企业官网建设流程全解析

简介：面向无人船、无人水下航行器与水面舰艇控制方向的学习者和研究开发者，这份MATLAB仿真资料围绕全驱动船舶在模型不确定、传感器误差和流体动力学干扰下的轨迹跟踪问题，给出融合自适应动态面滑模控制与扰动观测器的实现方案。压缩包共20个文件，约56KB，以15个m脚本为核心，配合2个mdl仿真模型、2个txt说明及1个r2012a文件，便于直接运行、修改与对照学习。内容包含圆轨迹和直线轨迹两类仿真程序，可据此复现船舶数学模型、控制器设计、扰动观测器构建、参数调节与跟踪效果分析，理解滑模鲁棒性、自适应参数调整和扰动补偿之间的配合方式，并观察不同轨迹下的跟踪误差变化。已有1313人学习，适合课程设计、科研入门、论文复现和算法对比时参考，对全驱动推进器独立调节与高精度导航场景也具有一定借鉴价值。

1. 先把结论摆在前面：让轨迹跟踪出问题的，往往不是滑模面

做船舶轨迹跟踪的人，多半有过这样一段经历：滑模面反复推、增益反复调，位置误差就是压不到零，控制器输出却已经开始高频抖动。把扰动项人为关掉再跑一遍，误差立刻塌下去——问题根本不在滑模面，而在那个被当成小量随手扔掉的 d(t)。这几年这类方案几乎都长成同一个形状：动态面 DSC 拆掉反步法的微分爆炸，扰动观测器把 d(t) 估出来前馈掉，自适应滑模兜住剩下的残差，三者各管一段。这套 MATLAB 实现值得逐行拆，就是因为它把这三段的分界线划得比较清楚。

2. 三自由度模型：为什么所有推导最后都要退回船体坐标系

2.1 η 和 ν 不是同一套坐标，J(η) 只做旋转不改变长度

轨迹跟踪的误差定义在地球坐标系里最直观：你在海图上画一条期望航线 η_d(t) = [x_d, y_d, ψ_d]ᵀ，船的实际位置 η = [x, y, ψ]ᵀ 与它相减就是误差。但船受到的推力、水动力、阻尼全部作用在船体上，动力学方程只有在船体坐标系里才写得干净，速度 ν = [u, v, r]ᵀ 中 u 是纵向、v 是横漂、r 是首摇角速度。两套坐标靠一个旋转矩阵连起来：

η̇ = J(ψ)·ν，J(ψ) = [[cosψ, −sinψ, 0], [sinψ, cosψ, 0], [0, 0, 1]]

这个 J 有两个性质必须记住，后面每一章都要用到。第一，它只依赖 ψ 一个角度，不存在六自由度欧拉角那种万向锁问题，ψ 在整个 (−π, π] 上都是良定义的，这让全驱动三自由度模型的推导格外省心。第二，J 是正交矩阵，JᵀJ = I，所以 J⁻¹ = Jᵀ，代码里既可以用J'也可以用J\，结果完全一样，但前者快得多。

真正容易踩坑的地方在于：很多人把误差 e = η − η_d 直接拿去做控制，又直接把 τ 当船体坐标系的力用，中间忘了这一步转换。表现出来就是船往期望点的反方向偏，或者航向收敛了位置却越跑越远。判断方法很简单，给定一个正的 r、其余为零，看 ψ 是不是单调增加；给定正的 τ_v，看船是不是往右舷横漂。这两个方向对了，坐标系才算接对。

2.2 M、C、D：三个矩阵各管一件事，缺一个稳定性证明就断

三自由度动力学写成 M·ν̇ + C(ν)·ν + D(ν)·ν = τ + d，三个矩阵的物理角色完全不一样，混着填参数是仿真结果看起来合理、稳定性却莫名其妙崩掉的主要原因。

M 是惯性矩阵，包含刚体质量和附加质量。左右舷对称的船，M 可以写成 [[m₁₁, 0, 0], [0, m₂₂, m₂₃], [0, m₂₃, m₃₃]] 这种形式，其中 m₁₁、m₂₂ 是含附加质量的纵向、横向质量，量级通常是船体质量的 1.1 到 2 倍——水被船带着一起动，所以“惯性”永远比称出来的排水量大。m₂₃ 这一项对应重心不在船中时横漂与首摇的耦合，很多简化处理直接把它抹成零，做定性验证没问题，做定量对比就会差出十几个百分点。

