自动控制原理第一章这七个字，对不少工科生和转行做控制的工程师来说是一道分水岭。有人翻完二十几页绪论，合上书只记住几个方块和箭头，心里犯嘀咕：这些图到底有什么用；也有人在这一章就卡了壳，拉普拉斯变换、传递函数、方框图化简一起砸过来，直接劝退。我带过的新人和做过的项目复盘里反复出现同一个现象——真正把第一章吃透的人，后面时域分析、根轨迹、频域法一路顺畅；第一章糊弄过去的人，到第三章还在纠结“偏差到底是谁减谁”。

所以这篇内容不打算复述教材。我想干的事情是把自动控制原理第一章拆开给你看：它到底在建立什么认知，开环和闭环的本质差别在哪，那些方块图和术语怎么对号入座，稳准快这三条评价主线是怎么埋下的，以及最关键的——怎么用一个具体对象把整章内容从头到尾走一遍。不管你是刚开课的本科生，还是工作后要补控制基础的工程师，都能从里面拿到可以直接上手的东西。全篇会有大量基于常见工程实践的补充说明，教材没写透的地方我会点明这是我的理解。

1. 先把第一章的地图画出来：它到底想让你学会什么

1.1 教材编排的真实意图

很多人把第一章当成“绪论废话”，觉得翻过去就行，真正的技术在第二章。这个判断恰恰是错的。第一章承担的任务是给整本书建立坐标系——它要回答三个问题：什么叫控制，怎么描述一个控制系统，怎么判断一个控制系统好坏。后面所有章节，本质上都是在这三个问题上做数学加码。

控制这件事说白了就是“让某个东西按照我希望的方式变化，而且人不用一直盯着”。空调把房间维持在设定温度，电机把转速稳在给定值，机械臂把末端停在指定坐标，这些都是控制。第一章先把这个朴素认知立住，再引入反馈这个概念，然后告诉你：既然要让人不盯着，就得有传感器去测，有比较环节去判断差多少，有控制器去算该给多少，有执行机构去动手。这套逻辑一旦通了，方块图就不再是抽象符号，而是把一段真实工作流程翻译成图形。

教材把数学工具放在第一章，也是有意为之。微分方程是描述动态系统的自然语言，但解起来麻烦；拉普拉斯变换把微分运算变成代数运算；传递函数则是把整个系统压缩成一个比值。这三步是递进的，缺一步后面都走不动。我见过太多人跳过这一步直接看时域指标，结果连特征方程怎么来的都说不清。

1.2 三个层次：认知层、语言层、评价层

我更愿意把第一章的内容分成三层来看，这样学起来不会乱。

认知层解决的是“什么是控制、开环闭环差在哪、系统由哪些部分组成”。这一层不需要数学，靠生活例子就能打通。比如老式电饭锅按下开关就加热，到时间靠双金属片跳闸，它不知道饭熟没熟，这是开环；带温度探头的电饭锅会一直测锅内温度，根据温度调整加热功率，这是闭环。认知层打不牢，后面所有公式都是空中楼阁。

语言层是微分方程、拉普拉斯变换、传递函数、方框图这几样。它们的共同作用是让“动态”这件事可以被计算。没有这套语言，你只能说“这个电机响应有点慢”，有了这套语言，你能说“这个系统阻尼比0.21，超调接近50%，需要重新整定”。

评价层就是稳、准、快。稳定性决定系统能不能用，准确性决定用得准不准，快速性决定用得爽不爽。这三条主线在第一章只是定性提出，后面每一章都在用更精确的数学去量化它们。第一章的作用是让你先记住这三把尺子，遇到任何系统都下意识地问：它稳吗，它准吗，它快吗。

