1. 为什么液压伺服电动机的状态空间设计值得专门写一篇

做液压控制的人，十有八九一开始都习惯用传递函数去描述对象。伺服阀、液压马达加上转动负载，看起来就是“输入给阀电流，输出转个角度”的一根线。我也是从这条路走过来的，但真的把模型搭进Matlab做仿真时，才发现传递函数方式在液压伺服电动机上很别扭：伺服阀有动态，液压腔有流量连续方程，马达轴上有力矩平衡，三者互相耦合，牵一发动全身。这个项目里我采用的方案，是用状态空间表达式把整个对象建成了四阶模型，然后在Matlab里完成开环特性分析、LQR状态反馈控制和闭环仿真，最后把源码整理了出来。整个过程比单纯给一个传递函数再加个PID要透明得多。

这个项目适合谁？如果你是做电机伺服、液压伺服、机电液一体化仿真，或者刚接触状态空间控制理论但不知道怎么落地的工程师，这篇文章基本可以当一份“抄作业”手册。我不打算堆数学公式，而是把从物理方程到状态矩阵、从Matlab建模到控制参数整定的完整链路拆开讲一遍。你会发现，所谓状态空间设计，本质上就是把“这个系统内部发生了什么”老老实实写出来，剩下的交给矩阵运算和仿真曲线去验证。

1.1 液压伺服电动机的控制对象到底长什么样

液压伺服电动机，准确说应该是“伺服阀控制的液压马达系统”。它和普通电动机最大的区别在于，动力源不是电，而是压力油。伺服阀接收电指令信号，控制进入液压马达的流量；液压马达把流量转换成转速和转矩，再带动负载转动。整个系统里至少包含三个物理域：电气域（阀的驱动电流）、液压域（压力、流量）、机械域（转角、转速、负载力矩）。

控制器要控制的是马达轴的转角或者转速，但直接能改的只有伺服阀的输入电流。中间隔着“阀芯位移→输出流量→马达进出口压差→输出转矩→负载转速→转角”这么一大串环节。任何一个环节的非线性、迟滞、参数漂移都会影响最终精度。这也是为什么很多控制工程师拿到这个对象后头大：你说它是电机吧，它没有电机那样清晰的电磁转矩方程；说它是纯液压吧，又要跟机械负载耦合在一起。

状态空间方法的好处在于，它不需要硬把系统整理成一个高阶传递函数，而是把每一个物理变量当作一个状态分量摆出来，用一阶微分方程组描述它们之间的因果关系。这样，伺服阀动态放在一阶方程里，液压动态放在一阶方程里，机械动态再放一个一阶方程，结构清晰，后续想加负载扰动、加观测器、加饱和限制，都是在同一个框架上修修补补。

1.2 传递函数在这里为什么不好用

不是说传递函数一无是处。单入单出、线性定常、参数基本不变化的场合，传递函数加Bode图是最快的。但液压伺服电动机恰好不是这种“乖对象”：第一，模型里阀的时间常数、液压固有频率、机械阻尼会随油温、供油压力、负载惯量变化而变化，传递函数的零极点位置跟着飘，你很难说“这一套参数永远成立”；第二，系统内部状态多，中间的压力、流量、阀芯位移都有物理限制，传递函数只能看到端口的输入输出，看不到这些内部状态；第三，如果要做现代控制，比如状态反馈、LQR、观测器，传递函数根本提供不了状态信息。

用状态空间还有一个很实际的好处：它天然适合Matlab/Simulink的数值仿真。你只需要把A、B、C、D四个矩阵填进去，ss(A,B,C,D)一句命令就建立起模型。后面无论是求特征值、画Bode、设计LQR还是做蒙特卡洛参数扫描，都是矩阵运算，非常顺手。下面我就用这个项目里的具体推导过程，把四阶状态空间模型一步一步写出来。

2. 从物理方程推导四阶状态空间模型

建模不能凭空拍脑袋，所有状态矩阵都是从物理规律里长出来的。这个系统我用了三个核心方程：马达轴上的力矩平衡方程、液压腔的流量连续方程、伺服阀阀芯的运动方程。把它们联立起来，选四个状态变量，就能写成标准状态空间形式。

