MATLAB sectorplot函数在控制系统频域分析中的应用

1. MATLAB sectorplot函数深度解析

sectorplot是MATLAB控制系统工具箱中一个强大的频域分析工具，专门用于评估动态系统在特定扇区约束下的性能表现。作为一名长期使用MATLAB进行控制系统设计的工程师，我发现这个函数在鲁棒性分析和稳定性验证中具有不可替代的价值。

1.1 扇区分析的核心概念

扇区分析本质上是一种频域方法，用于验证系统输入输出信号是否满足特定的二次约束条件。在实际工程中，我们经常需要确保系统响应位于某个安全区域内，例如：

• 控制信号与输出信号的比值不超过某个阈值
• 系统能量耗散满足特定不等式
• 非线性元件满足扇形边界条件

数学上，一个扇区可以表示为：
S =

其中Q是一个对称不定矩阵，决定了扇区的几何形状。sectorplot函数的核心就是计算并可视化系统H在不同频率下相对于给定Q矩阵的扇区指数。

1.2 函数语法详解

sectorplot提供了多种调用方式，适应不同分析需求：

基本调用形式：

matlab复制sectorplot(H,Q)  % 自动选择频率范围
sectorplot(H,Q,w)  % 指定频率点/范围

多系统比较：

matlab复制sectorplot(H1,H2,...,HN,Q)  % 比较多个系统
sectorplot(H1,LineSpec1,...,HN,LineSpecN,Q)  % 自定义显示样式

高级配置：

matlab复制sectorplot(___,plotoptions)  % 使用SectorPlotOptions对象定制图形

数据输出模式：

matlab复制[index,wout] = sectorplot(H,Q)  % 返回指数和频率向量
index = sectorplot(H,Q,w)  % 返回指定频率的指数

提示：当需要批量生成标准化图形或编写自动化脚本时，plotoptions参数特别有用，可以确保图形样式不受本地MATLAB预设影响。

2. 扇区指数的数学原理与计算

2.1 扇区矩阵的分解

理解sectorplot的输出需要先掌握其背后的数学原理。给定对称矩阵Q，首先进行正交分解：
Q = W₁W₁ᵀ - W₂W₂ᵀ, W₁ᵀW₂ = 0

这个分解将Q分为正定和负定两部分，其中：

• W₁对应Q的正特征值部分
• W₂对应Q的负特征值部分

只有当W₂ᵀH在所有频率下都保持可逆时，扇区分析才有意义。这种情况下，扇区指数实际上是以下传递函数矩阵的H∞范数：
(W₁ᵀH(jω))(W₂ᵀH(jω))⁻¹

2.2 指数解读规则

扇区指数的物理意义非常直观：

• 指数 < 1：该频率下系统满足扇区约束
• 指数 > 1：该频率下系统违反扇区约束
• 指数 = 1：系统正好处于扇区边界

在实际应用中，我们通常希望所有频率下的指数都小于1，这意味着系统全局满足扇区条件。

3. 典型应用场景与实例解析

3.1 单输入单输出系统验证

考虑传递函数G(s) = (s+2)/(s+1)，我们需要验证其I/O轨迹是否位于扇区：
S =

实现步骤：

1. 构造对应的Q矩阵：

matlab复制a = 0.1; b = 10;
Q = [1 -(a+b)/2; -(a+b)/2 a*b];

2. 构建扩展系统H = [G;1]：

matlab复制G = tf([1 2],[1 1]);
H = [G;1];

3. 绘制扇区指数：

matlab复制sectorplot(H,Q);

结果分析： 图形显示所有频率下指数都小于1，验证了系统满足约束条件。

3.2 多输入多输出系统分析

对于MIMO系统，sectorplot会为每个输入输出通道生成单独的曲线。例如分析一个2×2系统：

matlab复制load("sectorExampleSystem.mat","H1");
Q = [-5.12 2.16 -2.04 2.17;
     2.16 -1.22 -0.28 -1.11;
     -2.04 -0.28 -3.35 0.00;
     2.17 -1.11 0.00 0.18];
sectorplot(H1,Q);

关键发现： 在约0.5 rad/s以下和3 rad/s附近，某些通道的指数超过1，表明系统在这些频段不满足扇区约束。

3.3 复系数系统处理

复系数系统的分析需要特别注意频率轴表示：

matlab复制A = [-3.50,-1.25-0.25i;2,0];
B = [1;0];
C = [-0.75-0.5i,0.625-0.125i];
D = 0.5;
Hc = [ss(A,B,C,D);1]; % 复系数系统

load("sectorExampleSystem.mat","Hr") % 实系数系统

Q = [1 0.1;0.1 -1];
opt = sectorplotoptions;
opt.FreqScale = 'Linear'; % 切换为线性频率轴
sectorplot(Hc,Hr,Q,opt)
legend('Complex','Real','Location','southwest')

显示特点：

• 对数坐标：显示正负频率两个分支
• 线性坐标：频率轴对称显示，包含负频率响应

4. 高级应用技巧与问题排查

4.1 自定义图形样式

通过SectorPlotOptions对象可以精细控制图形显示：

matlab复制opt = sectorplotoptions;
opt.YLim = [0 2]; % 设置Y轴范围
opt.XScale = 'log'; % 对数频率轴
opt.Grid = 'on'; % 显示网格
opt.Title.String = 'Custom Sector Plot'; % 自定义标题
sectorplot(H,Q,opt);

4.2 常见问题解决方案

问题1：奇异矩阵错误

• 原因：W₂ᵀH在某些频率不可逆
• 解决：检查Q矩阵的正交分解是否有效，或尝试不同的Q

问题2：指数曲线不连续

• 原因：频率点采样不足
• 解决：增加频率点数或调整范围：

matlab复制w = logspace(-2,2,500); % 500个对数间隔点
sectorplot(H,Q,w);

问题3：复系统显示异常

• 原因：频率轴设置不当
• 解决：明确指定频率范围并选择合适的刻度：

matlab复制opt = sectorplotoptions;
opt.FreqScale = 'Linear';
sectorplot(Hc,Q,{0.1,10},opt);

4.3 性能优化建议

对于大型系统或高频段分析：

1. 预先计算频率响应：

matlab复制[resp,freq] = freqresp(H,w);

2. 使用稀疏矩阵表示Q
3. 考虑降阶模型近似

5. 工程应用中的实践经验

在实际控制系统设计中，我发现sectorplot特别适用于：

非线性系统分析：
通过描述函数法将非线性元件转换为等效频域表示，然后用sectorplot验证稳定性。

鲁棒控制器验证：
在存在模型不确定性时，绘制多个样本系统的扇区指数来评估鲁棒性能。

被动性验证：
当Q取特定形式时，扇区分析可退化为被动性检查，此时：

matlab复制Q = [0 1;1 0]; % 对应被动性条件
sectorplot(G,Q);

一个实用的调试技巧：
当扇区指数在关键频段接近1时，可以放大该区域进行详细检查：

matlab复制w_detail = linspace(0.8,1.2,200); % 聚焦0.8-1.2 rad/s
sectorplot(H,Q,w_detail);

通过多年实践，我总结出扇区分析的最佳工作流程：

1. 明确设计规范，转化为Q矩阵形式
2. 进行初步频域扫描，识别问题频段
3. 针对关键频段进行细化分析
4. 结合时域仿真验证结果

这种频域分析与时域验证相结合的方法，在多个工业控制项目中帮助我高效地解决了复杂的稳定性问题。