简介本资源是一套面向控制工程与无人机方向初学者及进阶学习者的四旋翼滑模控制MATLAB仿真完整实现聚焦非线性系统鲁棒控制设计痛点适用于课程设计、毕业设计及科研原型验证。压缩包共7个文件5个.m主程序脚本、1个Simulink模型.mdl、1个备份.asv总大小仅13KB轻量但结构完整包含动力学plant模型、双层滑模控制器ctrl1/ctrl2、积分器int模块及结果可视化plot脚本Simulink模型直观呈现闭环控制架构各m文件分工明确、注释清晰便于理解滑模函数设计、边界层抖振抑制及姿态跟踪实现逻辑。目前已有1127人学习下载读者可直接运行复现四旋翼俯仰/横滚/偏航角响应曲线、控制输入时序图及状态收敛过程快速掌握滑模控制在实际飞控中的建模—设计—仿真—分析全流程。1. 四旋翼滑模控制从理论到仿真的完整闭环如果你正在做四旋翼飞行器的控制算法研究尤其是想尝试一些比经典PID更“硬核”的现代控制方法滑模控制Sliding Mode Control, SMC大概率会出现在你的备选清单里。它以其对模型不确定性和外部干扰的强鲁棒性而闻名听起来就像是专为四旋翼这种强耦合、非线性、易受扰的系统量身定做的。但理论上的美好往往在第一步仿真时就可能碰壁状态方程怎么建滑模面参数怎么调抖振怎么抑制Simulink模型怎么搭才能既清晰又高效最后那一堆Plot图又该怎么解读才能证明你的控制器真的有效而不是在自欺欺人我花了相当一段时间才把这一整套流程从零到一跑通。网上能找到的代码和模型往往支离破碎要么只有理论推导没有程序要么程序跑出来结果诡异却无从调试。今天我就把自己搭建的这套四旋翼滑模控制Matlab/Simulink仿真程序的完整思路、核心代码、模型架构以及结果分析毫无保留地分享出来。这不是一个简单的“Hello World”式Demo而是一个包含了姿态与位置控制、参数可调、带有抗抖振设计、并能输出完整分析图表的实战项目。无论你是刚开始接触滑模控制的研究生还是需要在工程中验证算法可行性的工程师这套东西都能让你少走很多弯路。2. 四旋翼建模与滑模控制律设计核心原理拆解在动笔写代码和拖拽Simulink模块之前我们必须把控制对象和控制器的数学模型搞清楚。这一步是地基地基不稳后面的仿真再漂亮也是空中楼阁。2.1 四旋翼的动力学模型简化与状态定义四旋翼是一个典型的欠驱动系统6个自由度只有4个输入其完整的动力学模型相当复杂。为了专注于控制算法本身我们通常采用基于牛顿-欧拉方程推导的简化模型并做如下合理假设机体是刚体且结构对称。重心与几何中心重合。桨叶升力与电机转速的平方成正比。忽略空气阻力矩的高阶项。在这样的假设下我们可以将系统分为**姿态环内环和位置环外环**进行解耦控制。这是最经典也最实用的级联控制结构。我们定义以下状态变量位置与速度P [x, y, z]^T,V [v_x, v_y, v_z]^T在地面惯性坐标系下。姿态与角速度Θ [φ, θ, ψ]^T滚转、俯仰、偏航角Ω [p, q, r]^T机体坐标系下的角速度。系统的控制输入是四个电机的转速但更直接的控制量是它们组合产生的总升力 U1和三个力矩 U2, U3, U4分别对应滚转、俯仰、偏航。经过推导可以得到如下形式的动力学方程位置通道m * ddot(P) R * [0; 0; U1] - [0; 0; m*g]其中m是质量g是重力加速度R是由姿态角Θ构成的旋转矩阵从机体坐标系到惯性坐标系。这个方程告诉我们位置的变化最终是通过调整姿态Θ来改变拉力矢量的方向从而产生水平方向的分力来实现的。姿态通道I * dot(Ω) Ω × (I * Ω) [U2; U3; U4]其中I是机体的惯性张量矩阵×表示叉乘。这个方程描述了角加速度与施加力矩之间的关系。在实际仿真编程时我们会使用这些方程的一阶形式状态空间方程并处理好旋转矩阵R和科里奥利项Ω × (I * Ω)的计算。这是后续所有控制器设计的起点。2.2 滑模控制器的设计思路与关键公式滑模控制的精髓在于“滑模面”的设计。一旦系统状态被“拉”到这个预设的曲面上就会沿着它滑向平衡点并且对外部干扰和参数变化具有不变性。我们以高度通道z方向的控制为例来具体说明设计过程。假设我们的控制目标是让四旋翼稳定在期望高度z_d。定义误差e_z z - z_d。设计滑模面我们通常选择线性滑模面其形式为s dot(e) λ * e。对于高度通道我们定义s_z dot(e_z) λ_z * e_z (v_z - dot(z_d)) λ_z * (z - z_d)。 其中λ_z 0是一个设计参数它决定了系统状态在滑模面上的收敛速度。λ越大收敛越快但可能带来更大的控制输入。设计趋近律为了让系统状态从任意初始点到达滑模面s0我们需要设计控制律。最常用的是指数趋近律dot(s) -ε * sign(s) - k * s。 其中sign()是符号函数ε 0和k 0是控制器参数。-k*s项保证状态指数趋近滑模面-ε*sign(s)项用于克服干扰保证到达条件。