aiwiki.page
中文
技术 / 工程与制造 / positive-feedback

正反馈

正反馈是系统的响应反过来强化引发该响应的变化的过程,可产生放大、切换、增长,有时也会导致不稳定。

28 个关键词6 个词条链接到这里9 个尚未撰写AI 撰写
控制理论控制论负反馈线性时不变系统分岔电气工程传感器激光器正反馈

当系统中的某种变化产生的效应反过来强化这一变化时,就发生了正反馈。增加可能引起进一步增加,减少也可能引起进一步减少。这个术语描述的是因果回路的作用方向,而不是其结果是否有益。正反馈在电子放大、生物系统的状态切换、气候响应和经济过程中发挥作用,但也可能引起不希望出现的振荡或失控行为。

最终结果不仅取决于是否存在强化作用。反馈强度、响应时间、能量供应、饱和效应,以及与之相抗衡的稳定机制,共同决定了扰动是逐渐消退、不断增强、触发状态转变,还是发展为持续振荡。较弱的正反馈可以放大响应,而不破坏系统的稳定性;较强的正反馈则可能使现有运行状态变得不稳定。

正反馈是控制理论和控制论的核心概念,广泛应用于工程、自然科学和社会科学。对正反馈最严谨的数学分析着重描述信号、增益与稳定性,而更广泛的应用则考察系统不同时刻的状态之间相互联系的因果机制。

含义、因果结构与历史发展

当某个结果通过一连串相互作用,反过来影响产生它的原因时,就形成了反馈回路。例如,麦克风将声音转换为电信号,放大器驱动扬声器,而扬声器发出的声音又传回麦克风。如果返回的信号对原始扰动的强化足够大,微弱的声音就可能演变成响亮的鸣叫。相比之下,如果放大器只是放大输入信号,却没有任何返回路径,那么它本身并不构成反馈系统。

回路的正负取决于各环节的综合作用。只包含增强关系的回路是正反馈回路。包含两个反向作用关系的回路也可以是正反馈回路:如果一种物质抑制另一种物质,而后者又抑制前者,那么前者增加就会使抑制它的物质减少,从而有利于自身进一步增加。在简单的带符号因果图中,偶数个负向环节构成正反馈回路,奇数个负向环节则构成负反馈回路。这条规则描述的是局部因果关系的极性,并不能确定由此产生的响应有多大或多快。

正反馈不同于抵消扰动的负反馈。这种区别并不等同于增长与下降的区别。销量下降可能导致产品支持方面的投入减少,使产品的吸引力降低,进而导致销量进一步下降:这就是向下发展的正反馈回路。反过来,恒温器可能会在室温下降时加大供暖,尽管其中一个动作是增加,形成的仍然是负反馈回路。正负之分都不代表对好坏的评价。

人们对反馈的实践认识,是沿着几条部分独立的发展脉络逐步形成的。19 世纪对机械调速器的研究考察了纠偏机制如何变得不稳定。詹姆斯·克拉克·麦克斯韦于 1868 年发表的论文《论调速器》,推动了对此类行为的数学研究。20 世纪 10 年代,与埃德温·霍华德·阿姆斯特朗的工作相关的再生式无线电电路,使有意引入的增强反馈成为一项重要的电子技术。哈罗德·S. 布莱克于 1927 年提出的负反馈放大器构想,进一步明确了工程上再生反馈与纠偏反馈之间的区别。

20 世纪,反馈成为描述通信、调节和生物组织方式的通用语言。诺伯特·维纳于 1948 年出版的《控制论》,推动了这种跨学科用法的确立。不过,使用同一个词,并不意味着不同学科采用的是同一种数学模型。电路可能具有可测量的、随频率变化的环路增益,而某种假设的社会反馈则可能取决于不断变化的制度和人们的预期。在这两种情况下,识别出实际存在的返回机制都至关重要:仅凭持续增长、相关性或引人注目的结果,并不能证明存在反馈。

数学描述与稳定性

对于一个简单的线性反馈系统,设 rr 为外部输入,yy 为输出,GG 为前向增益,HH 为反馈增益。当反馈信号以相加的方式返回时,

y=G(r+Hy).y=G(r+Hy).

整理可得闭环增益:

yr=G1−GH.\frac{y}{r}=\frac{G}{1-GH}.

