MFAC无模型自适应控制仿真全解析：伪偏导数估计与CFDL/PFDL/MIMO实践

最近整理了一套很实用的仿真资料，主题正好是“六个MFAC无模型自适应控制仿真+伪偏导数估计+动态线性CFDL+PFDL+MIMO”，里面除了程序，还配了一部分参考资料。我陆陆续续用这套东西给不同项目做数据驱动控制验证，踩了不少坑，也沉淀了一些自己的经验，今天一次性拆开讲讲。MFAC（Model Free Adaptive Control，无模型自适应控制）这几年在非线性系统、时变系统、多变量系统里讨论度一直很高，核心卖点就是控制器设计不依赖被控对象的精确数学模型，只需要输入输出数据，在线估计一个“伪偏导数”，从而把非线性系统动态线性化，再设计控制器。做这个方向的朋友，或者想给自己的系统试试数据驱动控制方案的工程师，这篇内容应该能帮你少走弯路。

1. 先理清MFAC的思路：为什么不用模型也能控？

1.1 从“建模控”到“数据控”的关键转变

很多人第一次听到“无模型自适应控制”，第一反应是“这不就是PID吗？”其实不是。PID确实不需要模型，但它的参数通常要依赖经验整定，而且对于强非线性、强耦合、时变的系统，固定PID参数很难招架。传统的现代控制理论则走另一条路：先建立被控对象的数学模型，再基于模型设计控制器。这条路的问题也很明显——实际工程里有大量系统根本建不出像样的模型，要么机理太复杂，要么工况一直在变。

MFAC的思路很有意思。它不试图去“辨识”一个全局精确模型，而是在每一个采样时刻，把系统在一个很短的动态窗口内等价成一个“线性增量模型”。比如对单入单出系统，最简的CFDL（紧格式动态线性化）格式长这样：

Δy(k+1) = φ(k) · Δu(k)

这个式子里，φ(k)就是所谓的“伪偏导数”（Pseudo Partial Derivative，PPD）。它不是一个真实的物理偏导，而是一个时变参数，用来在局部窗口内近似描述控制增量对输出增量的映射关系。之所以叫“伪”，是因为它把系统的非线性、未建模动态、时变特性统统“吸收”进了这个参数里，所以它是在线更新的。

这种处理方式带来的直接好处是：你不需要知道系统是几阶的、有没有纯延迟、是不是时变，只要在每个采样周期里把φ(k)估计出来，就能把控制器设计建立在这样一个“动态线性模型”上。用生活类比来说，传统控制像是一个拿着完整地图导航的司机，而MFAC更像是一个只看眼前路况、不断修正方向盘的老司机。地图可能过时，但眼前的路况永远真实。

1.2 题目里的“六个仿真”到底拆出了什么？

标题里“六个MFAC控制仿真”不是指六个一模一样的东西，而是同一套思想下的六种典型组合，具体可以按“动态线性化格式 × 被控对象维度 × PPD估计增强策略”来拆分：

这六套方案在程序里都是独立可跑的，方便对比不同格式在不同对象上的表现。我一般建议初学者先跑1和2，搞懂单入单出下CFDL和PFDL的区别，再进阶到3和4，去感受MIMO矩阵带来的“维度爆炸”。5和6更像是工程化改造，实际调试时特别有用。

1.3 为什么“动态线性化”是MFAC的灵魂？

动态线性化不是简单的泰勒展开。泰勒展开是在某个工作点附近用一个固定斜率逼近，而MFAC的φ(k)是每个采样周期都在更新的“时变斜率”，所以它能跟随工作点移动，也能适应系统特性的缓慢变化。CFDL和PFDL的区别在于窗口大小。CFDL只用了上一拍的控制增量Δu(k-1)，相当于只看“一个自变量”的增量；PFDL则用最近L拍的控制增量组成向量ΔU(k)，相当于把过去一段时间的控制历史都纳入考量。在概念上，PFDL比CFDL多了一个“记忆长度L”，能处理更长的系统动态。代价是待估参数变多，计算量变大，参数调节也更费劲。

MIMO系统就更麻烦了。单入单出时φ是一个数，MIMO时φ变成了矩阵Φ(k)，每个输出都和多个输入之间的增量有关。这时候如果矩阵的耦合项估计不准，多通道控制就会“打架”。这也是为什么我坚持在仿真阶段就要把MIMO的PPD矩阵估计和通道解耦效果单独拿出来看。