推导控制量将s_z的导数dot(s_z)与动力学方程联立。dot(s_z) dot(v_z) - ddot(z_d) λ_z * (v_z - dot(z_d))。 从位置通道动力学方程中我们可以提取出z方向的方程m * dot(v_z) U1 * cosφ * cosθ - m*g。 令dot(s_z) -ε_z * sign(s_z) - k_z * s_z并将上面的dot(v_z)代入即可反解出总升力U1的表达式U1 (m / (cosφ * cosθ)) * [ g ddot(z_d) - λ_z*(v_z - dot(z_d)) - ε_z*sign(s_z) - k_z*s_z ]。 这里有一个细节cosφ * cosθ在分母上当姿态角接近90度时会导致奇异这也是为什么四旋翼通常不做大机动翻滚的原因之一。在实际程序中我们需要对这个值做一个安全限幅。对于姿态角φ, θ, ψ的控制设计流程完全类似。只是动力学方程变成了姿态通道的方程控制量变成了力矩U2, U3, U4。最终我们会得到四个控制量的计算公式它们都是关于状态误差、滑模面s及其参数的函数。注意符号函数sign(s)是抖振的主要来源。为了减轻抖振工程上普遍采用饱和函数sat(s/Φ)或连续近似函数如s/(|s|δ)来代替它。其中Φ是边界层厚度δ是一个很小的正数。这属于“准滑模控制”在牺牲一点点鲁棒性的前提下极大平滑了控制信号。在我的仿真程序中就采用了饱和函数sat()来处理。3. Matlab仿真程序架构核心脚本与函数详解有了理论公式我们就可以开始用Matlab代码将它们实现。我的程序通常由几个核心的.m脚本和函数文件组成结构清晰便于修改和调试。3.1 主仿真脚本main_smc_quadrotor.m这个脚本是仿真的总指挥负责设置参数、调用求解器、运行仿真和绘制结果。它的典型结构如下%% 四旋翼滑模控制仿真主程序 clear; close all; clc; %% 1. 初始化参数 % 物理参数 params.m 1.2; % 质量 (kg) params.g 9.81; % 重力加速度 params.Ixx 0.023; params.Iyy 0.023; params.Izz 0.046; % 转动惯量 (kg*m^2) params.arm_length 0.225; % 机臂长度 (m) % 滑模控制器参数 % 高度通道 smc_params.z.lambda 1.5; smc_params.z.epsilon 0.8; smc_params.z.k 2.0; smc_params.z.phi 0.1; % 边界层厚度 % 姿态通道 (以滚转角为例) smc_params.phi.lambda 8.0; smc_params.phi.epsilon 5.0; smc_params.phi.k 10.0; smc_params.phi.phi 0.05; % 期望轨迹 t_sim 20; % 仿真时间 % 期望位置前5秒悬停于(0,0,1)5-15秒沿x轴移动到(2,0,1)最后5秒悬停 t_vec linspace(0, t_sim, 1000); z_d 1 * ones(size(t_vec)); x_d zeros(size(t_vec)); x_d(t_vec5 t_vec15) 2 * (t_vec(t_vec5 t_vec15)-5)/10; % 匀速运动 x_d(t_vec15) 2; % 期望偏航角保持0度 psi_d 0 * ones(size(t_vec)); % 初始状态 init_state [0; 0; 0; ... % x, y, z 0; 0; 0; ... % vx, vy, vz 0; 0; 0; ... % phi, theta, psi (rad) 0; 0; 0]; % p, q, r (rad/s) %% 2. 调用ODE求解器进行仿真 % 将参数打包 sim_data.params params; sim_data.smc_params smc_params; sim_data.ref_t t_vec; sim_data.ref_x x_d; sim_data.ref_z z_d; sim_data.ref_psi psi_d; % 使用ode45求解微分方程 options odeset(RelTol, 1e-6, AbsTol, 1e-9); [t, state_history] ode45((t, x) quadrotor_dynamics_smc(t, x, sim_data), ... [0, t_sim], init_state, options); %% 3. 