★ FEATURED ARTICLE 搞水下机器人项目的朋友应该都有这种体会真正让你熬夜的往往不是控制算法本身而是你压根不知道你手里这个被控对象到底长什么样。水动力系数靠估算海流干扰随机变模型参数今天测得明天就漂这种场景下SMC滑模控制几乎是做Matlab/Simulink仿真时绕不开的方案。这篇文章我会以一个完整的AUV自主水下机器人控制器研究过程为例把滑模控制从原理推导到仿真实现、再到参数调试的完整链路过一遍重点放在Simulink里怎么搭、参数怎么调、以及我实测中踩过的坑。如果你正在做水下机器人控制或者想让自己的控制系统摆脱对精确模型的依赖这篇应该能给你一些可以直接照搬的经验。先说一个基本判断很多刚开始接触AUV控制的人第一个想法是“先把模型做准”然后花大量时间去拟合水动力系数。这个思路不能说错但问题在于——AUV的水动力模型天生就没法做到“准”。你是在一个不断流动的水环境里工作附加质量、阻尼系数、升力系数会随速度、姿态、深度变化这些非线性耦合在六自由度模型里几乎处处都在。与其追求模型精确不如选择一个对模型误差有天然免疫力的控制策略这正是我后来转向滑模控制的核心原因。1. AUV控制为什么绕不开“鲁棒性”这道坎1.1 六自由度模型的非线性本质常规的AUV运动学方程在地理坐标系下一般写成位置、姿态的导数关系而动力学方程则建立在载体坐标系上。简单说你不仅要管沿x、y、z三个轴的位移还要管横摇、纵摇、偏航三个姿态角。如果你把模型完全展开会发现里面有大量交叉耦合项比如前进速度会影响偏航力矩纵摇角速度又会影响垂向力这些耦合项在高速机动时会格外明显。我刚做AUV控制那会参考了一个标准六自由度模型数学推导看得懂但真到Simulink里搭模型时问题就来了仿真里需要输入水动力系数而这些系数去哪要公开文献里能查到的参数大多是某个特定AUV的实验结果每个AUV的外形、重量、推进器布局都不同直接套用根本不靠谱。那个项目里我们只能拿到部分几何参数和推进器推力特性水动力系数几乎全靠经验公式估算。也就是说还没开始写控制器模型就已经带了不小的偏差。1.2 水动力参数无法精确获取的现实这里我得说个让很多新手沮丧的事实水动力参数不是靠仿真能精确确定的通常需要做约束模型实验Captive Model Test或者CFD计算这两样不是每个项目都有条件做。就算做了得到的也只是某个特定速度范围内的近似值。AUV在实际工作中深度变化会引起压力变化速度变化会引起流态变化海流和波浪又会叠加外部扰动所以被控对象本身就是一个慢时变、强非线性的系统。我当时做的处置方法是不追求模型精确而是把模型的不确定性当作一个“有界的干扰”来处理。规范的SMC设计里控制器会显式地把这种不确定性放进设计条件里只要知道干扰上界控制律就能保证系统收敛。这个思路非常适合水下机器人你知道水动力参数不准但你大概知道它不准到什么程度这个上界信息足够用了。1.3 为什么传统PID在这个场景容易到瓶颈PID不是不能用而是它的鲁棒性建立在线性化模型基础上。AUV在定深、定向这种小工况下PID调好了效果其实不差很多商用AUV的底层控制环也确实是PID。但你要是让它做变速机动、大角度下潜、或者遭遇突发海流参数固定的一组PID就很难兼顾所有工况。你为了抑制超调减小比例系数扰动来了又拉不回来你为了抗扰增大积分项又容易积分饱和。滑模控制的不同恰恰在于它的控制律结构里有一个不依赖精确模型的切换项这个切换项的增益只跟干扰上界有关模型参数误差、外部扰动在满足匹配条件时都会被这个切换项“吃掉”。这是我选择SMC的根本动机。当然SMC也有自己的麻烦最典型的就是抖振这个后面专门讲。先把原理吃透才有资格谈抖振处理。2. 滑模控制把复杂控制问题“压”到一条切换面上2.1 滑模面的设计到底在做什么滑模控制的基本思想非常直观在状态空间里人为设计一个“滑模面”然后通过控制力让系统状态往这个面上靠。一旦状态到达滑模面后续运动就被约束在这个面上并沿着面收敛到原点。这个过程的本质是把一个复杂的非线性跟踪问题转换成一个设计滑模面和保证到达条件的问题。