反馈定理 | 硬件学习笔记

13.2 反馈定理

上一节我们提到，Middlebrook 的 Extra Element Theorem (EET) 提供了一种极其强大的思路：不试图一口吃成胖子，而是先求解简化电路，再把额外元件的影响“拼”回去。

反馈定理是这种思想的终极进化版。

在传统的控制理论教材里，分析一个闭环系统通常意味着你要把它拆开——找到明确的“误差放大器”、“前向通路”和“反馈网络”。但这对实际电路来说是个灾难：真实的电路没有红色的虚线框，误差信号可能藏在晶体管的基极，反馈路径可能通过寄生参数悄悄建立。强行画框图，不是丢了这个参数，就是忽略了那条反馈路径。

Middlebrook 的 Feedback Theorem 绕过了这个坑。它允许我们在不识别任何模块的情况下，仅仅通过在电路的某一点注入信号，就能精确提取出环路增益 $T (s)$ 和闭环增益 $G (s)$ 。

它的核心武器是 Null Double Injection（零双注入）——一个听起来很玄学，实际上极其务实的电路分析技术。

13.2.1 基本结果：谁是你的 G，谁是你的 T？

先在脑子里搭一个通用的反馈电路：输入是 $u_{i} (s)$ ，输出是 $u_{o} (s)$ ，中间是一个看起来很复杂的反馈环路。在实验室里，如果你想测这个环路的增益 $T (s)$ ，你会照着 9.6 节的方法，断开环路，注入一个电压或电流 $u_{z} (s)$ 。

但这里有一个大家心照不宣的问题：注入点选在哪里？

如果你手滑，选在了一个阻抗不匹配的地方——比如前级阻抗很大，后级阻抗很小——那你测出来的所谓“环路增益”就是错的。这在实验室里是个大坑，但在理论分析中，我们可以作弊。

我们可以做一个思想实验：假设存在一个“理想注入点”。

在这个点上，阻抗条件完美满足（公式 9.96 或 9.100），没有任何负载效应。更重要的是，这个点还有一个特殊的身份：它必须紧挨着那个产生误差信号的源。

具体来说，理想注入点必须满足两个铁律：

身份绑定：注入信号 $u_{z}$ 必须紧跟在一个由误差信号控制的源 $u_{y}$ 后面。这意味着流过这里的信号直接正比于系统的误差。
唯一路径：从注入点到输出，必须是前向通路的必经之路。如果你把注入点短路到地（ $u_{x} = 0$ ），那么放大后的误差信号应该完全无法到达输出。

如果满足了这两个条件，我们就抓住了这个系统的“七寸”。在这个点注入，得到的 $T (s)$ 就是物理上真实的环路增益，没有任何水分。

现在，我们的图里有两个独立源：输入 $u_{i}$ 和注入源 $u_{z}$ 。我们要关注的三个信号是：输出 $u_{o}$ ，以及注入点两边的 $u_{y}$ 和 $u_{x}$ 。

我们要通过这几个源的组合，推导出系统的总传递函数 $G (s)$ 。Middlebrook 给出的答案是：

G (s) = \frac{u_{o}}{u_{i}} = G_{\infty} \frac{T}{1 + T} + G_{0} \frac{1}{1 + T} (13.1)

这公式长得有点奇怪。 $G_{\infty}$ 和 $G_{0}$ 是哪里来的？为什么 $T$ 还要除以 $1 + T$ ？

别急，这是四个“思想实验”拼出来的结果。我们需要把每个实验都过一遍。

实验 1：测量环路增益 $T (s)$

这是最 straightforward 的一个。把输入源 $u_{i}$ 关掉（置零）。只保留注入源 $u_{z}$ 。

这时候，电路里只剩下一股力量在推波助澜。我们看信号怎么流动。假设注入点这会儿有个电压 $u_{x}$ ，它顺着环路跑一圈，回来变成 $u_{y}$ 。这个比值就是环路增益：

T (s) = \frac{u_{y} (s)}{u_{x} (s)} |_{u_{i} = 0} (13.2)

因为我们在理想注入点，这个 $T (s)$ 的物理意义非常明确：它就是咱们在伯德图上画的那根曲线。

实验 2：理想正向增益 $G_{\infty} (s)$ —— 完美的世界

现在，我们把输入源 $u_{i}$ 加回来。同时，注入源 $u_{z}$ 也加进来，但这次我们有一个特殊要求：调节 $u_{z}$ ，强迫 $u_{y}$ 变为零。