1.3 一份可执行的第一章学习顺序

按教材页码顺序读，效率其实不高。我通常建议按下面这个顺序推进，三到五天能把第一章吃透：

1. 先通读概念部分，重点是开环与闭环的定义、系统组成框图、被控量与给定值的区别，不求记住术语，只求能用自己的话复述。
2. 找一个身边的对象，比如水杯降温、手机充电发热、风扇调速，试着画出它的控制方块图。画不出来说明概念还没通。
3. 补数学。微积分里导数和积分的基本含义要清楚，拉普拉斯变换先记定义和常用变换对，不用深究收敛域。
4. 学传递函数，重点理解“零初始条件下输出与输入的拉氏变换之比”这句话里每个限定词的作用。
5. 练方框图化简，至少手算五道题，串联、并联、反馈、比较点移动、引出点移动各来一遍。
6. 最后回到稳准快，用自己建的那个模型，定性说说它稳不稳、稳态误差大概什么量级、响应快不快。

这个顺序的核心逻辑是“先有画面，再有公式”。反过来做，公式会变成一堆没有归属的符号，记不住也用不上。

2. 开环与闭环：一根反馈线决定的两种世界观

2.1 开环控制的甜头与死穴

开环控制的结构极其简单：控制器按照预设规律给执行机构发指令，不管结果如何。洗衣机按固定程序洗四十分钟，微波炉按设定功率转三分钟，步进电机按脉冲数走固定步数，都属于这一类。

它的优点很实在。第一是便宜，不需要传感器，不需要比较环节，硬件成本低一大截；第二是简单可靠，环节少，出故障的概率低；第三是响应快，没有测量和比较的延迟，指令下去立刻动作；第四是不会因为反馈引入而振荡，天生没有稳定性问题——它压根不关心输出。

死穴也同样明显：它对外部扰动和自身参数变化完全无感。步进电机在轻载下走一百步很准，一旦负载加重出现丢步，它自己不知道，误差就一直累积下去。定速巡航在老款车上是开环思路的简化版，上坡时车速会掉，下坡时会冲，因为它只按油门开度给指令，不测实际车速。开环控制的适用边界很清楚：对象特性稳定、扰动小、精度要求不高、或者人可以事后修正的场合。一旦这三个条件被打破，就必须上闭环。

2.2 闭环控制的三步循环

闭环控制在开环的基础上加了一条从输出回到输入的路径，形成“测量—比较—修正”的循环。以水箱液位控制为例：液位计实时测量当前水位，与设定值比较得出偏差，控制器根据偏差大小决定进水阀开多大，水位上升后再次测量，循环往复。

这个循环可以抽象成三个动作：感知当前状态，判断与目标的差距，执行缩小差距的动作。三者缺一不可。只感知不执行，那是监测系统；只执行不感知，那是开环；感知了但不做比较直接执行，那还是开环，因为缺少了偏差这个驱动信号。

闭环真正的威力在于它能“自动纠错”。进水阀老化导致流量变小，水位上升变慢，偏差会持续存在，控制器就会把阀门开得更大来补偿；出水口突然被打开造成扰动，水位下降，偏差出现，控制器立刻加大进水。整个过程不需要人干预，系统自己把误差往小了压。这也是闭环控制在工业现场占据绝对主导地位的原因——现场工况永远在变，只有能自我修正的方案才扛得住。

2.3 负反馈的“负”字为什么不能丢

反馈有正负之分，这个符号决定了系统的命运。负反馈是把输出量取回来，与给定值相减，用差值去驱动控制器。输出偏高，差值变负，控制器就往回收，形成收敛。正反馈是相加，输出偏高，差值更大，控制器继续推，输出更高，很快就发散到饱和或者自激振荡。

用开车打比方最直观。你看着时速表，发现实际速度比想跑的慢，脚就往下踩一点；速度超了，脚就松一点。这个“慢了就加、快了就减”的逻辑就是负反馈。如果反过来，慢了还松油门，快了还踩油门，车很快就失控。这个类比虽然土，但它把负反馈的本质说清楚了：用偏差的符号决定修正的方向，让偏差自我衰减。

教材里的方块图上，比较点旁边那个减号就是负反馈的标志。很多初学者画图时随手写成加号，或者化简时把符号弄丢，最后算出来的闭环传递函数分母变成 1 减 开环传递函数，稳定性判断全错。这个减号在后续所有章节里都会反复出现，第一次就要养成习惯，画完图回头检查比较点的符号。

