在自动控制理论中，系统稳定性是一个至关重要的概念。它直接关系到系统能否在实际运行中保持预期的性能。根轨迹分析是判断系统稳定性的常用方法之一。下面，我将详细介绍根轨迹的八条法则，帮助大家轻松理解系统稳定性。
法则一：根轨迹的起始点
根轨迹的起始点总是位于复平面的s平面中，且位于系统的开环传递函数的极点上。
法则二：根轨迹的终点
根轨迹的终点总是位于s平面的虚轴上。这是因为系统的闭环极点必须是共轭复数，以确保系统的稳定性。
法则三：根轨迹的分支数
根轨迹的分支数与开环传递函数的极点数相等。每个极点都对应一条根轨迹分支。
法则四：根轨迹的对称性
根轨迹具有对称性，即如果一条根轨迹在s平面的某个位置存在，那么在s平面的对称位置也会存在一条根轨迹。
法则五：根轨迹的连续性
根轨迹是连续的，它们不会中断或出现跳跃。
法则六：根轨迹的渐近线
根轨迹与s平面的渐近线相交于一定数量的点。渐近线的数量等于开环传递函数的零点数。
法则七：根轨迹的渐近线夹角
根轨迹的渐近线之间的夹角可以通过以下公式计算： [ \theta = \arctan\left(\frac{2Kp}{1 - Kp}\right) ] 其中，( Kp ) 是根轨迹上的增益。
法则八：根轨迹与闭环极点的交点
当系统增益从0增加到无穷大时，根轨迹上的点将移动到s平面，并与闭环极点相交。这些交点对应于系统的不同增益下系统的稳定性。
实例分析
假设我们有一个开环传递函数： [ G(s) = \frac{K}{(s+1)(s+2)} ]
根据上述法则，我们可以绘制根轨迹，并分析系统的稳定性。以下是一个简单的Python代码示例，用于绘制根轨迹：
import numpy as np
import matplotlib.pyplot as plt
# 定义开环传递函数的增益K
K_values = np.linspace(0, 5, 100)
# 定义s平面上的点
s_points = np.linspace(-10, 10, 1000)
# 计算闭环传递函数的极点
poles = -1 + K_values / (1 + K_values)
# 绘制根轨迹
plt.plot(s_points, poles, 'r-')
plt.axhline(0, color='k')
plt.axvline(0, color='k')
plt.title('Root Locus')
plt.xlabel('Real Axis')
plt.ylabel('Imaginary Axis')
plt.grid(True)
plt.show()
通过观察根轨迹图，我们可以确定系统在不同增益下的稳定性。如果根轨迹全部位于s平面的左半平面，则系统是稳定的。
总结来说，掌握根轨迹的八条法则可以帮助我们更好地理解系统稳定性。通过分析和绘制根轨迹，我们可以优化系统的参数，确保其在实际运行中保持稳定。