简介面向无人海洋车辆UMVs在动态不确定性和海洋干扰下的推进器故障补偿问题这份资源提供了一篇论文的完整复现思路与Python仿真实现适合从事滑模控制、容错控制或海洋机器人控制方向的科研人员和工程师。压缩包仅含1个docx文档大小约51KB内容涵盖UMV动力学模型建立、固定时间积分终端滑模ITSM面设计、自适应参数估计、控制律推导、可运行代码逐段解释以及浮动生产船对比仿真结果分析相当于一份带注释的论文复现笔记。已有60人学习下载。借助其中的参数修改建议读者可自行调整干扰幅值、故障程度和滑模系数直观观察收敛速度与抗干扰性能的变化加深对算法鲁棒性的理解也可作为课程设计或课题预研的直接参考。 先讲一个我经手过的真实场景。某小型无人水面艇在执行自主巡检任务时左侧推进器被异物绞住等效推力掉了一半航向在十几秒内偏了四十多度。传统的PID控制器把故障当成“大扰动”硬扛代价是至少两三个周期的重新稳定时间在狭窄水道里这段时间足够让艇撞上浮标。从那以后我在设计无人海洋车辆控制器时总是把执行器故障当成第一约束条件来考虑而不是最后才补的漏洞。最终我选定的方案是固定时间积分终端滑模控制它把“故障发生后的恢复时间”压缩成一个不依赖初始状态的上界同时通过积分滑模面和自适应故障估计把容错和抗扰放进同一套框架里解决。这篇文章会把这套算法的设计动机、数学推导、MATLAB实现和仿真验证过程完整拆开适合正在做USV/UUV容错控制、滑模控制或者想把固定时间理论真正落地的同学参考。1. 无人艇容错控制为什么偏偏要用固定时间终端滑模1.1 同一个故障问题三种处理思路的取舍容错控制大体分两条路被动容错和主动容错。被动容错把所有故障都当成有界扰动靠控制器本身的鲁棒性去硬扛好处是结构简单、不依赖故障检测模块坏处是太保守——为了覆盖最极端的故障工况增益往往被抬得很高正常工况下反而牺牲了动态性能和能耗。主动容错则依赖故障检测与诊断模块先检测、再隔离、最后重构控制律理论完备但工程落地的最大问题在于检测延迟故障检测器需要时间确认报警而无人艇在风浪流环境里本身就是强扰动系统误报漏报很难两全。这篇文章采用的是一个折中思路把执行器故障和外部扰动合并成一个“集总不确定项”不去精确区分到底是哪类故障而是用自适应律在线估计并补偿。好处很明显——不需要单独的故障诊断模块故障一发生就自动进入补偿通道延迟几乎为零同时保留了被动容错的简单结构增益又不必无限抬高。对工程验收来说这种“不挑故障类型”的处理方式反而更实用因为海上碰到的问题往往说不清是电气故障、机械卡滞还是桨叶缠绕。1.2 收不收敛、多快收敛渐近、有限时间、固定时间做滑模控制的人都知道常规线性滑模面只能保证渐近收敛误差在无穷时间才归零实际表现为指数衰减但衰减速率和初始误差大小纠缠在一起。终端滑模通过引入分数幂项 sig^γ(e)0γ1让误差在接近原点时获得比线性系统快得多的收敛速度这是“有限时间稳定”但收敛时间上界依然依赖初始误差。初始误差越大需要的时间越长对无人艇这种初始误差不可控的场景是个隐患。固定时间稳定则完全不同收敛时间上界是一个只由控制器参数决定的常数和初始状态无关。核心技巧是在收敛动态里同时放入两个分数幂项——一个幂次小于1保证原点附近快速收敛一个幂次大于1避免远离原点时收敛“睡过去”。两者叠加误差无论从多远出发都能在同一上界时间内被拉回原点。对容错控制来说这意味着只要参数设计好故障后系统恢复稳定的最长时间是可以承诺、可以验证的这在验收评审时非常有说服力。1.3 标题里的“积分”到底在解决什么标题中“积分”二字承担了两个任务。第一个是“积分滑模”引入辅助状态 z通过初值设计让 s(0)0系统从初始时刻就处在滑模面上不存在趋近阶段——常规滑模最怕的趋近段鲁棒性差的问题在这里直接消失。第二个是误差积分项在滑模面中加入 ∫sig^γ(e) 形式的积分项可以消除常值偏置故障造成的稳态误差。执行器磨损、零点漂移这类故障几乎都带有常值分量如果没有积分项滑模控制会留下一个和故障幅值相关的静态偏差加上积分项后这个问题被系统性解决。这两点合起来才是“积分终端滑模”这个名字的真正含义。2. 