以AUV的深度控制为例假设期望深度是(d_d)实际深度是(d)定义深度误差(e d - d_d)。我常用的滑模面取为[ s \dot{e} c e ]这个(c)就是滑模面系数决定误差收敛速度。理解起来很简单如果系统状态被约束在(s0)上那就有(\dot{e} -c e)这是一个一阶线性动态误差直接指数收敛收敛快慢由(c)决定。这里多提一句滑模面不是只能取一阶你可以用(\ddot{e} 2\lambda \dot{e} \lambda^2 e)这种高阶形式核心是让(s0)这个方程自身稳定。对AUV这类二阶系统一阶滑模面配合速度反馈已经够用。2.2 到达条件与控制律推导的底层逻辑滑模控制律一般分成两项等效控制项和切换控制项。等效控制项是“模型已知部分”用来维持系统状态在滑模面上的控制量切换控制项是“克服模型误差和外部干扰”的鲁棒项。以垂向运动为例简化后的动力学方程可以写成[ m\dot{w} F_{ctrl} F_{dist} ]其中(w)是垂向速度(F_{dist})代表水动力不确定项和海流干扰。设计目标是让深度误差趋于零也就是让滑模面(s)趋于零。对滑模面求导并代入动力学方程得到等效控制[ F_{eq} m(\ddot{d_d} - c\dot{e}) ]这部分依赖模型质量(m)但要注意它只是用来对消已知动态的。当模型有误差、或者存在外部干扰时等效控制不够必须再加切换项。完整的控制律写为[ F_{ctrl} F_{eq} - k \cdot \mathrm{sgn}(s) ]这里的(k)就是切换增益它必须大于干扰上界才能保证系统状态被“推向”滑模面。我在仿真里一般把(k)取成干扰上界的1.2到1.5倍留出余量但不盲目放大。判定到达条件用的是李雅普诺夫函数(V 0.5 s^2)要求(\dot{V} s\dot{s} 0)也就是(k \cdot |s| s \cdot \text{干扰项})只要(k)足够大这个条件总能满足。2.3 等效控制项和切换项的分工逻辑当初我推导完这套公式的第一反应是这不就是“模型预估误差补偿”的思路吗确实是这样。等效控制项负责“主力输出”在模型准确时它就能让系统维持滑动运动切换控制项负责“兜底”专门处理模型误差和外部扰动。这种分工带来的好处很明显你对模型的依赖度不是零但模型误差只要不突破干扰上界控制性能就有保障。不过在Simulink里实现时需要注意一个细节等效控制项里的加速度指令(\ddot{d_d})如果你用的是阶跃式期望深度这个值是跳变的会导致控制量出现很大的尖峰。我通常的做法是对期望轨迹做平滑处理比如用斜坡或者S型曲线过渡实在不行也可以加一个低通滤波器效果立竿见影。2.4 抖振从哪来切换不连续是根源符号函数(\mathrm{sgn}(s))决定了控制量在滑模面两侧来回切换。理想情况下切换频率无限大状态被牢牢约束在滑模面上。但现实中数字控制有采样周期执行机构有响应延迟切换永远慢半拍结果就是状态在滑模面附近来回穿越控制量高频振荡这就是抖振的根源。在水下机器人上抖振的直接表现是推进器推力波动、电机发热、结构振动严重时能把传感器信号都带偏。这个问题不能靠减小(k)去解决。减小(k)只会削弱抗扰能力抖振照样会在只是幅度小一点。真正的思路有几种一是用饱和函数替代符号函数在边界层内线性化二是改趋近律让切换项随(s)大小自适应三是用高阶滑模把不连续性放到控制量导数上。具体哪种适合AUV我留在第4节详细对比这里想强调的是抖振不是SMC的致命伤而是需要你用工程手段管理的一个副作用。3. Matlab/Simulink仿真架构先把“被控对象”做扎实3.1 六自由度模型在仿真里的降阶处理完整的六自由度AUV模型参数多、耦合强直接扔进Simulink会让计算速度变慢更重要的是参数不确定性被淹没在复杂的耦合项里不利于你验证控制算法的鲁棒性。我的做法是分阶段建模先做垂直面模型深度方向和水平面模型航向方向的独立仿真验证SMC的基本性能再合并成完整的六自由度模型。