做传感器仿真这几年，我最大的感受是：很多人在实验室里搭实物电路之前，其实完全可以通过仿真把方案验证清楚，省下大量绕弯子的时间。就拿这次要聊的差动电容式位移传感器来说，用MATLAB做仿真研究，既能快速摸清位移与电容变化之间的内在关系，又能提前预判非线性误差、灵敏度边界这些关键指标，对后续电路设计和结构优化帮助非常大。这篇文章我会从模型推导、仿真架构、代码实现到问题排查，把整个研究过程完整拆开来讲，希望能给正在做传感器设计或者课程项目的朋友一些能直接上手的参考。

1. 差动电容式位移传感器：从物理原理到数学模型

1.1 差动结构的设计逻辑：为什么一定要用“差动”

先说说传感器本身。电容式位移传感器的基本思想并不复杂，就是一个平行板电容器，极板间距或者极板正对面积一旦发生变化，电容量就会跟着改变。最常见的变极距型结构，电容量和极板间距之间是反比关系，这就导致一个问题：如果只用一个电容来测位移，输出特性天然就是非线性的，而且温度、湿度、电源波动这些共模干扰会直接叠加在测量结果上，非常头疼。

差动结构的思路就是用两个电容来配合工作。中间一个可动极板，上下各一个固定极板，形成一个对称结构。当动极板在外部作用下发生位移时，它到上方极板的距离减小，到下方极板的距离增大，于是两个电容一个变大、一个变小。把两个电容的差值作为输出，好处非常明显：温度变化、介电常数漂移这类同时作用于两个电容的共模干扰，在相减的过程中会被大大抵消；同时，差动输出在原理上让灵敏度翻倍，线性范围也比单电容结构宽了不少。

选择差动结构不是拍脑袋的决定，而是工程上的必然取舍。单电容结构虽然简单，但要做到高精度，就得额外设计复杂的线性化电路和温度补偿网络，成本高、调试难度大。差动结构用一组对称电容解决了大部分问题，物理上就完成了“信号相减”的操作，后面电路只需要做差动放大，难度瞬间降了一个量级。

1.2 核心数学推导：位移与电容变化的精确关系

搞清楚了结构，接下来就要把物理规律变成可以放进MATLAB里的数学表达式。平行板电容器的经典公式大家都熟悉：

C = εS / d

其中ε是极板间介质的介电常数，S是极板正对面积，d是极板间距。对于差动结构，假设初始状态下两个电容的极距都是d0，动极板向上位移x，那么上方电容C1的极距变成d0 - x，下方电容C2的极距变成d0 + x：

C1 = εS / (d0 - x)

C2 = εS / (d0 + x)

初始电容值为C0 = εS / d0。两个电容的差值：

ΔC = C1 - C2 = εS [1/(d0 - x) - 1/(d0 + x)] = εS · 2d0x / (d0² - x²)

继续整理，用初始电容C0做归一化：

ΔC / C0 = 2x / d0 · [1 / (1 - (x/d0)²)]

这个表达式很关键。等号右侧的2x/d0部分是线性项，而分母上的1 - (x/d0)²部分就是非线性误差的来源。当位移x远小于d0时，分母接近1，输出和位移近似成正比；但当x增大到d0的百分之几甚至更高，非线性就变得明显了。

我在仿真时习惯把这个精确表达式和它的线性近似放在一起对比，直接画出误差曲线。这样做的好处是，你一眼就能看出在什么位移范围内传感器能达到你想要的精度等级，为量程设计提供最直接的数据依据。

1.3 线性化与误差来源：仿真必须知道的近似边界

上一步的数学推导已经把非线性问题摆在了桌面上。实际工程中，差动电容传感器的量程通常不会取满整个d0区间，一般会把位移限制在d0的±10%到±30%以内，具体取决于精度要求。仿真研究的一个重要任务，就是量化在不同位移范围内非线性误差到底有多大。

从表达式可以看出，误差主要由(x/d0)²这一项决定。比如当x = 0.1d0时，(x/d0)² = 0.01，也就是说非线性误差大约在1%的量级；当x = 0.2d0时，误差就飙升到4%左右。这个规律在仿真中用一条曲线就能清楚展示出来，比读公式直观得多。

另外还要注意介电常数ε的温度特性。空气的介电常数受温度和湿度影响，虽然差值结构能抵消一部分共模误差，但如果两个电容区域的温度不一致，还是会引入残余误差。在仿真模型里，可以把介电常数设置成一个随温度小幅度变化的量，观察它对输出的影响，这样模型就更加接近实物表现。

