简介面向鲁棒控制理论在工程中的应用需求资源整合了基于Simulink的控制系统设计源码覆盖H∞控制、μ综合、LQR、滑模控制、自适应控制及非线性控制等主要方法并配有观测器与反馈镇定案例适合自动化、控制工程方向学生及工程师用于理论学习与仿真验证。压缩包共14个文件以9个Simulink模型.slx为主体辅以MATLAB脚本.m、数据文件.mat、配置信息.xml及对比结果图.png整体仅711KB轻量易部署。资源内含非线性鲁棒对比、滑模控制、反馈镇定、反步控制器设计、LQR路径跟随等典型模型可直接打开运行并观察控制效果。已有512人学习下载对于希望快速上手鲁棒控制仿真、理解不同控制策略差异的读者来说是一份实用的参考素材。1. 鲁棒控制的模型起点标称模型不够用时控制器要能带摄动闭环我刚入行时处理过一台转台伺服Simulink 里把 PID 调到相位裕度 60°上电一跑却持续振荡排查到最后是负载惯量随下挂设备漂了 30%。也就是说标称模型下的设计再漂亮也扛不住模型族边界的变化。鲁棒控制理论把“模型不准”当作设计输入而不是错误只要真实对象落在给定的不确定性集合里同一个控制器就能保持闭环稳定并把性能压在包络内。这篇博文沿着 MATLAB 鲁棒控制工具箱和 Simulink 的路径讲清楚从不确定性建模、加权函数整定、H∞ 控制器求解到 μ 分析与批量蒙特卡洛验证的完整链路适合已经会用 PID、但被现场摄动反复折腾的工程师也适合做电机、飞行器、车辆等对象控制的研发人员。2. 鲁棒控制理论的三个支撑点不确定性建模、LFT 与小增益定理当我在现场遇到“标称工作点很稳、参数一漂就振荡”的案例时第一反应不是继续调 PID而是回头检查模型族的边界。鲁棒控制理论并不假定你知道真实对象的精确表达式它只要求你给出一个包含真实对象的集合加性写成 P0 WΔ乘性写成 P0(1 WΔ)参数不确定性则以区间形式直接写在传递函数系数里。集合给得太大控制器为了覆盖最坏情况会把正常工况性能压得很差集合给得太小真实对象一旦跑出集合稳定性结论立刻失效。鲁棒控制里的每一次设计权衡本质上都是在“保守性”和“性能”之间做交换。2.1 乘性、加性还是参数不确定性先决定模型族长什么样在 Simulink 建模时先按来源把不确定性分成三类执行器与对象输入端的高频未建模动态传感器与输出端的负载、安装刚度变化以及传递函数系数随温度、磨损产生的参数漂移。三类来源对应的数学表达不一样在广义对象里占的端口也不一样。工程上最常见的错误是把所有变化都折算成增益不确定性结果高频相位信息被过度保守地放大。乘性不确定性适合低频增益标定准确、主要担心高频谐振移动的场合加性不确定性适合相位散布很宽、低频段也没有十足把握的场合。不确定性类型数学表达典型来源Simulink 常用对应乘性输入侧P P0(I WΔ)高频未建模动态、执行器带宽LTI 增益串联高通滤波乘性输出侧P (I WΔ)P0负载变化、传感器安装增益串联高通滤波加性P P0 WΔ线性化误差、摩擦、相位散布加法器并联权函数参数θ ∈ [θmin, θmax]温度漂移、磨损、电阻容差基础工作空间参数配合 ureal选型时我会先把手册里能查到的参数范围代进去用频响函数扫出标称模型上下两条包络再把样机实测的频率响应叠上去看落在哪条带内。落在哪条带就用哪类不确定性模型这比照搬论文假设可靠得多。落不进任何一条带时往往不是模型族有问题而是标称对象本身的选择就不合理比如漏了一个积分环节。2.2 把不确定性写成 LFT 对象端口留给 Simulink底层交给工具箱MATLAB 鲁棒控制工具箱把动态不确定性 Δ 实现为 ultidyn 对象把参数不确定性实现为 ureal 对象底层结构是线性分式变换 LFT。Δ 与标称对象之间通过一对内部端口连接工具箱自动把连接关系压缩进广义对象 P。用户只需要明确外部端口哪些是扰动输入哪些是性能输出哪些是控制输入和测量输出。