MATLAB滑模控制实战：抖振抑制与边界层设计

简介：本资源是一个面向控制理论学习者与自动化专业学生的滑模控制入门实践包，聚焦于MATLAB平台下的滑模控制器设计与仿真验证，解决非线性系统鲁棒控制建模难、实现抽象、调试无从下手等典型问题。压缩包共3个MATLAB脚本文件（.m），总大小仅4KB，轻量精炼：其中plant文件构建被控对象动态模型，ctrl文件实现滑模面设计与控制器律（含边界层抑制抖振机制），plot文件提供状态轨迹、滑模面收敛过程及输出响应的完整可视化分析。已有571人下载学习，适合本科高年级或研究生阶段初探滑模控制原理的学习者，可直接运行复现滑模运动全过程，深入理解滑模面构造、到达条件验证、有限时间收敛特性及抗干扰性能评估等核心环节，为后续拓展至二阶滑模、自适应滑模或工程应用打下扎实的代码级实践基础。

1. 滑膜控制不是“抖振”代名词：用 MATLAB 实现一个可调、可观、可验证的滑膜控制器实例

很多人第一次在 MATLAB 里跑滑膜控制（Sliding Mode Control, SMC），看到状态轨迹在切换面上高频抖动，就下意识认为“模型没建好”或“参数调错了”。其实恰恰相反——抖振（chattering）是滑膜控制固有特性的外在表现，关键不在于消除它，而在于用边界层法、饱和函数或幂次趋近律主动约束其幅值与频带。这个标题里的“MATLAB.rar_一个简单的滑膜控制实例”指向的，正是工程实践中最常复现、也最容易被误读的典型场景：二阶线性系统（如电机位置环、倒立摆简化模型）在存在建模不确定性与外部扰动下的鲁棒跟踪控制。它不依赖 Simulink 图形化建模，纯脚本实现，适合刚接触非线性控制的自动化、机电、航空航天方向工程师快速上手；对已有项目经验的人，则能通过对比不同趋近律（符号函数 vs. 饱和函数 vs. 指数趋近）的相平面轨迹、控制量频谱和抖振能量积分，量化评估鲁棒性与执行器负担的权衡。全文所有代码均可在 MATLAB R2018b 及以上版本直接运行，无需额外工具箱（仅需基础 Control System Toolbox 和 Signal Processing Toolbox 中的lsim与fft函数）。

2. 从数学定义到 MATLAB 实现：滑膜面、等效控制与切换控制的三段式构造

滑膜控制的核心不是“让系统跑得快”，而是“强制系统状态沿预设滑膜面运动，并在此面上保持滑动”。这需要三个不可分割的模块协同：滑膜面设计（s=0）、等效控制（u_eq，维持滑动所需理想控制量）、切换控制（u_sw，克服不确定性与扰动，驱动状态到达并维持在滑膜面上）。MATLAB 中实现时，必须将这三者显式分离，否则无法调试抖振来源或验证滑膜存在性条件（即 s·ṡ < 0）。

2.1 滑膜面设计：为什么选 s = ė + λe 而非其他形式？

对单输入单输出（SISO）二阶系统 ẋ₁ = x₂, ẋ₂ = f(x) + g(x)u + d(t)，其中 e = x₁_ref − x₁ 为跟踪误差，标准滑膜面取 s = ė + λe（λ > 0）。该形式对应一阶微分方程 ṡ + λs = 0 的解，保证滑膜面本身具有指数收敛特性。在 MATLAB 中，我们将其离散化为：

% 初始化参数 Ts = 0.001; % 采样时间（1ms） lambda = 20; % 滑膜面斜率，决定收敛速度 t = 0:Ts:5; % 仿真时间 0~5s N = length(t); % 状态变量初始化（x1:位置, x2:速度） x1 = zeros(1,N); x2 = zeros(1,N); x1(1) = 0.1; x2(1) = 0; % 初始误差 0.1rad, 初速 0 % 参考信号：正弦跟踪指令 x1_ref = sin(2*pi*t); % 滑膜面 s = ė + lambda*e，其中 ė ≈ (x1_ref(k+1)-x1_ref(k))/Ts - x2(k) s = zeros(1,N); for k = 1:N-1 e = x1_ref(k) - x1(k); de_approx = (x1_ref(min(k+1,N)) - x1_ref(k))/Ts - x2(k); % 前向差分近似 ė s(k) = de_approx + lambda * e; end

提示：de_approx使用前向差分而非中心差分，因后者引入半步延迟，在实时控制中不可行；若实际系统采样率受限，可改用一阶低通滤波器（filtfilt）对参考信号微分，避免噪声放大。