C(ν) 是科氏-向心矩阵，最关键的性质是反对称：C(ν) = −C(ν)ᵀ。这条性质不是数学上的装饰，它是李雅普诺夫函数 V = ½νᵀMν 求导时能把 νᵀC(ν)ν 整项消掉的唯一理由。如果手工把 C 填成任意非反对称矩阵，闭环里就凭空多出一股“自己给自己加速”的能量，仿真上表现为速度缓慢爬升、控制量越来越小却压不住——这类奇怪现象十有八九是 C 填错了。

D(ν) 是阻尼矩阵，正定，负责耗散。低速时它近似线性，高速时平方项开始主导，很多实现只保留线性部分并在 d 里把差异当作未建模动态吃掉，这正好给了后面扰动观测器存在的理由。

2.3 扰动项 d 放在等式哪一边，决定了观测器长什么样

d 里装的是风、浪、流的一阶二阶漂移力，加上未建模水动力和执行器的推力偏差。把它写在船体坐标系下，得到的是 M·ν̇ = τ + d − C(ν)ν − D(ν)ν，等价于 d = M·ν̇ + C(ν)ν + D(ν)ν − τ。这个恒等式是整个观测器章节的起点，也是黑匣子：d 明明就在等式里，但 ν̇ 测不出来，所以你没法直接算它。

几乎所有扰动观测器的共同前提都是一句话：d 变化得比观测器收敛得慢，即 ḋ 有界。这句话对常值海流和二阶漂移力成立，对一阶波浪力就不成立——波浪力的主频通常在 0.5 到 1.5 rad/s，周期几秒量级，观测器带宽必须高于这个频率才能跟得上。可带宽一高，速度信号里的噪声就被成倍放大，前馈通道立刻变成噪声放大器。这就是为什么实船上常见的做法是只补偿低频分量，高频部分留给滑模的鲁棒项去压，而不是指望一个观测器把整个 d 全吃掉。

下面这段是三自由度模型的完整实现，把运动学和动力学分开写，是为了让后面的控制器按同样的顺序调用：

function [eta_dot, nu_dot] = ship3dof(~, x, tau, d, P) % x = [x; y; psi; u; v; r]，前三个是地球坐标系位姿，后三个是船体坐标系速度 eta = x(1:3); nu = x(4:6); psi = eta(3); % 运动学：船体坐标系 -> 地球坐标系，只有前两行参与旋转 J = [cos(psi), -sin(psi), 0; sin(psi), cos(psi), 0; 0, 0, 1]; eta_dot = J * nu; % 动力学：M*nu_dot + C(nu)*nu + D(nu)*nu = tau + d % 用左除而不是 inv(M)，数值上更稳，也避免每次求逆 nu_dot = P.M \ (tau + d - P.C*nu - P.D*nu); end

注意P.C*nu和P.D*nu都是时变量，但在这套实现里它们被当作常矩阵处理。这是一个刻意的取舍：三自由度低速工况下，C 和 D 随速度的变化远小于 d 的量级，把非线性项挪进 d 里，观测器能一并估掉，控制器却省掉了大量实时计算。要不要保留非线性，取决于你的速度包线有多宽。

3. 动态面 DSC：反步法的微分爆炸是怎么被一阶滤波器掐掉的

3.1 反步法的两步走：虚拟控制量 α₁ 是怎么冒出来的

反步法的思路是“一次只处理一层积分”。第一层是运动学 η̇ = J(ψ)ν，这里 ν 不是真正的控制量，但可以把它当作虚拟控制量来设计。定义位置误差 z₁ = η − η_d，希望 z₁ 指数收敛，就令 J(ψ)ν 等于 η̇_d − K₁z₁，于是得到虚拟控制律：

α₁ = Jᵀ(ψ)·(η̇_d − K₁z₁)

K₁ 是正定对角阵，量纲是 1/s，决定了位置误差的收敛速率。这一步没有任何近似，纯粹是代数变换。第二层才是真正的动力学：定义速度误差 z₂ = ν − ν_d，其中 ν_d 应该等于 α₁，然后对 z₂ 求导代进动力学方程，解出 τ。到这里一切都很好，问题出在下一步。