至于内部端口在 Simulink 里不会以真实信号出现参与到仿真中的只是它的上界 W。s tf(s); P0 2.5 / (s^2 0.4*s 1); % 标称对象轻阻尼谐振 delta ultidyn(delta, [1 1], Bound, 1); % 范数≤1的动态不确定块 Wm makeweight(0.1, 8, 3); % 低频0.18 rad/s转折高频3 Punc P0 * (1 Wm * delta); % 乘性不确定模型族makeweight 的三个数分别表示低频增益 0.1、转折频率 8 rad/s、高频增益 3。delta 的 Bound 固定为 1好处是 Wm 的幅频曲线可以直接读出不确定性上界8 rad/s 以下的偏差不超过 10%高频段允许偏差放大到 3 倍。这种写法在车辆动力学里和 Carsim 联合仿真时同样适用只是 Wm 往往要设成随车速变化的分段函数而不是一个固定 LTI 对象。2.3 小增益定理鲁棒稳定如何变成 H∞ 范数约束把不确定性通道 Δ 从闭环里单独拎出来剩下的是一个 LTI 系统 M。小增益定理的结论是如果 M 本身稳定且 ‖M‖∞ 与 ‖Δ‖∞ 的乘积严格小于 1那么 Δ 插回原闭环后整个系统依然稳定。这里用 H∞ 范数是合适的因为不确定性模型的相位信息本来就不可信最大奇异值只取幅度上界不带相位正好匹配“只给幅值上界”的假设。把性能目标也表达成加权范数W1 乘灵敏度函数 SW2 乘控制灵敏度 KSW3 乘补灵敏度函数 T就得到混合灵敏度问题 minimize ‖[W1S; W2KS; W3T]‖∞。求解器每轮迭代都在尝试把 H∞ 范数压到 γ 以下γ 1 就说明所有加权性能包络同时满足。这就是从“定义模型族”到“解频域优化”的桥下一章开始动手求控制器。3. 用鲁棒控制工具箱求 H∞ 控制器加权函数、hinfsyn 与 Simulink 闭环搭建标称对象、不确定性上界、性能权重都到位后控制器求解反而机械。我一般按四步走整定 W1/W2/W3用 augw 组装广义对象调 hinfsyn 拿到 K 和 γ最后把 K 放进 Simulink 闭环做时域验证。这四步里真正花时间的是第一步后面都是固定调用。3.1 加权函数 W1、W2、W3 的整定规则W1 对应灵敏度函数 S负责低频跟踪和抗扰动通常取低频增益 100 到 1000 的低通转折频率放在系统期望带宽附近。W3 对应补灵敏度函数 T负责高频未建模动态和噪声抑制通常是先平后抬的高通。因为 S 与 T 之和被约束在 1 附近两个权重在频域上不能大面积重叠否则问题无解。W2 则用来惩罚控制量变化率常见做法是取常数 0.01 到 0.1或一个弱高通具体数字按执行器饱和极限标定。权重对应通道典型形状调整方向W1灵敏度 S低频高增益低通带宽不够就抬转折频率W2控制灵敏度 KS常数或弱高通控制量抖动大就加大数值W3补灵敏度 T高频抬高高频不稳定就提前转折频率在一个电机弱磁或者 VCU 控制策略的 Simulink 工程里执行器带宽通常只有几十赫兹W3 的转折频率如果取太大会让控制器对真实未建模动态完全失去保护反之取太小又会牺牲中频相位所以我会依据对象 Bode 图上相位开始明显散开的频率来定。3.2 用 augw 组装广义对象并调用 hinfsynW1 makeweight(1e3, 2, 0.5); % 灵敏度权重低频10002 rad/s转折 W2 0.05 * tf([1 0.5], [0.1 1]); % 控制量变化惩罚中频轻微凸起 W3 makeweight(0.3, 20, 2); % 补灵敏度权重20 rad/s 后抬起 P augw(P0, W1, W2, W3); % 混合灵敏度广义对象 [K, CL, gamma] hinfsyn(P, 1, 1); % 1个测量输出1个控制输入 fprintf(gamma %.3f\n, gamma);augw 会把三个权重通道自动编排进广义对象 P外部输入端口是扰动、参考输入和控制量输出端口是三个加权的性能通道和测量输出。