做欠驱动AUV水平轨迹跟踪控制这几个月我把大部分时间花在了同一件事上盯着Simulink里的误差曲线思考为什么控制器改得越来越“花哨”轨迹却总在某个时刻跳一下或者拖一条长尾巴。后来问题逐渐清晰——不是控制思想的问题而是趋近阶段、积分项和扰动补偿之间的关系没有理顺。这篇博文记录我用全局积分滑模完成欠驱动AUV水平面轨迹跟踪控制的全过程覆盖模型建立、误差坐标变换、控制器推导、Simulink仿真实现和参数整定经验。文中的思路和Matlab代码框架都可以直接搬走适合正在做水下机器人运动控制的研究生、工程师以及想快速跑通一个非线性控制仿真验证的同学。1. 欠驱动AUV水平面跟踪难在哪为什么滑模总能有一席之地1.1 水平面模型天然“欠”了一个控制输入先说清楚“欠驱动”这个三个字在实际仿真里意味着什么。一个水平面运动的AUV如果不考虑垂荡、横摇、纵摇通常只保留纵荡速度u、横荡速度v和艏摇角速度r三个自由度对应的位置状态是北向位置x、东向位置y和艏向角ψ。但执行机构往往只有尾部螺旋桨产生的纵向推力τ_u以及舵或艉推进器产生的偏航力矩τ_r。横荡方向没有任何直接推力。这就像开一辆只有油门和方向盘的车却没有侧向手刹。横荡速度v只能靠水动力、耦合效应和艏摇间接去影响不能直接命令它等于某个值。这个限制带来一个很硬的问题系统是三个自由度、两个控制输入控制方向数量少于被控动态数量非线性系统中的一大类成熟方法都不能直接套。很多初学者刚接触这个话题时会问既然少一个输入那我把模型降成两个自由度不就行了实际上不行因为横荡速度v在转弯过程中会持续存在而且与纵荡、艏摇之间存在强烈的科氏耦合项。忽略v仿真结果会很漂亮但拿到真实水池里基本没法用。所以研究欠驱动控制的第一课就是老老实实把v当作一个可观测但不可直接控的状态让它参与动力学但不奢望给它分配一个控制力。1.2 传统PID和反步法的无力感我见过不少项目一开始都用PID。PID在天真的线性仿真里确实能跑但一旦把轨迹设成大幅转向的圆形或者S形问题立刻暴露PID的抗扰动能力来自积分项但欠驱动AUV的纵荡—横荡—艏摇耦合是非线性的PID参数在某个航速下调节好换个航速或换一组海况参数就失效。反步法也是这个方向的高频选择。反步法的逻辑是把系统写成严格反馈形式一层一层设计虚拟控制量。但欠驱动AUV的误差动力学中横向误差要借助艏摇角才能间接控制这导致虚拟艏摇角的设计比较绕而且反步法需要对虚拟控制量反复求导表达式复杂在Simulink里实现时符号运算很痛苦稍微改一下水动力模型就要重新推导半天。滑模控制在这类问题上强在哪它对“模型参数不准”和“外部扰动”天然不敏感。因为滑模控制的本质是设计一个滑模面然后强行让系统状态沿着这个面滑行一旦进入滑动模态系统动态就由滑模面决定而不是由原系统的精确参数决定。对欠驱动AUV这种模型不确定性大、外部水流扰动随机的对象这个鲁棒性非常珍贵。1.3 全局积分滑模要解决的三个问题经典滑模控制也有几个众所周知的毛病我这几个月最大的体会就是论文里常写“设计滑模面、取趋近律、证明稳定”但真正跑仿真时问题全出在这些容易被一句话带过的地方。第一个问题是趋近阶段。系统从初始状态到滑模面之间有一段趋近过程这段时间系统还没进入滑动模态对扰动和参数摄动的抵抗能力跟普通反馈控制差不多。初始误差越大趋近阶段越长鲁棒性就越差。第二个问题是稳态误差。如果只使用常规滑模面恒值扰动或模型偏差会导致稳态误差无法完全消除尤其是横向位置误差e_y因为横荡方向没有直接控制力误差收敛完全依赖偏航运动和耦合一点点残余误差都很明显。第三个问题是抖振。理想滑模控制中的符号函数sgn(s)会让控制输入高频切换实际中执行机构吃不消仿真里也会出现严重的数值振荡。解决抖振需要用饱和函数或者双曲正切替代符号函数但又会牺牲一定的鲁棒性。全局积分滑模的思路就是用一条带积分项的滑模面加上一个衰减的辅助函数F(t)让初始时刻的滑模函数值恰好等于零。这样一来系统从一开始就落在滑模面上没有趋近阶段积分项把常值扰动引起的稳态误差压掉趋近律中再用饱和函数取代符号函数抖振被限制在可接受范围。接下来就按这个思路一步步展开。2. 模型和误差方程把轨迹跟踪问题翻译成数学语言仿真要做得好第一步不是写控制器而是把模型从“论文符号”翻译成“Simulink里能积分的状态方程”。这一步如果偷懒后面所有调节参数的经验都白搭。