3.2 对 α₁ 求导这一步，具体碰到了什么困难

反步法要求你在 τ 的表达式里用到 α̇₁，因为 ν_d 的导数要出现在控制律里。把 α₁ 展开求导，得到的是这么一串：

α̇₁ = (∂α₁/∂η)·J(ψ)ν + (∂α₁/∂η_d)·η̇_d + (∂α₁/∂η̇_d)·η̈_d

三项各有各的麻烦。第一项里 ∂α₁/∂η 包含对 ψ 的偏导，而 Jᵀ 对 ψ 求导又会产生一个新的旋转矩阵，写出来是六七项乘积；第二项要把参考轨迹的一阶导也代进去；第三项最致命，它需要 η̈_d，也就是期望轨迹的二阶导数。如果你的期望轨迹是解析的圆或者正弦线，勉强能求；如果是航路点插值出来的折线，η̈_d 在拐点处是冲激，数值上直接炸。

更麻烦的是即使你把解析式推出来了，α̇₁ 里仍然含有 ν。实船上的速度要么来自多普勒计程仪（噪声大、更新率低），要么由位置差分得到（噪声更大），把它塞进一个已经被求导放大的表达式里，等于直接把噪声灌进执行器。这就是所谓的“微分爆炸”，不是比喻，是真的会在 τ 上炸出高频毛刺。

3.3 一阶低通滤波：把不可测的 α̇₁ 换成可算的 (α₁ − ν_d)/τ_f

DSC 的处理办法极其务实：不去求 α̇₁，而是让 α₁ 通过一个一阶低通滤波器，用滤波器的输出 ν_d 代替 α₁：

τ_f·ν̇_d + ν_d = α₁，ν_d(0) = α₁(0)

这个式子一移项，就得到了一个完全由已知量构成的导数估计：ν̇_d = (α₁ − ν_d)/τ_f。控制律里原本要放 α̇₁ 的地方，全部换成这个商。τ_f 是滤波器时间常数，单位是秒，它同时也是这个“数值微分器”的步长尺度：τ_f 越小，ν_d 越贴 α₁，导数估计越接近真值，但放大倍数 1/τ_f 越大，噪声进来得越猛。

% ---- 第一步：位置误差与虚拟控制量 ---- e1 = eta - eta_d; alpha1 = J' * (eta_d_dot - K1*e1); % J 正交，J' 就是 J 的逆 % ---- 第二步：DSC 一阶低通滤波，用积分形式推进，避免代数环 ---- nu_d = nu_d + h*(alpha1 - nu_d)/tau_f; % 滤波器的离散实现 alpha1_dot = (alpha1 - nu_d)/tau_f; % 用滤波值代替真实微分 % ---- 第三步：滑模面定义在滤波误差流形上 ---- z2 = nu - nu_d; s = z2 + Lambda*e1; % ---- 第四步：控制律，d_hat 来自观测器，W_hat 来自自适应律 ---- tau = P.M*( alpha1_dot - Lambda*(J*nu - eta_d_dot) - K2*s ... - W_hat*tanh(s/phi) ) ... + P.C*nu + P.D*nu - d_hat;

这段代码里有几个参数值得单独说清楚。h是仿真步长，nu_d的更新用的是前向欧拉，所以tau_f必须显著大于h，否则h/tau_f接近 1，滤波器会失稳振荡。Lambda是滑模面的斜率矩阵，量纲 1/s，它决定误差在滑模面上衰减的快慢，值越大收敛越快，但也会把噪声更多地引到 s 里。phi是边界层厚度，tanh(s/phi)在 |s| 远大于 phi 时近似 sign，在 |s| 小于 phi 时线性过渡，稳态误差的量级就被限制在 phi 附近。

3.4 τ_f 怎么选：滤波误差界与噪声放大之间的权衡

DSC 的稳定性证明里有一个绕不开的量，叫滤波误差 y₂ = ν_d − α₁。对它求导，利用滤波器方程可以得到 τ_f·ẏ₂ = −y₂ − τ_f·α̇₁，两边积分后有 |y₂| ≤ τ_f·sup|α̇₁|。也就是说滤波误差是 O(τ_f) 的，τ_f 越小，ν_d 越接近 α₁，闭环越接近理想反步。