hinfsyn 的第二个参数是测量输出个数第三个是控制输入个数对于最常用的单输入单输出系统就是 1 和 1。gamma 如果大于 1说明至少有一个权重没有被满足大于 1.2 时我倾向先放松 W2 或 W1 的高频段而不是盲目提高迭代次数。3.3 在 Simulink 里搭最小闭环并做时域验证控制器 K 落回 Simulink 时可以用 LTI System 块直接填 K也可以先转成状态空间 A、B、C、D 再用 State-Space 块。对象模型最好用你最初写标称对象的那一套参数权重块在闭环里不用出现。结构是Step 进来和反馈信号求差过 K过 P0输出引到 Scope同时反馈回 Sum。记得把求解器设成固定步长 ode45 或 ode4步长取对象最短时间常数的十分之一以下。sim(robust_closed_loop, [0 10]); % 模型内嵌在 robust_closed_loop.slx如果只给 K 灌了标称对象阶跃响应一定不错这还不够。我会在同一模型里给对象串一个乘法不确定性块把 Wm 用 Transfer Fcn 实现扰动通道给一个随机相位的高频正弦再看输出是否仍维持在包络内。这里验证的是控制器的降级表现不是鲁棒性证明真正的证明要交给下一章的 μ 分析。注意权重仿真只对线性标称对象有严格意义。Simulink 里看到的曲线是验证手感不能替代鲁棒稳定分析。4. SIMULINK 闭环模型的不确定化与 μ 分析稳定裕度到底有多“硬”标称时域曲线再漂亮也只能回答“设计点上的表现”回答不了“真实对象偏移后还稳不稳”。要回答后者必须把控制器固定住把模型族重新写出来再算μ。4.1 从 Simulink 模型里取线性化对象如果 Simulink 模型里只有 LTI 块直接从工作空间把 P0 和 K 拿出来组合最省事。但工程模型常带饱和、查表、速率限制那就需要用模型线性化功能把工作点附近的线性模型取出来。io(1) linio(mdl/Step, 1, input); % 输入点在 Step 之后 io(2) linio(mdl/Scope, 1, output); % 输出点在 Scope 之前 Glin linearize(mdl, io); % 默认工作点线性化linio 指定线性化输入输出点linearize 返回标称线性模型。拿到 Glin 后后续的不确定化、μ 分析和时域批量仿真都会围绕它展开。注意线性化点必须避开死区和饱和段否则得到的是零增益奇异模型后面 robuststab 会给出非常离谱的结果。4.2 把参数不确定性和未建模动态封装成不确定闭环k ureal(k, 2.5, Percentage, 20); % 增益 ±20% 的参数不确定性 P0u k / (s^2 0.4*s 1); % 参数不确定的标称对象 delta ultidyn(delta, [1 1], Bound, 1); Wm makeweight(0.1, 8, 3); Punc P0u * (1 Wm * delta); % 参数动态不确定性共存 CLunc feedback(Punc * K, 1); % 固定控制器后的不确定闭环K 是上一章 hinfsyn 的返回值feedback 直接在这种情况下会形成一个不确定矩阵的 LFT。工具箱会把 ureal 和 ultidyn 分别展开成对角块最后在内部合并成一个大 LFT。这一步不需要再写端口排列只需要保证 K 的输入输出顺序和 Punc 一致。4.3 用 lftdata 和 mussv 算 μ用 robuststab 找最坏摄动[M, ~, blk] lftdata(CLunc); % 提取 LFT 内核 M 和 Δ 的对角块结构 [muL, muU] mussv(M, blk); % μ 下界和上界 [stabmarg, wcu] robuststab(CLunc); % 稳定裕度与最坏参数组合lftdata 把不确定闭环拆成确定部分 M 和不确定性对角块结构信息 blkmussv 计算结构奇异值 μ。