从模型到控制器固定时间积分终端滑模的设计主线2.1 三自由度模型与等效大地坐标变换无人海洋车辆最常用的建模方式是三自由度模型。以全驱动无人水面艇为例大地坐标系下位置航向取 η[x, y, ψ]ᵀ船体坐标系下速度取 ν[u, v, r]ᵀ。运动学方程为η̇ R(ψ)ν其中 R(ψ) 是绕 z 轴的旋转矩阵。动力学方程为Mν̇ C(ν)ν D(ν)ν τ d₀M 是惯性矩阵C(ν) 是科氏向心力矩阵D(ν) 是阻尼矩阵τ 是执行器输出d₀ 是外部扰动。为了在控制器里直接处理位置误差通常把动力学变换到大地坐标系得到等效模型M_ηη̈ C_ηη̇ D_ηη̇ τ_η d_η其中 M_η RMRᵀτ_η Rτd_η Rd₀。注意这里的 C_η、D_η 是变换后的等效矩阵工程实现时别忘了保留 Ṙ 贡献的附加项。这个变换看似多此一举实际上把设计问题简化成标准二阶跟踪问题滑模面和控制律可以直接在误差空间写不用来回切换坐标系。仿真里我用的是一组经典实验船参数论文里很常见方便复现对比表1 实验船模型参数参数数值单位m 船体质量23.8kgIz 艏摇转动惯量1.76kg·m²Xu 纵荡线性阻尼0.7225kg/sYv 横荡线性阻尼2.89kg/sNr 艏摇线性阻尼0.50kg·m²/s非线性阻尼系数0.5~1.5视工况而定2.2 执行器故障建模效率损失加偏置执行器故障在工程上主要表现为两种形式。一是效率损失比如推进器被缠绕后推力折扣建模为乘性系数 Λdiag(λ₁, λ₂, λ₃)λᵢ∈(0,1]λᵢ1 表示该通道健康二是偏置故障比如变距电机零点漂移模型上加一个未知有界项 b(t)。实际输出为τ_actual Λτ b(t)再加上环境扰动 d₀用一个集总项把三者包起来d_η (Λ-I)τ b d₀这里的关键认知是控制器不需要知道具体是哪个通道坏了、坏到什么程度只需要知道等效到大地坐标系下的总扰动是多少。这也是整个自适应容错设计成立的基石。故障注入时分别设置效率损失和偏置能清楚评估算法对两类故障的容忍能力比只测单一故障更贴近海上实况。2.3 滑模面设计与固定时间收敛条件在误差空间 eη-η_d 上定义固定时间积分终端滑模面s ė α₁e α₂sig^γ₁(e) α₃sig^γ₂(e) α₄z ż sig^γ₃(e)其中 sig^γ(e) |e|^γ·sign(e)参数满足 0γ₁1、γ₂1、0γ₃1。当 s0 时误差动态由前四项决定γ₁ 项保证原点附近快速收敛γ₂ 项保证远离原点时保持足够收敛速度二者叠加形成固定时间稳定。辅助状态 z 的初值按公式反推使得 s(0)0。这个设计有三个容易忽略的细节。第一γ₂ 必须严格大于1这是固定时间区别于普通终端滑模的关键。第二α₄z 不是装饰它让滑模面具备积分特性对常值故障的稳态误差有根治作用。第三sig 函数在 γ1 时原点附近导数无界实现时对导数相关项要做防奇异处理比如计算 γ|e|^(γ-1)ė 时给 |e| 加一个极小缓冲项否则离散仿真里会出现数值尖峰。2.4 控制律与自适应故障估计律对滑模面求导并代入等效模型令等效控制抵消已知项再叠加固定时间趋近律得到控制律τ_η M_η( η̈_d - α₁ė - α₂γ₁|e|^(γ₁-1)ė - α₃γ₂|e|^(γ₂-1)ė - α₄sig^γ₃(e) - f̂ - k₁sig^ρ₁(s) - k₂sig^ρ₂(s) - k₃s - k₄sat(s/ε) ) C_ηη̇ D_ηη̇其中 f̂ 是集总扰动 d_η 的估计值自适应律为f̂̇ ΓsΓ 是正定增益矩阵。推导脉络很清晰前面一串 α 项把滑模面动态里的确定性部分全部抵消让系统在理想无扰情况下保持 s0f̂ 在线抵消故障造成的漂移k₁、k₂ 构成固定时间趋近律k₃ 提供线性阻尼k₄sat 处理估计残差。闭环后 s 的动态变成 d̃ - k₁sig^ρ₁(s) - k₂sig^ρ₂(s) - k₃s - k₄sat(s/ε)其中 d̃ 是估计误差。用 Lyapunov 函数 V½sᵀs½d̃ᵀΓ⁻¹d̃ 可以证明 s 和 d̃ 一致最终有界且 s 在固定时间内进入稳定边界。证明细节论文里都有我这里更想强调的是每个增益在公式里的作用边界必须清晰调参时才不会像无头苍蝇。