提取并处理仿真结果 % state_history的每一列对应init_state的一个状态 x_pos state_history(:,1); y_pos state_history(:,2); z_pos state_history(:,3); vx state_history(:,4); vy state_history(:,5); vz state_history(:,6); phi state_history(:,7); theta state_history(:,8); psi state_history(:,9); p state_history(:,10); q state_history(:,11); r state_history(:,12); % 插值得到对应时间点的期望值 x_d_interp interp1(t_vec, x_d, t); z_d_interp interp1(t_vec, z_d, t); psi_d_interp interp1(t_vec, psi_d, t); % 计算控制输入历史需要在动力学函数中记录 % 假设动力学函数通过全局变量或额外输出返回了控制量U % 这里需要根据你的函数具体实现来获取例如 global U_history; % 或者将动力学函数修改为返回额外参数 %% 4. 绘制结果图形 (Plot部分将在第5章详细展开) % plot_results(t, state_history, U_history, ref_data);这个脚本的关键在于调用了ode45求解器而微分方程的具体内容则封装在quadrotor_dynamics_smc这个函数中。3.2 核心动力学函数quadrotor_dynamics_smc.m这个函数是仿真的心脏它根据当前状态和时间计算状态的导数dxdt。它必须严格按照状态方程和滑模控制律来编写。function dxdt quadrotor_dynamics_smc(t, x, sim_data) % 输入t - 当前时间, x - 当前状态向量(12维), sim_data - 包含参数和参考轨迹的结构体 % 输出dxdt - 状态导数向量 % 解包参数 params sim_data.params; smc_params sim_data.smc_params; m params.m; g params.g; I diag([params.Ixx, params.Iyy, params.Izz]); % 解包当前状态 pos x(1:3); % [x; y; z] vel x(4:6); % [vx; vy; vz] angles x(7:9); % [phi; theta; psi] omega x(10:12); % [p; q; r] phi angles(1); theta angles(2); psi angles(3); p omega(1); q omega(2); r omega(3); % 获取当前时刻的期望值通过插值 ref_t sim_data.ref_t; x_d interp1(ref_t, sim_data.ref_x, t, linear, extrap); z_d interp1(ref_t, sim_data.ref_z, t, linear, extrap); psi_d interp1(ref_t, sim_data.ref_psi, t, linear, extrap); % 计算期望值的一阶、二阶导数这里假设轨迹已知且可微简单示例中常设为零或根据轨迹公式计算 dot_x_d 0; ddot_x_d 0; % 根据你的轨迹设计修改 dot_z_d 0; ddot_z_d 0; dot_psi_d 0; ddot_psi_d 0; %% 滑模控制器计算 % --- 位置通道外环生成期望姿态角--- % 高度z控制计算总升力U1 e_z pos(3) - z_d; dot_e_z vel(3) - dot_z_d; s_z dot_e_z smc_params.z.lambda * e_z; % 使用饱和函数替代符号函数 sat_s_z sat(s_z, smc_params.z.phi); U1 (m / (cos(phi)*cos(theta))) * (g ddot_z_d ... - smc_params.z.lambda * dot_e_z ... - smc_params.z.epsilon * sat_s_z ... - smc_params.z.k * s_z); % 安全限制防止除零或U1为负 U1 max(0.1*m*g, U1); % 至少保持10%的升力 % 水平位置x,y控制生成期望的滚转和俯仰角指令 % 以x方向为例设计虚拟控制量ux e_x pos(1) - x_d; dot_e_x vel(1) - dot_x_d; s_x dot_e_x smc_params.x.lambda * e_x; sat_s_x sat(s_x, smc_params.x.phi); ux (m / U1) * (ddot_x_d ... - smc_params.x.lambda * dot_e_x ... - smc_params.x.epsilon * sat_s_x ... - smc_params.x.k * s_x); % 同理计算y方向的uy % ... % 根据ux, uy和期望偏航角psi_d解算期望的滚转角phi_d和俯仰角theta_d % 这是一个代数变换 [ux; uy] [cos(psi_d), sin(psi_d); -sin(psi_d), cos(psi_d)] * [theta_d; -phi_d] % 因此 R_psi [cos(psi_d), sin(psi_d); -sin(psi_d), cos(psi_d)]; angle_cmd R_psi \ [ux; uy]; % 求解线性方程组 theta_d angle_cmd(1); phi_d -angle_cmd(2); % 注意符号 %% --- 姿态通道内环计算力矩U2, U3, U4--- % 滚转角phi控制 e_phi phi - phi_d; dot_e_phi p - 0; % 假设期望角速度dot(phi_d)0 s_phi dot_e_phi smc_params.phi.lambda * e_phi; sat_s_phi sat(s_phi, smc_params.phi.phi); % 根据姿态动力学方程推导控制力矩U2 % Ixx * dot(p) U2 (Iyy - Izz)*q*r % 令 dot(s_phi) -epsilon*sat - k*s 且 dot(s_phi) dot(p) lambda*dot(e_phi) % 可解得 U2 I(1,1) * ( -smc_params.phi.lambda * dot_e_phi ... - smc_params.phi.epsilon * sat_s_phi ... - smc_params.phi.k * s_phi ) ... - (I(2,2)-I(3,3)) * q * r; % 俯仰角theta控制 (计算U3) % ... 类似phi的计算 % 偏航角psi控制 (计算U4) % ... 类似phi的计算但动力学方程不同 %% 计算状态导数 % 1. 线速度导数 (来自位置动力学) R rotation_matrix(phi, theta, psi); % 需要实现一个旋转矩阵函数 thrust_vector R * [0; 0; U1]; gravity_vector [0; 0; -m*g]; accel (thrust_vector gravity_vector) / m; % 2. 角速度导数 (来自姿态动力学) I_inv inv(I); moments [U2; U3; U4]; coriolis cross(omega, I*omega); % 科里奥利项 omega_dot I_inv * (moments - coriolis); % 3. 位置导数就是速度 pos_dot vel; % 4. 姿态角导数 (欧拉角微分方程注意奇异性) % 对于小角度或非极端机动常用以下近似 angles_dot [1, sin(phi)*tan(theta), cos(phi)*tan(theta); 0, cos(phi), -sin(phi); 0, sin(phi)/cos(theta), cos(phi)/cos(theta)] * omega; % 注意当theta接近±90度时此矩阵奇异。在实际飞行或高机动仿真中应使用四元数。 % 组装状态导数向量 dxdt [pos_dot; accel; angles_dot; omega_dot]; % 可选记录控制输入U1-U4用于后续绘图 persistent U_log; if isempty(U_log) U_log []; end U_log [U_log; t, U1, U2, U3, U4]; assignin(base, U_history, U_log); % 存入基础工作区 end % 饱和函数定义 function y sat(s, phi) if abs(s) phi y s / phi; else y sign(s); end end % 旋转矩阵函数 function R rotation_matrix(phi, theta, psi) Rz [cos(psi), -sin(psi), 0; sin(psi), cos(psi), 0; 0, 0, 1]; Ry [cos(theta), 0, sin(theta); 0, 1, 0; -sin(theta), 0, cos(theta)]; Rx [1, 0, 0; 0, cos(phi), -sin(phi); 0, sin(phi), cos(phi)]; R Rz * Ry * Rx; % 通常旋转顺序为Z-Y-X (偏航-俯仰-滚转) end这个函数内容非常密集是算法实现的核心。