但这不是让你把 τ_f 调到 1e-6 的理由。α̇₁ 的界 B₁ = sup|α̇₁| 本身依赖参考轨迹的加速度和执行器的饱和程度，船舶的闭环带宽通常在 0.1 到 1 rad/s 量级，滤波器的截止频率 1/τ_f 必须明显高于这个带宽，否则滤波器会把有用的控制信号也滤掉，表现为跟踪滞后、转弯时切内道。我的经验取值是 τ_f 在 0.01 到 0.05 s 之间，大约相当于仿真步长的 5 到 20 倍。

提示：先用 τ_f = 0.02 跑一遍，把 ν_d 和 α₁ 画在同一张图上。如果两条曲线几乎重合，说明滤波器没起到作用，可以再放大一点；如果 ν_d 明显滞后于 α₁ 且跟踪误差里出现与转弯同周期的偏差，说明 τ_f 太大，要往小调。

4. 观测器加自适应滑模：把“硬扛”换成“先估后补”

4.1 NDO 的构造：辅助变量 ζ 是怎么想出来的

回到那个恒等式 d = M·ν̇ + C(ν)ν + D(ν)ν − τ。右边只有 ν̇ 不可用，所以不能直接算。非线性扰动观测器的做法是引入一个辅助状态 ζ，并令估计值具有 d̂ = ζ + K·M·ν 的形式，其中 K 是正定对角增益矩阵。这样 d̂ 的导数里会出现 K·M·ν̇，正好可以用动力学方程替换掉：

d̂̇ = ζ̇ + K·M·ν̇ = ζ̇ + K·(τ + d − C(ν)ν − D(ν)ν)

接下来是关键一步：我们希望估计误差 d̃ = d − d̂ 满足 d̃̇ = ḋ − K·d̃，也就是让 d̂̇ = −K·d̂ + K·d。把上面两式对起来，含 d 的项正好互相抵消，剩下的是一个完全不含 ν̇、也不含 d 的 ζ 更新律：

ζ̇ = −K·ζ + K·(C(ν)ν + D(ν)ν − τ − K·M·ν)

这一步是整个观测器能工作的核心：d 之所以被消掉，是因为它同时出现在“真实动力学”和“期望的误差动态”里。代价是你必须相信 M、C、D 这三个矩阵是准的，模型误差会直接变成估计偏差。

% ---- 非线性扰动观测器 ---- % d_hat = zeta + K*M*nu；zeta 是内部状态，更新律里不含 nu_dot zeta = zeta + h*( -K*zeta + K*( P.C*nu + P.D*nu - tau - K*P.M*nu ) ); d_hat = zeta + K*P.M*nu; % 初始化：zeta0 = -K*M*nu0，可保证 d_hat(0) = 0，避免首拍冲击

误差动态 d̃̇ = ḋ − K·d̃ 的解是 d̃(t) = e^{−Kt}d̃(0) + ∫e^{−K(t−s)}ḋ(s)ds，稳态下 |d̃| ≤ sup|ḋ| / λ_min(K)。这个式子直接告诉你两件事：K 越大收敛越快、残差越小；但 K 大到一定程度，d̂ 就会开始跟踪速度信号里的高频噪声，因为 ν 是通过 K·M·ν 这一项进入估计值的。

4.2 观测器一上，滑模增益为什么能降一个量级

没有观测器时，滑模面的到达条件要求切换增益大于扰动的上界：|s|·(Ŵ − |d|) ≤ 0，所以 Ŵ 必须压过 sup|d|。船舶模型里未建模的横荡水动力加上常值海流，等效到加速度上通常是 0.2 到 0.5 m/s² 的量级，这意味着切换增益至少要在 0.5 以上，抖振幅值也就跟着这个数走。

有了观测器之后，需要被滑模项压住的只剩残差 d̃，它的界是 sup|ḋ|/λ_min(K)，量级能降到 0.01 上下。切换增益从 0.5 降到 0.05，抖振幅值跟着降一个数量级，这就是“观测器 + 小增益滑模”比“纯大增益滑模”更好用的原因。反过来说，如果你加了观测器却发现抖振没改善，八成是 d̂ 根本没收敛——常见原因是 ζ 的初始化没做，或者 C、D 的符号填反了，导致观测器在给自己造一个正反馈。