2.1 坐标系约定与三自由度运动学/动力学使用两个坐标系是水下机器人运动控制的标准做法大地惯性坐标系用来描述位置和艏向附体坐标系固连在AUV上用来描述速度。水平面运动学方程写为[ \begin{aligned} \dot{x} u \cos \psi - v \sin \psi \ \dot{y} u \sin \psi v \cos \psi \ \dot{\psi} r \end{aligned} ]这里u是前向速度v是横荡速度r是艏摇角速度。动力学模型采用常规的三自由度简化形式[ \begin{aligned} m_{11}\dot{u} m_{22} v r - d_{11} u \tau_u \tau_{wu} \ m_{22}\dot{v} -m_{11} u r - d_{22} v \tau_{wv} \ m_{33}\dot{r} (m_{11}-m_{22}) u v - d_{33} r \tau_r \tau_{wr} \end{aligned} ]其中m11、m22、m33是包含附加质量的惯性系数d11、d22、d33是一阶线性阻尼系数τ_wu、τ_wv、τ_wr是外界水流等产生的干扰力和力矩。这个模型里已经包含了欠驱动的全部特征第二行没有控制输入横荡速度v只能被耦合项和阻尼项推动。我仿真用的是一组接近某小型试验AUV的示例参数m1125 kgm2232 kgm334.5 kg·m²d116.5 N·s/md2212 N·s/md338.5 N·m·s/rad。这里m22大于m11是因为横荡方向附加质量通常大于纵荡方向。实际调试时不需要完全精确关键是量级别差太远否则参数整定经验就没有参考价值。2.2 基于参考航向的误差坐标变换轨迹跟踪的目标是让实际位置(x, y)跟踪参考轨迹(x_d(t), y_d(t))。直接拿(x-x_d, y-y_d)当误差也能设计控制器但欠驱动系统下横向误差的收敛主要靠艏摇来间接实现所以更合理的做法是把误差投影到参考航向坐标系。定义参考轨迹对应的速度大小U_d和航向角ψ_d。对于一条给定的参考轨迹可以计算[ U_d \sqrt{\dot{x}_d^2 \dot{y}_d^2}, \quad \psi_d \operatorname{atan2}(\dot{y}_d, \dot{x}_d) ]然后把惯性系误差旋转到以ψ_d为基准的坐标系[ \begin{bmatrix} e_x \ e_y \end{bmatrix}\begin{bmatrix} \cos\psi_d \sin\psi_d \ -\sin\psi_d \cos\psi_d \end{bmatrix} \begin{bmatrix} x - x_d \ y - y_d \end{bmatrix} ]同时定义艏向误差ψ_e ψ - ψ_d。对误差求导后得到一组很有用的误差动力学方程[ \begin{aligned} \dot{e}_x -U_d u \cos\psi_e - v \sin\psi_e r_d e_y \ \dot{e}_y u \sin\psi_e v \cos\psi_e - r_d e_x \ \dot{\psi}_e r - r_d \end{aligned} ]这组方程是我的整个控制器设计基础。e_x代表沿参考轨迹方向的前向位置偏差e_y代表横向偏差ψ_e负责把艏向行为关联进来。观察可以发现e_y的导数里出现了u sinψ_e这一项这意味着横向误差确实可以通过调整艏向角来间接收敛——这就是欠驱动AUV水平跟踪控制的核心机制。参考轨迹取匀速圆周时U_d和r_d都是常数ψ_d随时间线性变化计算非常方便。后面Simulink仿真里我用的就是这种轨迹因为圆周运动既考核了稳态跟踪能力又考核了持续转弯时横荡速度耦合的影响。2.3 模型不确定性、外界扰动的仿真化处理真实AUV受到的水流、缆绳扰动和未建模水动力一直存在。仿真如果不加扰动控制器的鲁棒性就完全没有体现后面换到实物时几乎必翻车。我加的是一个有界时变扰动[ \begin{aligned} \tau_{wu} 4 3\sin(0.2t) \ \tau_{wv} 2 1.5\sin(0.3t) \ \tau_{wr} 1.5 \sin(0.4t) \end{aligned} ]同时把模型参数m11、m22、d22等在前面的标称值基础上再人为偏移约10%模拟参数辨识误差。