MATLAB自动控制原理案例源码：从时域分析到PID整定实践

简介：本资源是一套面向计算机、电子信息工程及数学等相关专业学习者的自动控制原理Matlab实践案例源码集，聚焦经典控制理论中的系统建模、时频域分析、稳定性判据与控制器设计等核心知识点，适用于课程实验、课程设计及考研复习等场景。压缩包共含8个.m文件，均为可直接运行的Matlab脚本，涵盖传递函数构建、阶跃响应仿真、根轨迹绘制、Bode图分析、PID调节等典型任务，代码结构清晰、注释简明，便于理解算法逻辑与调试修改。资源体积仅2KB，轻量易用，已累计被381人下载学习。读者可从中获取完整的控制理论仿真实现范式，包括模型搭建规范、绘图参数设置技巧、常见报错定位思路及基础功能扩展方法，为后续深入学习现代控制或工程实践打下扎实的编程与分析基础。

1. 案例源码包的整体价值与内容构成

1.1 为什么值得花时间整理这套自动控制原理案例

搞自动控制原理这门课，不管是本科阶段还是研究生阶段，最让人头疼的往往不是理论本身，而是“理论学完了，拿到题目还是不会做”。劳斯判据、梅森公式、根轨迹画法、频域分析，这些内容在课本上一条条写得清清楚楚，但真正让你用MATLAB去验证一个系统的稳定性、设计一个校正器、绘制伯德图的时候，很多人就卡住了。原因很简单——课本上的例题是理想化的，而MATLAB代码是“接地气”的，里面充满了版本差异、函数参数细节、绘图坐标范围调整这类课本上不会写的坑。

我整理这套基于MATLAB的自动控制原理案例源码包，初衷就是把手头这些年积累的、经过反复验证的代码沉淀下来。这些源码覆盖了自动控制原理课程的核心知识点，从时域分析到根轨迹法，从频域响应到PID整定，每一份代码都有详细注释，运行环境和调用方式都标得明明白白。不管你是刚开始学自动控制原理的本科生，还是准备考研复试需要快速捡起知识点的学生，甚至是在工作中偶尔需要验证控制算法的工程师，这套源码都能帮你少走弯路。

这套资源里解决的核心问题是：把自动控制原理中的抽象概念“翻译”成可运行的、可视化的实验脚本。比如“二阶系统动态性能指标”这个概念，光看书上那几张阶跃响应曲线图，你很难理解阻尼比从0.1变化到0.7时，超调量为什么会从70%多一路降到不到5%。但如果你用MATLAB跑一遍stepinfo函数，把不同阻尼比下的超调量、峰值时间、调节时间列成一张表，再叠加绘制几条响应曲线，这个知识点就真正“长”在脑子里了。

1.2 源码包的目录结构与覆盖知识点

网上流传的MATLAB源码包有个通病——解压出来乱成一锅粥，文件名要么是“新建文本文档”，要么是一堆让人看不懂的缩写。这套案例包在整理的时候就特别注意了这个问题，目录按自动控制原理的知识体系分层组织，拿到手就能找到自己想要的那一部分。目录结构大致如下：

Matlab_AutomaticControl_Cases/ ├── 01_TransferFunction/ // 传递函数建立与化简 │ ├── tf_series_parallel.m // 串联、并联、反馈连接 │ ├── tf_pole_zero.m // 零极点求解与时域响应 │ └── tf_simplify.m // 复杂框图化简 ├── 02_TimeDomainAnalysis/ // 时域分析 │ ├── 2nd_order_step.m // 典型二阶系统阶跃响应 │ ├── time_response_metrics.m // 动态性能指标计算 │ └── error_coefficients.m // 稳态误差分析 ├── 03_RootLocus/ // 根轨迹法 │ ├── rlocus_drawing.m // 根轨迹绘制与稳定性判断 │ └── rlocus_design.m // 基于根轨迹的校正设计 ├── 04_FrequencyAnalysis/ // 频域分析 │ ├── bode_nyquist_plot.m // 伯德图与奈奎斯特图 │ ├── margin_analysis.m // 稳定裕度计算 │ └── frequency_response_3d.m // 三维频率响应（扩展） ├── 05_PIDController/ // PID校正 │ ├── pid_tuning_ziegler.m // 齐格勒-尼科尔斯整定 │ ├── pid_simulink_demo.slx // Simulink仿真模型 │ └── pid_tf_conversion.m // 连续域与离散域转换 ├── 06_StateSpace/ // 状态空间法 │ ├── ss_model.m // 传递函数转状态空间 │ ├── controllability_check.m // 可控性判断 │ └── observer_design.m // 状态观测器设计 └── README.md // 使用说明与运行环境