2.4 反馈的代价：不是加了就万事大吉

闭环不是免费的午餐。加反馈要付出四方面代价，这些教材通常一笔带过，但工程上必须心里有数。

第一是成本。传感器、信号调理电路、AD 转换、控制器算力，都是真金白银。一个精度足够的液位计可能比整个水箱还贵。

第二是噪声。传感器测到的信号里混着噪声，反馈路径会把噪声一起放大送回控制器，控制器就可能对着噪声做无效动作，执行机构来回抖。工程上常用滤波、死区、低通来压这个影响。

第三是稳定性风险。开环系统不会自己振荡，闭环系统会。增益给大了，相位滞后积累到一定程度，负反馈就变成了正反馈，系统直接自激。这也是为什么后面要学稳定判据、要学增益裕度和相位裕度。

第四是带宽和响应速度的权衡。反馈回路里的传感器本身有惯性，测量滞后会让整个闭环的反应变慢。高精度和高响应往往要在这上面做取舍。

提示：判断一个场景该不该上闭环，先问三个问题——扰动大不大、精度要求高不高、对象参数会不会漂。三个里有一个答案是“是”，就值得考虑闭环；三个都是“否”，开环更划算。

3. 系统组成与术语：把方块图上的每个名字对号入座

3.1 九个核心名词的通俗解释

第一章会集中抛出一批术语，第一次看容易糊成一锅粥。我用一个统一的例子把它们串起来：给一个水箱做液位控制。

这十个格子里，最容易被忽视的是“执行机构”和“测量反馈环节”。初学者画方块图时经常把控制器和执行机构合成一个框，结果后面算传递函数时把阀门动态和控制器动态搅在一起，物理意义就丢了。工程上这两者的时间尺度往往差一个数量级，阀门开关要几百毫秒，控制器运算只要几微秒，分开建模才合理。

3.2 偏差与误差：最容易混的一对

这两个词在第一章经常混着用，到后面才严格区分，很多人就在这里埋了雷。

偏差通常指给定值与反馈量之差，记作 e = r − b，其中 b 是反馈量。它出现在比较点的输出端，是控制器真正看到的信号。

误差在不同教材里定义略有差别。多数教材把它定义为期望输出与实际输出之差，期望输出是给定值经过前向通道某个环节换算后的量。当反馈环节的传递函数为 1 时，偏差和误差在数值上相等；反馈环节不为 1 时，两者差一个系数。

这个区别在实际调试里非常要紧。如果液位计的刻度有偏差，反馈量本身就不准，那么即使比较环节算得再精确，控制器拿到的偏差也是错的。所以我一直强调：反馈环节的准确性决定了整个闭环的精度上限，传感器标定永远要排在控制器参数整定之前。A 同学曾经在一个温控项目里折腾了三天 PID 参数，最后发现是热电偶的冷端补偿没做好，白白浪费了时间。

3.3 扰动从哪来，为什么要单独拎出来

扰动是第一章里一个看似不起眼但贯穿全书的概念。它指的是那些会让被控量偏离目标、但不在控制器直接掌控范围内的因素。扰动分两类：外扰来自系统外部，比如环境温度变化、电网电压波动、负载突变；内扰来自系统内部，比如元件老化导致参数漂移、摩擦系数变化。

为什么要单独拎出来讲？因为控制系统的核心任务之一就是抑制扰动。开环系统对扰动无能为力，闭环系统靠反馈能把扰动的影响压到很小，但压到多小是有讲究的。扰动进入系统的位置不同，闭环的抑制效果差别很大。扰动如果作用在被控对象之前，控制器可以通过执行机构提前补偿；扰动如果作用在测量环节上，反馈量本身就是错的，闭环不仅抑制不了，还可能把误差放大。

工程上有个实用判断：先搞清楚扰动从哪进，再谈补偿策略。很多现场问题查到最后，都是扰动路径没分析清楚，控制器参数怎么调都不对。

4. 稳、准、快：第一章埋下的三条评价主线

4.1 稳定性是入场券

稳定性在第一章通常只是定性描述：系统受到扰动偏离平衡状态后，能够自行回到平衡状态的叫稳定，越偏越远的叫不稳定。第一章不要求你会算，但要求你建立“稳定优先”的意识。