3. 代码实现核心函数逐一落地3.1 主循环与控制律骨架完整工程代码较长这里给出主循环骨架逻辑和注释足够移植到自己的项目。采用显式欧拉离散仿真步长 dt0.01s对应100Hz控制频率能覆盖大多数物理实验平台的控制需求。%% 固定时间积分终端滑模容错控制器 - 主循环骨架 % 状态: eta[x; y; psi] nu[u; v; r] dt 0.01; t 0:dt:30; N length(t); eta zeros(3,N); nu zeros(3,N); f_hat zeros(3,1); % 故障集总项估计值 % 积分滑模辅助状态初值, 保证 s(0)0 [eta_d0, etad_d0] ref_trajectory(0); e0 eta(:,1) - eta_d0; edot0 R(eta(3,1))*nu(:,1) - etad_d0; z -(1/p.a4)*(edot0 p.a1*e0 p.a2*sig(e0,p.g1) p.a3*sig(e0,p.g2)); for k 1:N-1 [eta_d, etad_d, etadd_d] ref_trajectory(t(k)); e eta(:,k) - eta_d; edot R(eta(3,k))*nu(:,k) - etad_d; % 滑模面 s edot p.a1*e p.a2*sig(e,p.g1) ... p.a3*sig(e,p.g2) p.a4*z; % 固定时间控制律(大地坐标系) v0 etadd_d - p.a1*edot ... - p.a2*p.g1*abs(e).^(p.g1-1).*edot ... - p.a3*p.g2*abs(e).^(p.g2-1).*edot ... - p.a4*sig(e,p.g3) ... - p.K1*sig(s,p.rho1) - p.K2*sig(s,p.rho2) ... - p.K3*s - p.K4*sat(s/p.eps); tau_eta M_eta_eval(eta(3,k))*(v0 - f_hat) ... C_eta_eval(eta,nu)*edot D_eta_eval(nu)*edot; tau R(eta(3,k))*tau_eta; % 转回船体坐标控制指令 tau_actual fault_injection(tau, t(k)); % 故障注入 nu_dot M \ (-C_calc(nu(:,k))*nu(:,k) - D_calc*nu(:,k) ... tau_actual disturbance(t(k))); nu(:,k1) nu(:,k) dt*nu_dot; eta(:,k1) eta(:,k) dt*R(eta(3,k))*nu(:,k); z z dt*sig(e,p.g3); % 积分滑模辅助状态更新 f_hat f_hat dt*p.Gamma*s; % 自适应故障估计 f_hat projection(f_hat); end有一个我最初踩过的坑控制量 tau 是在大地坐标系算完、再经 Rᵀ 变换回船体坐标系的而动力学求解必须用船体坐标。如果跳过这个变换直接算大回转机动时误差会持续累积仿真结果出现肉眼可见的方向性偏差。3.2 sig、sat 与投影算子function y sig(x, gamma) % 终端滑模符号幂函数: |x|^gamma * sign(x) y abs(x).^gamma .* sign(x); end function y sat(x, eps) % 饱和函数, 用于抑制抖振 y min(1, abs(x)./eps) .* sign(x); end function f projection(f) % 故障估计限幅, 防止自适应积分漂移 f max(f_min, min(f_max, f)); endsig 函数是整个算法的基石务必自己验证边界情况输入负值时 sign 保证方向正确abs 后的分数幂才不会产生复数。