注意，这里不是把 $u_{y}$ 短路到地。那是电路图操作，不是数学操作。我们是利用叠加原理，找到一对 $(u_{i}, u_{z})$ 的组合，使得 $u_{y}$ 刚好抵消为零。这就是 Null Double Injection。

在这个条件下， $u_{y} = 0$ 。由于 $u_{y}$ 正比于误差信号，这意味着误差信号为零。

想一想：如果一个系统的误差信号恒为零，这意味着什么？意味着输出完美地追踪了输入。这就是“理想”的状态。我们定义此时的增益为 $G_{\infty}$ ：

G_{\infty} (s) = \frac{u_{o} (s)}{u_{i} (s)} |_{u_{y} \to 0} (13.3)

如果你的电路用的是运放，这个状态你应该很熟悉：虚短（Virtual Short）。当 $u_{y} = 0$ （也就是差分输入电压为 0），运放的输出完全由外围电阻网络决定。此时算出来的 $G_{\infty}$ ，就是运放电路的理想闭环增益。

如果你回头看 13.1 式，当 $T \to \infty$ 时， $G (s) \to G_{\infty}$ 。这很直观：环路增益无穷大，意味着误差被强制压到零，系统处于完美的理想状态。

实验 3：直接正向传输增益 $G_{0} (s)$ —— 崩溃的世界

这次，我们换个玩法。保留 $u_{i}$ ，调节 $u_{z}$ ，但这回我们要把注入点另一边的 $u_{x}$ 置零。

同样，不是短路，是通过信号叠加让它归零。

当 $u_{x} = 0$ 时，意味着前向通路被掐断了。放大后的误差信号根本跑不到输出端去。

这时候，系统的反馈环路其实是不工作的（或者说不控制输出）。但是，输入 $u_{i}$ 还是有可能溜到输出 $u_{o}$ 去——通过哪里？通过反馈网络。

信号可能会倒着走，或者通过旁路绕过去。我们定义这个“不走前向通路”的增益为 $G_{0}$ ：

G_{0} (s) = \frac{u_{o} (s)}{u_{i} (s)} |_{u_{x} \to 0} (13.4)

回头看 13.1 式。当 $T \to 0$ （比如开环了，或者增益极低）， $G (s) \to G_{0}$ 。这说明 $G_{0}$ 代表的是系统失去了控制能力时的自然传输特性。对于某些系统（比如运算放大器），这就是通过反馈网络直通过去的泄漏信号；对于电源系统，这通常代表了开环下扰动对输出的影响。

实验 4：空环路增益 $T_{n} (s)$ —— 只是为了好算

最后这个量，物理意义稍微有点抽象，但它是为了算题方便而存在的。

还是在 $u_{i}$ 存在的情况下调节 $u_{z}$ ，但这回我们的目标是：让输出 $u_{o}$ 为零。

注意不是把输出短路！是调节注入信号，让输出电压刚好抵消到 0。此时，我们看环路里的信号关系：

T_{n} (s) = \frac{u_{y} (s)}{u_{x} (s)} |_{u_{o} \to 0} (13.5)

$T_{n}$ 被称为“空环路增益”。它看起来像 $T$ ，但其实去掉了负载效应的影响，计算起来往往比 $T$ 简单很多。

它最大的作用在于提供了一个数学上的捷径，也就是 互易关系：

\frac{T_{n} (s)}{T (s)} = \frac{G_{\infty} (s)}{G_{0} (s)} or T = \frac{T_{n} G_{\infty}}{G_{0}} (13.6)

这意味着什么？意味着我们不需要算死算活四个量。只要算出其中三个（通常 $G_{0}, G_{\infty}, T_{n}$ 都比较好算），第四个直接就出来了。而且，如果你能保持各项是因式分解的形式（比如 $\frac{(1 + s / ω_{z})}{(1 + s / ω_{p})}$ ），最后算出来的那个量也自动是因式分解的——这对设计来说太重要了。

直觉补一句：为什么偏偏是 $T_{n}$ 好算、 $T$ 难算？因为求 $T$ 时你要老老实实让信号绕完整圈，负载效应一个都躲不掉；而求 $T_{n}$ 是在「输出被强制置零」的状态下进行——这时候很多支路的电流被强制清零，复杂的并联、分压关系直接塌缩成几根线。这就是 Middlebrook 把「求最难的量」偷换成「求最容易的量」的算计。记住这个动机，13.3 节你才会看懂为什么求 $T_{n}$ 时负载 $R_{L}$ 上没电流。