这个意识的份量在后面会越来越重。一个不稳定的系统，谈准确性、谈快速性都没有意义，因为它根本停不下来。工业现场见过的失控案例里，绝大多数是稳定性先出了问题，然后才表现为精度崩坏或者振荡。第一章之所以反复强调反馈的极性、强调增益不能无限加大，就是在为后面的稳定判据做铺垫。

我的经验是，学第一章时就把“稳定是前提”刻进脑子。后面每设计一个控制器，第一件事是判稳，算特征根、看极点实部、算裕度，稳了再谈其他。这个顺序反了，参数调得再漂亮也是白搭。

4.2 准确性看稳态

准确性说的是系统过渡过程结束后，输出与目标之间还剩多少误差，也就是稳态误差。第一章只给概念，不给公式，但会明确指出稳态误差和系统类型、输入信号类型、开环增益都有关系。

这里有个容易被忽略的点：稳态误差是系统结构决定的，不是靠调参数硬压下去的。一个零型系统跟踪阶跃输入会有常值误差，把增益调大能压低这个误差，但永远压不到零；要彻底消除，得在控制器里加积分环节，把系统型别提高。这个认知在第一章建立起来，后面学稳态误差计算时就不会只记公式不懂道理。

我在实际项目里吃过一次亏：某次做恒压供水，压力总比设定值低一点点，我第一反应是加大比例增益，结果压力上去了但开始振荡。后来才想明白，泵和管路的特性决定它是一个零型系统，比例控制必然有静差，正确做法是加积分项。这个教训比任何公式都记得牢。

4.3 快速性与超调的拉扯

快速性描述的是系统响应有多利索，常用上升时间、峰值时间、调节时间、超调量这几个指标来衡量。第一章只要求知道这几个名字，后面才给具体算法。

需要提前建立的一个认知是：快速性和超调是一对冤家。你把增益调大，系统响应变快，但阻尼相对变小，超调跟着变大，振荡次数增多，调节时间反而可能拉长。反过来把增益调小，超调压下去了，但响应变得拖沓。工程上永远是在这两者之间找平衡点，不存在又极快又零超调的线性系统。

这个矛盾在第一章的定性讨论里就有影子。教材通常会画几条不同参数的阶跃响应曲线摆在一起，让你直观看到超调和速度此消彼长。我当时看这几条曲线没什么感觉，直到自己调电机转速环，把比例增益从 1 加到 10，眼看着超调从 5% 冲到 50%，才真正理解那几条曲线的含义。

4.4 三者关系与我常用的取舍表

三条主线不是并列的，是有优先级的。下面这张表是我在实际项目里常用的判断顺序，供参考：

按这个顺序排查，绝大多数现场问题都能快速定位。反过来，先追求快、再补稳定，往往要推倒重来。

5. 数学工具三件套：微分方程、拉普拉斯变换、传递函数

5.1 从物理定律到微分方程

建微分方程是第一章的基本功，核心就一句话：用物理定律把输入和输出的动态关系写出来。电路用基尔霍夫电压电流定律，机械系统用牛顿第二定律，热系统用能量守恒，流体系统用质量守恒。

以一个 RLC 串联电路为例，输入是电压 u，输出是电容两端电压 u_c。根据基尔霍夫电压定律：u = R i + L di/dt + u_c，而 i = C du_c/dt，代入消去 i 得：

LC d²u_c/dt² + RC du_c/dt + u_c = u

这就是一个二阶线性常系数微分方程。写出来之后你会发现，系统的动态特性完全由 L、R、C 这三个参数决定，跟输入信号长什么样没关系。这个认识很重要：微分方程描述的是系统自身的固有属性。

建模时有三个常见坑。第一是单位不统一，电感用毫亨、电容用微法、电阻用欧姆，混着算必错；第二是忽略非线性环节，比如实际电感的磁饱和、阀门的死区，第一章通常假设线性，但心里要知道这是简化；第三是初始条件没交代清楚，后面做拉氏变换时会出问题。