这种常值偏置加周期性波动的扰动组合最能检验积分滑模面是否真的能把稳态误差压下去。这里要特别强调一个原则仿真中扰动要和控制器设计时所用的扰动估计分开。控制器内部虽然会去估计并补偿扰动但模型节点的输入必须使用真实扰动值否则仿真就成了“自己拿答案照抄”不具备参考价值。3. 控制器设计从全局滑模面到控制力/力矩表达式控制器是整个项目的核心也是计算量最集中的地方。我把设计过程拆成滑模面构造、控制律推导、工程可实现性三个步骤。3.1 全局滑模面的构造思想传统滑模面通常取误差及误差导数的线性组合但这在这类速度级动力学模型中用起来不太顺手。更实用的做法是直接让速度误差参与滑模面因为动力学方程里出现的是u和r的导数控制量τ_u、τ_r可以很方便地解出来。设计两个滑模面。第一个滑模面用于纵向推力通道把前向速度误差u-U_d、沿轨迹方向误差e_x以及e_x的积分组合在一起[ s_1 u - U_d \alpha e_x \beta_1 \int_0^t e_x d\tau - F_1(t) ]第二个滑模面用于偏航力矩通道把艏摇角速度误差、横向误差、艏向误差和横向误差积分组合在一起[ s_2 r - r_d k e_y c \psi_e \beta_2 \int_0^t e_y d\tau - F_2(t) ]其中α、k、c、β1、β2都是待整定的正常数。F1(t)和F2(t)是全局滑模的关键辅助函数取为[ F_1(t) s_1(0) e^{-\lambda t}, \quad F_2(t) s_2(0) e^{-\lambda t} ]因为F1(0)s1(0)、F2(0)s2(0)代入滑模面表达式后立刻得到s1(0)0、s2(0)0。也就是说在t0时刻系统就已经处于滑动模态不存在趋近阶段。随着时间推移F(t)指数衰减到零滑模面会变回普通的积分滑模面而积分项把常值扰动引起的稳态误差逐渐吸收掉。这个“全局”二字的实际价值仿真里非常明显。普通滑模控制一开始需要把状态拉到滑模面这个过程中误差收敛慢而且受扰动影响大。换成全局滑模后状态从第一步起就沿着滑模面运动响应速度和扰动抑制能力都有提升。3.2 控制律推导与趋近律选择滑模控制的设计流程是对滑模面求导把动力学代入然后指定趋近律来求解控制量。对s1求导[ \dot{s}_1 \dot{u} - \dot{U}_d \alpha \dot{e}_x \beta_1 e_x - \dot{F}_1 ]把动力学中的u一阶导代入再令\dot{s}_1等于指定的趋近律表达式就能解出τ_u。我用的趋近律是指数趋近律加饱和函数的变体[ \dot{s}_1 -k_1 s_1 - \varepsilon_1 \operatorname{sat}\left(\frac{s_1}{\phi_1}\right) ]其中sat是边界层宽度为φ的饱和函数k1和ε1是正增益。写成这个形式有两个原因第一-k1s1项保证远离滑模面时快速回归第二饱和函数代替符号函数在滑模面附近输出连续变化的控制量避免抖振。最终解的纵向控制律为[ \begin{aligned} \tau_u , m_{11} \left[ \dot{U}d - \alpha \dot{e}x - \beta_1 e_x \dot{F}1 - k_1 s_1 - \varepsilon_1 \operatorname{sat}\left(\frac{s_1}{\phi_1}\right) \right] \ - m{22} v r d{11} u - \hat{\tau}{wu} \end{aligned} ]\hat{\tau}_{wu}是控制器对纵向水流干扰的估计值。偏航力矩通道的处理完全对称。对s2求导代入偏航动力学指定趋近律\dot{s}_2 -k_2 s_2 - \varepsilon_2 \operatorname{sat}(s_2/\phi_2)得到[ \begin{aligned} \tau_r , m_{33} \left[ \dot{r}d - k \dot{e}y - c \dot{\psi}e - \beta_2 e_y \dot{F}2 - k_2 s_2 - \varepsilon_2 \operatorname{sat}\left(\frac{s_2}{\phi_2}\right) \right] \ - (m{11}-m{22}) u v d{33} r - \hat{\tau}{wr} \end{aligned} ]稳定性分析是常规操作。