2. MATLAB仿真系统的整体设计思路

2.1 仿真分层：把复杂问题拆成可验证的模块

很多朋友做仿真习惯把参数、计算、画图全堆在一个脚本里，运行一遍出个图就算完事。这种做法在一次性验证时没问题，但一旦需要调整参数、对比不同方案，就非常痛苦。我自己的习惯是把仿真拆成三层来组织。

第一层是参数定义层。所有需要调整的物理参数，比如极板面积S、初始极距d0、介电常数ε、位移范围、采样点数，全部集中放在脚本最前面，并写上清晰的注释。这样做的好处是，你不需要在代码里到处找参数——想改哪个值，直接到参数区改，后续所有计算和图表都会跟着更新。

第二层是核心计算层。这里实现电容计算、差动输出、归一化、线性误差分析等功能。每一段计算都封装成独立的小节，甚至封装成函数，方便复用。比如差动电容计算可以写成一个函数，输入位移向量和结构参数，输出C1、C2和ΔC，这样在不同场景（扫参、优化、对比）下都能直接调用。

第三层是可视化层。MATLAB的强项就在于绘图和数据分析，把计算结果用图形方式展示出来，既能验证模型的正确性，又能直观地发现异常。仿真不是把图画出来就结束了，而是要通过图去发现问题、指导下一步优化，所以可视化层在整个架构里的地位相当重要。

2.2 关键参数与典型取值参考

参数怎么定，是仿真研究里最现实的问题。我先给一组我在仿真中常用的参数，后续如果要复现，可以直接用这组值做基线。

如果做的是课程设计，极板尺寸可以按实际实验室条件调整，不必拘泥于这组数值。重点是保持各参数之间的量级关系合理，尤其是位移不要接近d0，否则计算时(d0 - x)趋近于零，结果会直接发散，这在后面问题排查部分我会详细讲。

2.3 为什么用MATLAB：脚本式仿真在传感器研发中的优势

热词里反复出现matlab下载、matlab安装教程，说明现在还是有很多人在重新接触这个工具。那仿真差动电容式位移传感器，为什么首选MATLAB而不是别的软件？

我的看法是，MATLAB的核心优势在于“一体化”。从数学建模、数值计算、可视化成图到简单的GUI交互，全部在同一个环境里完成，学习曲线相对友好，而且语法特别贴合矩阵运算。传感器的仿真本质上就是建立数学模型、做数值计算、分析曲线规律，这套流程在MATLAB里是最顺手的。

相比Python，MATLAB在仿真领域的积累更深，很多现成工具箱（比如优化工具箱、信号处理工具箱）能够直接调用。相比Multisim这类电路仿真软件，MATLAB更侧重于系统级建模，传感器本身的行为模型用数学表达式描述起来更自由，不会被元器件库限制住。所以在传感器前期的原理验证和参数优化阶段，MATLAB确实是效率最高的选择。

3. 核心仿真实现：从零到可复现的完整流程

3.1 主程序框架与参数定义

下面进入正题。我把一个可运行的仿真程序拆开来讲，每一段代码都有明确的注释和作用。整个脚本按“参数定义 → 核心计算 → 可视化输出”的顺序组织，读者可以直接复制到MATLAB里运行。

%% 差动电容式位移传感器仿真 - 主程序 % 功能：计算差动电容输出、归一化结果、非线性误差 % 作者：个人仿真研究项目 clear; clc; close all; %% 1. 参数定义区 eps0 = 8.854e-12; % 真空介电常数，F/m eps_r = 1.006; % 空气相对介电常数，常温常压下约1.006 eps = eps0 * eps_r; % 实际介电常数 S = 1e-4; % 极板正对面积，m^2（10cm×10cm） d0 = 2e-3; % 初始极距，m（2mm） x_max = 1.6e-3; % 最大位移，m（对应80%d0） N = 200; % 采样点数 % 位移向量：从负最大到正最大，均匀采样 x = linspace(-x_max, x_max, N); % 初始电容 C0 = eps * S / d0; fprintf('初始电容 C0 = %.4f pF\n', C0 * 1e12);

运行这段代码，控制台会输出初始电容值。以这组参数计算，C0大约是0.443pF，量级上是对的——电容式位移传感器的电容值通常就在皮法级。如果你算出来的单位是F，记得转成pF再去和实物数据对比。