2.2 等效控制 u_eq：解析求解与数值替代的边界

等效控制 u_eq 是使 ṡ = 0 成立所需的控制量，理论上应满足：
ṡ = ë + λė = 0 → u_eq = [−f(x) − λė − λ²e]/g(x)
但 f(x), g(x) 往往未知或含不确定性。因此，MATLAB 实现中采用名义模型替代：假设系统为 ẋ₂ = a·x₂ + b·u（a,b 已知标称值），则
u_eq = (−a·x₂ − λ·(x2 − 2picos(2pit(k))) − lambda^2·(x1_ref(k)−x1(k)))/b

% 名义系统参数（真实系统含扰动，此处仅用于 u_eq 计算） a_nom = -10; b_nom = 50; u_eq = zeros(1,N); for k = 1:N-1 e = x1_ref(k) - x1(k); % 注意：ė 这里用参考信号导数减去实际速度，更精确 ref_dot = 2*pi*cos(2*pi*t(k)); u_eq(k) = (-a_nom*x2(k) - lambda*(ref_dot - x2(k)) - lambda^2*e) / b_nom; end

注意：u_eq 本身不提供鲁棒性，它只负责“理想无扰动下的轨迹跟踪”。若直接使用 u_eq，系统将因模型失配而发散。它的存在意义是为切换控制提供基准偏移量。

2.3 切换控制 u_sw：三种实现方式的 MATLAB 对比与选择依据

切换控制 u_sw 的任务是生成足够大的“推力”，确保 s·ṡ < 0 恒成立。MATLAB 中最常用三种形式：

% 参数设置（三组对比） eta_sign = 15; % 符号函数增益 eta_sat = 15; delta = 0.02; % 饱和函数：delta 为边界层厚度 k1_exp = 8; k2_exp = 12; % 指数律参数 u_sw_sign = zeros(1,N); u_sw_sat = zeros(1,N); u_sw_exp = zeros(1,N); for k = 1:N-1 u_sw_sign(k) = -eta_sign * sign(s(k)); u_sw_sat(k) = -eta_sat * sat(s(k)/delta); % sat(x)=max(-1,min(1,x)) u_sw_exp(k) = -k1_exp*s(k) - k2_exp*sign(s(k)); end % 总控制量 u_sign = u_eq + u_sw_sign; u_sat = u_eq + u_sw_sat; u_exp = u_eq + u_sw_exp;

关键说明：sat()函数需自行定义（MATLAB 无内置），一行即可：sat = @(x) max(-1, min(1, x));。边界层厚度delta直接决定抖振频带——delta越小，等效开关频率越高，但执行器热损耗越大；工程中常根据执行器带宽（如电机 PWM 频率）反推delta，例如 PWM 为 20kHz，则delta应设为s量纲的 1/100～1/50。

3. 闭环仿真与抖振量化：用相平面、FFT 与抖振能量积分诊断控制器性能

仅看输出曲线是否跟踪上参考信号是远远不够的。滑膜控制器的“健康度”必须通过三个维度交叉验证：滑膜存在性、抖振频谱分布、控制能量效率。MATLAB 提供了完备的信号分析工具链，无需额外插件。

3.1 验证滑膜存在性：s·ṡ < 0 的逐点计算与统计

滑膜存在的充要条件是李雅普诺夫导数 V̇ = s·ṡ < 0（V = s²/2）。在离散系统中，ṡ 用一阶后向差分近似：ṡ(k) ≈ (s(k) − s(k−1))/Ts。

% 计算 s_dot 并验证滑膜存在性 s_dot = zeros(1,N); Vdot = zeros(1,N); for k = 2:N s_dot(k) = (s(k) - s(k-1)) / Ts; Vdot(k) = s(k) * s_dot(k); end % 统计负值占比（理想应 >95%） neg_ratio = sum(Vdot(2:end) < 0) / (N-1); fprintf('滑膜存在性验证：s·ṡ < 0 占比 %.1f%%\n', neg_ratio*100); % 绘制 Vdot 时间序列（重点观察初始阶段是否全负） figure; plot(t(2:end), Vdot(2:end), 'LineWidth', 1.2); xlabel('时间 (s)'); ylabel('V̇ = s·ṡ'); title('滑膜存在性验证'); grid on; ylim([-500, 50]);

逻辑说明：若neg_ratio低于 90%，说明切换增益eta过小或lambda过大，导致系统无法及时穿越滑膜面；此时需增大eta或减小lambda。注意：初始时刻（k=1）因s(0)未定义，Vdot(1)不参与统计。