这个目录结构不是随便分的，它基本对应了国内高校《自动控制原理》课程的教学顺序。拿到这份源码，你可以按部就班地跟着课程进度一个个案例跑，也可以用哪个查哪个。

2. 案例设计与实现的核心思路

2.1 从“一道题目”到“一个可运行脚本”的转化方法

很多初学者拿到控制系统的题目，第一反应是“我要写出传递函数”，然后盯着框图发呆。这套源码里反复使用的思路是：先用MATLAB把系统的数学模型搭起来，再调用现成的分析函数去处理这个模型。

举个例子，假设题目给出一个单位负反馈系统，前向通路是 $G(s)=\frac{10}{s(s+1)(0.5s+1)}$，要求判断系统稳定性并计算稳态误差。如果按课本上的思路，你得先手工推导闭环传递函数，再用劳斯判据列个表，最后套公式算误差。用MATLAB的做法截然不同：

% 定义前向传递函数 s = tf('s'); G = 10 / (s * (s + 1) * (0.5*s + 1)); % 单位负反馈闭环 sys_closed = feedback(G, 1); % 判断稳定性 p = pole(sys_closed); disp('闭环极点：'); disp(p); % 系统类型与稳态误差系数 [num, den] = tfdata(G, 'v'); sys_type = 0; while den(end) == 0 && numel(den) > 1 sys_type = sys_type + 1; den = den(1:end-1); end fprintf('系统型别：%d型\n', sys_type); k_velocity = dcgain(s * G); % 速度误差系数 fprintf('速度误差系数 Kv = %.2f\n', k_velocity); % 单位斜坡输入下的稳态误差 ess_step = 1 / k_velocity; fprintf('单位斜坡输入稳态误差 ess = %.4f\n', ess_step);

运行这段代码，你立刻能看到极点位置——假设出现正实部极点数不为零，系统不稳定，后面误差计算就毫无意义。这个转化过程强调的不是“算”而是“判断”——把你从繁重的代数运算中解放出来，把注意力放在参数对系统性能的影响上。

这种思路背后其实有一个很重要的理念：MATLAB不是用来帮你做作业的工具，而是用来帮你验证“你用手工计算得出的结论”的工具。你仍然需要理解劳斯判据的原理、知道稳态误差系数怎么求，但你不必每个题都从零开始推导。先手工算一遍，再用MATLAB验证，两者结果一致，这个知识点才算真正掌握了。

2.2 绘图类函数的使用要点：step、impulse、bode背后的细节

这套源码里出现频率最高的函数就是step、impulse、bode、rlocus这几个。它们看起来都是一行调用，但实际用起来细节非常多，不处理好的话画出来的图根本没法看。

以step函数为例，很多人直接写：

step(sys)

图是出来了，但默认坐标轴范围经常不合适。比如系统调节时间很长，而你想重点观察前几秒的响应，这就得手动指定时间向量：

t = 0:0.01:10; % 采样时间0.01秒，总时长10秒 step(sys, t);

还有一个很实用的小技巧：在某些MATLAB版本中，step返回的句柄可以用来同时绘制多条曲线并加图例。源码包里比较推荐的写法是：

% 对比不同阻尼比下的阶跃响应，绘制在一张图上 zeta_list = [0.2, 0.4, 0.707, 1.0]; figure; hold on; for zeta = zeta_list sys_i = tf(1, [1, 2*zeta, 1]); step(sys_i, 0:0.01:15); end hold off; grid on; legend('ζ=0.2', 'ζ=0.4', 'ζ=0.707', 'ζ=1.0'); xlabel('时间 (s)'); ylabel('c(t)'); title('典型二阶系统不同阻尼比下的单位阶跃响应');