它清晰地展示了如何将滑模控制律嵌入到四旋翼的动力学模型中。其中姿态环的期望指令phi_d,theta_d是由位置环的滑模控制器产生的这体现了级联控制的思想。实操心得在编写这个函数时最大的坑是单位一致性和坐标系转换。确保所有角度都用弧度制惯性矩单位正确并且旋转矩阵R的乘法顺序是Rz*Ry*Rx还是Rx*Ry*Rz与你定义的欧拉角旋转顺序完全匹配。一个符号错误或顺序错误就足以让仿真结果变得毫无意义。我建议在写完函数后先用一个简单的开环恒定输入测试一下看看四旋翼是否在重力作用下正确下坠或者给一个力矩看姿态角是否按预期旋转这是验证模型正确性的第一步。4. Simulink模型搭建可视化与模块化实现虽然纯Matlab脚本灵活但对于复杂系统、需要快速调整参数或直观查看信号流图的场景Simulink更具优势。我的Simulink模型遵循模块化设计原则将四旋翼模型、控制器、参考轨迹生成器等分开。4.1 整体模型架构模型顶层通常包含以下几个主要子系统Reference Trajectory Generator根据时间t生成期望的位置[x_d, y_d, z_d]和偏航角psi_d及其一阶、二阶导数。可以用Matlab Function模块或Lookup Table实现。Sliding Mode Controller这是核心控制器子系统。输入是当前状态State和期望值Ref输出是四个控制量[U1, U2, U3, U4]。内部就是实现了第3.2节中quadrotor_dynamics_smc函数里的控制律计算部分。Quadrotor Plant Model四旋翼被控对象模型。输入是四个控制量输出是12个状态。内部使用Matlab Function模块或S-Function来实现动力学方程dxdt f(x, U)并使用积分器模块如Integrator进行数值积分。强烈建议使用Matlab Function模块因为它可以直接调用.m文件中的函数便于和脚本代码保持同步。Scope和To Workspace用于实时观察和记录仿真数据。将关键信号如位置误差、姿态角、控制输入连接到Scope同时用To Workspace模块将数据保存到Matlab工作区供后续精细绘图和分析。4.2 控制器子系统内部细节在Sliding Mode Controller子系统中你需要用Simulink模块搭建出滑模面的计算、饱和函数的实现以及最终控制量的计算。滑模面计算使用Add、Gain增益即λ参数、Derivative求导慎用易引入噪声或直接使用误差的微分信号如果从状态中可得来构建s dot(e) λ*e。对于轨迹跟踪dot(e)通常等于(当前速度 - 期望速度)。饱和函数实现可以用Matlab Function模块写几行代码实现sat(s/Φ)也可以用基础的Relational Operator比较、Switch切换和Gain模块来搭建。例如 |s| Φ 是 - 输出 s/Φ 否 - 输出 sign(s)控制量计算按照推导出的公式使用Product、Divide、Sum、Trigonometric Function三角函数等模块组合计算。特别注意分母可能为零的情况用MinMax或Saturation模块进行保护。4.3 被控对象模型子系统在Quadrotor Plant Model子系统中最简洁高效的方式是使用一个Matlab Function模块。该模块的输入是控制向量U和当前状态x来自积分器的反馈输出是状态导数dxdt。模块内部的代码就是quadrotor_dynamics_smc函数中只包含动力学计算、不包含控制律的那部分。然后外接一组Integrator模块对dxdt积分得到x形成闭环。Simulink建模避坑指南求解器选择对于这种非线性模型建议使用变步长求解器如ode45(Dormand-Prince) 或ode15s(刚性系统)。在Model Configuration Parameters中设置合适的相对容差如1e-6和绝对容差如1e-9。代数环如果你的控制律计算中U1依赖于当前的phi,theta而phi,theta又由包含U1的动力学方程积分得到这可能会形成代数环。Simulink会报错。解决方法是在反馈回路中插入一个Memory模块或Unit Delay模块打破代数环。这相当于引入了一个计算步长的延迟在仿真步长足够小时是可接受的。信号维度务必用Mux和Demux模块清晰地管理向量信号并用Signal Dimensions显示功能检查维度是否正确避免维度不匹配的错误。初始状态双击Integrator模块设置正确的初始值如高度z00其他为0这对应了四旋翼的起飞初始状态。5. 结果分析与Plot图解读如何判断控制器好坏仿真跑完了生成了海量的数据。怎么画图才能最有说服力地展示你的滑模控制器性能一堆乱七八糟的曲线堆在一起是毫无意义的。我通常从以下几个维度来绘制和分析Plot图它们构成了评价控制器的“证据链”。