3.2 差动电容计算与归一化输出

参数定义好之后，就是核心的计算模块。这里要注意一个MATLAB的经典细节：数组运算要用点乘、点除（./），不是直接除。

%% 2. 核心计算：差动电容与归一化输出 % 上方电容：极距 d0 - x C1 = eps * S ./ (d0 - x); % 下方电容：极距 d0 + x C2 = eps * S ./ (d0 + x); % 差动电容 dC = C1 - C2; % 归一化差动输出 dC_norm = dC / C0; % 线性近似（理想差动输出） dC_linear = 2 * x / d0; % 非线性误差（百分比） nonlinear_error = abs(dC_norm - dC_linear) ./ abs(dC_norm) * 100; % 输出关键结果到控制台 [idx_max, ~] = max(abs(x)); fprintf('最大位移时 ΔC/C0 = %.4f\n', max(abs(dC_norm))); fprintf('最大位移时线性近似 ΔC/C0 = %.4f\n', max(abs(dC_linear))); fprintf('最大位移时非线性误差 = %.2f%%\n', max(nonlinear_error));

这里重点看一下归一化差值表达式和线性近似的对比。dC_linear就是前面推导的2x/d0，它跟我们想象中的“理想传感器”输出一致。而dC_norm是精确模型的结果，两者之间的偏差就是传感器本身的非线性误差。

我用这组参数跑过，当x_max = 0.8d0时，最大位移处的非线性误差已经很大，远超实用精度要求。这也佐证了前面说的——实际使用中不能把量程取满，必须留出足够的线性区间。

3.3 测量电路模型的接入：电容到电压的转换

传感器输出的电容变化量ΔC是微小的电学量，实际系统中还要通过测量电路转换成电压信号才好采集。仿真到这个阶段，自然要把测量电路的模型也加进来，形成一个“机械位移 → 电容变化 → 电压输出”的完整链条。

最常用的测量电路是交流电桥配合差动运放。在仿真中，我不打算做完整的电路级仿真（那是Multisim的活），而是用数学关系来等效：设激励电压幅值为Ui，电桥的灵敏度系数为K，则输出电压可以简化表示为：

Uout ≈ K · Ui · (ΔC / (2C0))

这个公式的物理意义是：输出电压正比于归一化的差动电容变化量，比例系数由电路参数决定。在MATLAB里，只需要增加两个参数和一个表达式：

%% 3. 测量电路等效模型 Ui = 5; % 激励电压幅值，V K_circuit = 10; % 电路增益系数（含电桥灵敏度、放大倍数等） Uout = K_circuit * Ui .* dC_norm / 2; % 输出电压的线性近似 Uout_linear = K_circuit * Ui .* dC_linear / 2; figure; plot(x * 1e3, Uout, 'b-', 'LineWidth', 1.5); hold on; plot(x * 1e3, Uout_linear, 'r--', 'LineWidth', 1.5); xlabel('位移 x (mm)'); ylabel('输出电压 Uout (V)'); title('差动电容传感器位移-电压特性'); legend('精确模型', '线性近似', 'Location', 'northwest'); grid on;

跑完之后你会看到，蓝色实线是一条略带弯曲的S形曲线，而红色虚线是一条过原点的直线。两条线在小位移时几乎重合，越靠近两端偏差越明显。这个图直接对应了“量程-精度-灵敏度”三者的矛盾关系，对后面优化结构参数很有指导意义。

3.4 可视化输出与结果分析

除了位移-电压特性曲线，仿真还需要把灵敏度曲线和误差曲线画出来，多维度评估传感器性能。

%% 4. 可视化输出 % 图1：差动电容与单电容对比 figure; plot(x * 1e3, C1 * 1e12, 'g-', 'LineWidth', 1.5); hold on; plot(x * 1e3, C2 * 1e12, 'm-', 'LineWidth', 1.5); plot(x * 1e3, dC * 1e12, 'b-', 'LineWidth', 2); xlabel('位移 x (mm)'); ylabel('电容值 (pF)'); title('差动电容变化曲线'); legend('C1', 'C2', 'ΔC', 'Location', 'northwest'); grid on; % 图2：非线性误差曲线 figure; plot(x * 1e3, nonlinear_error, 'r-', 'LineWidth', 1.5); xlabel('位移 x (mm)'); ylabel('非线性误差 (%)'); title('差动输出的非线性误差'); grid on; % 图3：灵敏度曲线（对位移求差分近似） % 灵敏度 = d(ΔC/C0)/dx，用中心差分近似 sens = gradient(dC_norm, x); figure; plot(x * 1e3, sens / 1e3, 'k-', 'LineWidth', 1.5); xlabel('位移 x (mm)'); ylabel('灵敏度 (1/m)'); title('归一化差动输出灵敏度'); grid on;