垂直面模型里我会忽略横摇和偏航的影响只保留垂向速度和纵摇两个自由度的耦合并假设前进速度恒定。这样既保留了AUV运动的核心非线性特征又把模型复杂度控制在一个能看得透的状态。水平面模型同理只关注侧向速度和偏航角。等到这两套独立模型都跑稳了再逐渐放开限制引入全耦合。这种策略能让你在调试SMC参数时知道问题出在控制器还是模型耦合而不是一锅粥地瞎猜。3.2 外部干扰和参数摄动怎么注入仿真不能只跑一条“干净”的曲线。你要验证SMC的鲁棒性就必须人为地在仿真模型里注入干扰和参数摄动否则你测不出控制器和PID的差别在哪。我的具体做法分两部分第一参数摄动。把模型里的水动力阻尼系数、附加质量系数在标称值基础上加一个比例偏差比如±20%到±30%。这个范围贴合实际工程里水动力系数估算的误差水平。做法很简单用一个常数模块乘以1偏差系数就行也可以做成随机数模拟慢时变。第二外部干扰。常见的有三种恒定海流、周期性波浪力、随机阵风。恒定海流直接加一个常值力适合验证稳态误差周期波浪力用正弦信号模拟频率设在0.1到0.5Hz之间随机干扰可以用限带白噪声通过低通滤波器后注入执行机构或模型输入端。我一直坚持把干扰加到模型里、而不是加到控制器输出上因为这样更接近物理实际干扰作用在AUV本体上控制器要通过状态反馈去感知和抵消它。3.3 Simulink分层架构我推荐的三层结构Simulink模型最容易失控的地方就是什么东西都堆在一个层级里。我习惯把整个仿真拆成三层顶层信号定义层负责生成期望轨迹、切换控制模式、记录数据。中间层控制系统层里面放SMC控制器、滤波器、限幅器。底层被控对象层也就是AUV六自由度模型、海流扰动模型、执行机构模型。三层之间用Goto/From或者Data Store Memory传递信号方便后期改成不同控制策略做对比。被控对象层我推荐用S-Function写而不是用一堆积分器搭微分方程。原因很简单六自由度模型的方程又长又乱用Simulink基本模块搭出来像迷宫一样调试的时候改一个系数要找半天。用S-Function的话整组动力学方程用m语言写在几个函数体里改参数、加扰动、调模型结构都干净利落。下面这段是我常用的垂向运动S-Function核心片段省去了状态方程里与纵摇耦合的几项但格式是一致的function sys mdlDerivatives(t, x, u, params) % x: [深度误差; 纵向速度; 垂向速度; 纵摇角速度; ...] % u: [推进器推力; 纵摇力矩] w x(3); q x(4); % AUV垂向力方程 m params.m; Z_w_dot params.Z_w_dot; % 附加质量 Zw params.Zw; % 阻尼系数 F_thrust u(1); F_dist params.dist_amp * sin(2*pi*params.dist_freq*t); % 模拟波浪干扰 % 垂向加速度 w_dot (F_thrust F_dist Zw*w) / (m - Z_w_dot); % 纵摇角速度简化的耦合项 q_dot (u(2) params.Mq*q) / (params.Iy - params.M_q_dot); sys [x(2); w; w_dot; q_dot];用S-Function的另一个好处是它可以方便地停在一个断点里慢慢查看每个中间变量的数值这在调试控制器时太重要了。早先用基本模块搭模型时我想看某个内部信号得一路沿着信号线去找示波器接口找了半天还容易看错信号。换成S-Function之后整个调试体验完全不一样。4. SMC控制器参数整定与抖振抑制实战4.1 四个关键参数作用、顺序与陷阱SMC控制器在Simulink里能调的参数其实不多但每个参数都牵一发动全身。