运行这段脚本，你能清楚地看到欠阻尼时响应曲线的振荡衰减过程，临界阻尼时刚好不超调，过阻尼时响应变得缓慢。这种“一张图看明白阻尼比的影响”的效果，比看教科书上十几张分散的小图要直观得多。

bode图同样有讲究。默认的伯德图只显示幅频和相频两条曲线，坐标格式是自动的。但如果系统在某些频率处有谐振峰，直接用bode(是)可能看不到细节，这时候需要手动设置频率范围：

w = logspace(-2, 2, 1000); % 从0.01到100，1000个对数等分点 bode(sys, w);

另外，margin函数极其有用——它会自动计算出增益裕度、相位裕度，并标在伯德图上。这个函数是频域法设计校正器的利器，源码包里几乎所有频域分析的案例都会调用它。

2.3 为什么这套案例选择Z变换与离散化作为扩展内容

自动控制原理课程通常以连续系统为主，但实际工程中，控制器几乎都是在数字处理器上实现的。离散控制这部分内容虽然不在所有高校的教学大纲里，但如果你考研的方向是控制工程，复试时老师很可能会问“连续控制器如何转化为数字控制器”。

这套源码包里专门整理了c2d（continuous to discrete）相关的案例，放在PID控制器目录下作为扩展。标准的一阶保持器（FOH）、零阶保持器（ZOH）对应的离散化方法，源码里都有对照实现：

% 连续被控对象 G_cont = tf(1, [1, 1, 1]); % 采样周期0.1秒，不同离散化方法对比 G_zoh = c2d(G_cont, 0.1, 'zoh'); G_foh = c2d(G_cont, 0.1, 'foh'); G_tust = c2d(G_cont, 0.1, 'tustin'); % 双线性变换 % 对比单位阶跃响应 step(G_cont, G_zoh, G_foh, G_tust, 0:0.01:6); legend('连续系统', '零阶保持器', '一阶保持器', '双线性变换');

从运行结果可以看到，采样周期取0.1秒时，ZOH方法离散化后的阶跃响应和连续系统相比已经有可见偏差，而双线性变换的结果更接近连续系统。这个发现对理解“采样周期的选取”和“离散化方法的选择”非常有帮助。

3. 核心案例实操演示与源码解析

3.1 典型二阶系统时域分析——从理论到动态性能指标提取

这是整套源码包里最经典的一个案例，也是认知“二阶系统”这个概念最好的起点。系统的闭环传递函数为：

[ \Phi(s) = \frac{\omega_n^2}{s^2 + 2\zeta\omega_n s + \omega_n^2} ]

其中，$\omega_n$是无阻尼自然频率，$\zeta$是阻尼比。需要计算的性能指标包括超调量$M_p$、峰值时间$t_p$、调节时间$t_s$（通常按2%或5%误差带计算）和上升时间$t_r$。

源码文件中，time_response_metrics.m定义了一个完整的函数，输入为阻尼比和自然频率，输出为所有性能指标：

function [Mp, tp, tr, ts] = time_response_metrics(zeta, wn) % 计算典型二阶系统的动态性能指标（2%误差带） % 输入： % zeta - 阻尼比 (0 < zeta < 1 时为欠阻尼) % wn - 无阻尼自然频率 (rad/s) % 输出： % Mp - 超调量 (百分比) % tp - 峰值时间 (s) % tr - 上升时间 (s) % ts - 调节时间 (s, 2%误差带) if zeta >= 1 error('本函数适用于欠阻尼二阶系统，阻尼比应小于1'); end % 超调量 Mp = exp(-pi * zeta / sqrt(1 - zeta^2)) * 100; % 峰值时间 tp = pi / (wn * sqrt(1 - zeta^2)); % 上升时间（从0到第一次到达稳态值的时间） beta = acos(zeta); tr = (pi - beta) / (wn * sqrt(1 - zeta^2)); % 调节时间（2%误差带近似公式） ts = 4 / (zeta * wn); fprintf('阻尼比 ζ = %.3f, 自然频率 ωn = %.3f rad/s\n', zeta, wn); fprintf('超调量 M_p = %.2f%%\n', Mp); fprintf('峰值时间 t_p = %.4f s\n', tp); fprintf('上升时间 t_r = %.4f s\n', tr); fprintf('调节时间 t_s = %.4f s (2%%误差带)\n', ts); end