注意：调试观测器时先把自适应滑模关掉，让 τ 里只有 DSC 项和 d̂ 前馈项，单独看 d̂ 跟设定的 d 是否吻合。两个回路同时开，出了问题根本分不清是谁的锅。

4.3 自适应律：增益自己长大，但必须装一个泄压阀

即使有观测器，残差的上界也不是事先精确知道的，所以切换增益仍然需要一个自适应律来自动标定。最朴素的形式是积分型：Ŵ̇ = Γ·|s|，|s| 不为零就往上加，直到压住为止。这个形式在理论上很漂亮，在仿真里却经常翻车——只要 s 因为边界层或者采样误差存在一个永远消不掉的小残差，Ŵ 就会单调上涨，最后顶到你设的上限，抖振反而比固定增益更严重。

实用的写法是加一个泄漏项：Ŵ̇ = Γ·(|s| − σ·Ŵ)，σ > 0 是泄漏系数。稳态下 |s| 小时，−σŴ 占主导，增益会缓慢回落；|s| 大时，第一项占主导，增益快速上升。Γ 是学习率，量纲决定了增益变化的速度，太大时增益突变本身就会激励抖振，太小时扰动突变跟不上。再加上一层硬投影，把 Ŵ 限制在 [W_min, W_max] 之间，就得到了一个既会自己长大、又不会失控的增益。

% 自适应切换增益：|s| 大时快速上升，|s| 小时靠 -sigma*W_hat 缓慢回落 W_hat = W_hat + h*Gamma*( norm(s) - sigma*W_hat ); W_hat = min(max(W_hat, W_min), W_max); % 投影算子，防止无界增长和负值

4.4 抖振抑制的四层手段：从 sign 到 super-twisting

滑模的抖振不是单一原因造成的，至少有三层：切换函数的硬跳变、离散化带来的准滑模、以及观测器前馈通道引入的噪声。对应的手段也不同，选错了层次等于白费力气。

需要提醒的是，sat 和 tanh 本质上是把滑模“软化”成准滑模，代价是放弃了渐近收敛，换来的是有界收敛。如果你的指标要求是稳态误差小于某个值，选边界层厚度 phi 就等于直接选定了这个值，不存在“既要零误差又要零抖振”的免费方案。

5. 常见问题与排查：仿真跑不出结果，先看这五处

5.1 现象：误差从第一步就指数发散，控制量瞬间打满

原因几乎总是坐标系或者符号接错了。最常见的是 J 用了转置、v 的正方向定义反了、或者 τ_v 的符号与 D 矩阵里的对应项不一致。这类错误的特点是发散得非常快，通常几十个步长内就能看出来，不会给你“慢慢调”的机会。

解决办法是先做开环测试再闭环。给定常值 τ_u，看 u 是否单调增；给定常值 τ_r，看 r 是否单调增、ψ 是否随之积分；给定常值 τ_v，看 y 坐标是否往右舷偏。三个方向都对上之后再闭合控制环，能省掉大量瞎调参数的时间。

5.2 现象：控制量高频抖动，执行器模型完全跟不上

原因有三个层次，要逐层排除。最外层是切换增益太大，Ŵ 远大于实际扰动上界，sign 或者窄边界层的 tanh 在每一步都做硬跳变；中间层是仿真步长太大，离散化本身就在滑模面附近制造了准滑模振荡；最内层是观测器前馈通道把速度噪声放大后灌进了 τ。

解决顺序建议从内到外：先关自适应、固定一个小增益，看抖振是否消失；再单独看 d̂ 的频谱，如果有明显的高频分量，就把 K 调小；最后再调边界层 phi。把步长从 1e-2 降到 1e-3 如果抖振明显变化，说明你的问题主要是离散化而不是控制律本身。

5.3 现象：d̂ 一直有偏，或者干脆发散到无穷

有偏通常来自模型不准：M、C、D 里的参数与实际被控对象差得太多，观测器把模型误差当成了扰动的一部分，估出来的 d̂ 里混进了一个常值偏置。这个偏置其实不影响闭环稳定性（因为滑模项会把它一起压掉），但会让你误以为观测器没工作。