13.2.2 推导：这公式到底是怎么拼出来的？

上一节的四个定义，如果你觉得有点玄幻，这一节我们把数学底裤扒下来看。

我们用一个电流注入模型来推导（用电压注入也是一样的，只是节点方程换成了回路方程）。假设我们找到了那个理想注入点，注入电流 $i_{z} = u_{z}$ 。注入点上游是 $i_{y}$ ，下游是 $i_{x}$ 。

步骤 1：建立原始基准

先不注入，让 $u_{z} = 0$ 。只有输入 $u_{i}$ 在工作。此时，闭环增益 $G (s)$ 就是我们要找的目标：

\frac{u_{o}}{u_{i}} |_{u_{z} = 0} = G (s) (13.7)

同时，我们可以定义一个中间量 $G_{a} (s)$ ，描述在输入作用下，注入点两边的电流关系：

i_{x} |_{i_{z} = 0} = - i_{y} |_{i_{z} = 0} = G_{a} (s) u_{i} (13.8)

注意符号， $i_{y}$ 流出节点，所以是负的。

步骤 2：单开环路测 T

现在把输入关掉， $u_{i} = 0$ 。只保留注入 $i_{z}$ 。这时候环路是通的。我们可以定义环路增益 $T (s)$ 为：

i_{y} |_{u_{i} = 0} = - T (s) i_{x} |_{u_{i} = 0}

这里之所以加负号，是因为对于负反馈系统，信号绕一圈回来是反相的。原文 13.9 式直接写了 $T = - i_{y} / i_{x}$ （在 $u_{i} = 0$ 时），我们为了符号统一，沿用原文的逻辑：

在 $u_{i} = 0$ 时，注入点满足节点方程： $i_{x} + i_{y} = i_{z}$ 。结合 $i_{y} = - T i_{x}$ （忽略推导细节，仅逻辑对应），我们可以解出 $i_{x}$ 和 $i_{y}$ 关于 $i_{z}$ 的表达式：

i_{x} |_{u_{i} = 0} = \frac{1}{1 + T} i_{z} (13.11)

i_{y} |_{u_{i} = 0} = - \frac{T}{1 + T} i_{z} (13.12)

（注：原文符号处理略复杂，核心是利用分流关系）。

同时，我们可以定义一个 $G_{b} (s)$ ，描述 $u_{i} = 0$ 时，注入电流如何影响输出：

u_{o} |_{u_{i} = 0} = G_{b} (s) i_{x} |_{u_{i} = 0} = \dots (13.13)

这一步主要是为了把输出量和注入量联系起来。

步骤 3：叠加大法

现在，两个独立源 $u_{i}$ 和 $i_{z}$ 同时存在。根据线性叠加原理：

i_{x} = i_{x} |_{i_{z} = 0} + i_{x} |_{u_{i} = 0} = G_{a} u_{i} + \frac{1}{1 + T} i_{z} (13.15)

i_{y} = i_{y} |_{i_{z} = 0} + i_{y} |_{u_{i} = 0} = - G_{a} u_{i} - \frac{T}{1 + T} i_{z} (13.17)

u_{o} = u_{o} |_{i_{z} = 0} + u_{o} |_{u_{i} = 0} = G u_{i} + \frac{G_{b}}{1 + T} i_{z} (13.19)

这三个方程是我们后续推导的所有弹药。

步骤 4：强行 Nulling 出结果

Case 1: Nulling $i_{y}$ (推导 $G_{\infty}$ ) 我们要让 $i_{y} = 0$ 。把 $i_{y} = 0$ 代入 (13.17)：

0 = - G_{a} u_{i} - \frac{T}{1 + T} i_{z} ⟹ i_{z} = - \frac{1 + T}{T} G_{a} u_{i}

把这个特定的 $i_{z}$ 代入 $u_{o}$ 的表达式 (13.19)：

u_{o} = G u_{i} + \frac{G_{b}}{1 + T} (- \frac{1 + T}{T} G_{a} u_{i}) = (G - \frac{G_{a} G_{b}}{T}) u_{i}

原文这里推导 (13.22) 得到 $G_{\infty}$ ：

u_{o} = G u_{i} + G_{a} G_{b} \frac{T}{u_{i}} \dots (原文 13.22)

（注：原文符号约定 $i_{y}$ 流向导致项的符号正负可能不同，这不影响物理本质。最终定义）：

G_{\infty} = G + G_{a} G_{b} T (13.23 逻辑)