三张图画出来，传感器核心性能基本一目了然。电容变化曲线呈现对称关系，C1和C2一升一降，ΔC单调递增；非线性误差曲线在零位附近很小，向两端迅速上翘；灵敏度曲线则在中点附近相对平坦，两端有抬升趋势——这是因为精确模型的灵敏度本身就含有(x/d0)²项在分母上放大器效应。

4. 仿真结果分析与参数优化

4.1 线性度和量程：仿真评价体系

线性度是传感器最重要的静态指标之一，它衡量的是实际输出曲线与拟合直线之间的最大偏差。差动电容传感器虽然比单电容结构线性好很多，但也不是完全线性的，仿真研究的一个直接目标就是量化线性度、确定可用量程。

按国际通用的端基线性度计算方法，把零点和满量程点连一条直线作为参考直线，计算实际曲线对该直线的最大偏差百分比。在MATLAB里实现就是：取x的最大值和最小值，计算对应的输出值，拉一条直线，再逐点求偏差。

我实测下来这组参数在±20%d0范围内，非线性误差可以控制在1%以内；如果要求更高，比如0.1%的线性度，那量程基本上要限制在±5%d0左右。把这个数据写入仿真报告，对后续结构设计非常有参考价值。

4.2 灵敏度优化：d0、S、ε的影响规律

灵敏度的定义是单位位移引起的输出变化量，对归一化输出来说，理论灵敏度近似是2/d0。直觉告诉我们，d0越小灵敏度越高，但d0太小会带来两个副作用：一是加工装配难度增加，二是量程被压缩。所以在实际应用中，d0的选择是精度和量程的折中。

用MATLAB做参数扫描非常直观。固定其他参数，让d0从1mm到5mm变化，画出一组位移-输出曲线，你会看到斜率随d0增大而明显变缓。同理，极板面积S只影响绝对电容值的大小，不改变归一化输出的灵敏度，但更大的S意味着更大的原始电容变化量，能提高信噪比，对抗寄生电容的能力也更强。这些规律在仿真代码里都能通过几次循环跑出来，比单纯的公式分析更有说服力。

%% 参数扫描：不同初始极距对输出的影响 d0_list = [1e-3, 2e-3, 3e-3, 5e-3]; figure; hold on; for i = 1:length(d0_list) d0_tmp = d0_list(i); C0_tmp = eps * S / d0_tmp; dC_tmp = eps * S ./ (d0_tmp - x) - eps * S ./ (d0_tmp + x); dC_norm_tmp = dC_tmp / C0_tmp; plot(x * 1e3, dC_norm_tmp, 'LineWidth', 1.5, 'DisplayName', sprintf('d0=%gmm', d0_tmp*1e3)); end xlabel('位移 x (mm)'); ylabel('ΔC/C0'); title('不同初始极距下的归一化输出'); legend show; grid on;

跑完这张图你会发现，d0越小，曲线斜率越高，但两端的非线性弯曲也更明显。工程上常说“灵敏度高意味着线性范围窄”，仿真恰好把这个矛盾可视化地呈现出来。

4.3 动态特性与噪声影响：更接近真实世界的拓展

静态特性只是仿真研究的第一步，如果想逼近实物运行状态，还需要考虑动态响应和噪声的影响。差动电容传感器的动态特性主要受测量电路中的RC时间常数限制，可以用一阶惯性环节来模拟：

H(s) = 1 / (τs + 1)

其中τ由等效电阻和电容乘积决定。在MATLAB中，可以用lsim函数或简单的差分方程模拟阶跃响应和频率响应，看传感器对快速位移变化的跟随能力。

噪声方面，电容检测电路最常见的噪声来源是放大器的电压噪声和电流噪声，还有寄生电容的耦合干扰。仿真时可以在理想输出上叠加高斯白噪声，观察信噪比对位移分辨率的影响。这部分的结论往往比较直观：噪声幅值越大，能分辨的最小位移就越大，这也是传感器设计必然要面对的现实问题。

%% 加入噪声的仿真 % 模拟加入高斯白噪声后的输出电压 noise_std = 0.005; % 噪声标准差，V量级 Uout_noisy = Uout + noise_std * randn(size(Uout)); figure; plot(x * 1e3, Uout, 'b-', 'LineWidth', 2); hold on; plot(x * 1e3, Uout_noisy, 'r.', 'MarkerSize', 4); xlabel('位移 x (mm)'); ylabel('输出电压 Uout (V)'); title('含噪声的差动电容传感器输出'); legend('理想输出', '含噪声输出', 'Location', 'northwest'); grid on;

