引言

在现代控制系统中，双闭环控制（Double Closed-Loop Control）是一种广泛应用的嵌套式反馈控制策略，尤其在电机驱动、电源变换器（如PWM整流器）和过程控制（如流体混合）等领域表现出色。它通过内环和外环的协同作用，实现对系统动态性能的精细调控。本文作为系列博客的第一篇，将重点阐述双闭环控制的理论基础、优缺点，以及目前常用的设计方法。后续文章将深入探讨具体应用案例和仿真实现。

双闭环控制的核心在于将控制任务分解为两个层级：内环通常处理快速变量（如电流或力矩），外环则调控慢速变量（如速度或电压）。这种结构源于经典控制理论，能有效提升系统的稳定性和抗扰动能力。以下内容将从理论推导入手，确保观点严谨、逻辑清晰。

双闭环控制理论解释

基本概念与结构

单闭环控制仅有一个反馈回路，例如简单的比例积分（PI）控制器直接作用于被控对象。其传递函数可表示为：
$$G(s)=\frac{K_p\left(1+\frac{1}{T_{i}s}\right)}{1+G_p(s)K_p\left(1+\frac{1}{T_{i}s}\right)}$$
其中，$K_p$ 为比例增益，$T_i$ 为积分时间，$G_p(s)$ 为$plant$（被控对象）的传递函数。这种结构简单，但面对复杂扰动（如负载变化）时，动态响应往往较差，易出现超调或振荡。

双闭环控制则引入嵌套结构：内环（$InnerLoop$）负责快速响应，通常采用电流或力反馈；外环（$OuterLoop$）基于内环输出，调控整体目标，如速度或电压。

• 内环：电流环，输入为电流参考值，输出为PWM占空比。
• 外环：速度环，输入为速度参考值，输出为电流参考值（作为内环输入）。

数学模型推导如下。以直流电机双闭环调速系统为例，被控对象包括电机电枢电路和机械部分。电机传递函数简化为：

$$G_m(s)=\frac{\omega (s)}{U_a(s)}=\frac{K_m}{(R+Ls)(Js+B)+K_m{K}_e}$$

其中，$\omega$ 为转速，$U_a$ 为电枢电压，$K_m$ 为转矩常数，$K_e$ 为反电动势常数，$R,L$ 为电枢电阻和电感，$J,B$ 为转动惯量和摩擦系数。
在内环（电流环）中，引入电流反馈控制器 $G_i(s)=K_{ip}+\frac{K_{ii}}{s}$，内环闭环传递函数为：
$$G_{inner}(s)=\frac{G_i(s)G_{current}(s)}{1+G_i(s)G_{current}(s)}$$
其中，$G_{current}(s)=\frac{1}{Ls+R}$ 为电流环$plant$。
外环（速度环）控制器 $G_o(s)=K_{op}+\frac{K_{oi}}{s}$，整体系统传递函数：
$$G_{total}(s)=\frac{G_o(s)G_{inner}(s)G_{speed}(s)}{1+G_o(s)G_{inner}(s)G_{speed}(s)}$$
其中，$G_{speed}(s)=\frac{K_m}{Js+B}$。
通过这种嵌套，内环的带宽通常设计为外环的5-10倍，确保内环响应更快，外环视内环为“理想”环节，从而简化设计。

理论推导：稳定性分析

在双闭环控制系统中，稳定性分析是确保系统可靠运行的核心步骤。双闭环结构通过内环和外环的嵌套设计，提升了系统的鲁棒性，但也引入了潜在的耦合效应，因此需要分别对内环、外环以及整体系统进行稳定性评估。

常见的分析方法包括根轨迹法（Root Locus）、Bode图（频率响应分析）和Nyquist准则。这些方法基于开环传递函数，预测闭环行为的稳定性。

以下将从内环入手，逐步推导，并结合示例参数进行量化分析，以确保推导严谨。假设一个典型电流内环系统：电感 $L=1$ H，电阻 $R=1$ Ω，比例增益 $K_{ip}=10$，积分增益 $K_{ii}=20$。

1. 内环稳定性分析

内环通常为快速响应环节（如电流环），其开环传递函数为：
$$G_{ol}(s)=\frac{K_{ip}\left(s+\frac{K_{ii}}{K_{ip}}\right)}{s(Ls+R)}$$
代入参数：$$G_{ol}(s)=\frac{10(s+2)}{s(s+1)}$$
(1) 根轨迹分析
根轨迹法描绘了闭环极点随反馈增益（这里视 $K_{ip}$ 为可变增益）从0到∞的变化路径，用于判断系统是否进入右半平面（不稳定）。
开环极点位于 $$s=0$$ 和 $$s=-R/L=-1$$
零点位于 $$s=-K_{ii}/K_{ip}=-2$$
推导步骤：
特征方程： $1+K\cdot G_{ol}(s)=0$，其中 $K$ 为增益。
根轨迹规则：轨迹从开环极点出发，向开环零点趋近；分支数等于极点数；对称于实轴；渐近线角度为 $(2q+1)\cdot 180^{\circ }/(p-z)$，其中 $p=2$（极点数）， $z=1$（零点数），渐近线角度为 ±180°。
通过计算（使用控制系统工具模拟），根轨迹显示：

