### 使用Python绘制基于输入输出信号的伯德图 对于控制系统而言，波特图是一种重要的图形表示方式，用于展示系统的频率响应特性。当希望依据给定的输入和输出信号来构建并分析此类图表时，在Python环境中可以通过`python-control`库完成这项工作[^3]。 #### 准备工作 确保已经正确安装了必要的软件包： ```bash pip install slycot control ``` 如果采用的是Anaconda环境，则可通过如下命令进行安装： ```bash conda install -c conda-forge control ``` 验证安装无误的方法是在终端执行简单的导入测试： ```bash python -c "import control" ``` #### 创建传递函数模型 假设有一个已知形式的线性时不变(LTI)系统，其传递函数表达式为\(H(s)=\frac{Y(s)}{U(s)}=\frac{s+1}{s^2+s+1}\)，其中\(U(s)\)代表拉普拉斯变换后的输入信号而\(Y(s)\)则是对应的输出信号。为了模拟实际场景下的情况，这里先定义这个LTI系统的数学模型。 ```python import control as ctrl # 定义传递函数 H(s)=(s+1)/(s^2+s+1) sys_tf = ctrl.TransferFunction([1, 1], [1, 1, 1]) print(sys_tf) ``` 这段代码创建了一个具有特定分子分母系数数组的一阶微分方程描述的连续时间动态系统对象，并打印出来确认设置是否准确[^4]。 #### 计算频域响应数据 接下来要做的就是计算该系统的幅值增益与相位变化随角频率的变化规律。这一步骤通过调用`bode()`函数实现，它会返回三个列表分别对应于各个离散点上的角度、幅度（单位dB）、以及相应的角速度ω(rad/s)[^1]。 ```python mag, phase, omega = ctrl.bode_plot(sys_tf, dB=True, Hz=False, deg=True) # mag: 幅度 (dB), phase: 相位 (degrees), omega: 频率 (rad/sec) ``` 此处需要注意参数的选择：`dB=True`意味着将以分贝(dB)作为纵坐标尺度；`Hz=False`表明横轴使用弧度每秒而非赫兹(Hz)作单位；最后`deg=True`指定相位差以度数显示而不是默认的弧度制。 #### 绘制波特图 上述操作实际上已经在后台完成了绘图过程，但是为了让图像更加清晰直观，还可以进一步定制化这些图表的内容，比如调整标题、标签样式等属性。下面给出一段完整的脚本实例，展示了如何利用matplotlib增强最终呈现效果。 ```python import matplotlib.pyplot as plt plt.figure(figsize=(10, 6)) ax_mag = plt.subplot(211) ax_phase = plt.subplot(212) ctrl.bode_plot( sys_tf, plot=None, ax=ax_mag, dB=True, Hz=False, deg=True ) # 自定义第一个子图（幅频特性） ax_mag.set_title('Magnitude Diagram') ax_mag.grid(True, which="both", ls="--") # 自定义第二个子图（相频特性） ax_phase.set_xlabel(r'Frequency ($\omega$)') ax_phase.set_ylabel(r'Phase shift($^\circ$)') ax_phase.grid(True, which="both", ls="--") plt.tight_layout() plt.show() ``` 以上程序片段不仅实现了基本功能需求——即根据预设好的LTI系统生成标准格式的波特图，而且还加入了更多美观性和易读性的改进措施，使得结果更易于理解和分享。