3.2 抖振频谱分析：用 FFT 分离控制量中的高频成分

抖振本质是控制量 u(t) 中由切换动作引入的高频谐波。MATLAB 的fft函数可精准提取其主频与能量占比。

% 截取稳态段（t=2s~5s）进行 FFT idx_steady = find(t>=2 & t<=5); u_steady = u_sat(idx_steady); % 以饱和函数为例 L = length(u_steady); Y = fft(u_steady); P2 = abs(Y/L); P1 = P2(1:L/2+1); P1(2:end-1) = 2*P1(2:end-1); f = (0:L/2)*(1/(Ts*L)); % 找出能量最高的前3个频率分量 [~, idx_peak] = sort(P1, 'descend'); f_peaks = f(idx_peak(1:3)); P_peaks = P1(idx_peak(1:3)); fprintf('抖振主频（饱和函数）：%.0f Hz, %.0f Hz, %.0f Hz\n', f_peaks);

参数说明：f_peaks的第一个值即为抖振基频，它应接近1/(π·delta)（理论值）。若实测基频显著偏离此值，说明delta设置不合理或存在未建模动态（如传感器延迟）。工程中要求抖振基频至少高于执行器带宽 3 倍，否则会激发机械谐振。

3.3 抖振能量积分：用 L2 范数量化控制代价

抖振不仅影响执行器寿命，更消耗无效功率。定义抖振能量为切换控制分量 u_sw 的 L2 范数：E_sw = ∫ u_sw² dt。MATLAB 中用梯形积分（trapz）计算：

% 计算三种策略的抖振能量（归一化到总仿真时间） E_sw_sign = trapz(t, u_sw_sign.^2) / (t(end)-t(1)); E_sw_sat = trapz(t, u_sw_sat.^2) / (t(end)-t(1)); E_sw_exp = trapz(t, u_sw_exp.^2) / (t(end)-t(1)); fprintf('抖振能量（归一化）：符号函数 %.3f，饱和函数 %.3f，指数律 %.3f\n', ... E_sw_sign, E_sw_sat, E_sw_exp);

关键结论：饱和函数通常比符号函数降低 40%~60% 抖振能量，而指数律因含线性项，能量最低但可能牺牲鲁棒性。选择依据是执行器热设计余量——若电机温升已接近限值，必须优先选用指数律或增大delta。

4. 相平面图绘制与边界层可视化：用 MATLAB 动态呈现滑膜运动本质

相平面（x₁-x₂ 平面）是理解滑膜控制最直观的工具：滑膜面 s=0 是一条直线，系统轨迹先“趋近”该直线（到达阶段），再“沿其滑动”至平衡点（滑动阶段）。MATLAB 的quiver与contour组合可动态展示这一过程。

4.1 绘制滑膜面与系统矢量场

% 定义相平面网格 x1_grid = linspace(-0.5, 0.5, 50); x2_grid = linspace(-2, 2, 50); [X1, X2] = meshgrid(x1_grid, x2_grid); % 计算每个网格点的滑膜面值 s = x2 - ref_dot + lambda*(x1_ref - x1) % 此处取 t=1s 时刻的参考信号状态（x1_ref=sin(2*pi), ref_dot=2*pi*cos(2*pi)≈6.28） ref_dot_t1 = 2*pi*cos(2*pi*1); x1_ref_t1 = sin(2*pi*1); S_grid = X2 - ref_dot_t1 + lambda*(x1_ref_t1 - X1); % 计算名义系统矢量场（无扰动、无控制） X1_dot = X2; X2_dot_nom = a_nom*X2 + b_nom*0; % u=0 时的自由响应 % 绘制 figure; contour(X1, X2, S_grid, [0,0], 'Color','r','LineWidth',2); % s=0 红线 hold on; quiver(X1, X2, X1_dot, X2_dot_nom, 'Color','b','AutoScale','off','MaxHeadSize',0.01); xlabel('x_1 (位置)'); ylabel('x_2 (速度)'); title('相平面：滑膜面（红）与名义系统流场（蓝）'); legend('滑膜面 s=0','名义系统矢量场'); grid on;

逻辑说明：红色直线即滑膜面，蓝色箭头表示无控制时系统的自然演化方向。可见：远离滑膜面的区域，矢量场指向滑膜面；靠近滑膜面时，矢量场趋于平行于滑膜面——这正是“到达后沿面滑动”的几何体现。

4.2 可视化边界层与抖振轨迹

边界层|s| < delta是饱和函数起作用的区域，也是抖振发生的物理空间。将仿真轨迹叠加到相平面上，并用颜色标注|s|大小：

% 绘制实际仿真轨迹（饱和函数策略） figure; contour(X1, X2, S_grid, [0,0], 'Color','r','LineWidth',2); hold on; % 轨迹着色：按 |s| 值映射颜色（越接近 0 越红） s_abs = abs(s(1:N-1)); scatter(x1(1:N-1), x2(1:N-1), 15, s_abs, 'filled', 'MarkerFaceAlpha', 0.7); colorbar; caxis([0, max(s_abs)]); xlabel('x_1 (位置)'); ylabel('x_2 (速度)'); title('相平面轨迹：颜色表示 |s|（边界层内为红色）'); legend('滑膜面 s=0','轨迹（|s|着色）'); grid on;