5.2 拉普拉斯变换到底在干什么

微分方程直接解很麻烦，尤其高阶的。拉普拉斯变换的作用是把时间域的函数映射到复频域，让微分变成乘法、积分变成除法，微分方程就退化成了代数方程。这个变换的定义是：

F(s) = ∫₀^∞ f(t) e^(-st) dt

看着吓人，实际用的时候根本不需要每次积分，查表就行。第一章要求记住的常用变换对不多，下面这些够用：

比变换本身更重要的是几条性质：线性性质允许逐项变换；微分性质把 df/dt 变成 sF(s) − f(0)，这一步是零初始条件假设的来源；积分性质把积分变成 F(s)/s；终值定理允许从 s 域直接算出稳态值，条件是 sF(s) 的极点都在左半平面。这条定理在第一章可能只是提一句，但后面算稳态误差全靠它。

注意：微分性质里那个 f(0) 项千万别丢。第一章讲传递函数时假设零初始条件，这一项才消失；做实际系统分析时初始状态不为零，硬套传递函数会出错。

5.3 传递函数的定义与三个成立条件

传递函数的定义是：在零初始条件下，系统输出量的拉氏变换与输入量的拉氏变换之比。写成式子就是 G(s) = Y(s)/U(s)。

这句话里每个限定词都有份量，缺一个定义就不成立。

线性：系统必须能用线性微分方程描述。实际系统多少都有非线性，第一章的处理方式是工作点附近线性化，把非线性曲线在平衡点做泰勒展开取一次项。这个简化在 small signal 范围内有效，大范围动作就会失真。

定常：系统参数不随时间变化。电机发热导致电阻变化、阀门磨损导致流量系数漂移，都会让系统变成时变的，传递函数严格来说就不适用了。工程上通常假设参数变化足够慢，在一个工作周期内近似定常。

零初始条件：输出及其各阶导数、输入及其各阶导数在 t=0 时刻都为零。这个假设的目的是让拉氏变换的微分性质里那些初始项全部消掉。实际系统启动时初始状态往往不为零，这时传递函数描述的只是增量关系，不是绝对量关系。

传递函数的分母叫特征多项式，它的根叫极点；分子的根叫零点。极点的位置决定了系统的动态特性，这在后面根轨迹和稳定性分析里是绝对主角。我建议第一章就把“极点是系统的命门”这句话记住，后面会省很多事。

5.4 典型环节与方框图化简

第一章会介绍几种典型环节，它们是构成复杂系统的基本积木：

方框图化简的规则不多，串联相乘、并联相加、反馈用 G/(1±GH)，剩下的就是比较点和引出点的移动。规则背起来容易，用起来容易错，错的地方集中在符号上。比较点前移或后移时，支路里要补乘或补除一个环节；引出点移动时同理。我的做法是每次移动完，把移动前后的输入输出关系各写一遍，两边能对上才继续往下做，比单纯记规则靠谱得多。

6. 完整走一遍：直流电机从建模到仿真验证

6.1 场景与假设

理论讲完，得动手走一遍。我选直流电机，原因是它的物理关系清晰、参数好查、传递函数形式典型，而且工业上真的在用，不是纯教学玩具。

先明确假设：电枢电感 L 保留（不忽略），粘性摩擦系数 B 保留，负载转矩视为扰动，磁场恒定。这些假设在中小功率电机的常规工况下是合理的。如果只做低速大扭矩场景，L 往往可以忽略，系统降为一阶，分析会简单很多。

6.2 列方程与消元

电机的电气方程和机械方程分别是：

电气：L di/dt = u - R i - Ke ω 机械：J dω/dt = Kt i - B ω - TL

其中 u 是电枢电压，i 是电枢电流，ω 是角速度，R 是电枢电阻，L 是电枢电感，J 是转动惯量，B 是粘性摩擦系数，Kt 是转矩常数，Ke 是反电动势常数，TL 是负载转矩。

先令 TL = 0，对两式做拉氏变换，得：

(Ls + R) I(s) = U(s) - Ke Ω(s) (Js + B) Ω(s) = Kt I(s)