我按整定顺序列出来参数作用整定建议陷阱滑模面系数 (c)决定误差收敛速度越大越快先固定一个中等值如0.5~2观察系统带宽过大会放大噪声导致执行机构饱和切换增益 (k)克服干扰上界保证到达条件从干扰上界估计值起步逐步增大过小系统“拉不到”滑模面稳态误差明显边界层厚度 (\phi)缓解抖振在边界层内做线性过渡在(k)确定后逐步调大直到抖振可接受过大等于放弃SMC抗扰能力退化期望轨迹平滑系数避免控制量尖峰用阶跃信号时必加斜坡/S型过渡原以为不重要测试才发现半米阶跃就能让推力饱和参数整定的顺序很重要。我一开始是反着调的先想控制抖振把边界层调得很大结果抗扰能力很差还以为是切换增益不够又去加(k)一加又是满屏抖动最后陷入恶性循环。正确做法是先忽略抖振把(c)和(k)调到一个系统能正常跟踪且静态误差消除的状态此时抖振再大也无所谓因为这是验证控制律的“基线”。然后才引入边界层让控制量平滑。最后如果抖动依旧明显再回头微调(c)因为(c)增大相当于提高了系统的响应带宽更容易放大高频噪声。4.2 实测曲线解读深度、航向、速度跟踪在纯Simulink仿真里我做的典型工况是这样AUV从零时刻开始下潜5秒内从初始深度过渡到期望的-2米在-2米保持20秒然后切到-5米航向给定45度阶跃同时叠加0.1Hz波浪干扰和25%的水动力参数摄动。这样一套场景跑下来有几点观察值得说说。深度响应方面SMC在参数摄动下的超调明显小于PID。PID在波浪干扰下深度波动大约在正负15厘米SMC控制在正负5厘米以内。切换增益(k)设为8、边界层厚度为0.03时稳态深度误差几乎为零。这里的一个重要现象是当边界层厚度偏小时即使稳态误差为零深度曲线上能看到高频毛刺这是因为切换项在边界层外仍以符号函数工作控制量在小幅高频切换。航向响应则更有意思偏航角的波动对(k)特别敏感。在某个水位上(k)从8加到15航向超调从3度降到不足1度但推进器力矩指令出现了明显的约为12Hz的高频震荡。这个频率跟波浪干扰无关纯粹是切换项造成的抖振。后来我把符号函数换成饱和函数边界层厚度设成0.05之后航向跟踪的震荡幅度大幅度下降推进器力矩也平滑了很多。4.3 抖振抑制的三种工程化处理我实际测过的对比抖振抑制方法在文献里能列出一打但真正能在AUV仿真里落地、且参数不太难调的我试下来就三种。第一种是边界层法也就是把符号函数换成饱和函数。公式从(u_{sw} -k,\mathrm{sgn}(s))改成(u_{sw} -k,\mathrm{sat}(s/\phi))。这是最简单、见效最快的方法唯一的问题是边界层内系统不再严格滑动会留下一个很小的稳态误差通常可以通过引入积分项消除。我在AUV航向控制里边界层厚度取0.05时效果最好。取0.1以上时抗扰能力明显下降。第二种是趋近律改进。标准的符号函数切换等效于等速趋近改进为指数趋近律(\dot{s} -\varepsilon \mathrm{sgn}(s) - q s)后系统在远离滑模面时以较快速度趋近靠近时减速进入从原理上就能缓解穿越时的抖振。但实测中发现指数趋近律在Simulink里对仿真步长很敏感固定步长过大会出现趋近过程不收敛的现象必须配合较小的步长比如0.001秒使用。第三种是高阶滑模最常用的是超螺旋算法Super-Twisting。连续输出、抗抖振能力强但参数多收敛条件复杂在AUV这种执行机构有时延的模型上反而容易产生极限环。实践下来我的选择是主线方案采用边界层法把(k)调够之后用(\phi)去压抖振如果系统对稳态精度要求高再加一个积分滑模面。高阶滑模留到做原型样机时再考虑仿真阶段性价比不高。4.4 数值仿真里的隐藏变量步长和求解器仿真步长和求解器选择在实际影响上可能比控制器参数更大。这个坑我踩过同一套SMC参数用变步长ode45跑出来很平滑改成固定步长0.01秒后深度曲线直接发散。原因很简单SMC的切换项本质是不连续的变步长求解器会为了捕捉切换点自动缩小步长而固定步长做不到。经验是抖振实验必须用固定步长因为变步长会“隐藏”抖振让你误以为控制品质很好。我用固定步长0.001秒加ode4四阶Runge-Kutta这样仿真结果和最终C代码部署在嵌入式控制器里的行为更接近。如果想快速验证控制律趋势可以用变步长但只要是做参数整定和抖振对比固定步长是唯一能信得过的方式。