技巧：此图清晰显示——轨迹在边界层|s|<delta内高频震荡（红色密集点），一旦超出即被拉回。若发现轨迹长期滞留在|s|>0.1区域，说明eta不足；若红色区域过宽（如|s|>0.05占比高），则delta过大，削弱了鲁棒性。

5. 工程落地关键：如何将滑膜控制器部署到实际硬件（以 Arduino + 电机驱动为例）

MATLAB 仿真只是第一步。真正发挥滑膜控制价值，需将其部署到嵌入式平台。以常见组合“Arduino Uno + L298N 电机驱动 + 编码器”为例，核心挑战是离散化精度、ADC 噪声抑制、PWM 更新同步。MATLAB 生成 C 代码（需 Embedded Coder）并非唯一路径，手动移植更可控。

5.1 离散化要点：避免零阶保持器（ZOH）引入的相位滞后

MATLAB 默认lsim使用 ZOH，但实际 MCU 的 ADC 采样与 PWM 更新是异步的。正确做法是：在每个控制周期开始时读取编码器值，立即计算 s 和 u，再在周期结束时更新 PWM 占空比。伪代码如下：

// Arduino C 代码片段（每 1ms 执行一次） unsigned long last_time = 0; const float Ts = 0.001; // 1ms 控制周期 float x1_prev = 0, x2_prev = 0; float s, u_eq, u_sw, u_total; void loop() { unsigned long now = millis(); if (now - last_time >= 1) { // 确保 ~1ms 周期 last_time = now; // 1. 读取编码器（假设已转换为角度 x1） float x1 = read_encoder(); float x1_ref = sin(2*PI*now/1000.0); // 1Hz 正弦参考 // 2. 一阶差分计算速度 x2（避免微分噪声） float x2 = (x1 - x1_prev) / Ts; x1_prev = x1; // 3. 计算滑膜面 s = ė + lambda*e float e = x1_ref - x1; float e_dot = (x1_ref - x1_prev)/Ts - x2; // 粗略估计 s = e_dot + lambda * e; // 4. 计算 u_eq（用标称模型） u_eq = (-a_nom*x2 - lambda*(2*PI*cos(2*PI*now/1000.0) - x2) - lambda*lambda*e) / b_nom; // 5. 切换控制（饱和函数） float sat_val = s / delta; if (sat_val > 1.0) sat_val = 1.0; else if (sat_val < -1.0) sat_val = -1.0; u_sw = -eta_sat * sat_val; u_total = u_eq + u_sw; // 6. PWM 输出（映射到 0~255） int pwm_val = constrain((int)(u_total * 127.5 + 127.5), 0, 255); analogWrite(PWM_PIN, pwm_val); } }

注意：e_dot的计算未使用digitalDerivative库，因其内部含滤波会引入延迟；此处用简单差分，配合编码器高分辨率（≥1000ppr）可接受。若噪声大，须在x1读取后加移动平均滤波（窗口长度 ≤3）。

5.2 抖振抑制实战：在 L298N 上加装 RC 低通滤波器

L298N 的 PWM 输入端对高频抖振极其敏感，易导致 MOSFET 过热。最廉价有效的方案是在 ENA 引脚串联 RC 电路：R=100Ω, C=100nF → 截止频率 f_c = 1/(2πRC) ≈ 15.9kHz，恰好滤除滑膜抖振（通常 1~5kHz）而保留控制带宽。

Arduino PWM pin → R=100Ω → C=100nF → GND ↓ L298N ENA

验证方法：用示波器探头同时测量 ENA 引脚电压（滤波后）与 Arduino PWM 引脚电压（滤波前），对比两者频谱——滤波后高频分量应衰减 ≥20dB。若电机仍发热，检查 RC 功率：100Ω 电阻在 5V 下功耗仅 0.25W，选 0.5W 电阻即可。

滑膜控制器的最终价值，体现在它能让一个参数摄动 ±30% 的直流电机，在 2N·m 阶跃负载下，位置超调仍低于 5%，且无需在线辨识或自适应律。这种确定性鲁棒性，正是 MATLAB 脚本级实现所奠基的工程直觉——当你能在 20 行核心代码里，清晰拆解出 s、u_eq、u_sw 的物理意义，并亲手调节lambda、eta、delta三者关系时，你才真正拥有了驾驭非线性控制的能力。

本文还有配套的精品资源，点击获取