发散则多半是符号问题。ζ 的更新律里 −K·ζ 和 +K·(Cν + Dν − τ − K·M·ν) 这两项的符号必须严格对上，任何一处反了都会让误差动态变成 d̃̇ = ḋ + K·d̃，指数发散。排查方法是把 d 人为设成零跑一遍，此时 d̂ 应该收敛到零附近；如果它跑飞，就是符号错了，跟参数大小无关。

5.4 现象：自适应增益单调涨到上限再也不降

这是积分型自适应律的经典毛病。只要 |s| 存在一个消不掉的稳态小残差（边界层内的误差、参考轨迹拐点处的跳变、采样量化误差都算），Ŵ̇ = Γ|s| 就永远是正的，增益只会往上爬。爬到上限之后，抖振比你不用自适应还严重。

解决办法是加泄漏项和死区。泄漏项前面已经写过，σ 取值通常是 Γ 的百分之一量级；死区更直接，把更新律改成只在 |s| > ε 时才累加，ε 取边界层厚度的一半左右。两个手段可以叠加，代价是增益会略微偏保守。

5.5 现象：改小仿真步长，跟踪结果就变了

这不是 bug，是准滑模的正常表现。滑模控制在连续时间下是理想切换，在离散实现下每一步的切换都会带来一个 O(h) 的稳态抖振，边界层和步长是耦合的：步长变小，同样的 phi 相对变宽，稳态误差的行为就变了。

要让结果对步长不敏感，一是用定步长求解器（四阶龙格库塔，步长固定），二是把 phi 设成明显大于 sqrt(h) 的量级，三是把控制器和对象放在同一个步长下更新，不要出现控制器步长是对象步长整数倍这种错配。做完这三件事，步长从 1e-2 改到 1e-3，误差曲线的形状应该基本重合。

6. 设计取舍：这套结构什么时候该拆，什么时候不该拆

把三段拆开看，每一段都对应一个明确的取舍，而这些取舍之间是互相牵制的。

观测器带宽 K 与噪声是第一条线。K 大，d̂ 收敛快、残差小，滑模增益可以压得更低；但 K 大到接近速度信号的噪声频带，d̂ 就开始跟踪噪声，前馈通道从“补偿”变成“激励”。实船上速度测量更新率往往只有几赫兹，K 的可用范围比仿真里窄得多，这也是为什么纯仿真调出来的参数搬到硬件上经常失效。

DSC 的 τ_f 是第二条线。它同时在扮演两个角色：滤波器和数值微分器。作为滤波器，τ_f 越大越干净；作为微分器，τ_f 越大误差越大。这两者不可能同时最优，只能根据你的参考轨迹有多“光滑”来折中——轨迹是解析曲线，τ_f 可以取小；轨迹是航路点插值出来的折线，τ_f 取小反而会把拐点处的冲激放大成控制量的尖峰。

自适应增益是第三条线，而且是最容易高估收益的一条。理论上自适应能免去手工标定切换增益，实际上它换来的是收敛速度和稳态抖振之间的持续拉锯，还得额外引入泄漏项、死区、投影三套保护机制。如果扰动上界事先能估个大概（船舶工况通常是可以的），固定增益加观测器前馈往往比自适应更省心，代码也短一半。

验证方法我一般会看三条曲线，而不是只看跟踪误差。第一条是位置误差的时域曲线，看有没有稳态偏置和转弯处的超调；第二条是 d̂ 与人为设定的 d 的对比，看观测器的相位滞后有多大；第三条是 τ 的频谱，看能量是不是集中在低频段。前两条决定“对不对”，第三条决定“能不能上硬件”。

还有一个容易被忽略的边界条件：全驱动。这套推导从头到尾假设了推力分配矩阵可逆，三个自由度都能独立驱动。一旦进入欠驱动工况（比如某个推力器故障），M⁻¹ 那一步就不再能任意配置，整个反步结构需要重写，滑模面也得重新定义。把全驱动当成前提而不是结论，是做这类方案时最基本的一条纪律。

从那以后我每次搭这类控制器，都强制先只开 DSC 跑一遍、再单独开观测器跑一遍、最后才三段全开，宁可多花半天，也不愿意在三段耦合的曲线上猜是谁的问题。希望帮到你。

本文还有配套的精品资源，点击获取