取Lyapunov候选函数V 0.5s1² 0.5s2²代入趋近律后得到\dot{V} ≤ -k1s1² - k2s2² - ε1s1sat(s1/φ1) - ε2s2sat(s2/φ2)。饱和函数在边界层内部时s·sat(s/φ)近似等于s²/φ依然非负所以\dot{V}整体不大于零系统在边界层内最终一致有界。由于全局滑模保证s(0)0系数误差和扰动引起的偏差会被快速拉回滑模面。3.3 为什么说这个控制律“能落地”我自己评估控制器设计时有一条标准实现时不能出现任何“在Simulink里根本搭不出来”的项。这套控制律的所有组成部分都是可以实时计算的。位置和速度信号来自姿态传感器和DVLe_x、e_y、ψ_e可以由参考轨迹和当前位姿算出滑模面里的积分项用连续积分器累加F(t)和它的导数都是简单指数函数饱和函数在Simulink里就是现成模块。不需要对系统模型做精确求逆也不涉及符号计算离散化之后每个采样周期就是一组代数运算和一次状态更新。唯一需要处理的是扰动估计\hat{\tau}{wu}和\hat{\tau}{wr}。仿真中为了验证方法本身可以暂时假设干扰经低通滤波后已知更接近实际的做法是用一阶扩张状态观测器估计。我在控制器模块里预留了扰动观测器接口核心更新公式是[ \dot{\hat{\tau}}{wu} L\left( m{11}\dot{u} - m_{22}vr d_{11}u - \tau_u - \hat{\tau}_{wu} \right) ]L是观测器增益取10左右。这个观测器不需要额外传感器只需纵向速度u的导数信息而仿真里速度状态本身就在模型里实现零额外成本。4. Simulink搭建全流程模型、控制器、参考轨迹三块分开做很多仿真跑不起来不是因为算法不对而是Simulink框图结构不合理到处是代数环和数据线交错。我的经验是分成四个模块每个模块只做一件事调试时逐块检查。4.1 总体框架与数据流整个仿真分为四个模块参考轨迹与误差计算模块、控制器模块、AUV动力学模型模块、扰动与参数摄动模块。数据流是一条环路参考轨迹模块计算出x_d、y_d、ψ_d、U_d、r_d结合AUV输出的实际位姿算出e_x、e_y、ψ_e控制器模块根据误差和速度状态计算出τ_u、τ_rAUV动力学模型积分得到x、y、ψ、u、v、r然后回到误差计算模块形成闭环。这种模块划分的意义在于把非线性的AUV模型和控制器分开。你可以随意更换控制器对比算法模型模块完全不用动或者反过来保持控制器不变只改模型的阻尼参数观察鲁棒性。实际调试时如果某条曲线异常先判断是模型层还是控制层的责任效率高得多。搭建时务必认真处理一个细节滑模面里的积分项不要直接在控制器MATLAB Function里用memory方式累积而应该用Simulink的Integrator模块把积分器的输出作为控制器输入。否则在变步长求解器下离散积分步长不稳定曲线会出现莫名其妙的锯齿而且抗积分饱和逻辑也不好加。4.2 AUV动力学模型实现AUV动力学模型我用Level-2 M-file S-Function实现。这种方式比MATLAB Function模块更贴近嵌入式实现而且方便改动力学参数。核心代码框架如下function auv_model_sfun(block) setup(block); end function setup(block) block.NumInputPorts 2; % tau_u, tau_r block.NumOutputPorts 1; % [x, y, psi, u, v, r] block.InputPort(1).Dimensions 1; block.InputPort(2).Dimensions 1; block.OutputPort(1).Dimensions 6; block.SampleTime [0 0]; % continuous block.SetPreCompOutPortParam(false, true); block.RegBlockMethod(Outputs, Output); block.RegBlockMethod(Derivatives, Derivatives); endDerivatives回调函数里是模型的核心状态方程function