μ 大于 1 意味着存在一个满足范数约束的 Δ 使闭环失稳稳定裕度等于 1/μ。robuststab 返回的 stabmarg 就是基于 μ 的裕度wcu 给出让系统失稳的一组具体摄动可以直接拿去做仿真复现。μ 值工程含义建议动作μ 0.5余量过大控制器偏保守适当调大 W1 低频增益或放宽 W30.7 ~ 1.0余量合适仍有工程安全垫结合时域阶跃和扰动仿真看超调μ 1存在摄动使闭环失稳增大 W3 权重或降低 W1 带宽μ 在 0.7 到 0.9 之间通常是最舒服的区间。μ 到 0.4 以下时我会反过来怀疑 W1 是不是太弱性能还有提升空间。μ 分析只看最坏情况不告诉你最坏情况下性能有多差所以要补充 wcu 对应的时域仿真。四旋翼这类对象很多人直接上滑模控制但滑模的抖振问题在鲁棒控制框架里对应的是 W2 与高频权重的矛盾先用 μ 量化一遍再决定要不要换方案比靠经验来回试更省时间。4.4 仿真发散时的四个排查方向第一检查闭环里是否有代数环。鲁棒控制器往往是高增益低相位代数环迭代不收敛时表现就是模型编译通过、仿真发散。第二检查采样时间。连续对象搭配离散控制器时ZOH 的引入会额外附加延迟μ 要重新算不能拿连续 K 直接下结论。第三检查饱和非线性是否提前退出线性区。μ 分析用的是线性化模型如果饱和在工作点附近频繁起作用分析结果没有参考意义。第四检查 W2 是否把控制量限制得过死。很多发散不是不稳定是控制量变化率超出执行器能力仿真里表现为振荡爬升。5. 从 μ 值到批量蒙特卡洛把鲁棒性余量换成工程容差μ 分析给出的是最坏情况的结论但最坏情况未必对应真实工况的分布。我会在 μ 分析之后补一轮批量蒙特卡洛仿真把 usample 采出的参数组合逐一灌进 Simulink 里跑时域再回来看超调、调节时间和控制量峰值是否落在可接受区间内。Ps usample(Punc, 30); % 采样 30 组不确定性 for i 1:30 assignin(base, Pk, Ps(:, :, i)); % 写入基础工作空间 sim(robust_closed_loop, [0 10]); % Simulink 闭环仿真 y{i,1} yout; % 收集输出曲线 endusample 会按 ureal 和 ultidyn 定义的分布生成随机样本赋值给 Pk 后Simulink 里的 State-Space 或 LTI System 块只要把参数名称写成 Pk 就能自动替换。30 组样本跑完把超调量画成直方图看有没有离群值。离群值的参数组合如果存在再回到 wcu 里对照确认是否与最坏摄动吻合。μ 值本身还可以折算成工程余量。假设 muU 是 0.8说明当前模型族只占失稳边界以内 20% 的余量不确定性权重最多还能放大 1/0.8 1.25 倍才会失稳。这意味着你允许参数再漂移约 25%。如果你手里有元器件容差或温度漂移数据可以直接比较这 25% 够不够覆盖最坏工况。muU_val max(muU); % 取 μ 上界 margin 1 / muU_val - 1; % 还剩余多少余量 fprintf(不确定性权重还可以放大 %.1f%%\n, margin * 100);把 μ 和蒙特卡洛两套结论对上才算完成了一个鲁棒控制的闭环设计。后续要把控制器部署到嵌入式目标时别忘了先做离散化并把离散后的控制器重新带回 robuststab 算一次 μ。离散化引入的零阶保持延迟会让稳定裕度缩水而这一步如果你用 Simulink 的外部模式或 C Function 直接验证会比重新搭一遍纯软件仿真更容易暴露问题。把离散化后的控制器带回第一步重新生成稳定裕度看到的值才是台架上最接近真实的数字。本文还有配套的精品资源点击获取 鲁棒控制工程实践：从不确定性建模到μ分析验证