• 增益 $K=0$ 时，极点： [-1, 0]。

• 随着 $K$ 增加，轨迹从0向左移动，一支向-∞，另一支稳定在左半平面。

• 示例点： $K=0.12$ 时，极点 [-1.09 ± 1.08j]； $K=1.59$ 时，[-14.73,
  -2.16]；高增益下（如177.93），极点[-1778.33, -2.00]，均在左半平面，无穿越虚轴。

  结论：内环稳定，无右半平面极点，适用于宽增益范围。

(2) Bode图分析
Bode图通过幅度和相位曲线评估稳定性，关键指标为增益裕度（GM）和相位裕度（PM）。GM 表示系统到不稳定点的幅度裕量（应 > 6 dB），PM 表示到-180°的相位裕量（应 45°-60°）。
推导：

• 开环频率响应：幅度 $|G_{ol}(j\omega )|$，相位 $\angle G_{ol}(j\omega )$；
• 相位穿越频率 ${\omega }_{cp}$：相位 = -180° 时幅度 < 0 dB 为稳定；
• 增益穿越频率 ${\omega }_{cg}$：幅度 = 0 dB 时相位 > -180° 为稳定。
  计算结果：GM = ∞ dB（无相位穿越-180°），PM = 84.48° $({\omega }_{cp}=10.14$ rad/s）。PM > 0° 表示稳定，且裕度充足，系统阻尼良好（对应阻尼比 ≈ PM/100 ≈ 0.84）。

(3) Nyquist准则
Nyquist图包围-1点圈数等于右半平面极点数减去开环右半平面极点（应=0 for稳定）。对于此系统，Nyquist轨迹不包围-1，确认稳定。

2. 外环稳定性分析

外环（如：速度环）视内环为等效plant，通常简化为一阶环节 $G_{inner}(s)\approx \frac{1}{\tau s+1}$，其中 $\tau$ 为内环时间常数（从内环带宽推算，≈1/10.14 ≈ 0.1 s）。
外环开环传递函数： $G_{ol,outer}(s)=G_o(s)\cdot G_{inner}(s)\cdot G_{speed}(s)$，其中 $G_{speed}(s)=\frac{K_m}{Js+B}$（假设 $K_m=1$, $J=1$, $B=0.1$; $G_o(s)=K_{op}+\frac{K_{oi}}{s}$, 举例子：$K_{op}=5$, $K_{oi}=10$）。
(1) 根轨迹分析
类似内环，极点从开环位置（包括内环极点）移动。设计时确保内环带宽5-10倍外环，避免耦合不稳定。轨迹显示极点保持左半平面。
(2) Bode图分析
外环PM目标45°-60°。通过调整 $K_{op},K_{oi}$，确保GM > 6 dB。内环稳定简化了外环设计。
3) 整体耦合考虑
如果内环带宽不足，外环可能引入振荡。迭代优化：先调内环稳定，再外环。

3. 结论与实际考虑

通过上述分析，双闭环系统稳定取决于内环快速稳定和外环裕度充足。实际中，使用MATLAB/Control库验证，避免参数敏感性导致的不稳定。裕度不足时，可加前馈或自适应控制提升鲁棒性。

双闭环控制的优缺点

优点

• 提升动态响应和抗扰能力：内环快速抑制扰动（如负载突变），外环确保稳态精度。例如，在逆变器中，电流内环限制尖峰，电压外环改善响应速度。
• 增强系统稳定性：通过分层控制，减少单环的超调和振荡。在电机系统中，电流环防止电流过冲，提高整体鲁棒性。
• 适应复杂系统：适用于非线性或时变系统，如流体控制中解决反馈时效性问题，实现恒温。

缺点

• 设计复杂性增加：需分别调优内、外环参数，耦合效应可能导致迭代优化耗时。
• 参数敏感性高：内环带宽过高可能引入噪声，外环过慢则响应迟钝。实际中，需仿真验证。
• 实现成本较高：硬件上需更多传感器（如电流、电压传感器），软件上算法更复杂。

