為什麼你的 PID 參數調到「剛剛好」，換一顆負載就全毀了？

為什麼你的 PID 參數調到「剛剛好」，換一顆負載就全毀了？

你照著入門篇把轉檯定位系統做出來了：感測、PWM、離散 PID 一應俱全。你花了一個下午手調 $K_p$、$K_i$、$K_d$，終於讓轎廂平滑停層、轉檯精準定位。然後老闆說：「把轉檯換成兩倍重的那一款。」你重新通電——系統開始劇烈震盪，甚至完全發散。為什麼？

問題的根源在於：手調 PID 是在「試出一組剛好讓某個特定系統穩定的參數」，但你並不真正知道這個系統「離不穩定有多遠」。 你調出來的是一個點，不是一片安全區。當負載慣量 $J$ 變兩倍、或溫度讓馬達電阻 $R$ 漂移、或感測迴路多了 2 ms 延遲時，這個點可能就掉出穩定區之外了。

進階機電整合的核心，是從「試參數」升級到「用數學描述整個閉環系統的動態，量化它的穩定餘裕（stability margin），再據此設計控制器」。這篇文章帶你走過這條路：把物理系統寫成轉移函數（transfer function），理解二階系統的行為，用頻率響應（frequency response）讀出系統的「體質」，並計算它離震盪還有多少安全空間。

從微分方程到轉移函數：系統的「指紋」

入門篇給了直流馬達的兩條時域微分方程式。但只要系統一複雜，直接解微分方程就變得不切實際。控制工程的關鍵工具是拉普拉斯轉換（Laplace transform），它把「時域的微分方程」變成「s 域的代數方程」。微分 $\frac{d}{dt}$ 變成乘以 $s$，積分變成除以 $s$，整個動態被壓縮成一個分式——轉移函數。

轉移函數 $G(s)$ 定義為「輸出的拉普拉斯轉換」除以「輸入的拉普拉斯轉換」（假設零初始條件）：

$$ G(s) = \frac{Y(s)}{U(s)} $$

以直流馬達為例，把入門篇那兩條方程式（電壓平衡與旋轉牛頓第二定律）做拉普拉斯轉換並消去電流 $i$，可得「輸入電壓 $V$ → 輸出轉速 $\omega$」的轉移函數：

$$ G(s) = \frac{\omega(s)}{V(s)} = \frac{K}{(Ls + R)(Js + b) + K^2} $$

分母展開是 $s$ 的二次多項式，所以馬達本質上是一個二階系統。但這裡有個關鍵的工程簡化：電氣時間常數 $\tau_e = L/R$ 通常遠小於機械時間常數 $\tau_m = J/b$（電流變化比轉子加速快得多）。當 $L \to 0$ 時，分母降為一次：

$$ G(s) \approx \frac{K}{R J s + (R b + K^2)} = \frac{K_{dc}}{\tau_m s + 1} $$

這是一個一階系統，$\tau_m = \dfrac{RJ}{Rb+K^2}$ 是時間常數，$K_{dc} = \dfrac{K}{Rb+K^2}$ 是直流增益。轉移函數的分母（特徵多項式）的根，叫做「極點（pole）」，它們完全決定了系統的動態行為。 這就是為什麼工程師說極點是系統的「指紋」。

看一個例子：算出馬達的時間常數

沿用入門篇的馬達：$K = 0.05\ \text{N·m/A}$、$R = 2\ \Omega$。再補上 $J = 1.2\times10^{-4}\ \text{kg·m}^2$、$b = 2\times10^{-4}\ \text{N·m·s}$。

機械時間常數：

$$ \tau_m = \frac{RJ}{Rb + K^2} = \frac{2 \times 1.2\times10^{-4}}{2 \times 2\times10^{-4} + 0.05^2} = \frac{2.4\times10^{-4}}{4\times10^{-4} + 2.5\times10^{-3}} \approx 0.0828\ \text{s} $$

也就是約 83 ms。一階系統對階躍輸入的響應是 $\omega(t) = \omega_\infty(1 - e^{-t/\tau_m})$，在 $t = \tau_m$ 時達到終值的 63.2%，在 $t \approx 4\tau_m \approx 0.33\ \text{s}$ 時達到 98%。這個數字立刻告訴你：不論控制器多聰明，這顆馬達自然的反應速度就是這麼快，你的控制頻率沒必要遠超過它，但取樣週期 $T_s$ 必須遠小於 $\tau_m$（例如取 $\tau_m/20 \approx 4\ \text{ms}$）才能讓數位控制忠實逼近連續設計。

注意「把負載換兩倍重」就是 $J$ 變兩倍。代入上式，$\tau_m$ 約變成 0.143 s——系統明顯變鈍。這還只是開迴路；閉上迴路後，$J$ 的變化會直接改變閉環極點位置，這正是手調參數失效的數學原因。