2.1 三个核心物理方程

第一个是马达轴上的力矩平衡。液压马达把压差变成转矩，这个转矩一部分克服负载力矩，一部分克服黏性阻尼，剩下的用来加速转动惯量：

J_t * dω/dt = D_m * p_L - B_m * ω - T_L

其中J_t是折算到马达轴上的总转动惯量，D_m是马达弧度排量，p_L是负载压差（即进出油口压差），B_m是黏性阻尼系数，T_L是负载力矩。这个方程说明了“压差产生力矩，力矩推动负载”这一条主线。

第二个是液压腔的流量连续。伺服阀供给液压马达的流量，一部分用于推动马达旋转，一部分补上泄漏，还有一部分用来压缩油液、建立压力：

Q_L = D_m * ω + C_tp * p_L + (V_t / (4 * β_e)) * dp_L/dt

Q_L是伺服阀的负载流量，C_tp是总泄漏系数，V_t是液压马达两个工作腔加上阀到马达之间管道的总容积，β_e是油液等效体积弹性模量。注意V_t要除以4，这是双作用液压马达两个腔同时工作的标准处理方式。这个方程是液压系统建模里最容易出错的地方，我后面会专门讲。

第三个是伺服阀阀芯的动态。严格说伺服阀是三阶甚至更高阶的，但工程上做线性化控制设计时，通常把它简化成一阶惯性环节：

τ_v * dx_v/dt + x_v = K_sv * u

x_v是阀芯位移，τ_v是阀的时间常数，K_sv是阀芯位移对输入电流的增益。同时，阀的负载流量近似等于阀芯位移乘以流量增益：

Q_L = K_q * x_v

这样表达的好处是，液压方程和阀动态之间通过x_v直接衔接，控制输入u最终只出现在阀那一阶方程里。

2.2 状态变量选取与矩阵推导全过程

这个模型的自然状态变量选四个：

• x1 = θ_m：马达轴转角
• x2 = ω_m：马达轴角速度
• x3 = p_L：负载压差
• x4 = x_v：伺服阀阀芯位移

控制输入u就是伺服阀的驱动电流/电压，输出y取角度θ_m。因为实际系统里最常见的反馈传感器就是角度编码器或旋转变压器，转角是最容易测量的量。

把四个变量带入三个物理方程，先补一个运动学关系：

dθ/dt = ω

然后推导出四个一阶微分方程：

• dx1/dt = x2
• dx2/dt = (-B_m/J_t) * x2 + (D_m/J_t) * x3 - T_L/J_t
• dx3/dt = (-4β_e/V_t) * D_m * x2 - (4β_e/V_t) * C_tp * x3 + (4β_e/V_t) * K_q * x4
• dx4/dt = (-1/τ_v) * x4 + (K_sv/τ_v) * u

写成标准状态空间矩阵就是：

A = [ 0, 1, 0, 0; 0, -B_m/J_t, D_m/J_t, 0; 0, -(4β_e/V_t)*D_m, -(4β_e/V_t)*C_tp, (4β_e/V_t)*K_q; 0, 0, 0, -1/τ_v] B = [0; 0; 0; K_sv/τ_v] C = [1, 0, 0, 0]

这套推导里最核心的就是x3那一行。很多人漏了泄漏项或漏了压缩项，导致后面仿真出来的压力曲线振荡频率差好几倍。第三行每一项都有明确物理含义：D_mx2是“旋转带走流量”，C_tpx3是“泄漏损失流量”，K_q*x4是“阀供给流量”。流量不平衡就等于压力的变化率乘以容积模量，这就是液压系统的本质。

2.3 参数取值与数量级验证

仿真不能凭空设参数，我这里给的是工程上比较典型的一组数值：

参数选完后一定要做量级验证，这是仿真前最重要的一步。液压固有频率可以用下面这个公式粗算：

ω_h = sqrt(4 * β_e * D_m² / (V_t * J_t))

代入数值后根号里约等于26880，开方得到164 rad/s，换算频率约26Hz。也就是说，这个系统即使不加任何控制，机械液压耦合模态就在26Hz附近，闭环控制带宽如果想做到超过这个频率的3到5倍，基本不现实，压力脉动会非常大。这个结论对后续设计LQR非常有指导意义：别指望把系统压得太快，否则阀会饱和，压差会超出供油压力限制。