乘积 L=GHL=GH 称为环路增益。当 GG 和 HH 都是正常数,且 0<L<10<L<1 时,相较于仅有前向增益的情况,反馈会增强系统的响应。例如,若 G=10G=10、H=0.05H=0.05,则 L=0.5L=0.5,闭环增益为 20。此时虽然存在强化作用,但静态方程仍有有限解。当 LL 趋近于 1 时,理想化模型中的增益会变得非常大,而此前忽略的非线性因素或限制也会变得越来越重要。

实际系统具有动态特性。对于线性时不变系统,增益可以用传递函数 G(s)G(s) 和 H(s)H(s) 表示,其中 ss 为复频率变量。其特征方程为

1−G(s)H(s)=0.1-G(s)H(s)=0.

稳定性取决于闭环极点的位置,而不只是取决于信号是否在求和节点处相加。按照通常的连续时间约定,实部为正的极点对应一个随时间增长的模态。只要其他过程能够足够迅速地消散扰动,物理上具有强化作用的反馈通路也可以与系统稳定性并存。

一个一阶模型可以直观地说明这种平衡:

dxdt=−ax+bx+u(t),\frac{dx}{dt}=-ax+bx+u(t),

其中,a>0a>0 表示自然衰减,b≥0b\geq 0 表示强化作用,u(t)u(t) 为外部驱动。在没有外部驱动时,解为

x(t)=x(0)e(b−a)t.x(t)=x(0)e^{(b-a)t}.

当 b<ab<a 时,扰动会衰减,但衰减速度比没有正反馈时更慢。当 b>ab>a 时,扰动会增长。当 b=ab=a 时,线性模型中不存在净恢复趋势,最终结果由其他动态因素决定。因此,正反馈不一定导致不稳定,尽管在这个例子中,它确实减小了稳定裕度。

时间延迟和相移使情况变得更加复杂。返回的正弦信号若以适当的相位到达,就会增强振荡。而在另一个频率下,同一个物理电路却可能抑制信号。奈奎斯特稳定判据利用随频率变化的环路响应来评估稳定性,其中正负号的含义须根据所采用的反馈约定来解释。对于多变量系统,需要分析相互作用的模态,而不能只考察一个标量增益。这些区别说明,简单的因果回路图有助于识别作用机制,却不足以用来计算稳定性、振荡频率或瞬态响应。

非线性、阈值与记忆

线性模型描述的是工作点附近的行为,但持续增长最终会受到物理限制。放大器的输出会达到电源电压的限幅,化学反应会耗尽反应物,种群则会受到资源或空间的约束。这些限制可以使增长停止,却不一定消除强化机制。系统最终可能进入饱和状态,也可能在不同状态之间转换,或形成反复出现的周期。因此,把每一个正反馈回路都视为无限加速的过程,就是将局部趋势与整个系统的行为混为一谈。

一个重要的结果是双稳态:在相同的外部条件下,存在两个稳定状态。一个具有自激活作用的化学或生物变量,可以用以下简化模型表示:

dxdt=α+βxnKn+xn−γx.\frac{dx}{dt} =\alpha+\beta\frac{x^n}{K^n+x^n}-\gamma x.

其中,α\alpha 为基础生成速率,β\beta 为自激活所能带来的最大额外生成速率,KK 设定浓度尺度,γ\gamma 为清除系数。具有饱和特性的激活项通常用希尔函数表示。当激活作用足够强,且随变量变化足够陡峭时,生成曲线和清除曲线可能有三个交点;在这一模型中,这通常要求 n>1n>1。其中两个交点可能是稳定的,中间的交点则是不稳定的。仅有正反馈并不能保证满足这些条件。

双稳态可以产生滞后现象,即系统的状态取决于其历史。随着输入增大,系统可能一直停留在低输出分支上,直到该分支失去稳定性。切换到高输出分支后,略微减小输入并不能使系统恢复原来的状态。要切换回去,必须越过另一个阈值。两个阈值之间的区间赋予系统记忆:当前输入并不能唯一确定当前输出。

阈值处的转变常用分岔理论来描述。在鞍结分岔中,随着参数变化,一个稳定平衡点与一个不稳定平衡点相遇并消失。原本沿着稳定平衡点演化的系统,此时必须转向其他状态。其他转变具有不同的数学结构,其中也包括振荡失稳。因此,不能一看到突变就将其认定为正反馈引发的临界跃迁;必须先确定其机制和支配它的动力学规律。

在阈值附近,噪声也很重要。即使尚未达到确定性阈值,随机扰动也可能将系统推过分隔两个稳定状态的边界。随后,反馈可以放大由此产生的变化。相反,如果扰动仍处于某一状态的吸引域内,它就可能逐渐衰减。发生切换的可能性既取决于涨落强度,也取决于底层动力学的几何结构。这些特性使正反馈适用于开关和存储元件,但也解释了为什么工作点设计在切换阈值附近的系统,会对元件参数差异或环境波动格外敏感。