Derivatives(block) x block.ContStates.Data; % [x, y, psi, u, v, r] tau_u block.InputPort(1).Data; tau_r block.InputPort(2).Data; % 待辨识参数 m11 25; m22 32; m33 4.5; d11 6.5; d22 12; d33 8.5; % 外部扰动 tau_wu 4 3*sin(0.2*block.CurrentTime); tau_wv 2 1.5*sin(0.3*block.CurrentTime); tau_wr 1.5 1*sin(0.4*block.CurrentTime); % 运动学 xdot x(4)*cos(x(3)) - x(5)*sin(x(3)); ydot x(4)*sin(x(3)) x(5)*cos(x(3)); psidot x(6); % 动力学 udot (m22*x(5)*x(6) - d11*x(4) tau_u tau_wu)/m11; vdot (-m11*x(4)*x(6) - d22*x(5) tau_wv)/m22; rdot ((m11-m22)*x(4)*x(5) - d33*x(6) tau_r tau_wr)/m33; block.Derivatives.Data [xdot; ydot; psidot; udot; vdot; rdot]; endS-Function在Simulink中的配置比较固定新建Model block选择S-Function名称为auv_model_sfun输入为两个端口输出一个端口维度6。连续状态个数在setup里通过block.NumContStates 6指定。求解器选择ode45最大步长建议设0.01s否则非线性模型变步长积分容易出高频振荡。4.3 参考轨迹与误差计算模块参考轨迹我采用匀速圆周因为圆周轨迹的U_d、r_d都是常数能清楚看出控制器在稳态转弯时的表现。参考轨迹为function [ex, ey, psie, Ud, rd] ref_errors(x, y, psi, t, R, omega) % 参考轨迹位置与速度 x_d R*sin(omega*t); y_d R*(1-cos(omega*t)); dx_d R*omega*cos(omega*t); dy_d R*omega*sin(omega*t); % 参考速度与航向 Ud sqrt(dx_d^2 dy_d^2); psi_d atan2(dy_d, dx_d); rd omega; % 旋转误差 dx x - x_d; dy y - y_d; ex cos(psi_d)*dx sin(psi_d)*dy; ey -sin(psi_d)*dx cos(psi_d)*dy; psie psi - psi_d; % 注意把psie调整到[-pi, pi]区间 psie atan2(sin(psie), cos(psie)); end角度误差wrap处理的细节经常被忽略。如果你不把ψ_e限制到[-π, π]滑模面中的cψ_e项会在角度跨过±π时产生一个巨大的突跳控制器会以为艏向误差突然变成了6弧度给出一大串控制输出轨迹直接飞掉。这个问题我至少遇到三次每次都以为是控制器参数问题最后发现就是角度取模没有写。4.4 控制器模块与关键参数设置控制器模块我放在MATLAB Function中输入为e_x、e_y、ψ_e、u、v、r、U_d、r_d、积分器状态z1、z2和辅助函数初值输出为τ_u和τ_r。控制器的核心计算逻辑如下function [tau_u, tau_r] smc_controller(ex, ey, psie, u, v, r, Ud, rd, z1, z2, F1, F2, dF1, dF2, t) % 控制器参数 alpha 0.4; beta1 0.05; k 0.3; c 0.8; beta2 0.10; k1 1.0; eps1 0.2; phi1 0.02; k2 1.5; eps2 0.5; phi2 0.02; lambda 1.0; % F衰减速率 m11 25; m22 32; m33 4.5; d11 6.5; d22 12; d33 