从第二式得 I(s) = (Js + B) Ω(s) / Kt，代入第一式，整理得：

G(s) = Ω(s)/U(s) = Kt / [ (Ls + R)(Js + B) + Kt Ke ]

这一步消元是第一章最典型的操作，核心思路是把中间变量消掉，只留输入和输出。很多人卡在这里不是不会代数，而是不知道该消哪个——原则是消掉没有物理测量意义的中间量，这里就是电流。

6.3 代入参数算传递函数

取一组典型的小功率电机参数：R = 1 Ω，L = 0.5 H，J = 0.01 kg·m²，B = 0.0001 N·m·s，Kt = Ke = 0.1。

先算分母展开：

(Ls + R)(Js + B) = (0.5s + 1)(0.01s + 0.0001) = 0.005s² + 0.00005s + 0.01s + 0.0001 = 0.005s² + 0.01005s + 0.0001

加上 Kt·Ke = 0.01：

分母 = 0.005s² + 0.01005s + 0.0101

所以传递函数是：

G(s) = 0.1 / (0.005s² + 0.01005s + 0.0101)

把首项系数归一化，分子分母同除以 0.005：

G(s) = 20 / (s² + 2.01s + 2.02)

对照标准二阶形式 ωn²/(s² + 2ζωn s + ωn²)，可以读出 ωn = √2.02 ≈ 1.42 rad/s，2ζωn = 2.01，得 ζ ≈ 0.707。

这两个数字很有信息量。ζ = 0.707 是工程上常说的最佳阻尼比，超调约 4.3%，响应速度和超调平衡得比较好。ωn = 1.42 rad/s 意味着系统的时间尺度在秒级，对这个小电机来说是合理的。如果算出来 ωn 是几百，那多半是单位搞错了，比如转动惯量用了 g·cm² 没换算。

6.4 用代码验证并读结果

手算完必须验证，不然错了都不知道。Python 里用 control 库最方便：

pip install control matplotlib

import control as ct import matplotlib.pyplot as plt num = [20] den = [1, 2.01, 2.02] sys = ct.tf(num, den) print("极点:", ct.poles(sys)) print("阻尼比:", ct.damping(sys)) print("自然频率:", ct.natural_frequency(sys)) t, y = ct.step_response(sys) info = ct.step_info(sys) print("超调量: {:.2%}".format(info['Overshoot'] / 100)) print("调节时间: {:.2f} s".format(info['SettlingTime'])) plt.plot(t, y) plt.axhline(20 / 2.02, linestyle='--', color='gray') plt.xlabel('时间 (s)') plt.ylabel('转速 (rad/s)') plt.title('直流电机开环阶跃响应') plt.grid(True) plt.show()

跑出来的结果应该和手算对得上：极点是一对共轭复根，实部约 −1.005，阻尼比约 0.707，稳态值约 20/2.02 ≈ 9.9。阶跃响应会有一点超调，然后稳定在 9.9 附近。

稳态值这个数值得解释一下。它的物理含义是：加 1 V 电枢电压，电机最终稳定在约 9.9 rad/s。这就是开环系统的直流增益。如果实际电机标称 12 V 对应 100 rad/s，那算出来的增益就偏小，说明参数取值和真实电机有差距，需要重新核对。

MATLAB 里对应几行：

num = 20; den = [1 2.01 2.02]; sys = tf(num, den); step(sys); stepinfo(sys) damp(sys)

6.5 把闭环加进去看稳快矛盾

开环响应看完，接着做闭环，才能把第一章的开环闭环对比落到实处。加一个单位负反馈，再串一个比例增益 K，闭环传递函数是：

T(s) = K·G(s) / (1 + K·G(s))

取 K = 1，得：

T(s) = 20 / (s² + 2.01s + 22.02)

此时 ωn = √22.02 ≈ 4.69 rad/s，ζ = 2.01 / (2 × 4.69) ≈ 0.214。

阻尼比从 0.707 掉到 0.214，超调从 4.3% 涨到大约 48%，振荡明显。响应确实变快了，上升时间缩短不少，但代价是剧烈超调和更长的调节时间。这就是第 4 节讲的稳快矛盾，在一个具体例子里活生生地摆在眼前。

