集。

\[x(k+1)\inX,\quadu(k)\inU,\quady(k+1)\inY\]

(3)求解最优控制序列：在约束条件下，求解以未来控制输入\(U(k),U(k+1),...,U(k+N_p-1)\)为变量的优化问题，得到最优控制序列\(\{u^(k),u^(k+1),...,u^(k+N_p-1)\}\)。

(4)实施当前控制：仅实施最优序列中的第一个控制量\(u^(k)\)，然后重复上述过程。

关键特性：能处理强约束问题，具有在线优化能力，对模型失配和干扰有一定鲁棒性。

注意事项：计算量较大，需要快速求解优化问题（常用二次规划QP求解）；模型精度和预测时域的选择对性能影响显著。

（二）系统调试与优化（续）

1.仿真验证（续）

模型验证方法：

(1)历史数据拟合：若系统已有运行数据，将仿真模型的输出与实际数据对比，调整模型参数（如系统增益、时间常数、延迟）直至吻合度最高。

(2)理论边界检验：检验模型是否满足已知的理论边界条件（如稳定性判据、频域特性）。

控制器仿真测试：

(1)阶跃响应测试：输入单位阶跃信号，观察系统超调量、上升时间、调节时间等指标，与设计目标对比。

(2)正弦响应测试：输入不同频率的正弦信号，分析系统的幅频特性和相频特性，验证稳定性裕度（增益裕度、相位裕度）。

(3)抗干扰测试：在系统稳定运行时，模拟外部干扰（如阶跃扰动），观察系统恢复稳定的能力。

仿真软件选择：MATLAB/Simulink是最常用的工具，其提供丰富的模块库（如ControlSystemToolbox、SystemIdentificationToolbox）和仿真分析功能。其他工具如LabVIEW、Python（配合SciPy、ControlSystemsLibrary）也可用于仿真。

2.实验调试（续）

调试准备：

(1)安全措施：确保实验设备（传感器、执行器、控制器）连接正确，设置安全限位，避免设备过载或损坏。

(2)初始参数设定：根据理论计算或仿真结果，设定控制器初始参数（如PID参数的起始值）。

(3)数据采集方案：规划需要监测的变量（如系统输出、误差、控制信号、关键状态变量），配置数据记录方式。

调试步骤：

(1)空载调试：在不施加实际负载的情况下，运行系统，观察其基本响应和稳定性。初步验证控制器逻辑的正确性。

(2)加载调试：逐步施加实际负载，观察系统响应变化。记录不同工况下的性能数据。

(3)参数优化：采用试凑法、参数扫描法或自动整定工具（如MATLAB的PIDTuner）调整控制器参数，目标是满足性能指标（如快速响应、小超调、无静差）。

(4)鲁棒性测试：在参数边缘区域或轻微扰动下测试系统性能，评估其抗干扰能力。

调试记录与文档：详细记录调试过程中的参数变更、系统响应、遇到的问题及解决方案。形成完整的调试文档，便于后续分析和维护。

3.性能评估与优化方法（续）

性能评估指标细化：

(1)动态性能：除了瞬态响应指标，还可关注：谐振频率、带宽、阻尼比等频域指标。

(2)稳态性能：除了静态误差常数，还可关注：稳态误差随时间收敛的速度、不同参考信号（如阶跃、斜坡）下的跟踪精度。

优化方法：

(1)灵敏度分析法：分析系统性能指标对参数变化的敏感程度，优先调整最敏感的参数。

(2)遗传算法/粒子群优化：对于复杂的多参数优化问题，可使用智能优化算法自动搜索最优参数组合。需先定义好目标函数和约束条件。

(3)模型参考自适应控制（MRAC）：设计一个模型（参考模型），使实际系统输出跟踪模型输出。通过在线调整控制律中的参数，使误差最小化。

（三）常见问题及解决方法（续）

1.噪声干扰（续）

传感器噪声：

(1)选择低噪声传感器。

(2)增加传感器滤波电路（如RC滤波器）。

(3)采用差分信号传输，抑制共模噪声。

执行器颤振（Chattering）：在PID控制中，微分项可能放