3. Matlab源码实现与开环特性分析

模型推导完，接下来就是把矩阵填进Matlab。这个项目里我用的是最直接的ss对象，而不是Simulink拖模块，因为状态空间模型用ss表达最紧凑，也方便后续直接调用lqr、step、eig这些函数。

3.1 核心建模代码

%% 液压伺服电动机四阶状态空间模型与仿真 clc; clear; close all; % ---------------- 物理参数 ---------------- Dm = 1.2e-5; % 马达排量，m^3/rad Jt = 0.05; % 总转动惯量，kg·m^2 Bm = 0.1; % 黏性阻尼系数，N·m·s/rad Ve = 3e-4; % 两腔总容积，m^3 beta_e = 7e8; % 等效体积弹性模量，Pa Ctp = 5e-13; % 总泄漏系数，m^5/(N·s) Kq = 0.09; % 伺服阀流量增益，m^2/s Ksv = 0.01; % 阀芯位移增益，m/V tau_v = 0.002; % 伺服阀时间常数，s % ---------------- 状态矩阵 ---------------- A = [ 0, 1, 0, 0; 0, -Bm/Jt, Dm/Jt, 0; 0, -(4*beta_e/Ve)*Dm, -(4*beta_e/Ve)*Ctp, (4*beta_e/Ve)*Kq; 0, 0, 0, -1/tau_v]; B = [0; 0; 0; Ksv/tau_v]; C = [1, 0, 0, 0]; D = 0; sys = ss(A, B, C, D); % ---------------- 查看开环极点 ---------------- damp(sys) eig(A)

运行这段代码，damp(sys)会给出四个极点。你会看到一个积分极点（由转角θ_m带来），一对由液压弹簧和转动惯量构成的机械液压耦合极点，还有一个离原点比较远的阀极点。开环系统是不稳定的——因为有个积分环节，输入一加，转角会一直跑下去，不会自己停。这非常符合直觉：液压马达没有位置反馈，本身就不是伺服系统，只是一个执行机构。

3.2 状态变量归一化：一个容易被忽略的关键操作

直接拿原始矩阵去做LQR，十有八九会被矩阵条件数坑到。原因很简单：x1是转角，量级在零点几到几弧度；x3是压力，量级在几百万帕；x4是阀芯位移，量级在千分之几米。它们差了六七个数量级。

我在这套仿真里做了状态归一化。方法是用一个对角缩放矩阵S，把各个状态除以各自的“特征量级”：

% 状态缩放矩阵，按各状态的典型工作范围选取 S = diag([1, 100, 1e7, 1e-3]); % 缩放后的状态空间 At = S \ A * S; Bt = S \ B; Ct = C * S; sys_scaled = ss(At, Bt, Ct, D);

缩放矩阵的作用是，令新的状态变量变为z = S⁻¹ * x，也就是把原来的速度x2约化成“以100 rad/s为单位量级”的量，把压力x3约化成“以10 MPa为单位量级”的量。这样At矩阵的各个元素数量级接近，LQR里的Q矩阵权重才能用统一的尺度去比较。如果不缩放，你会发现Q里给位移的权重稍微改一个数量级，整个闭环动态就剧烈变化，那完全是被数值尺度欺骗了，不是物理规律。

3.3 开环特性怎么读

用damp(sys)算完极点之后，建议顺手做两个额外验证。第一个是用bode(sys)看截止频率，特别是机械液压模态那个频率附近，相频曲线会有一个明显下降，这能帮你确认模型没有因为参数错误而出现违背物理的相位特性。第二个是画一下阀芯到压力状态的传递响应，确认压力建立速度大致符合流量连续方程。

我这里用开环响应的物理直觉说明一下：给一个固定阀电流阶跃，阀芯先动，压力在两三个毫秒内建立起来，然后马达开始加速，转角就一直积分下去。任何中间环节如果出现“压力比阀还会快”或者“转角没动但压力疯狂振荡”的现象，说明C_tp或者β_e的量级有问题，回去检查单位。

4. 状态反馈控制器设计与闭环仿真

开环模型搭好只是第一步，真正让系统成为“伺服电动机”的是闭环控制。这个项目里我做了两种设计思路的对比：LQR最优控制和极点配置。下面重点说LQR，因为它的权重调节更直观，也更能体现状态空间方法的价值。