如果把 K 继续加大到 5，闭环特征方程变成 s² + 2.01s + 102.02，ωn ≈ 10.1，ζ ≈ 0.0995，超调超过 70%，基本没法用了。再大下去，极点实部虽然还是负的，但阻尼太小，任何一点延迟都可能让它失稳。这也是为什么实际调参不会一味加大比例增益，通常要配合微分项来增加阻尼，或者加积分项消除稳态误差。

提示：这组仿真建议至少跑三遍，K 取 0.5、1、5，把三条阶跃响应画在同一张图上对比。看一眼这三条曲线的差别，比读十页文字更能理解增益对稳定性和快速性的影响。

7. 常见问题与排查：我踩过的坑和速查表

7.1 概念类错误

把开环和闭环的方块图搞混。典型错误是闭环图里忘了画反馈路径，或者反馈路径从执行机构引出而不是从输出引出。判断方法很简单：看反馈信号是不是被控量的测量值，不是就是画错了。

认为闭环一定比开环好。前面讲过，闭环有成本、噪声、稳定性风险三重代价。有些场景开环反而更合适，比如负载极其稳定、精度要求不高的传送带调速。

把负反馈的减号当成可有可无的装饰。这个符号决定系统收敛还是发散，化简过程中一旦丢失，后面全错。养成习惯：每次化简前把比较点符号单独标出来。

混淆偏差与误差。第一章混用问题不大，但要记住两者的定义差别，后面做稳态误差计算时会用到。

把传递函数当成万能公式。传递函数只对线性定常系统、零初始条件成立，遇到非线性、时变、大范围动作的场景，要么线性化，要么换方法。

7.2 计算类错误

单位不统一。这是最高频的错误来源。电感 H、电容 F、电阻 Ω、转动惯量 kg·m²、转矩 N·m，全部要统一到国际单位制。我见过把毫亨直接当亨代入的，算出来的 ωn 差了三十多倍。

拉氏变换初始项漏掉。做微分性质变换时忘了减 f(0)，导致结果多出一项常数。第一章因为假设零初始条件，这个问题不明显，但一旦做实际系统分析就会暴露。

方框图化简符号错。比较点移动、引出点移动时，补乘补除的环节搞反，或者正负号弄错。排查方法是移动前后各写一遍输入输出关系式，两边必须恒等。

特征方程写错。闭环特征方程是 1 + G(s)H(s) = 0，不是 G(s)H(s) = 0，也不是 1 − G(s)H(s) = 0（除非是正反馈）。这个式子后面每一章都要用，第一章就要写熟。

极点零点算错。多项式求根时符号出错，或者把分子分母搞反。用代码验证一下，几秒钟的事。

7.3 工具与学习路径建议

工具方面，我的建议是手算和代码各占一半。手算建立直觉，代码验证结果。纯靠代码会失去对数量级的敏感，纯靠手算容易在复杂系统上卡死。

学习路径上，第一章不要贪快。我的经验是花一周时间，把概念、数学、一个完整建模例子三块都过一遍，比三天翻完书有用得多。具体安排可以这样：前两天读概念画方块图，第三天补拉氏变换，第四五天学传递函数和方框图化简，第六七天做那个电机例子，手算加仿真对照。

还有一个很实用的小技巧：每学完一个概念，试着用它解释一个身边的现象。学完负反馈，解释一下空调为什么能恒温；学完稳态误差，解释一下为什么老式稳压电源带载后电压会掉一点。能解释通，说明真懂了；解释不通，回去再看。

最后分享一个我在实际项目中养成的习惯：拿到任何一个控制系统，先不看参数，先画方块图，标出给定、输出、扰动、反馈四个位置，然后问自己这三个问题——反馈是负的吗，扰动从哪进，稳态误差靠什么消除。这三问答完，系统的基本盘就清楚了，剩下的才是调参和优化。第一章教的其实就是这套提问方式，公式只是配套工具。