简介面向鲁棒控制理论在工程中的应用需求资源整合了基于Simulink的控制系统设计源码覆盖H∞控制、μ综合、LQR、滑模控制、自适应控制及非线性控制等主要方法并配有观测器与反馈镇定案例适合自动化、控制工程方向学生及工程师用于理论学习与仿真验证。压缩包共14个文件以9个Simulink模型.slx为主体辅以MATLAB脚本.m、数据文件.mat、配置信息.xml及对比结果图.png整体仅711KB轻量易部署。资源内含非线性鲁棒对比、滑模控制、反馈镇定、反步控制器设计、LQR路径跟随等典型模型可直接打开运行并观察控制效果。已有512人学习下载对于希望快速上手鲁棒控制仿真、理解不同控制策略差异的读者来说是一份实用的参考素材。1. 鲁棒控制的模型起点标称模型不够用时控制器要能带摄动闭环我刚入行时处理过一台转台伺服Simulink 里把 PID 调到相位裕度 60°上电一跑却持续振荡排查到最后是负载惯量随下挂设备漂了 30%。也就是说标称模型下的设计再漂亮也扛不住模型族边界的变化。鲁棒控制理论把“模型不准”当作设计输入而不是错误只要真实对象落在给定的不确定性集合里同一个控制器就能保持闭环稳定并把性能压在包络内。这篇博文沿着 MATLAB 鲁棒控制工具箱和 Simulink 的路径讲清楚从不确定性建模、加权函数整定、H∞ 控制器求解到 μ 分析与批量蒙特卡洛验证的完整链路适合已经会用 PID、但被现场摄动反复折腾的工程师也适合做电机、飞行器、车辆等对象控制的研发人员。2. 鲁棒控制理论的三个支撑点不确定性建模、LFT 与小增益定理当我在现场遇到“标称工作点很稳、参数一漂就振荡”的案例时第一反应不是继续调 PID而是回头检查模型族的边界。鲁棒控制理论并不假定你知道真实对象的精确表达式它只要求你给出一个包含真实对象的集合加性写成 P0 WΔ乘性写成 P0(1 WΔ)参数不确定性则以区间形式直接写在传递函数系数里。集合给得太大控制器为了覆盖最坏情况会把正常工况性能压得很差集合给得太小真实对象一旦跑出集合稳定性结论立刻失效。鲁棒控制里的每一次设计权衡本质上都是在“保守性”和“性能”之间做交换。2.1 乘性、加性还是参数不确定性先决定模型族长什么样在 Simulink 建模时先按来源把不确定性分成三类执行器与对象输入端的高频未建模动态传感器与输出端的负载、安装刚度变化以及传递函数系数随温度、磨损产生的参数漂移。三类来源对应的数学表达不一样在广义对象里占的端口也不一样。工程上最常见的错误是把所有变化都折算成增益不确定性结果高频相位信息被过度保守地放大。乘性不确定性适合低频增益标定准确、主要担心高频谐振移动的场合加性不确定性适合相位散布很宽、低频段也没有十足把握的场合。不确定性类型数学表达典型来源Simulink 常用对应乘性输入侧P P0(I WΔ)高频未建模动态、执行器带宽LTI 增益串联高通滤波乘性输出侧P (I WΔ)P0负载变化、传感器安装增益串联高通滤波加性P P0 WΔ线性化误差、摩擦、相位散布加法器并联权函数参数θ ∈ [θmin, θmax]温度漂移、磨损、电阻容差基础工作空间参数配合 ureal选型时我会先把手册里能查到的参数范围代进去用频响函数扫出标称模型上下两条包络再把样机实测的频率响应叠上去看落在哪条带内。落在哪条带就用哪类不确定性模型这比照搬论文假设可靠得多。落不进任何一条带时往往不是模型族有问题而是标称对象本身的选择就不合理比如漏了一个积分环节。2.2 把不确定性写成 LFT 对象端口留给 Simulink底层交给工具箱MATLAB 鲁棒控制工具箱把动态不确定性 Δ 实现为 ultidyn 对象把参数不确定性实现为 ureal 对象底层结构是线性分式变换 LFT。Δ 与标称对象之间通过一对内部端口连接工具箱自动把连接关系压缩进广义对象 P。用户只需要明确外部端口哪些是扰动输入哪些是性能输出哪些是控制输入和测量输出。