8.5; % 误差微分项用运动学方程代入 r_d_dot 0; % 圆周轨迹常数 ex_dot -Ud u*cos(psie) - v*sin(psie) rd*ey; ey_dot u*sin(psie) v*cos(psie) - rd*ex; psie_dot r - rd; % 滑模面 s1 u - Ud alpha*ex beta1*z1 - F1; s2 r - rd k*ey c*psie beta2*z2 - F2; % 饱和函数 sat1 min(max(s1/phi1, -1), 1); sat2 min(max(s2/phi2, -1), 1); % 控制律 tau_u m11*( -alpha*ex_dot - beta1*ex dF1 - k1*s1 - eps1*sat1 ) ... - m22*v*r d11*u; tau_r m33*( -k*ey_dot - c*psie_dot - beta2*ey dF2 - k2*s2 - eps2*sat2 ) ... - (m11-m22)*u*v d33*r; % 限幅 tau_u max(tau_u, -20); tau_u min(tau_u, 60); tau_r max(tau_r, -15); tau_r min(tau_r, 15); end注意我在这里没有显式加扰动估计补偿项而是靠积分项把扰动吸收。如果扰动很大积分项会变得很大所以后面必须加抗积分饱和逻辑。F1和F2由外部积分器的初始条件生成它们的时间导数dF1 -λF1、dF2 -λF2直接在控制器内计算即可。限幅非常重要。真实AUV的推进器推力和舵机力矩都有饱和Simulink里不设限制控制器输出可能达到几千牛积分器状态也会被推得极大导致一松开限幅系统立刻震荡。限幅设置的另一个作用是迫使你认真对待“执行机构能提供的能量是有上限的”这件事。5. 仿真验证与参数调试从发散到稳定的过程参数调试是这个项目里最消耗时间也最涨经验的部分。直接给一组“能用”的参数没有意义必须讲清楚调试顺序和现象判读方法。5.1 初始条件与参数表仿真初始状态设为x2 m、y2 m、ψ0 rad、u0 m/s、v0 m/s、r0 rad/s。参考轨迹取半径R10 m、角速度ω0.05 rad/s的匀速圆周对应U_d0.5 m/s。表1汇总了控制器参数。表1 控制器参数表参数含义数值αs1中位置误差权重0.4β1s1积分项增益0.05ks2中横向误差权重0.3cs2中艏向误差权重0.8β2s2积分项增益0.10k1, k2指数趋近律增益1.0, 1.5ε1, ε2饱和项增益0.2, 0.5φ1, φ2边界层宽度0.02λF(t)衰减速率1.0调试顺序建议从k1、k2开始。这两个参数决定状态靠近滑模面的速度取值太小会收敛慢取值太大会在边界层附近振荡。先把k1、k2调稳定再加位置误差权重α、k、c最后加积分增益β1、β2和全局项衰减λ。积分增益上来太快系统会像“弹簧末端挂了重物”一样低频来回晃。5.2 典型结果曲线怎么读仿真时长设置为200秒采用ode45变步长求解最大步长0.01秒。正常情况下位置跟踪效果会呈现三个阶段的特征第一个阶段是0-20秒误差从初始的2米左右快速收敛。因为全局滑模面初始值等于零系统直接从滑动模态开始所以这一阶段误差下降比较干脆没有普通滑模那种先花几秒“找滑模面”的过程。第二个阶段是20-100秒误差进入稳态横向误差e_y通常在0.1米量级艏向误差在0.02弧度量级。由于圆周轨迹持续转弯横荡速度v周期性变化误差曲线上能看到明显的同频波动但这属于欠驱动系统的正常现象不影响轨迹贴合。第三个阶段是100-200秒如果存在固定偏置扰动积分项会逐渐把偏置吸收横向误差进一步压小。仿真曲线里e_y会呈现一种“缓慢爬升然后回落”的形态这是积分项在“咬住”常值扰动不用慌张。控制输入曲线同样值得观察。τ_u应当始终为正因为前向速度需要维持τ_r则周期性变化方向与圆周转向一致。边界层宽度φ取0.02时τ_r曲线上会有细微的高频扰动这是滑模控制在边界层内的正常切换活动但幅度不应超过5%的满量程。如果切换幅度明显较大说明φ太小或者ε太大需要调大φ或者减小ε。5.3 全局积分滑模和传统滑模的对照实验为了验证全局项和积分项的实际贡献我做了一组对照实验同一模型、同一扰动、同一参考轨迹只是控制器分别使用普通滑模面不带积分项和F(t)和全局积分滑模面。