饱和函数 sat 替代理想滑模里的 sign 项是工程上抑制抖振的关键一招。投影算子看起来不起眼但没有它自适应律在持续故障下积分漂移导致控制量发散的案例我见过不止一次。3.3 辅助状态与自适应律的离散化细节积分滑模的辅助状态 z 在离散化时要注意两件事。一是初始化为了让 s(0)0z(0) 必须由下式反推z(0) -(1/α₄)( ė(0) α₁e(0) α₂sig^γ₁(e(0)) α₃sig^γ₂(e(0)) )省略这一步系统会先经历一段趋近过程虽然固定时间控制也能拉回来但会浪费收敛预算初始阶段跟踪误差明显偏大。二是仿真步长变化时自适应增益 Γ 要相应调整从 0.01s 改成 0.001sΓ 不缩小的话显式欧拉积分的数值稳定性会出问题f̂ 曲线会出现高频振荡。4. 仿真场景设置与结果分析4.1 参考轨迹与故障注入时序仿真验证不能只看理想工况。我的习惯是设置一条 8 字形轨迹x2sin(0.1t)、y1.5sin(0.2t)航向由轨迹切向给定。这种轨迹包含持续的加减速和转弯能同时考察纵向、横向、艏摇三个通道的跟踪能力比直线轨迹更有说服力。故障注入时序如下表2 故障注入场景时间段故障类型具体设置0~8s无故障健康运行控制器收敛参考轨迹8s起偏置故障纵荡通道加 2N 常值偏置16s起效率损失Λdiag(0.5, 1, 0.8)纵荡通道推力减半外部扰动同时叠加正弦风与随机浪τ_d [0.5sin(0.3t); 0.5cos(0.4t); 0.3sin(0.5t)] 高斯白噪声。4.2 对照组怎么设才有说服力为了证明固定时间积分终端滑模的增量价值至少要跑三组对比常规PID、普通终端滑模没有固定时间项也没有积分项、本文设计的固定时间积分终端滑模。参数调节原则是让三组控制器在无故障工况下达到相近的稳态精度这样故障注入后的差异才有可比性。有些论文把对照组调得很差来衬托自己的方法这种操作在别人复现时会立刻露馅不建议学。4.3 结果怎么读误差、滑模面、控制输入跑完仿真后我通常先看四张图位置误差曲线、滑模面 s 曲线、控制输入 τ 曲线、故障估计 f̂ 曲线。典型结果如下表3 三种控制器30s仿真对比指标PID终端滑模固定时间积分终端滑模偏置故障后最大横漂误差0.38m0.14m0.06m效率损失后恢复时间6.8s3.2s1.5s稳态平均误差0.05m0.02m0.008m控制输入抖振幅度无明显轻微边界层抑制具体数字随模型参数和增益变化这里给的是数量级参考。更关键的是曲线形态固定时间积分终端滑模的 s 从零时刻就在零附近故障注入瞬间虽有跳变但会在固定时间上界内回到零附近。这个“可承诺的恢复时间”是另外两类方法给不出的。故障估计 f̂ 曲线在 8s 和 16s 时能明显看到跳变响应说明自适应律确实“感知”到了故障而不是靠高增益硬压。5. 我踩过的坑与调参经验5.1 初值敏感性与滑模面初始化第一次实现时我偷懒z 从零开始积分结果前 2 秒跟踪误差冲得非常高一度怀疑自适应律写错了。排查后发现问题就出在 s(0)≠0系统要先完成趋近动态误差才会收敛。把 z(0) 按公式初始化后收敛曲线立刻变得干净。这个细节很多论文里一句话带过却是复现时最容易翻车的地方。5.2 固定时间参数的整定逻辑固定时间的收敛上界公式会直接指导参数选择误差动态中的 γ₁ 项决定一部分收敛上界γ₂ 项决定另一部分。实际调参时我习惯先把 α₂、α₃ 固定在 1 量级γ₁ 取 0.6~0.8γ₂ 取 1.5~2先看收敛时间是否落在可接受范围再微调 α₄。趋近律的 ρ₁、ρ₂ 同理。千万不要一上来就调 k₄——它只负责抑制估计残差调大了会把边界层抖振重新放大得不偿失。5.3 积分项和自适应律的饱和防护积分滑模的辅助状态 z 和故障估计 f̂ 都是积分型变量在极端故障下很容易积分饱和。我的工程代码里对 f̂ 加了投影限幅对 z 加了钳位防止故障幅值超出执行器物理能力时积分量无限增长导致指令发散。最后再分享一个验证习惯故障注入不要只测一组——把偏置故障、效率损失、两者组合三种情况各跑一遍再检查控制输入是否始终在执行器饱和范围内。能通过这组测试算法才有底气接到实船上。本文还有配套的精品资源点击获取