2. 核心细节解析：伪偏导数估计到底怎么算？

2.1 PPD估计的标准公式与推导逻辑

PPD估计是MFAC的“发动机”。最常用的估计算法来自带遗忘因子和惩罚项的准则函数。简单说，我们希望找到φ(k)，使得两个目标同时尽量小：

• 模型预测误差：|Δy(k) - φ(k)Δu(k-1)|²
• 参数突变惩罚：|φ(k) - φ(k-1)|²

于是构造目标函数：

J = |Δy(k) - φ(k)Δu(k-1)|² + μ|φ(k) - φ(k-1)|²

其中μ是大于0的惩罚因子，作用是防止φ(k)在每拍之间跳得太厉害。对φ(k)求极小，整理后得到标准的PPD估计算法：

φ̂(k) = φ̂(k-1) + (η·Δu(k-1) / (μ + Δu(k-1)²)) · (Δy(k) - φ̂(k-1)·Δu(k-1))

这里：

• Δy(k) = y(k) - y(k-1)
• Δu(k-1) = u(k-1) - u(k-2)
• η是步长因子，通常取(0,1]之间的值
• μ是惩罚因子，大于0

公式里最容易被忽略的是下标对齐：更新φ(k)用的是上一拍的控制增量Δu(k-1)，而不是当前拍Δu(k)。如果程序里习惯用“当前时刻”去算，很容易出现一拍延迟错位，导致估计曲线乱跳。我写代码时习惯把Δu都滞后一拍保存，专门用一个变量du_prev，避免下标混乱。

2.2 四个关键参数怎么调？我的参数选择经验

MFAC控制器里的核心参数通常有四个：

这四个参数不是独立调参的。我的经验顺序是：

1. 先把ρ固定为1，λ设大一些，比如50，让系统先“稳下来”。
2. 再调μ和η，让PPD估计值看起来平滑，不要高频抖动。
3. 然后逐步减小λ，增强控制器的跟踪能力，直到出现轻微振荡前的那个点。
4. 最后微调ρ，把动态响应速度提到满意程度。

如果系统是非线性和时变比较强的，μ不能设太大，否则PPD跟不上参数变化。但μ设太小也不行，我实测过μ=1e-6时，PPD会在某几个点出现尖峰，直接导致控制量跳变。后来我按“μ至少比Δu²的平均值小一个数量级”的口径去设，效果稳定很多。

2.3 重置机制：必需的保护措施

PPD估计有一个绕不开的坑：当Δu(k-1)趋近于0时，更新公式虽然由于分母有μ而不会除零，但估计会变得很不敏感。更危险的是，如果系统长时间工作在稳态，控制增量接近0，φ̂可能会随意漂移；一旦设定值突变，就会输出一个错误的控制方向，轻则振荡，重则发散。

所以工程上都会加重置机制。常见做法有：

• 当|Δu(k-1)|小于某个阈值时，直接把φ̂重置为初值φ̂₀；
• 当φ̂(k)的符号与初值不一致时，重置为初值；
• 当|φ̂(k)|超过初值的10倍或某个上限时，重置为初值。

我的建议是三种条件同时判断。特别是在MIMO系统里，Φ矩阵里的每个元素都应该单独做符号和幅值约束，不能让某一个元素“一枝独秀”。否则即使整体输出看起来还行，矩阵病态问题也会在后续某个时刻爆发。

2.4 遗忘因子和带时变适应性的改进

带遗忘因子的PPD估计，本质上就是给历史数据加指数衰减权重，让估计器更“偏信”近期的数据。遗忘因子λ_f通常取0.95~0.999。λ_f越小，遗忘越快，适应时变能力越强，但估计方差也会变大。如果系统参数是缓变的，取0.98左右比较稳妥；如果系统参数变化较快，可以取0.95。实际仿真里我会把遗忘因子和重置机制配合使用，并在每个采样周期更新遗忘因子本身吗？不，那样太复杂。我做的是先固定一个遗忘因子跑一段时间，手动观察曲线趋势，再决定要不要换成变遗忘因子策略。