至于内部端口在 Simulink 里不会以真实信号出现参与到仿真中的只是它的上界 W。s tf(s); P0 2.5 / (s^2 0.4*s 1); % 标称对象轻阻尼谐振 delta ultidyn(delta, [1 1], Bound, 1); % 范数≤1的动态不确定块 Wm makeweight(0.1, 8, 3); % 低频0.18 rad/s转折高频3 Punc P0 * (1 Wm * delta); % 乘性不确定模型族makeweight 的三个数分别表示低频增益 0.1、转折频率 8 rad/s、高频增益 3。delta 的 Bound 固定为 1好处是 Wm 的幅频曲线可以直接读出不确定性上界8 rad/s 以下的偏差不超过 10%高频段允许偏差放大到 3 倍。这种写法在车辆动力学里和 Carsim 联合仿真时同样适用只是 Wm 往往要设成随车速变化的分段函数而不是一个固定 LTI 对象。2.3 小增益定理鲁棒稳定如何变成 H∞ 范数约束把不确定性通道 Δ 从闭环里单独拎出来剩下的是一个 LTI 系统 M。小增益定理的结论是如果 M 本身稳定且 ‖M‖∞ 与 ‖Δ‖∞ 的乘积严格小于 1那么 Δ 插回原闭环后整个系统依然稳定。这里用 H∞ 范数是合适的因为不确定性模型的相位信息本来就不可信最大奇异值只取幅度上界不带相位正好匹配“只给幅值上界”的假设。把性能目标也表达成加权范数W1 乘灵敏度函数 SW2 乘控制灵敏度 KSW3 乘补灵敏度函数 T就得到混合灵敏度问题 minimize ‖[W1S; W2KS; W3T]‖∞。求解器每轮迭代都在尝试把 H∞ 范数压到 γ 以下γ 1 就说明所有加权性能包络同时满足。这就是从“定义模型族”到“解频域优化”的桥下一章开始动手求控制器。3. 用鲁棒控制工具箱求 H∞ 控制器加权函数、hinfsyn 与 Simulink 闭环搭建标称对象、不确定性上界、性能权重都到位后控制器求解反而机械。我一般按四步走整定 W1/W2/W3用 augw 组装广义对象调 hinfsyn 拿到 K 和 γ最后把 K 放进 Simulink 闭环做时域验证。这四步里真正花时间的是第一步后面都是固定调用。3.1 加权函数 W1、W2、W3 的整定规则W1 对应灵敏度函数 S负责低频跟踪和抗扰动通常取低频增益 100 到 1000 的低通转折频率放在系统期望带宽附近。W3 对应补灵敏度函数 T负责高频未建模动态和噪声抑制通常是先平后抬的高通。因为 S 与 T 之和被约束在 1 附近两个权重在频域上不能大面积重叠否则问题无解。W2 则用来惩罚控制量变化率常见做法是取常数 0.01 到 0.1或一个弱高通具体数字按执行器饱和极限标定。权重对应通道典型形状调整方向W1灵敏度 S低频高增益低通带宽不够就抬转折频率W2控制灵敏度 KS常数或弱高通控制量抖动大就加大数值W3补灵敏度 T高频抬高高频不稳定就提前转折频率在一个电机弱磁或者 VCU 控制策略的 Simulink 工程里执行器带宽通常只有几十赫兹W3 的转折频率如果取太大会让控制器对真实未建模动态完全失去保护反之取太小又会牺牲中频相位所以我会依据对象 Bode 图上相位开始明显散开的频率来定。3.2 用 augw 组装广义对象并调用 hinfsynW1 makeweight(1e3, 2, 0.5); % 灵敏度权重低频10002 rad/s转折 W2 0.05 * tf([1 0.5], [0.1 1]); % 控制量变化惩罚中频轻微凸起 W3 makeweight(0.3, 20, 2); % 补灵敏度权重20 rad/s 后抬起 P augw(P0, W1, W2, W3); % 混合灵敏度广义对象 [K, CL, gamma] hinfsyn(P, 1, 1); % 1个测量输出1个控制输入 fprintf(gamma %.3f\n, gamma);augw 会把三个权重通道自动编排进广义对象 P外部输入端口是扰动、参考输入和控制量输出端口是三个加权的性能通道和测量输出。