4.1 LQR权重怎么定才不玄学

LQR的本质是找一个状态反馈增益K，使得代价函数最小：

J = ∫ (z_T * Q * z + u_T * R * u) dt

这个代价函数里，Q惩罚状态偏差，R惩罚控制幅度。很多初学者一上来就瞎试Q和R，试出来一个波形觉得“看起来稳了”就算完事。但如果不做状态缩放，Q的选择根本没有物理意义。我在缩放后的系统上用的是：

Q = diag([10, 1, 1, 1]); % 状态代价 R = 1e-3; % 控制代价 K_scaled = lqr(At, Bt, Q, R); % 将缩放后的增益换算到原始系统 K_orig = K_scaled / S;

这里Q的四个对角元素分别对应缩放后的角度、速度、压力和阀芯位移代价。q11=10意味着，角度偏差的代价远高于其他状态，这是伺服电动机的基本要求——位置精度是第一位的。q22=1是让速度不要太猛，q33=1是限制压力冲击，q44=1是限制阀芯大幅运动，R=1e-3则是给控制电压一定的自由度。

K_orig这一步换算特别容易出错。因为控制器实际作用在原始系统上，而LQR算出来的是针对z = S⁻¹ * x的增益，所以必须把增益再乘回S⁻¹。如果你用了缩放但忘了换算，仿真结果会完全乱套。

4.2 闭环阶跃仿真

闭环状态矩阵是A_cl = A - B * K_orig，然后建立闭环系统，给一个目标转角阶跃：

Acl = A - B * K_orig; sys_cl = ss(Acl, B, C, D); % 目标转角为5度 theta_ref = 5 * pi / 180; figure(1); step(theta_ref * sys_cl, 0.5);

这里乘上theta_ref是因为step命令默认输入幅值是1，而状态空间模型的输入是阀电流，实际上我们关心的是“给一个5度角度指令，系统能不能跟得上”。所以直接对输出乘以目标角度幅值，得到的就是转角阶跃响应。

用这组参数跑下来，闭环转角会在0.1秒左右到达5度，有轻微超调，压力曲线会先冲到十几兆帕再回落。如果觉得超调大，就把q11往下压一点，代价是响应变慢；如果觉得太慢，就加大q11或减小R，代价是控制电流峰值变大、压力冲击更剧烈。这个过程不需要玄学，LQR给了一个系统化的权衡方式。

4.3 负载扰动仿真：系统能不能扛住外力

伺服电动机经常要面对负载突变。这个项目里我做了一个很直观的仿真：给闭环系统额外加一个负载力矩输入通道，看看转角会不会被负载拉动太多、能不能自己恢复。

% 负载力矩输入矩阵 Bd = [0; -1/Jt; 0; 0]; % 双输入系统：第一输入为阀电流，第二输入为负载力矩 sys_d = ss(Acl, [B, Bd], C, [0, 0]); figure(2); step(sys_d, 0.5);

这里Bd来自力矩平衡方程中的-T_L/J_t项。仿真结果会显示，负载力矩单独作用时，转角会先被推出一个角度，然后控制器通过负反馈把它拉回来。稳态偏差理论上为零，因为系统里含有积分环节。扰动抑制速度主要取决于LQR里的角度权重，权重越大，抗扰动能力越强，但控制电压也会随之放大。

这个双输入模型值得保留下来做控制器验收。很多人在仿真里只测指令跟随，不测扰动抑制，结果装到现场一加负载就露馅。顺序应该是：先看指令跟随，再看扰动抑制，最后看控制输入有没有超过实际阀的供电范围。

5. 从仿真曲线反推系统性能与参数敏感性

仿真的目的不是“跑出来一条曲线”，而是从曲线里读出物理规律，反推系统的性能边界。这一节我用实测套路来分析仿真结果，也给几个参数扫一波，看看哪里是敏感项。

5.1 阶跃响应曲线该看哪些指标

第一步看转角曲线：稳态值是否等于指令、超调量多少、调节时间多长。第二步看压力曲线，也就是状态x3。压力曲线的峰值几乎决定了系统要配多少兆帕的供油压力：如果供油压力只有21MPa，而仿真里压力峰值已经冲到25MPa，说明系统在这个指标下会阀口全开、压力饱和，实际响应会比仿真慢得多。第三步看控制电压，也就是输入u的峰值。阀的驱动电流通常有上限，比如±40mA，仿真里如果u超过了上限，说明LQR权重给得太激进，换到现场就是阀饱和振荡。