这个函数的公式并不复杂，但有几个细节值得注意。超调量公式只适用于欠阻尼系统（$0 < \zeta < 1$），所以函数开头就做了判断。当阻尼比大于等于1时，系统没有超调，再套公式就没有物理意义了。实际使用时，我推荐把这个函数和MATLAB自带的stepinfo函数对照着使用，验证一下自己的理解：

sys = tf(1, [1, 2*0.4, 1]); % ζ=0.4, ωn=1 info = stepinfo(sys); % 对比MATLAB计算结果 fprintf('stepinfo超调量 = %.2f%%\n', info.Overshoot); fprintf('stepinfo峰值时间 = %.4f s\n', info.PeakTime); fprintf('stepinfo调节时间 = %.4f s\n', info.SettlingTime); % 计算理论值 [Mp, tp, tr, ts] = time_response_metrics(0.4, 1);

运行后你会发现，理论上算出的超调量是25.38%，调节时间是10秒（4/0.4=10），而stepinfo给出的调节时间可能会有一点差异。这是因为stepinfo用的是实际响应曲线上的数值判定，而公式用的是近似拟合结果。这正是我推荐的姿势——用理论公式快速估算，用MATLAB做精确校验，两边结合才是完整的分析方法。

3.2 根轨迹法绘制与稳定性判读

根轨迹法解决的核心问题是：当系统某个参数（通常是开环增益K）变化时，闭环极点如何在复平面上移动。这在手工绘图时是个体力活，但用MATLAB只需一行代码加几个标记标注。

源码包里的rlocus_drawing.m实现了一个常见的三阶系统分析：

% 开环传递函数 G(s) = K / [s(s+1)(s+4)] s = tf('s'); G = 1 / (s * (s + 1) * (s + 4)); % 绘制根轨迹 figure; rlocus(G); sgrid; % 绘制等阻尼比线和等自然频率线 title('G(s) = K/[s(s+1)(s+4)] 的根轨迹'); % 寻找使系统临界稳定的增益 % 使用鼠标在根轨迹上点击跟踪 % 或者通过根轨迹数据直接找穿越虚轴的点 % 计算闭环极点随K的变化 K_list = 0:0.5:50; closed_loop_poles = zeros(length(K_list), 3); for i = 1:length(K_list) closed_loop_poles(i, :) = pole(feedback(K_list(i) * G, 1)); end % 找出第一个实部为正的点（不稳定） unstable_idx = find(real(closed_loop_poles(:, 1)) > 0, 1, 'first'); if ~isempty(unstable_idx) K_critical = K_list(unstable_idx); fprintf('系统临界稳定时 K ≈ %.2f\n', K_critical); end

rlocus函数画出来的根轨迹会附带一系列小方块标记，代表着不同K值对应的极点位置。默认情况下，你可以在图上点击任何一条轨迹，MATLAB会显示当前位置对应的增益值、极点和阻尼比。这个交互功能在调试时非常实用，能帮你直观理解“增益调到多少系统开始振荡”这个临界点。

根轨迹法的核心判断规则是：闭环极点全在复平面左半平面，系统稳定；只要有一对极点越过虚轴进入右半平面，系统就不稳定。通过上面这段代码循环计算极点，就能精确定位临界增益的数值。

这里有个很常见的误区：很多人以为根轨迹只画实轴上的那几条线，其实不然。复平面上的根轨迹分支往往更关键，因为它们决定了系统的振荡特性。当根轨迹分支与虚轴相交时，那个交点对应的K值就是系统的临界稳定增益。用手工绘制时，这部分是难点；用MATLAB时，你依然需要理解这一点，才能正确解读结果。

3.3 频域分析的实现日志：从伯德图、奈奎斯特图到稳定裕度计算

频域分析是自动控制原理的另一大支柱。它的核心思想是：把输入信号看成不同频率的正弦波的叠加，考察系统对这些正弦波的幅值衰减和相位延迟。

在MATLAB里，伯德图和奈奎斯特图的绘制非常简单，但读懂这些图并从中提取稳定裕度，才是真正考验功夫的地方。bode_nyquist_plot.m实现了完整的对比分析流程：