3. 实操过程：六个仿真怎么一步步搭出来？

3.1 仿真对象怎么选？被控对象可以是“模型”吗？

很多人会问：MFAC不是无模型吗，为什么仿真里还要放对象模型？这里要说清楚：MFAC的“无模型”是指控制器设计时不使用被控对象的数学模型，而不是说仿真环境里不能有模型。恰恰相反，仿真时我们必须建立一个“真实被控对象”来扮演被验证的系统，不然没办法产生输入输出数据。

常见的验证对象有这几类：

• 单入单出非线性对象：y(k+1) = y(k)/(1+y(k)²) + u(k)³
• 时变对象：y(k+1) = a(k)·y(k) + b(k)·u(k)，其中a、b随采样时间缓慢变化
• 二输入二输出耦合对象：两个状态方程互相耦合，例如y1(k+1) = 0.3y1(k) + 0.2y2(k) + u1(k)，y2(k+1) = 0.1y1(k) + 0.4y2(k) + u2(k) + 0.1u1(k)

我自己写仿真时习惯用纯MATLAB脚本，而不是Simulink。原因很简单：脚本调试PPD估计的中间变量更方便。Simulink里看一个矩阵的每个元素变化比较麻烦，而脚本里我可以把φ̂的每一维都存成向量，随时画出来。

3.2 CFDL-MFAC的单入单出程序骨架

下面这段代码是CFDL-MFAC最精简的核心骨架，我用它做基准版本：

% 参数设置 N = 2000; % 总仿真步数 rho = 0.8; % 控制律步长 lambda = 0.5; % 控制增量惩罚 mu = 0.01; % PPD估计惩罚 eta = 0.6; % PPD估计步长 phi_hat = 1.0; % PPD初值 phi0 = 1.0; % PPD重置初值 u = zeros(1, N); y = zeros(1, N); yd = zeros(1, N); % 期望轨迹 % 期望信号，比如方波或正弦 for k = 1:N if mod(k, 200) < 100 yd(k) = 1.0; else yd(k) = -1.0; end end % 主循环 for k = 3:N-1 % 第一步：被控对象输出，这里替换成你的非线性对象 y(k+1) = y(k)/(1 + y(k)^2) + u(k-1)^3; % 第二步：计算增量 dy = y(k) - y(k-1); % Δy(k) du = u(k-1) - u(k-2); % Δu(k-1) % 第三步：PPD估计 if abs(du) < 1e-4 || abs(phi_hat) > 10*abs(phi0) phi_hat = phi0; else phi_hat = phi_hat + eta * du / (mu + du^2) * (dy - phi_hat * du); end if sign(phi_hat) ~= sign(phi0) phi_hat = phi0; end % 第四步：CFDL控制律 u(k) = u(k-1) + rho * phi_hat / (lambda + phi_hat^2) * (yd(k+1) - y(k)); end

这里控制律本质上是一个“一步最优”控制器，在最小化|yd(k+1)-y(k+1)|² + λ|u(k)-u(k-1)|²的目标下推导得到。当φ̂接近零时，分母λ+φ̂²会避免除零，所以λ本身就是防止控制量爆炸的保险丝。

3.3 PFDL-MFAC与MIMO扩展的差异

PFDL和CFDL最大的区别在于PPD从标量变成了向量。SISO-PFDL里，我们把最近L拍的控制增量组成ΔU(k) = [Δu(k-1), Δu(k-2), ..., Δu(k-L)]^T，对应的Φ(k)也是一个L维向量。估计算法要同时更新L个参数，公式变成：

Φ̂(k) = Φ̂(k-1) + (η·ΔU(k-1) / (μ + ||ΔU(k-1)||²)) · (Δy(k) - Φ̂(k-1)^T·ΔU(k-1))

注意分母从Δu²改成了ΔU的范数平方，这样向量模长处处都不会把分母撑爆。控制律也得用向量内积的形式：

u(k) = u(k-1) + (ρ·Φ̂(k)^T / (λ + ||Φ̂(k)||²)) · (yd(k+1) - y(k))

实际选L时有个经验值：如果采样周期是0.1秒，被控对象的纯滞后大概0.3秒，那L可以取3~5。L太小覆盖不了滞后，L太大又会把历史噪声“记忆”进来，导致控制量高频颤动。