5.1 轨迹跟踪性能图这是最直观的图展示四旋翼是否能跟上期望的轨迹。三维轨迹对比图使用plot3函数在同一张图上绘制期望轨迹x_d, y_d, z_d和实际轨迹x, y, z。用不同颜色和线型区分。这张图能宏观展示跟踪效果。figure(‘Position‘, [100, 100, 800, 600]); plot3(x_ref, y_ref, z_ref, ‘b--‘, ‘LineWidth‘, 2, ‘DisplayName‘, ‘期望轨迹‘); hold on; plot3(x_actual, y_actual, z_actual, ‘r-‘, ‘LineWidth‘, 1.5, ‘DisplayName‘, ‘实际轨迹‘); xlabel(‘X (m)‘); ylabel(‘Y (m)‘); zlabel(‘Z (m)‘); legend; grid on; axis equal; title(‘四旋翼三维轨迹跟踪效果‘);各通道位置/姿态跟踪曲线将时间t作为横轴分别绘制x, y, z, φ, θ, ψ的期望值与实际值随时间的变化曲线。通常用子图subplot排列。这张图能清晰显示稳态误差、超调量和响应速度。figure; subplot(3,2,1); plot(t, x_ref, ‘b--‘, t, x_actual, ‘r-‘); legend(‘期望x‘, ‘实际x‘); ylabel(‘x (m)‘); grid on; subplot(3,2,2); plot(t, y_ref, ‘b--‘, t, y_actual, ‘r-‘); legend(‘期望y‘, ‘实际y‘); ylabel(‘y (m)‘); grid on; % ... 依次绘制z, phi, theta, psi5.2 误差与滑模面演化图这部分是滑模控制特有的分析用于验证控制器是否按理论工作。跟踪误差图绘制e_x, e_y, e_z, e_phi, e_theta, e_psi随时间的变化。理想情况下所有误差应渐近收敛到零或一个很小的边界层内。这是控制器性能的直接量化。滑模面变量图绘制各个通道的滑模面s随时间的变化。这是最关键的一张图之一。理论证明当系统进入滑模运动后s应保持在零附近一个很小的范围内边界层厚度Φ内高频抖振。你的图应该显示出在初始阶段后s迅速收敛并稳定在边界层内。如果s一直发散或振幅很大说明控制器参数ε, k, λ, Φ设置不当。figure; subplot(2,1,1); plot(t, s_z, ‘b-‘); ylabel(‘s_z‘); grid on; title(‘高度通道滑模面‘); hold on; yline(smc_params.z.phi, ‘r--‘); yline(-smc_params.z.phi, ‘r--‘); % 画出边界层 legend(‘s_z‘, ‘边界层‘); subplot(2,1,2); plot(t, s_phi, ‘b-‘); ylabel(‘s_\phi‘); grid on; title(‘滚转通道滑模面‘); hold on; yline(smc_params.phi.phi, ‘r--‘); yline(-smc_params.phi.phi, ‘r--‘);5.3 控制输入分析图控制输入U1, U2, U3, U4的曲线同样重要。控制输入时间序列图展示四个控制量随时间的变化。观察它们是否平滑、是否有物理可实现如U1不能为负以及抖振现象是否明显。使用饱和函数后抖振应大幅减弱表现为在稳态值附近的高频小幅度波动。控制输入频谱分析可选如果对抖振研究深入可以对稳态后的U2或U3信号做快速傅里叶变换FFT查看其高频分量。滑模控制带来的抖振通常分布在较宽的频带上。5.4 参数敏感性测试与对比图进阶为了体现滑模控制的鲁棒性你可以设计对比实验。参数摄动在仿真中故意让控制器使用的模型参数如质量m、转动惯量I与实际被控对象模型的参数有10%-20%的差异。然后运行相同的轨迹跟踪任务。加入外部干扰在动力学方程中加入持续或脉冲形式的风扰力矩或力。绘制对比图将标称情况无摄动无干扰下的误差曲线与存在参数摄动和干扰下的误差曲线画在同一张图上。如果滑模控制器设计良好两条曲线应该非常接近这表明控制器对模型不确定性和干扰不敏感。你可以同时对比一下PID控制器在相同扰动下的表现通常PID的误差会大很多。结果解读经验不要只看轨迹跟踪“像不像”。一个看起来跟踪不错的曲线可能隐藏着巨大的、高频率的控制输入抖振这在实物电机上是无法实现的会迅速烧毁电机。因此必须将跟踪误差图、滑模面图和控制输入图结合起来看。理想的仿真结果是跟踪误差小且收敛快滑模面迅速进入并保持在边界层内控制输入连续、平滑且幅值合理。如果控制输入出现剧烈的锯齿波即使跟踪效果好也意味着需要调整边界层厚度Φ或趋近律参数ε, k在鲁棒性和平滑性之间取得更好的平衡。本文还有配套的精品资源点击获取