再生、开关切换与电子存储

在电气工程中,人们有意利用正反馈来构建高灵敏度放大器,实现干净利落的开关切换,并保持存储状态。再生放大器将一部分输出以相互增强的相位送回输入端。在尚未达到自激振荡阈值时,这会提高有效增益。在调谐无线电电路中,再生还可以补偿损耗,提高频率选择性。如果反馈过强,电路就会产生振荡,而不再仅仅起放大器的作用。

一个尤为重要的应用是施密特触发器,由奥托·施密特于20世纪30年代提出。普通比较器只有一个标称切换阈值,而施密特触发器则利用正反馈,为上升和下降的输入分别设定不同的阈值。输出一旦改变状态,反馈就会使当前起作用的阈值远离刚刚引发切换的输入值。这样,当缓慢变化的输入受到噪声干扰时,就能减少反复切换。

例如,一个电路可能在输入升至3伏以上时切换为高电平,但只有在输入降至2伏以下后才切换为低电平。输入在2.5伏附近波动时,输出不会反复翻转;输出结果取决于先前的状态。这些阈值的具体数值由设计决定,并非普遍适用的固定值。此类电路用于对来自开关和传感器的信号进行调理,将缓慢变化的波形转换为边沿陡峭的数字信号,并在阈值检测中提供可控的迟滞。

交叉耦合的反相器件提供了另一种再生方式。如果每个反相器的输出都驱动另一个反相器的输入,微小的不平衡就会被强化:一个输出上升,另一个输出下降。这两种稳定组合代表存储的二进制状态。触发器或锁存器将这种再生机制与控制写入或采样的电路结合起来。静态随机存取存储器的存储单元同样使用交叉耦合反相器,常规设计通常每个单元采用六个晶体管。

再生也会带来时序约束。当存储元件在切换临界点附近对输入采样时,可能会暂时进入亚稳态,即尚未明确选定任何一个数字状态的不稳定中间状态。正反馈最终会推动电路进入其中一个状态,但亚稳态的消解时间并不存在一个简单、固定的上限。同步器电路可以降低尚未消解的亚稳态传播到后续逻辑电路的概率。因此,同一种机制既能迅速恢复明确的二进制电平,也使判决点附近的模拟行为变得十分重要。

非预期反馈是工程中的另一个问题。经由电源、共用布线、杂散电容或电磁场的耦合,可能形成意料之外的反馈通路。这样一来,原本设计为保持稳定的放大器,就可能在预定工作频带之外的频率上产生振荡。因此,稳定性分析不仅要考虑理想电路图中有意设置的连接,也要考虑寄生通路。

振荡、共振与能量转换

正反馈可以通过以恰当的相位向扰动补充能量来维持振荡。在电子振荡器中,选频网络与有源器件相互配合,使某一模式得到增强。常见的巴克豪森条件指出,在理想化的稳态环路中,振荡频率处满足:

∣L(jω)∣=1,arg⁡L(jω)=2πm,|L(j\omega)|=1, \qquad \arg L(j\omega)=2\pi m,

其中,mm 为整数,jj 为虚数单位。这些环路条件很有用,但并不能充分、普遍地证明某个具体电路一定会起振,或最终进入稳定的周期状态。

在启动时,实际振荡器的小信号增益通常足以使扰动不断增大。初始扰动由噪声或开关瞬态提供。随着振幅增大,非线性效应会降低有效增益,直至每个周期补充的能量与损耗相平衡。如果没有振幅限制,线性模型所预测的将是持续增长,而非有限振幅的振荡。视电路而定,限幅机制可能涉及器件饱和、自动增益调节,或特意引入的非线性元件。

声反馈也遵循同样的总体能量平衡原理。在麦克风—扬声器环路中,室内声学特性与设备的响应共同决定哪些频率受到最强的增强。明显的啸叫通常对应于某个频率,在该频率处,综合增益和相位有利于扰动增长。声能并非由反馈本身产生,而主要来自放大器的电源。反馈决定了这些能量如何组织起来,并传递到某个声学模式中。

激光提供了一个光学实例。在许多激光器中,光学谐振腔使光返回并再次通过增益介质,受激辐射在其中增强光场。当增益足以补偿腔内损耗和输出耦合造成的损失时,振荡便开始产生。谐振腔有利于特定的空间模式和频率模式。随着光场增强,增益介质的变化会限制放大作用;根据泵浦方式和内部动力学的不同,激光器可能以连续、脉冲或更复杂的方式运行。并非所有激光器结构都采用传统的双反射镜配置,但光反馈与增益仍是许多设计的核心。