% 系统开环传递函数 s = tf('s'); G = 15 / (s * (s + 2) * (s + 6)); % 伯德图 figure(1); margin(G); grid on; title('伯德图与稳定裕度标注'); % 奈奎斯特图 figure(2); nyquist(G); grid on; title('奈奎斯特图'); % 从数据层面提取稳定裕度 [gm, pm, wcg, wcp] = margin(G); fprintf('增益裕度 GM = %.2f dB\n', 20*log10(gm)); fprintf('相位裕度 PM = %.2f deg\n', pm); fprintf('穿越频率 wcg = %.3f rad/s\n', wcg); fprintf('剪切频率 wcp = %.3f rad/s\n', wcp);

运行这段代码后，伯德图上会自动标注出增益裕度和相位裕度。增益裕度表示系统开环增益还能增大多少倍才到达不稳定临界点；相位裕度表示系统相位滞后还能增加多少度才到达不稳定临界点。工程上，一般要求相位裕度在30度到60度之间，增益裕度大于6dB。

这里想特别强调一个我在实操中踩过的坑：不要盲目相信margin函数在非最小相位系统上的结果。所谓非最小相位系统，就是传递函数中含有右半平面的零点或延迟环节。这类系统即使margin给出的相位裕度为正数，系统也可能是不稳定的。所以使用频域法分析系统时，最好先用pole和zero函数检查一下开环系统的零极点分布，确认是最小相位系统后，再放心使用margin。

4. 源码使用中的真实问题与排查方法

4.1 高频报错信息对照表

使用这套源码时，最容易碰到的几个报错信息，我把它们整理成了一张速查表。这些错误我在教学和答疑过程中遇到太多次了，基本上覆盖了解压源码、首次运行、修改参数时的常见坑。

4.2 运行环境配置与路径设置要点

拿到源码包后，不要直接双击.m文件运行，先做两件事：第一，确认MATLAB版本；第二，设置工作路径。

这套源码基于MATLAB R2018b及更新版本编写，绝大部分功能在R2016a及以后的版本上都能正常跑。少数用到tiledlayout（子图布局）的绘图脚本需要R2019b以上，如果版本低，可以把tiledlayout改回传统的subplot。具体改动方式在代码注释中有说明。

路径问题是一个很容易被忽视的坑。MATLAB只能调用当前工作路径（Current Folder）及其子目录下的文件。如果你把源码解压到D:\Downloads\Matlab_AutomaticControl_Cases，打开MATLAB后没切换到该目录，直接运行脚本会报“文件不存在”的错误。

在命令行执行这两行代码就可以解决：

cd 'D:\Downloads\Matlab_AutomaticControl_Cases' addpath(genpath(pwd)); % 将当前目录及所有子目录加入搜索路径 savepath; % 保存路径设置，下次启动自动生效

addpath(genpath(pwd))这行代码非常实用，它会把当前目录下所有子目录一次性加入搜索路径。如果不这么做，你运行01_TransferFunction里的脚本时，调用02_TimeDomainAnalysis下的函数就会提示找不到文件。

4.3 源码中值得单独摘出来的几个函数级技巧

这份源码包里有些小技巧其实可以独立拆出来用在其他工程中，我觉得很值得单独提醒一下。

第一个是批量生成图的自动化保存。做课程设计或写报告时，经常需要一次性生成十几张图再逐一手动导出，太浪费时间。源码包里的save_all_figures.m实现了自动导出：

function save_all_figures(output_dir) % 自动保存当前所有打开的图像为PNG格式（300dpi） if ~exist(output_dir, 'dir') mkdir(output_dir); end figList = findobj('Type', 'figure'); for i = 1:length(figList) figure(figList(i)); filename = fullfile(output_dir, sprintf('figure_%02d.png', i)); exportgraphics(gcf, filename, 'Resolution', 300); fprintf('已保存：%s\n', filename); end end

在脚本末尾调用这个函数，就能把所有生成的响应曲线、根轨迹图、伯德图一次性导出到你指定的文件夹，写报告时直接插入Word文档即可。

第二个技巧是系统的离散化数据导出。仿真结果除了看图形，有时还需要导出具体数值做进一步分析或画在论文里。用step函数获取数据点：

[y, t] = step(sys, 0:0.01:5); % 导出到Excel文件 T = table(t, y, 'VariableNames', {'Time', 'Response'}); writetable(T, 'step_response_data.xlsx');

