上一节我们聊了负反馈 ：系统会把实际结果送回来，与目标比较，再根据误差不断修正下一步动作。
这让控制不再只是"凭经验下注"，而是有了持续纠偏的能力。
可一个很关键的问题还没有回答：为什么有些系统越修越接近目标，有些系统却越修越抖，甚至直接失控？
写在前面
想象一下端着一杯快要洒出来的水走路。
杯子稍微向左倾，你会下意识把手往右调一点；如果调得恰到好处，水面晃几下就平了。如果手每次都猛地反方向甩，等你发现它已经向右倾时又猛甩回来，水面就会越晃越大，最后洒出来。
这两个过程都有"发现偏差后修正"的动作，区别在于：前者的偏差会慢慢消失，后者的偏差会被一次次修正放大。
这就是控制理论中稳定性要回答的事情。
本文聚焦一个最根本的问题：当系统受到一点扰动、偏离原来的状态后，它会自己回到附近，还是会越走越远？
一、稳定，不是"完全不动"
日常语言里的"稳定"，常常让人联想到静止：无人机悬在空中不动、房间温度不变、电机转速恒定。但真实系统很少能永远没有扰动。
- 无人机总会遇到一阵风；
- 恒温房间总会有人开门、开窗；
- 电机负载也会突然变重或变轻；
- 机械臂末端甚至会因为一点碰撞产生偏移。
所以控制里真正关心的不是"会不会被扰动"，而是被扰动以后会怎样。
如果系统偏离一点后，偏差会逐渐变小，最后重新停在原来的状态附近，我们说它是稳定的；如果很小的偏差都会被不断放大，最后离目标越来越远，它就是不稳定的。
可以先把"稳定"记成一句很直白的话：
允许有波动，但不能让波动失去边界。
这里的"附近"也很重要。稳定并不承诺系统像尺子一样分毫不差地钉在目标上；在噪声、量化误差和持续扰动存在时，系统往往只能在目标附近小范围波动。只要这个范围可控、不会越积越大，工程上就已经有了继续谈精度和速度的基础。
二、先找到系统想停下来的位置：平衡点
要判断"能不能回去"，先得知道系统原本想停在哪里。
例如：
- 房间温度稳定在24℃；
- 电机稳定在1000r/min；
- 倒立摆刚好竖直；
- 无人机悬停在指定高度。
这些让系统"暂时不再继续变化"的状态，叫作平衡点 。如果用状态 xxx 描述系统，平衡点 xex_exe 满足：x˙=0\dot{x}=0x˙=0。
这个式子并不神秘，它只是在说：当系统处在xex_exe时，状态此刻不会再自己往别处跑。
不过，平衡点本身并不等于稳定。
把球放在碗底，它停在那里；把球小心放在山顶，它也能暂时不动。两者都可以看作一个平衡位置，但只要有一点点扰动，结果就完全不同：碗底会把球拉回来，山顶会把球推开。
平衡点回答"能不能暂时停住"；稳定性回答"被推一下以后，还能不能守住"。
这也是为什么工程里不能只看某个时刻的输出"刚好对不对"。真正需要看的，是它受到扰动后随时间展开的整个过程。
三、同样受一次扰动，系统可能出现三种结果
仍以恒温房间为例。房间本来稳定在24℃，有人突然开窗，室温开始下降。之后系统大致可能出现三种响应。
1. 稳定：会晃，但越晃越小
加热器提高功率后，室温可能先超过 24℃一点，又略低一点；但每一轮波动都比上一轮小，最后重新落回目标附近。
这种"有一点来回，但幅度逐渐减小"的过程叫作衰减振荡。它在很多真实系统里都很常见，并不意味着控制失败。
2. 临界：一直晃，却始终停不下来
如果系统始终以差不多的幅度在目标附近来回摆动，它没有立刻发散，但也没有真正安静下来。
这意味着它正处在很脆弱的边缘：再多一点延迟、再大一点增益，可能就会进入不稳定状态。
3. 不稳定：偏差会越放越大
最危险的情况是，每次修正都让下一次的过冲更大。温度越调越高又越调越低，摆杆越摆越大，无人机姿态偏得越来越厉害。
这时，系统不是"慢一点就会好"，而是已经失去了把自己拉回来的能力。
这张图也提醒我们：稳定不等于没有振荡，不稳定也不只是"看起来有点抖"。 真正的分界线是振荡的幅度会不会随着时间减小。
四、为什么负反馈不一定自动带来稳定？
上一节我们说，负反馈会让控制器朝着减小误差的方向行动。听起来只要方向对了，系统就应该越来越好。
但真实对象往往有惯性、积累和时延，反馈方向正确，并不代表反馈过程一定合适。
还是以恒温房间为例：
- 室温低于目标，控制器提高加热功率；
- 但空气、墙壁和家具吸热需要时间，温度不会立刻升上来；
- 控制器如果只看到"温度还是低"，就可能继续猛加热；
- 等温度终于反映出来时，房间里已经积累了太多热量；
- 控制器又发现温度太高，于是猛地关掉加热；
- 余热仍在释放，温度继续上冲；
- 之后又出现反方向的过度修正。
于是，本来是为了消除误差的反馈，反而变成了一次次"追着过去的情况用力"。
从这里可以先记住影响稳定性的三个直觉因素：
- 方向是否正确：修正动作必须真的能够减小误差；
- 力度是否合适：增益过大，系统容易一次改得太多；
- 信息是否及时：测量、计算和执行有延迟时，控制器可能总在处理已经过去的误差。