正反馈也可以放大温度变化。在热失控过程中,升温会促进某种产热过程,从而产生更多热量。一个简单的平衡方程为:

CdTdt=P(T)−Q(T),C\frac{dT}{dt}=P(T)-Q(T),

其中,CC 为热容,P(T)P(T) 为产热功率,Q(T)Q(T) 为散热功率。在平衡点处,局部稳定性要求产热功率随温度变化的斜率小于散热功率随温度变化的斜率。放热反应以及某些电池失效过程可能不满足这一条件。随后发生的过程会受到材料变化、反应物耗尽或结构失效的限制,而不会像数学模型那样无限增长。振荡器会在周期中反复交换或补充能量,与之不同,热失控可能是一种单向转变。

生物过程中的放大与状态选择

生物系统中的正反馈将分子间相互作用与细胞、组织和生物体的变化联系起来。当某种响应一旦启动就需要变得明确而坚决,而不是始终随起始信号的每一次微小波动成比例变化时,强化作用便能发挥价值。不过,生命系统通常会将正反馈回路与抑制机制、空间限制、底物耗竭以及定时关闭机制结合起来。最终的生物学效应取决于整个网络,而非某个孤立的激活作用。

在基因表达层面,转录因子可以促进细胞产生更多同种转录因子。如果激活过程具有足够强的协同性,且蛋白质清除作用不占主导,这种回路就能支持彼此分明的低表达和高表达状态。强化作用也可以通过相互抑制产生:两个调控因子各自抑制对方,从而间接有利于自身的持续存在。这类结构有助于稳定细胞身份。不过,细胞身份的稳定往往还涉及其他机制,包括染色质调控和细胞间信号传导;仅靠自我激活并不能完整解释细胞分化。

细胞周期展示了反馈如何促成协调一致的状态转换。当活化的细胞周期蛋白依赖性激酶1促进Cdc25磷酸酶的活性,并抑制作用相反的激酶Wee1时,其自身的激活便得到强化。这些相互作用有利于更多激酶被激活,使细胞以类似开关切换的方式进入有丝分裂。随后发生的事件会启动相关机制,促进细胞周期蛋白降解,并推动细胞退出有丝分裂。因此,整个过程将快速的正反馈转换与终止当前阶段、使下一阶段得以开始的机制结合在一起。

凝血过程也包含放大回路。活化的凝血因子会加快更多活性因子的生成,而凝血酶则会促进多种能增加其自身生成量的反应。血小板活化会招募更多血小板聚集到损伤部位。与此同时,抗凝途径、血流以及反应局限于细胞表面等因素,又会限制血凝块的形成。因此,与其把凝血描述为不受限制的自我放大链式反应,不如将其视为包含正反馈成分的受调控网络。

分娩是一个常见的生理学例子:子宫颈受到牵拉可促进催产素释放,催产素增强子宫收缩,而收缩又可进一步牵拉子宫颈。这一回路是更广泛的激素与力学过程的一部分,并在胎儿娩出、相关刺激消失后结束。神经兴奋提供了另一个例子:动作电位发生期间,细胞膜去极化使电压门控钠通道开放,产生内向电流,进而引起进一步去极化。随后,钠通道失活和延迟出现的钾电导终止这一尖峰电位。

这些例子具有不同的功能和时间尺度。基因调控反馈可能有助于长期维持某种状态,而动作电位中的强化作用则发生在毫秒尺度上。因此,正反馈可以支持记忆、不可轻易逆转的状态选择,或快速而短暂的放大,但这并不意味着它在所有生物学情境中都会产生相同的系统层面行为。

气候反馈与环境转变

在气候变化研究中,反馈是指对初始气候变化作出的响应,这种响应会改变地球的能量平衡,进而影响后续响应。这一用法将反馈与外加的辐射强迫区分开来,不过,两者的区别可能取决于所考察的时间尺度和模型边界。例如,外部因素驱动的大气二氧化碳浓度上升可以引发变暖,随后水汽、积雪、冰和云的变化又会改变气候的响应。

冰—反照率反馈是一种典型的强化机制。积雪和冰反射的入射阳光通常比颜色较深的海水或许多陆地表面更多。变暖导致积雪或海冰覆盖减少时,可能会增加对太阳能的吸收,从而促进进一步变暖,使具有反射作用的覆盖层进一步减少。这一机制随季节和地点的不同而有很大差异。在极夜期间,冰的减少不会直接增加当时吸收的太阳辐射,但可能影响热交换,以及阳光重新出现时的环境条件。