hinfsyn 的第二个参数是测量输出个数第三个是控制输入个数对于最常用的单输入单输出系统就是 1 和 1。gamma 如果大于 1说明至少有一个权重没有被满足大于 1.2 时我倾向先放松 W2 或 W1 的高频段而不是盲目提高迭代次数。3.3 在 Simulink 里搭最小闭环并做时域验证控制器 K 落回 Simulink 时可以用 LTI System 块直接填 K也可以先转成状态空间 A、B、C、D 再用 State-Space 块。对象模型最好用你最初写标称对象的那一套参数权重块在闭环里不用出现。结构是Step 进来和反馈信号求差过 K过 P0输出引到 Scope同时反馈回 Sum。记得把求解器设成固定步长 ode45 或 ode4步长取对象最短时间常数的十分之一以下。sim(robust_closed_loop, [0 10]); % 模型内嵌在 robust_closed_loop.slx如果只给 K 灌了标称对象阶跃响应一定不错这还不够。我会在同一模型里给对象串一个乘法不确定性块把 Wm 用 Transfer Fcn 实现扰动通道给一个随机相位的高频正弦再看输出是否仍维持在包络内。这里验证的是控制器的降级表现不是鲁棒性证明真正的证明要交给下一章的 μ 分析。注意权重仿真只对线性标称对象有严格意义。Simulink 里看到的曲线是验证手感不能替代鲁棒稳定分析。4. SIMULINK 闭环模型的不确定化与 μ 分析稳定裕度到底有多“硬”标称时域曲线再漂亮也只能回答“设计点上的表现”回答不了“真实对象偏移后还稳不稳”。要回答后者必须把控制器固定住把模型族重新写出来再算μ。4.1 从 Simulink 模型里取线性化对象如果 Simulink 模型里只有 LTI 块直接从工作空间把 P0 和 K 拿出来组合最省事。但工程模型常带饱和、查表、速率限制那就需要用模型线性化功能把工作点附近的线性模型取出来。io(1) linio(mdl/Step, 1, input); % 输入点在 Step 之后 io(2) linio(mdl/Scope, 1, output); % 输出点在 Scope 之前 Glin linearize(mdl, io); % 默认工作点线性化linio 指定线性化输入输出点linearize 返回标称线性模型。拿到 Glin 后后续的不确定化、μ 分析和时域批量仿真都会围绕它展开。注意线性化点必须避开死区和饱和段否则得到的是零增益奇异模型后面 robuststab 会给出非常离谱的结果。4.2 把参数不确定性和未建模动态封装成不确定闭环k ureal(k, 2.5, Percentage, 20); % 增益 ±20% 的参数不确定性 P0u k / (s^2 0.4*s 1); % 参数不确定的标称对象 delta ultidyn(delta, [1 1], Bound, 1); Wm makeweight(0.1, 8, 3); Punc P0u * (1 Wm * delta); % 参数动态不确定性共存 CLunc feedback(Punc * K, 1); % 固定控制器后的不确定闭环K 是上一章 hinfsyn 的返回值feedback 直接在这种情况下会形成一个不确定矩阵的 LFT。工具箱会把 ureal 和 ultidyn 分别展开成对角块最后在内部合并成一个大 LFT。这一步不需要再写端口排列只需要保证 K 的输入输出顺序和 Punc 一致。4.3 用 lftdata 和 mussv 算 μ用 robuststab 找最坏摄动[M, ~, blk] lftdata(CLunc); % 提取 LFT 内核 M 和 Δ 的对角块结构 [muL, muU] mussv(M, blk); % μ 下界和上界 [stabmarg, wcu] robuststab(CLunc); % 稳定裕度与最坏参数组合lftdata 把不确定闭环拆成确定部分 M 和不确定性对角块结构信息 blkmussv 计算结构奇异值 μ。