我自己的习惯是三步走：先调Q和R让角度响应合格，再去盯压力曲线，最后回头检查控制电压。三步都过了，才敢说“这个控制器在物理上可以落地”。

5.2 参数敏感性：哪些参数不能乱拍脑袋

同一个控制器，换一组参数会发生什么？我在这个项目里做了三组对照，结论很典型：

这里面最值得警惕的是β_e。实际油液里一旦混入空气，β_e可以从7e8掉到1e8甚至更低，这意味着仿真里设计得好好的控制器，到现场会因为油液变“软”而失去稳定裕度。所以做状态空间设计时，我建议至少用β_e的上下限各算一组极点，确认闭环特征值还在可接受范围内。这个习惯能帮你规避很多现场调试时“仿真好好的，一上机就抖”的尴尬。

5.3 仿真里看不见的限制：饱和与状态不可测

状态空间仿真有个“阴谋”：它允许每个状态无限增长，控制输入也没有边界。但真实系统里，阀芯位移有机械限位，压力受供油压力限制，控制电流有放大器饱和。举例来说，LQR在仿真里可能给出一个50V的控制电压，但实际伺服阀驱动板只能输出±10V，如果不加饱和模块，仿真结果就只是“数学上的最优”，物理上根本无法实现。

处理方法很简单，在Simulink里把控制器输出接一个Saturation模块再进被控对象；如果坚持用纯M脚本，可以手动写一个限幅函数，每步仿真时钳制u。另外，状态反馈落地还需要考虑另一个问题：LQR要求所有状态都可测，但实际系统往往只有角度传感器，速度、压力、阀芯位移都没有直接测量。这就需要设计状态观测器，用可测的θ_m把其余三个状态估计出来。这个方向可以作为本项目的延伸，有精力的话把全维观测器加上去，Matlab里用observer函数也一样是几步命令的事。

6. 工程落地的几点经验与坑

模型、仿真、控制器都跑通了，最后说几句我在实际项目中踩过的经验。第一条，状态空间模型里的系数矩阵不是填完就完，一定要先做矩阵条件数检查。液压系统天然存在大跨数量级的参数，我用cond(A)一看经常是几万甚至更高，这时候不做归一化直接做LQR或者极点配置，数值误差会把你骗得团团转。第二条，线性化模型只能在平衡点附近有效。这套四阶模型是从三个方程在某个工作点处线性展开得到的，如果系统要频繁做正反转、大幅变速，建议用Simulink里的非线性模型做二次验证，或者在Matlab里做不同工作点的参数切换。第三条，仿真参数一定要跟物理极限对照起来，供油压力、阀额定流量、驱动电流上限，每一个约束都能对应到仿真曲线上的一个异常表现。

再说一个容易被忽略的细节：状态空间的C矩阵如何选择，直接决定了你后面能不能做观测器。如果C只取角度，那么系统是可观测的吗？对这个四阶模型来说，从转角确实可以观测出速度和压力，因为液压动态和机械动态耦合在A矩阵里，观测性矩阵基本满秩。但如果把输出改成阀芯位移x_v，就会发现压力状态几乎不可观测，因为x_v和x3之间只有间接关系。所以传感器选哪个量，不只是测量问题，也决定了控制算法的可行性。

最后一点感受。状态空间设计让我觉得最有价值的，不是那套矩阵运算本身，而是它强迫你把物理过程想清楚。把伺服阀、液压腔、马达负载三个子系统的方程列在一起，你自然就会理解为什么系统会振荡、为什么参数会漂移、为什么控制带宽上不去。这套四阶模型虽然已经够用，但实际上还可以扩展：把伺服阀写成二阶模型，考虑阀口非线性流量增益，甚至把油源压力波动加进来。不过这些扩展都要有基准，我建议先把现在的线性状态空间模型彻底吃透，再往上加复杂度。

以上就是这个液压伺服电动机状态空间设计与仿真项目的完整过程，Matlab源码的核心部分都在上面了。我拿这套模型跑过很多组参数，最意外的收获是，只要把泵源压力、油液容积模量和负载惯量这几个参数定准，仿真曲线和台架测试的走势基本一致。这就是状态空间建模该有的样子：它不保证你一上来就精确，但能保证你看得明白系统里每条因果关系，出了问题知道去哪儿查。