第三个值得说的是求解器相关的稳定性技巧，可能接触过Simulink仿真的朋友会更熟悉。在Simulink里搭建PID控制框图时，如果仿真时间过长出现振荡发散，不一定是系统参数的问题，也可能是求解器的步长设置不当。源码里的pid_simulink_demo.slx默认用的是变步长求解器（ode45），但如果模型涉及到快速动态和慢速动态的耦合，建议改成ode15s刚性求解器，并把最大步长设为采样周期的1/10，能避免很多仿真崩溃的情况。

5. 源码的扩展应用与二次开发思路

5.1 把案例改造成课程设计题目的操作方法

每年毕业季都有不少学生来问课程设计选题的事。自动控制原理方向的课程设计，常见的题目有“直流电机转速控制系统设计”“温度闭环控制系统设计”“倒立摆控制器设计”等。这套源码包虽然不能直接交差，但把相关案例改造成课程设计题目，只是举手之劳。

以“直流电机转速控制系统设计”为例，典型的改造路径如下：

• 第一步，系统建模。电机的传递函数可以简化为一阶惯性环节加积分环节，例如$G(s)=\frac{5}{s(0.5s+1)}$。这个模型可以直接复用01_TransferFunction里的建模脚本，替换参数即可。
• 第二步，性能分析。先不做校正，求一下系统的单位阶跃响应，观察稳态误差和超调量。这时需要用到02_TimeDomainAnalysis里的性能指标计算函数。
• 第三步，设计校正器。用根轨迹法或频域法设计一个超前校正网络，使系统满足“超调量小于20%，调节时间小于2秒”的要求。这一步核心逻辑就在03_RootLocus/rlocus_design.m和04_FrequencyAnalysis/margin_analysis.m里。
• 第四步，验证与仿真。把设计好的校正器放进05_PIDController/pid_simulink_demo.slx里，用Simulink跑一遍整个闭环系统，确认性能指标达标。

这个过程本质上就是自动控制原理课程设计的标准流程。把这四个环节用到的代码和结果整理成报告，一份高质量的课程设计就完成了。

5.2 进阶方向：从课堂案例到实际工程模型验证

把课堂上的案例扩展到实际工程模型时，有几个方向值得探索。

第一个方向是非线性环节的引入。教科书上的模型基本都是线性的，但实际的电机、阀门、液压系统都包含饱和、死区、间隙等非线性特性。在Simulink中可以用饱和模块（Saturation）模拟电机输出力矩的限幅。增加非线性环节后，经典线性校正方法的效果可能大打折扣，这能帮助理解“工程上为什么PID要配合抗饱和措施”。

第二个方向是模型降阶。实际工程系统的模型往往阶数很高（比如十阶以上），直接做控制器设计比较困难。这时候可以试试用balred（平衡截断）或modred对模型降阶，再用降阶后的模型设计控制器。源码包里没有专门的文件实现这个功能，但核心调用就三行代码：

sys_full = rss(15); % 生成一个15阶随机稳定系统 sys_red = balred(sys_full, 3); % 降阶到3阶 bode(sys_full, sys_red); % 对比原系统与降阶系统的频率响应

运行后可以看到，降阶前后的伯德图在低频段几乎重合，只有在高频段有偏差。只要在控制器设计的频率范围内误差可接受，降阶模型就能替代原模型做控制设计，大大减少计算量。

第三个方向是多闭环系统的串级控制。教材里讲的大多是单回路控制，但工程中串级控制（比如电机调速系统的电流环、速度环、位置环三环结构）非常普遍。串级控制的内环要求响应快，外环要求精度高，内外环的带宽需要错开设计。这个进阶案例需要你综合运用频域法设计多个控制器，是对整套源码技能的综合检验。

我个人在实际操作中体会到，这套源码的价值不只是“抄作业”。每拿到个新系统，我都会先跑一遍时域分析看看基本响应，再画个根轨迹或伯德图琢磨琢磨参数的影响，最后用PID整定脚本快速验证几个候选方案。这个“先看、再想、后试”的流程，已经成了我处理控制类问题的肌肉记忆。对刚入门自动控制原理的人来说，跟着这套源码逐个案例跑一遍，这种“建模—分析—设计—验证”的闭环思维，比死记硬背几百条公式有用得多。

本文还有配套的精品资源，点击获取