(六)为什么自控中需要卷积和拉普拉斯变换

系列文章(三)(四)分别介绍了控制理论中人们看世界的两种视角——时域和频域,其中,分析时域问题需要用到卷积,而分析频域问题则需要拉普拉斯变换。

首先讲卷积,知乎上已有多篇文章从数学上对卷积进行了介绍和推导,这里不做赘述,具体可见:

下面从控制的角度解释下为什么需要卷积。控制,要求我们精确知道每个时刻系统的状态是什么,那系统当前的状态是由什么决定的呢?系统初始状态 + 之前所有时刻的输入。通过文章(五)我们知道线性时不变(LTI)系统满足叠加定理,因此,只要我们将之前所有时刻的输入带来的当前时刻响应叠加,再加上系统初始状态,就能得到当前时刻系统的输出了。这一叠加的运算恰好完美对应于卷积的运算定义,因此:

输出 = 输入 * 单位冲击响应,其中 * 是卷积运算符。

那为什么卷积的对象是单位冲击响应呢?因为我们可以把输入信号不断细分,最终形成了无数的个小脉冲。LTI系统线线性时不变,所以可以根据单位冲击响应的特性,来不断计算输入信号中小脉冲的输出,然后像卷春卷一样它们“卷起来”。离得近的信号,卷积距离短;离得远的信号,卷积距离长。

虽然卷积能帮助我们计算出时域下的响应,但是,卷积是一种较为复杂的运算,相比于四则运算,它并不方便使用。因此,频域和拉普拉斯变换出场了。同样,介绍拉普拉斯变换的理论帖也很多,比如:

所以这里直接上结论:

时域的卷积 = 频域的相乘

因此时域下的卷积公式:

输出 = 输入 * 单位冲击响应,其中 * 表示卷积运算

变成了频域下的乘法公式:

L(输出) = L(输入) · L(单位冲击响应),其中L表示拉普拉斯运算, · 表示乘法运算

至此,时域下的卷积运算被转换成了拉普拉斯域(也称s域)下的普通乘法运算,这大大减小了分析和控制器设计的难度。这份转换的精妙,会在后面的文章中愈加凸显。

注:文中图片来自油管博主Brian Douglas视频。