表2记录了两个控制器在仿真中的典型差异。表2 普通滑模与全局积分滑模对照对比项普通滑模全局积分滑模初始阶段误差收敛时间约8秒约3秒稳态横向误差最大值0.32 m0.11 m稳态纵向误差最大值0.21 m0.06 m控制输入抖振幅度τ_r明显接近限幅轻微约5%限幅对参数摄动10%的适应误差增大明显误差基本不变普通滑模的曲线在启动阶段总有一段“犹豫”因为系统要先从初始状态走到滑模面。全局积分滑模没有这个过程一开始就进入滑动模态所以初始收敛更快。稳态差距主要来自积分项普通滑模面对常值形式的扰动分量横向误差会残留一个固定的偏移量积分项则能把这个偏移零。这个对照实验强烈建议你自己做一遍。它花费的时间不多但能够彻底回答“全局积分滑模到底比传统滑模强在哪”这个问题——不是时间复杂度上的强而是鲁棒性和稳态精度的强。6. 工程化落地中的几个真问题仿真跑得再好也不代表能直接装到AUV上下水。以下几类问题是我在从“仿真收敛”走向“可以拿去水池试验”的过程中反复踩过的。6.1 抖振与执行机构寿命滑模控制的抖振在仿真里只是在曲线形状上有点丑但在实物上意味着舵机高频来回摆动、推进器推力频繁反转。我很长一段时间把φ设成0.005追求所谓的“滑模精度”结果仿真曲线确实漂亮但控制器输出的高频分量很重。后来把φ调到0.02-0.05控制输入平滑了很多稳态误差只增加了2-3厘米。这个权衡完全值得。工程上还有一个技巧饱和函数边界层宽度不要固定可以在误差较大时用小φ保证快速收敛误差小到一定阈值后再切换到大φ抑制抖振。这样能兼顾动态过程的强鲁棒性和稳态过程的执行机构友好性。6.2 积分饱和与初始时刻跳变积分项是双刃剑。当控制器输出已经顶到限幅值时积分器还在累积误差导致“松开限幅后系统过冲”。处理办法是限幅判断后停止积分器更新或者把积分器的状态一直被限制在某个范围内。另一个问题就是全局滑模面的初始值。仿真里F1(0)s1(0)、F2(0)s2(0)很好算但如果中途重置了Simulink积分器或者实际系统运行到一半重新上电全局项初值就不对了系统会重新出现趋近阶段。实际工程中我倾向于在软件启动时花一个采样周期计算当前s值并把F初值实时设为当前s值而不是直接从零开始。这样即使中途切换控制器参数也能保持全局滑动特性。仿真中实现F初值的方法是在求解器设置里把两个积分器z1、z2的初值设为[ z_1(0) \frac{s_1^{*}-(u(0)-U_d(0)\alpha e_x(0))}{\beta_1}, \quad z_2(0) \frac{s_2^{*}-(r(0)-r_d(0)k e_y(0)c\psi_e(0))}{\beta_2} ]其中s1*和s2*是你想设定的初始滑模面值通常为零。这样即使积分器不是从零开始滑模面在初始时刻也为零。6.3 从仿真到水下实物的差距仿真和实物之间最大的差距并不是动力学模型不准——现代辨识方法可以把模型辨识到相当高的精度——而是传感器噪声和执行机构延迟。仿真里滑模控制器能直接读取无噪声的速度和位置但实物的DVL、光纤惯导和深度计都有噪声艏向角在低速时有明显漂移这些噪声会直接进入e_y和ψ_e再被滑模面的微分项放大。我的经验是在设计阶段就给仿真加入适当的测量噪声和零阶保持器延迟例如位置噪声均值0.05m、艏向噪声0.01rad再观察控制器是否仍能保持稳定。如果在这种情况下积分项增益β2仍然偏大就说明参数设计有问题应该马上减小而不是继续加什么“鲁棒项”去补救。另外执行机构的速率限制是实物上很隐蔽的破坏者。Simulink里限幅模块只限制了幅度却没有限制速率变化。真实舵机每秒只能转多少度推进器推力变化速率也有限制。如果控制器要求τ_r在0.2秒内从0变到满值实物根本做不到。建议在仿真输出端串一个一阶惯性环节来模拟执行机构动态时间常数取0.1-0.3秒再看控制性能是否还能接受。最后说一点个人体会。这套控制器真正值钱的地方不是最后那条贴合的轨迹曲线而是滑模面中三个“看不见”的设计选择积分项消除稳态误差、全局函数消除趋近阶段、饱和边界层调和抖振与精度。做这类控制仿真最容易陷入“参数调一调就能收敛”的假象真正有价值的调试是把每个参数变化对误差曲线形态的影响原因想清楚然后带着这套理解去水池里解决那些仿真中根本看不见的问题。希望这篇记录能给正在折腾欠驱动AUV控制仿真的朋友省下几个晚上的时间。