这里 $G_{\infty}$ 就是误差为零时的增益。因为 nulling $i_{y}$ 等价于 nulling 误差信号。

Case 2: Nulling $i_{x}$ (推导 $G_{0}$ ) 我们要让 $i_{x} = 0$ 。代入 (13.15)：

0 = G_{a} u_{i} + \frac{1}{1 + T} i_{z} ⟹ i_{z} = - (1 + T) G_{a} u_{i}

代入 $u_{o}$ 表达式 (13.19)：

u_{o} = G u_{i} + \frac{G_{b}}{1 + T} (- (1 + T) G_{a} u_{i}) = (G - G_{a} G_{b}) u_{i}

这就给出了 $G_{0}$ 的定义：

G_{0} = G - G_{a} G_{b} (13.28)

此时前向通路断了，信号只能通过反馈网络“渗”过去。

Case 3: Nulling $u_{o}$ (推导 $T_{n}$ ) 让 $u_{o} = 0$ 。代入 (13.19)：

0 = G u_{i} + \frac{G_{b}}{1 + T} i_{z} ⟹ i_{z} = - \frac{1 + T}{G_{b}} G u_{i}

现在我们算一下在这种情况下，环路里的 $i_{y}$ 和 $i_{x}$ 的比值（这就是 $T_{n}$ ）。利用上面的 $i_{z}$ 和公式 (13.15), (13.17)，经过一番代数运算（原文 13.33），你会发现：

T_{n} = \frac{i_{y}}{i_{x}} |_{u_{o} \to 0} = \frac{T G + G_{a} G_{b}}{G - G_{a} G_{b}} (13.34)

步骤 5：拼图终局

现在手里有了四个方程：

$G_{0} = G - G_{a} G_{b}$
$G_{\infty} = G + G_{a} G_{b} T$
$T_{n} (G - G_{a} G_{b}) = T G + G_{a} G_{b}$

我们的目标是消掉中间变量 $G_{a} G_{b}$ ，用 $G_{0}, G_{\infty}, T$ 表示 $G$ 。

从 (1) 和 (2) 可以凑出 $G_{a} G_{b}$ 。把 $G_{a} G_{b}$ 代入 (3)，你会发现那个漂亮的 互易关系：

T = \frac{T_{n} G_{\infty}}{G_{0}} (13.39)

最后，把所有东西都往 $u_{o} = G u_{i} + \dots$ 里代，解出 $G$ ：

G (s) = G_{\infty} (s) \frac{T (s)}{1 + T (s)} + G_{0} (s) \frac{1}{1 + T (s)} (13.40)

这就是我们开头的那个式子。

你盯着这个式子看一会儿。它其实是在说：闭环增益 $G$ 是两个世界的加权平均。

理想世界（ $G_{\infty}$ ）：环路增益 $T$ 很大时，系统被死死地按在理想增益上，权重是 $\frac{T}{1 + T}$ （接近 1）。
现实世界（ $G_{0}$ ）：环路增益 $T$ 很小甚至为 0 时，反馈失效，系统退化成开环特性 $G_{0}$ ，权重是 $\frac{1}{1 + T}$ （接近 1）。

这不仅仅是计算技巧，这是对反馈本质的几何描述：随着环路增益 $T$ 从 0 变到 $\infty$ ，系统的特性在 $G_{0}$ 和 $G_{\infty}$ 之间滑动。

有了这个定理，我们就不需要去猜测“哪一部分是反馈网络”。只要找到一个合适的注入点，算出 $G_{\infty}, G_{0}, T_{n}$ ，整个系统的行为就完全透明了。

参考说明：参考自 geqianQWQ 同学阅读《Fundamentals of Power Electronics》的笔记，仅作理解线索；本文为结合自己理解重新整理的学习笔记，不涉及对原书的复制或翻译。

13.2 反馈定理 ​

13.2.1 基本结果：谁是你的 G，谁是你的 T？ ​

实验 1：测量环路增益 T(s) ​

实验 2：理想正向增益 G∞(s) —— 完美的世界 ​

实验 3：直接正向传输增益 G0(s) —— 崩溃的世界 ​

实验 4：空环路增益 Tn(s) —— 只是为了好算 ​

13.2.2 推导：这公式到底是怎么拼出来的？ ​

步骤 1：建立原始基准 ​

步骤 2：单开环路测 T ​

步骤 3：叠加大法 ​

步骤 4：强行 Nulling 出结果 ​

步骤 5：拼图终局 ​