后面讲PID、数字控制和嵌入式实时性时，会一次次回到这三件事。
五、用一点数学语言看"为什么会收敛或发散"
直觉帮助我们理解现象，数学则帮助我们在系统真正失控前做判断。
对于平衡点附近的线性系统，我们通常把状态方程写成 x˙=Ax\dot{x}=Axx˙=Ax。想知道系统偏离平衡点后会怎么演化，本质就是解这个微分方程。
线性微分方程的解有个很鲜明的特点：它天然就是指数函数 的形式。我们可以先假设解长这样：x(t)=est⋅vx(t) = e^{st} \cdot vx(t)=est⋅v------相当于状态沿着 vvv 这个方向，按照 este^{st}est 的规律随时间变化。把它代回方程 x˙=Ax\dot{x}=Axx˙=Ax 就能推导出：sss 其实就是矩阵 AAA 的特征值 ，在控制领域我们更常叫它系统极点 ；vvv 则是对应的特征向量，代表这种动态模式对应的运动方向。
你可以把每个极点 sss 理解成系统自带的一种天生反应倾向 。sss 一般是复数，我们把它拆成两部分：s=σ+jωs = \sigma + j\omegas=σ+jω，其中 σ\sigmaσ 就是它的实部 （记作 Re(s)\operatorname{Re}(s)Re(s)），ω\omegaω 是虚部 （记作 Im(s)\operatorname{Im}(s)Im(s)）。
代回指数项里就一目了然了：
est=eσt⋅ejωte^{st} = e^{\sigma t} \cdot e^{j\omega t}est=eσt⋅ejωt
- 右边 ejωte^{j\omega t}ejωt 是振荡项，决定系统会不会晃、晃得多快；
- 左边 eσte^{\sigma t}eσt 是幅值项，决定振荡的幅度是越来越小还是越来越大。
这就是 Re(s)\operatorname{Re}(s)Re(s) 正负的来源------它直接控制着指数项的增减趋势：
- 当 Re(s)<0\boldsymbol{\operatorname{Re}(s)<0}Re(s)<0 时，eσte^{\sigma t}eσt 随时间不断衰减，不管一开始偏差多大，都会慢慢收敛回平衡点，对应偏差慢慢消失；
- 当 Re(s)=0\boldsymbol{\operatorname{Re}(s)=0}Re(s)=0 时，幅值项等于1，振荡既不衰减也不放大，会一直持续下去，对应始终不肯停下；
- 当 Re(s)>0\boldsymbol{\operatorname{Re}(s)>0}Re(s)>0 时，eσte^{\sigma t}eσt 随时间指数增长，偏差越放越大，系统彻底发散失控，对应偏差越来越大。
极点在左半平面，偏差有衰减的趋势；极点跑到右半平面，偏差就有放大的趋势。
这正是控制理论的价值：不必等无人机真的翻掉、电机真的飞转，才知道设计有问题。我们可以先通过模型、极点或后面会讲到的频域方法，预判系统有没有失稳风险。
六、为什么稳定性必须排在"快、准、省"前面？
控制设计常会追求很多目标：响应更快、稳态误差更小、能耗更低、抗扰更强。但这些目标有一个共同前提------系统得先能待在可控的范围里。
一个反应很快却越调越抖的无人机，不能叫性能好；一个理论上误差很小、但负载稍变就发散的电机控制器，也没有工程价值。
可以把它们的关系排成一个很朴素的顺序：
- 先稳定：扰动后不会逃离可控范围；
- 再谈快：在稳定前提下缩短响应时间；
- 再谈准：让最终误差更小；
- 最后谈更复杂的权衡：能耗、噪声、鲁棒性、计算资源等。
这并不是说稳定系统就一定慢，或者快速系统必然危险；而是说，快和准都必须在稳定边界之内设计。
稳定性像地基。地基没打稳，楼层越高、设备越快、算法越复杂，风险只会被放大。
七、把这一节放回整个专栏里看
从专栏最开始的五层框架来看，稳定性也是一条持续向上延伸的主线。
- 在控制理论里，它首先回答闭环会不会收敛；
- 到控制算法里，PID、状态反馈和模型预测控制都要在性能与稳定裕度之间权衡；
- 到嵌入式控制里，采样周期、计算抖动和数值精度会直接改变原本稳定的闭环；
- 到机器学习里，训练是否收敛、分布变化后是否仍然可靠，也是在处理另一种"稳定性"；
- 到大模型智能体里，规划---执行---再观察的循环同样需要防止错误被反复放大。
技术的外形会变，但问题始终相通：
系统能否在变化和不确定性中，把自己留在一个可控的范围里。
这就是稳定性之所以是一切控制前提的原因。
In the end：下一节该看什么？
现在我们知道，稳定性关心的是系统受到扰动后会回到附近，还是会越走越远。
但即使一个系统理论上可以稳定，还有两个更基础的问题：控制输入受否真的能影响它的关键状态、我们又能不能从有限的传感器读数里知道它现在到底处于什么状态。
下一节就继续聊这对经常一起出现的概念：系统为什么有的"能控"，有的"能观"？