4.4 结构参数的全局优化思路

当仿真模型足够可靠，就可以开始做参数优化了。优化的目标通常是“在满足线性度约束下最大化灵敏度”，或者“在满足灵敏度下限时最大化量程”。这是一个典型的多目标优化问题。我常用的做法是在MATLAB里先把参数网格打好，然后循环计算每个参数组合下的性能指标，最后用热力图或三维曲面把性能分布展示出来。

比如把d0和S作为两个可调参数，横轴是d0，纵轴是S，颜色表示在±10%d0范围内的最大非线性误差，你会直观看到哪些区域满足精度要求，哪些区域不合格。这种全局视野比单点扫参要高效得多。

5. 常见问题与排查技巧实录

5.1 “仿真发散”的真正原因

热词里出现“仿真发散”，这在做差动电容仿真时很常见，尤其是新手上路的时候。我自己最开始跑代码就遇到过一栋现象：位移取到接近d0的位置，计算结果瞬间变成Inf或者NaN，曲线直接飞到天上去。

原因并不神秘。看分母d0 - x或d0 + x，当x趋近于d0时，分母趋近于零，电容值趋向无穷大，数值溢出。这是数学模型本身的边界条件决定的，不是MATLAB算错了。解决办法有三个层面：一是缩小位移范围，限制在线性区间内；二是在计算前加一个判断，如果|x| >= 0.9*d0就给出警告；三是用归一化的表达式直接计算，避免出现大数除以极小数的中间过程。

另外还要检查是不是用了不带点的运算符。我见过不少矩阵维度不匹配或者算出矩阵而非向量的情况，最后都是因为把./写成了/。

5.2 单位与量级：最隐蔽的错误来源

做传感器仿真，单位错误是最隐蔽但危害最大的问题。电容值小到皮法级，位移小到毫米级甚至微米级，单位一混，结果就会差好几个数量级。比如S用cm²计算，但d0用m换算，最后算出的电容量级完全不对。

我自己的习惯是全程使用国际单位制（SI）：长度一律用m，面积用m²，介电常数用F/m，最后输出结果时再转换为mm、pF等单位展示。在代码开头可以写清楚注释，一旦出现量级异常，首先检查单位换算，其次是检查是不是漏了eps0没乘。这种习惯在长时间仿真工作里能省下大量排查时间。

5.3 曲线不平滑、图例错位等绘图问题

MATLAB绘图的小问题也比较多。最常见的是采样点数N取得太少，导致曲线出现折线感。解决办法是增大N，比如取500或1000。还有一个问题是图例位置遮挡了曲线关键区域，可以通过手动指定Location参数来调整，比如放在northwest、southeast等位置。另外加grid on让网格显示出来，读图体验会好很多。

如果你画的曲线出现错误的“空心圆”和“实心圆”，这是因为没指定线型时默认用点标记。给plot加上'LineWidth'和'Color'参数，就能得到漂亮的实线曲线。

5.4 一套提升效率的仿真调试流程

最后分享一套我测试过的调试流程。先跑通最小模型，只计算静特性，不接测量电路、不加噪声；确认曲线符合物理规律后，再逐步加入测量电路模型、噪声模型、动态特性模型。每一步都验证结果，出了问题能快速定位到具体模块。不要一上来就搭全流程大模型，那样一旦报错或者结果不对，你根本分不清是传感器模型的问题还是电路模型的问题。

脚本文件建议用“日期+内容”的方式命名，比如capacitive_sensor_v1_静特性.m、capacitive_sensor_v2_含电路.m，方便版本追溯。仿真参数和仿真结果要养成随手保存的习惯，后面写报告、改方案的时候就知道这个习惯有多重要。

结语：实际走通之后的一点体会

把这套仿真流程完整跑一遍之后，我最大的收获是：很多在教科书上看似简单的公式，放到仿真里去验证的时候，往往会碰到各种意想不到的细节问题。比如归一化表达式的适用范围、非线性误差的量级评估、电路负载效应对输出的影响——这些光靠手推公式很容易被忽略，但仿真会毫不留情地把它们暴露出来。

差动电容式位移传感器的仿真研究，本质上就是在“结构参数—输出性能—应用约束”这三者之间找到平衡点。通过MATLAB把这条链路完整打通之后，你会发现自己对传感器工作原理的理解，从“套公式”进入了“有工程直觉”的阶段。之后再去看实物电路设计或产品选型，思路会清晰非常多。希望这篇笔记能帮助正在做类似课题的朋友少走一些弯路。