总体而言，优点显著，尤其在高精度应用中，远超单闭环。

目前常用的设计方法

双闭环设计强调内环优先、外环后调。常见方法包括：

1. 极点配置法（Pole Placement）

(1)基本原理
极点配置法是一种状态反馈控制设计方法，通过指定闭环系统的期望极点（特征值）来计算控制器增益，从而使系统具有预定的动态特性（如响应速度、阻尼比和稳定性）。该方法源于状态空间表示，假设系统是可控的（即可控性矩阵满秩）。其核心是利用状态反馈 $u=-Kx$ 将开环极点“移动”到期望位置，实现对系统性能的精确控制。
在双闭环系统中，极点配置常用于内环（如电流环），因为内环模型简单（通常一阶或二阶），便于直接指定极点以确保快速响应。外环则视内环为简化plant后应用类似方法。该方法的优势在于直观：极点位置直接对应系统行为（实部决定衰减速度，虚部决定振荡频率）。
数学基础：对于连续时间状态空间模型：
$$\dot{x}=Ax+Bu,y=Cx+Du$$
引入状态反馈 $u=-Kx+r$（r为参考输入），闭环系统为：
$$\dot{x}=(A-BK)x+Br$$
闭环极点为矩阵 $A-BK$ 的特征值。目标是选择K，使这些特征值等于期望极点 $p_1,p_2,\dots ,p_n$。
可控性条件：系统(A, B)可控，即可控矩阵 $[B,AB,\dots ,A^{n-1}B]$ 满秩n（系统阶数）。
(2)基本过程
设计过程分步骤进行：
(i)建模与可控性检查：获取系统状态空间模型(A, B)。计算可控矩阵，确认满秩。若不可控，需调整模型或添加观测器。
(ii)选择期望极点：基于性能要求指定极点。通常，极点位于左半平面（稳定），实部负值越大响应越快，阻尼比 $\zeta =-\frac{\Re (p)}{\sqrt{\Re (p{)}^2+\Im (p{)}^2}}$ 控制超调（典型0.5-0.7）。对于二阶系统，期望极点如 $-\zeta {\omega }_n\pm j{\omega }_n\sqrt{1-{\zeta }^2}$，其中 ${\omega }_n$ 为自然频率。
(iii)计算反馈增益K：使用Ackermann公式或直接解方程。

• Ackermann公式： $K=[0,\dots ,0,1]\cdot M_c^{-1}\cdot \varphi (A)$，其中
  $M_c$ 为可控矩阵， $\varphi (s)=(s-p_1)(s-p_2)\dots (s-p_n)$ 为期望特征多项式。
• 或者解 $\det (sI-A+BK)=\varphi (s)$。

(iv)验证：计算闭环极点，模拟步响应或Bode图，确保稳定性（裕度充足）。
(v)应用到双闭环：先内环配置（期望极点快于外环5-10倍），然后外环视内环为 $\approx 1$ 或一阶环节。
(3)示例分析
考虑一个二阶系统（简化的电流内环）：
$$A=\left[\begin{array}{cc}0& 1\\ -2& -3\end{array}\right],B=\left[\begin{array}{c}0\\ 1\end{array}\right]$$
期望极点： $-1+j,-1-j$（阻尼比0.707，自然频率 $\sqrt{2}$）。
使用Python control库计算：
反馈增益 $K=\left[\begin{array}{cc}0& -1\end{array}\right]$（约值，实际计算为 $[[4.44e-16,-1]]$）。
闭环矩阵 $A-BK$ 的特征值为期望极点，系统响应快速稳定，无超调。
在双闭环中，若内环截止频率设为100 rad/s，则极点配置为实部-100，确保带宽。

2. 最优控制原理（Optimal Control）

(1)基本原理
最优控制原理旨在最小化性能指标函数，同时满足系统动态约束。线性二次调节器（LQR）是其典型代表，针对线性系统和二次代价函数，求解状态反馈控制器 $u=-Kx$，使系统从初始状态趋于零时，总“成本”最小。
LQR的理论基础是Pontryagin最大值原理或动态规划，但实际求解通过Riccati方程。代价函数为：
$$J={\int }_0^{\infty }(x^{T}Qx+u^{T}Ru)dt$$
其中，Q ≥ 0（半正定，惩罚状态偏差），R > 0（正定，惩罚控制努力）。Q大时强调快速响应，R大时控制温和（节能）。
在双闭环中，LQR常用于外环或整体优化，因为它自动保证稳定性（闭环极点左半平面）和鲁棒性（增益裕度∞ dB，相位裕度≥60°）。LQR是LQG（线性二次高斯）问题的部分解，适用于噪声环境。
数学推导：Hamilton-Jacobi-Bellman方程简化为代数Riccati方程（ARE）：
$$A^{T}S+SA-SB{R}^{-1}{B}^{T}S+Q=0$$
求解S（正定对称矩阵），然后 $K=R^{-1}{B}^{T}S$。闭环极点为 $A-BK$ 的特征值。

3. PID参数整定法

• Ziegler-Nichols法：通过临界振荡整定初值，再微调。
  频率域设计：基于Bode图调整相位裕度（通常45°-60°）和增益裕度（>6dB）。
• 工程经验法：内环比例增益从大到小调至无振荡，积分增益补充稳态误差。

在实践中，常结合MATLAB/Simulink仿真验证，例如设置内环截止频率为外环的10倍。

结语

双闭环控制理论通过嵌套反馈实现高效调控，其严谨的设计过程确保了在工程中的可靠性。本文从原理推导向优缺点和方法展开，为读者提供基础框架。