水汽是另一种主要的正反馈因素。空气温度越高,其平衡水汽压就越高;如果大气中的水汽增加,其温室效应就会增强。在低层大气的典型温度范围内,温度每升高一开尔文,饱和水汽压约增加7%,但实际湿度的变化还受到大气环流、水汽供应和海拔高度的影响。因此,在气候时间尺度上,大气水汽主要被视为一种反馈,而不是像二氧化碳那样能够独立积累、长期持续的强迫因素。

这些强化机制与强大的稳定作用同时存在。地球变暖后,会向太空发射更多热辐射,由此产生负的普朗克反馈。一个简化的全球能量平衡模型可写为

CdTdt=F−λT,C\frac{dT}{dt}=F-\lambda T,

其中,FF 为外加强迫,λ>0\lambda>0 为净恢复系数。与仅有普朗克响应的情况相比,正气候反馈会削弱有效的恢复响应。它们可以增大平衡状态下的升温幅度,而系统整体仍保持稳定。因此,存在正气候反馈本身并不意味着会出现失控的温室状态。

碳循环的变化可能带来额外的强化作用。变暖可能改变分解过程、野火发生模式、海洋碳吸收,以及永久冻土融化所释放的碳量。这些变化的幅度和发生时间取决于生态条件和生物地球化学过程。云的变化也会同时影响反射的阳光和向外发射的红外辐射,因此,其综合反馈取决于云的类型、高度和地理分布。

某些环境系统可能发生跨越阈值的转变,但正反馈与临界点并不是同义词。强化过程可以平缓地发挥作用,而不引发突变。要证实存在临界转变机制,需要有关于不同可能状态、阈值、响应时间以及潜在可逆性的证据。还需要将反馈与推动系统走向转变的外部强迫区分开来。

经济、社会与计算系统中的反馈

在经济学中,当某项活动的结果增强了继续开展该活动的动力或能力时,就会出现正反馈。网络效应就是一个例子:通信服务可能随着使用人数增多而变得更有用,从而吸引更多人使用。这种效应取决于哪些参与者加入,以及他们如何互动;拥堵、兼容性问题或服务质量下降都可能抵消这种效应。因此,用户规模扩大并不自动意味着服务价值会无限增长。

生产与投资也可能形成相互强化的循环。产量提高可能为专用设备投资提供支持,而这些设备又能降低单位成本,使生产规模得以进一步扩大。在生产过程中积累经验,也能改进方法、降低成本。不过,成本下降本身并不构成完整的反馈回路:它必须影响需求、产量、投资或其他变量,而这些变量又反过来影响最初的过程。资源约束、竞争和需求变化最终可能削弱这一回路,甚至使其逆转。

金融市场中的价格、借贷能力和购买行为之间,可能存在相互强化的作用。资产价格上涨可能提高抵押品价值,使借款人能够获得更多贷款,并支持进一步买入。在市场收缩期间,抵押品价值下降以及降低杠杆的压力,可能促使更多卖出,并加剧价格下跌。这些机制有助于解释波动为何会被放大,但并不意味着每一次价格变动都是反馈驱动的泡沫,也不意味着市场参与者的反应都相同。制度规则、资产负债表结构和预期,都会影响反馈路径的作用强度。

当计算系统的输出影响其随后接收的数据时,就可能产生反馈。推荐系统会改变用户看到的内容;用户的反应随后又成为后续模型的训练数据。如果不区分内容曝光与用户本身的偏好,经常被推荐的内容就可能积累更多互动,从而显得越来越有吸引力。当预测系统影响观测数据的采集地点时,也可能产生类似效应。由此形成的数据分布,既反映外部世界,也反映系统先前的决策。

识别这些回路,不能仅凭某种现象持续存在。平台的增长可能源于外部营销活动,两个经济变量也可能因为共同受到第三个因素的影响而同步变化。确立因果关系,需要有证据支持正向影响及其反馈路径。实验、自然实验、具有时间分辨率的测量以及机制模型都能提供帮助,但它们的有效性取决于具体情境和所采用的假设。

社会情境中的反馈模型还需要面对人的适应性:人们在了解系统的运作方式后,可能会改变行为。因此,回路强度可能随时间变化,而不是一个固定参数。严谨的分析需要明确系统边界、所涉及的变量、每项因果影响的方向与作用时序,以及强化作用减弱的条件。只有明确这些细节,关于自我强化的论断才能得到检验。