此外代数环也是一个高频问题。控制器输出直接反馈到输入形成一个没有延时的闭环回路Simulink会报代数环警告甚至导致仿真变慢。我处理代数环的办法是在控制器输出端加一个一阶惯性环节或者Memory模块等效于给执行机构一个很小的时延既回避了代数环也模拟了推进器的响应延迟。5. 我在仿真里踩过的坑与排查思路5.1 从“深度发散”反推出来的单位错误有一个仿真失败案例很值得讲。当时把SMC控制器接进完整六自由度模型后深度信号在3秒内剧烈震荡然后发散。第一反应是(k)不够大于是从5一路加到50结果更糟。后来用Scope逐段观察内部信号发现垂向速度反馈量级是-0.02到0.03而控制器期望的速度项却是以米/秒计算的两者相差了大约一个数量级。问题出在我定义滑模面时用了不同坐标系的速度量。垂向速度在载体坐标系里是(w)但深度导数是地理坐标系的垂向速度两者之间存在姿态角的旋转矩阵变换。小船幅运动时差别不大一旦纵摇角超过15度这个变换就不能忽略。排查过程很枯燥先查反馈通道增益再查坐标变换最后发现问题正好卡在坐标变换这一环。解决方式是在模型里补上完整的旋转矩阵而不是用(w)直接当作深度的导数。这个坑提醒我建模阶段偷的懒调试阶段一定会加倍还回来。5.2 “k越大越好”的错觉与边界层厚度的联动新手经常会有这样一种误解切换增益(k)越大抗扰越强鲁棒性越好。理论上是这样但工程上不是。(k)太大抖振幅度跟着涨执行机构饱和后控制效果反而恶化。我在一组对比仿真里把(k)从10调到30深度稳态误差确实从0.04米降到0.01米但推进器推力出现了频繁饱和切换动作明显加剧系统整体能量消耗也高了很多。有用的调整策略是把(k)和(\phi)看成一对联动参数。先按干扰上界确定(k)的下限然后逐步加大(\phi)直到抖振被压到可接受范围。如果此时出现了明显的稳态误差再把(k)提升10%到20%。一轮一轮地试不要想一步到位。我后来把参数记录成一组组的实验日志每次改动都截图存下Scope曲线这比凭感觉调高效得多。5.3 仿真步长不匹配导致的“假发散”有一次做航向跟踪实验SMC参数在变步长下表现优秀我直接切到固定步长0.01秒结果偏航角发散。我一度怀疑是控制器符号函数实现有问题查了半天代码没发现问题。后来把步长改成0.001秒情况立刻缓解再把步长设为0.005秒能跑但抖振明显。结论非常明确切换项的“陡峭变化”需要求解器有足够小的步长去分辨。这个现象的本质是SMC的控制量在穿越滑模面时瞬间改变符号这个信息如果落在两个采样点之间固定步长求解器根本看不见。所以我在任何文档里都强调SMC仿真必须记录步长、求解器、切换频率这几个指标否则你对比不同参数时的“抖振大小”就没有意义。实测下来0.001秒固定步长对常规AUV尺度模型来说精度和仿真速度的平衡点比较合理。5.4 仿真和实物之间至少留三样余量仿真做得再漂亮到实物阶段通常要打不少折扣。我在某次半实物仿真联调时发现仿真里边界层厚度0.03效果很好但实物上推进器带宽有限同样的参数跑出来推力噪声很大。后来我把边界层加厚到0.08才勉强达到可接受水准。这里要提醒三件事第一现实中执行机构不是理想力矩源它有自己的带宽和饱和特性仿真里最好给推进器加一个一阶惯性环节第二传感器噪声在仿真里容易被忽略但IMU的速度测量噪声会直接在滑模面里放大噪声大的时候要考虑在(s)的计算里加滤波第三(k)留的裕量到了实物上至少要增加20%因为真实干扰上界往往比仿真估计值大得多。换句话说仿真通过只是起点控制器的“鲁棒性”最终还是要靠实物验证。最后再分享一个调参习惯我每次在Simulink里改完参数都会在模型里放一个“参数对照表”注释记录改了什么、为什么改、跑出来的曲线有什么特征。几个项目做下来这份表格比任何论文的通用参数都有参考价值因为它是针对你自己的被控对象、你自己的扰动模型沉淀下来的。如果你也在做AUV控制不妨试试这个方法等积累了几十组参数之后你会对自己的系统有完全不一样的理解。
阅读完成 · 觉得有帮助？