二階系統：超調、阻尼與自然頻率

當你把位置（而非轉速）當輸出，或保留電感 $L$，系統就是不折不扣的二階。二階系統是整個控制工程的「原型」，因為高階系統的行為往往由最靠近虛軸的一對極點（dominant poles）主宰，近似成二階。標準二階轉移函數寫成：

$$ G(s) = \frac{\omega_n^2}{s^2 + 2\zeta\omega_n s + \omega_n^2} $$

兩個參數定義了一切：

• 自然頻率（natural frequency） $\omega_n$：系統「想振動」的固有頻率，決定反應快慢。
• 阻尼比（damping ratio） $\zeta$：決定振盪會不會、以及多快被壓下來。

極點位於 $s = -\zeta\omega_n \pm \omega_n\sqrt{\zeta^2-1}$。依 $\zeta$ 的大小分三種情況：

• $\zeta > 1$（過阻尼，overdamped）：兩個實極點，緩慢無振盪。
• $\zeta = 1$（臨界阻尼，critically damped）：最快的無超調響應。
• $0 < \zeta < 1$（欠阻尼，underdamped）：一對共軛複數極點，會超調並振盪後收斂。

機電系統最常落在欠阻尼區，因為我們想要快、但快就容易超調。對欠阻尼系統，有幾個能「秒算」的工程公式。最大超調量（percent overshoot） 只跟 $\zeta$ 有關：

$$ M_p = \exp\!\left(\frac{-\pi\zeta}{\sqrt{1-\zeta^2}}\right) \times 100\% $$

安定時間（settling time，2% 準則） 約為：

$$ t_s \approx \frac{4}{\zeta\omega_n} $$

動手試試：從規格反推設計

假設轉檯定位的規格是：超調不得超過 5%、安定時間在 0.5 秒內。我們反推需要的極點位置。

先由超調限制求 $\zeta$。令 $M_p = 0.05$：

$$ \ln(0.05) = \frac{-\pi\zeta}{\sqrt{1-\zeta^2}} \;\Rightarrow\; -2.996 = \frac{-\pi\zeta}{\sqrt{1-\zeta^2}} $$

解得 $\zeta \approx 0.690$。工程上常取 $\zeta \approx 0.7$（對應約 4.6% 超調），這也是「最佳折衷阻尼」的經典值。

再由安定時間求 $\omega_n$。令 $t_s = 0.5\ \text{s}$：

$$ \omega_n = \frac{4}{\zeta\, t_s} = \frac{4}{0.7 \times 0.5} = 11.4\ \text{rad/s} $$

於是目標閉環極點為：

$$ s = -\zeta\omega_n \pm j\omega_n\sqrt{1-\zeta^2} = -8.0 \pm j\,8.16 $$

這就是控制器設計的真正起點：你不再是亂試 $K_p$、$K_i$、$K_d$，而是先把規格翻譯成「我要把閉環極點放在 $-8 \pm 8.16j$」，再回頭算出能達成此目標的 PID 增益（極點配置法，pole placement）。 這把「調參數」從玄學變成了求解代數方程。

頻率響應：用「掃頻」讀出系統體質

時域看得到超調與安定時間，但要量化「離震盪還有多遠」，頻域工具更銳利。核心想法是：把 $s = j\omega$ 代入轉移函數，$G(j\omega)$ 就告訴你「當輸入是頻率 $\omega$ 的正弦波時，輸出的振幅放大幾倍、相位落後幾度」。把所有頻率的振幅（取分貝）與相位畫出來，就是波德圖（Bode plot）。

對一階系統 $G(s) = \dfrac{K_{dc}}{\tau_m s + 1}$，其頻率響應的幅值為：

$$ |G(j\omega)| = \frac{K_{dc}}{\sqrt{(\tau_m\omega)^2 + 1}} $$

當 $\omega = 1/\tau_m$ 時（轉折頻率，corner frequency），幅值降為直流增益的 $1/\sqrt{2} \approx 0.707$ 倍，即下降 3 dB。這個頻率就是系統的頻寬（bandwidth） $\omega_B$——超過它，系統就「跟不上」輸入變化了。沿用前例 $\tau_m = 0.0828\ \text{s}$：

$$ \omega_B = \frac{1}{\tau_m} \approx 12.1\ \text{rad/s} \approx 1.92\ \text{Hz} $$

頻寬把入門篇的取樣定理串了起來： 系統頻寬約 2 Hz，依「控制頻率至少為頻寬 10–20 倍」的經驗法則，控制迴圈該跑在 20–40 Hz 以上；前面算的 $T_s \approx 4\ \text{ms}$（250 Hz）綽綽有餘。

穩定餘裕：把「離震盪多遠」變成數字

現在回答開頭的問題：怎麼量化系統離不穩定有多遠？答案是增益餘裕（gain margin, GM） 與 相位餘裕（phase margin, PM）。

一個負回授系統會在「開環增益為 1（0 dB）且相位剛好 $-180°$」時陷入持續振盪——因為此時負回授變成了正回授。穩定餘裕就是量「我們離這個危險點還有多少」：