μ 大于 1 意味着存在一个满足范数约束的 Δ 使闭环失稳稳定裕度等于 1/μ。robuststab 返回的 stabmarg 就是基于 μ 的裕度wcu 给出让系统失稳的一组具体摄动可以直接拿去做仿真复现。μ 值工程含义建议动作μ 0.5余量过大控制器偏保守适当调大 W1 低频增益或放宽 W30.7 ~ 1.0余量合适仍有工程安全垫结合时域阶跃和扰动仿真看超调μ 1存在摄动使闭环失稳增大 W3 权重或降低 W1 带宽μ 在 0.7 到 0.9 之间通常是最舒服的区间。μ 到 0.4 以下时我会反过来怀疑 W1 是不是太弱性能还有提升空间。μ 分析只看最坏情况不告诉你最坏情况下性能有多差所以要补充 wcu 对应的时域仿真。四旋翼这类对象很多人直接上滑模控制但滑模的抖振问题在鲁棒控制框架里对应的是 W2 与高频权重的矛盾先用 μ 量化一遍再决定要不要换方案比靠经验来回试更省时间。4.4 仿真发散时的四个排查方向第一检查闭环里是否有代数环。鲁棒控制器往往是高增益低相位代数环迭代不收敛时表现就是模型编译通过、仿真发散。第二检查采样时间。连续对象搭配离散控制器时ZOH 的引入会额外附加延迟μ 要重新算不能拿连续 K 直接下结论。第三检查饱和非线性是否提前退出线性区。μ 分析用的是线性化模型如果饱和在工作点附近频繁起作用分析结果没有参考意义。第四检查 W2 是否把控制量限制得过死。很多发散不是不稳定是控制量变化率超出执行器能力仿真里表现为振荡爬升。5. 从 μ 值到批量蒙特卡洛把鲁棒性余量换成工程容差μ 分析给出的是最坏情况的结论但最坏情况未必对应真实工况的分布。我会在 μ 分析之后补一轮批量蒙特卡洛仿真把 usample 采出的参数组合逐一灌进 Simulink 里跑时域再回来看超调、调节时间和控制量峰值是否落在可接受区间内。Ps usample(Punc, 30); % 采样 30 组不确定性 for i 1:30 assignin(base, Pk, Ps(:, :, i)); % 写入基础工作空间 sim(robust_closed_loop, [0 10]); % Simulink 闭环仿真 y{i,1} yout; % 收集输出曲线 endusample 会按 ureal 和 ultidyn 定义的分布生成随机样本赋值给 Pk 后Simulink 里的 State-Space 或 LTI System 块只要把参数名称写成 Pk 就能自动替换。30 组样本跑完把超调量画成直方图看有没有离群值。离群值的参数组合如果存在再回到 wcu 里对照确认是否与最坏摄动吻合。μ 值本身还可以折算成工程余量。假设 muU 是 0.8说明当前模型族只占失稳边界以内 20% 的余量不确定性权重最多还能放大 1/0.8 1.25 倍才会失稳。这意味着你允许参数再漂移约 25%。如果你手里有元器件容差或温度漂移数据可以直接比较这 25% 够不够覆盖最坏工况。muU_val max(muU); % 取 μ 上界 margin 1 / muU_val - 1; % 还剩余多少余量 fprintf(不确定性权重还可以放大 %.1f%%\n, margin * 100);把 μ 和蒙特卡洛两套结论对上才算完成了一个鲁棒控制的闭环设计。后续要把控制器部署到嵌入式目标时别忘了先做离散化并把离散后的控制器重新带回 robuststab 算一次 μ。离散化引入的零阶保持延迟会让稳定裕度缩水而这一步如果你用 Simulink 的外部模式或 C Function 直接验证会比重新搭一遍纯软件仿真更容易暴露问题。把离散化后的控制器带回第一步重新生成稳定裕度看到的值才是台架上最接近真实的数字。本文还有配套的精品资源点击获取