• 相位餘裕 PM：在增益剛好為 0 dB 的頻率（增益穿越頻率 $\omega_{gc}$）處，相位比 $-180°$ 還高出多少度。
• 增益餘裕 GM：在相位剛好為 $-180°$ 的頻率（相位穿越頻率 $\omega_{pc}$）處，增益還差多少 dB 才到 0 dB。

兩者越大越安全。實務經驗值：PM 約 $45°\sim60°$、GM 約 $6\sim12\ \text{dB}$ 是健康系統的甜蜜區。有個極實用的近似：對主導極點為二階的系統，相位餘裕與阻尼比近似滿足

$$ \zeta \approx \frac{PM\,(\text{度})}{100} $$

所以 $PM = 70°$ 對應 $\zeta \approx 0.7$——和我們前面從超調規格算出的阻尼比完全呼應。這就是頻域與時域的美妙統一：你在波德圖上看到「相位餘裕 70 度」，就等於在階躍響應上看到「超調約 5%」。

回到老闆的負載問題：當 $J$ 變兩倍，開環增益曲線整體上移、相位曲線下滑，增益穿越頻率 $\omega_{gc}$ 移動，相位餘裕可能從原本的安全 $50°$ 掉到 $10°$ 甚至負值。$PM < 0$ 就是發散震盪。手調 PID 之所以「換負載就全毀」，正是因為它原本的相位餘裕太小，禁不起參數漂移——而你當初根本不知道餘裕有多少。 把系統建模、畫出波德圖、保留足夠餘裕，才是穩健（robust）設計。

重點回顧

• 轉移函數 $G(s)$ 把時域微分方程壓成 s 域分式，其分母的根（極點）是系統的「指紋」，完全決定動態；直流馬達因 $\tau_e \ll \tau_m$ 常可從二階近似為一階 $\dfrac{K_{dc}}{\tau_m s+1}$。
• 二階系統由自然頻率 $\omega_n$ 與阻尼比 $\zeta$ 主宰；超調 $M_p = e^{-\pi\zeta/\sqrt{1-\zeta^2}}$ 只跟 $\zeta$ 有關，安定時間 $t_s \approx 4/(\zeta\omega_n)$，可從規格反推目標極點位置。
• 極點配置法讓設計從「亂試 PID」升級為「先定極點、再解增益」，把調參數變成可重複的工程程序。
• 波德圖與頻寬揭示系統能跟上多快的輸入；頻寬 $\omega_B = 1/\tau_m$ 直接決定該用多高的控制頻率，與取樣定理一脈相承。
• 增益餘裕與相位餘裕量化「離震盪多遠」：健康值約 PM $45°\sim60°$、GM $6\sim12\ \text{dB}$，且 $\zeta \approx PM/100$ 把頻域與時域接通；餘裕不足正是「換負載就全毀」的數學病因。

深入探討（研究所視角）

本文用單輸入單輸出（SISO）的線性轉移函數打通了時域與頻域，但真實機電系統的前沿挑戰，往往來自這些假設的失效。

根軌跡與參數變動。 老闆換負載讓 $J$ 連續變化，閉環極點會在 s 平面上劃出一條軌跡，這正是根軌跡法（root locus）研究的對象：當某個參數（如控制器增益或負載慣量）從 0 掃到無限大時，極點如何遷移、何時跨越虛軸進入不穩定區。它讓你一眼看出「設計對參數變動的敏感度」，是穩健性分析的幾何利器。

非最小相位與時間延遲。 入門篇的感測濾波、嵌入式運算、PWM 都引入純時間延遲（time delay） $e^{-sT_d}$。延遲在波德圖上只增加相位落後、不改變增益，因此會無情地吃掉相位餘裕——這解釋了為何「多加一級濾波器讓訊號更乾淨」反而可能讓系統失穩。更棘手的是非最小相位（non-minimum phase）系統（右半平面零點），它們有「先往反方向動再回正」的反直覺響應，存在理論上的頻寬上限，是控制設計的硬骨頭。

從線性到非線性與不確定性。 真實致動器有飽和（saturation）、齒輪有背隙（backlash）、接觸面有庫倫摩擦（Coulomb friction），這些非線性讓線性轉移函數只在小訊號附近成立。研究所層級會用李雅普諾夫穩定性（Lyapunov stability）直接對非線性系統證明穩定，或用強健控制（$H_\infty$ control）明確地把「模型不確定性」納入設計，保證在一整個參數範圍內都穩定——這才是真正回答「換負載也不會毀」的嚴謹途徑。

前沿方向。 當系統難以建模時，資料驅動控制（data-driven control）與自適應控制（adaptive control）讓控制器在運行中即時辨識系統參數並自我調整；模型預測控制（MPC）則在每個時步求解帶約束的最佳化，天然處理飽和與安全限制。但無論工具多先進，本文的主線始終是底層素養：先理解極點在哪、頻寬多寬、餘裕多大，你才知道一個「會自己穩下來」的系統，究竟穩在哪裡、又會在哪裡失守。