MIMO版本就更复杂一点，但核心规则是一致的：把标量换成向量或矩阵，把乘法换成矩阵运算。对于p输出、q输入的MIMO系统，CFDL-MIMO的线性化格式是：

ΔY(k+1) = Φ(k) · ΔU(k)

其中ΔY和ΔU分别是p维和q维增量向量，Φ是p×q维矩阵，每个元素φ_ij(k)代表第j个输入增量对第i个输出增量的等效影响。PPD矩阵估计公式里，分母的标量乘法要换成矩阵范数，分子则是“列向量”和“误差标量”的外积，还要注意保持矩阵维数一致。我常在脚本调试中看到matrix dimension mismatch错误，就是这里没做好维度对齐。

3.4 六种方案程序文件组织方式

我整理这套资料时，文件结构是这样的：

MFAC_simulations/ ├── README.md ├── common/ │ ├── ppd_estimator.m │ ├── reset_ppd.m │ └── plants/ │ ├── plant_siso_nonlinear.m │ ├── plant_timevarying.m │ └── plant_mimo_coupled.m ├── cfg/ │ ├── cfg_cfdl_siso.m │ ├── cfg_pfdl_siso.m │ ├── cfg_cfdl_mimo.m │ └── cfg_pfdl_mimo.m ├── scripts/ │ ├── run_cfdl_siso.m │ ├── run_pfdl_siso.m │ ├── run_cfdl_mimo.m │ └── run_pfdl_mimo.m └── results/ ├── fig_comp_siso.png └── fig_comp_mimo.png

把公共的PPD估计函数抽出来，用一个ppd_estimator.m统一处理标量/向量/矩阵三种情况，这样写代码复用度高。我强烈建议你在自己的项目里也这么干，不要每个仿真脚本都复制粘贴一遍PPD更新公式，否则后续改动参数会改到怀疑人生。

4. 常见问题与排查技巧实录

4.1 输出发散或高频振荡？先检查这几处

MFAC仿真跑飞是家常便饭，我第一次跑MIMO版本时输出直接冲到1e6。后来定位下来，80%的情况出在这几个地方：

• 控制律中λ设置太小。如果λ比φ̂²小几个数量级，分母可能接近0，控制增量爆炸。解决办法很简单：λ先给100，看控制量是否还疯涨。
• ρ设置过大。ρ是直接乘在控制增量上的，如果系统输出误差很大，ρ过大很容易过冲。我习惯从ρ=0.2开始逐步加大。
• 期望信号突变太陡。MFAC的局部线性化是依赖“增量”的，如果设定值从1跳到-1，这个变化接近2，但φ̂可能还停留在旧工作点附近，系统需要几拍才能“反应”过来。这种场景下即使不发散，也会出现很明显的过冲。解决办法是给期望信号加一个参考轨迹低通滤波： yr(k+1) = α·yd(k+1) + (1-α)·yr(k)，α取0.2~0.5，把阶跃变成斜坡。

4.2 为什么PPD估计值会震荡得像心电图？

PPD估计震荡通常和μ、η的配合有关。μ太小，PPD对误差的灵敏度太高，单个采样点上的噪声会让它来回跳；η太大同样加剧这种问题。我遇到这种情况的习惯做法是：将μ从0.01提高到0.1，η从0.8降到0.3，再观察PPD曲线。如果仍然震荡，就要检查Δu是否频繁过零。Δu过零时，PPD更新公式里的误差项乘以一个接近0的数，相当于不更新，但下一步突然有较大Δu，就会强行“纠正”，产生尖峰。这种情况靠重置机制能压住一部分。

另外还有一个细节容易被忽略：PPD估计使用的数据是y(k)和y(k-1)的差分。如果y信号里有高频噪声，差分运算会把噪声放大。工程上我会先对y做一阶低通滤波，再送去PPD估计器。代价是系统会有一点点相位滞后，但换来的是PPD曲线的稳定。仿真时如果不是专门研究噪声，可以先不加滤波，但要清楚真实系统里这一步不能省。

4.3 MIMO系统多通道跟踪总打架怎么办？

MIMO系统最头疼的是耦合。明明两个输出各自的跟踪效果看起来不错，但合在一起就互相干扰。我碰到过一个二输入二输出系统，RGA分析显示耦合很强，直接上CFDL-MIMO时，控制器为了同时减小两个输出误差，会把两个控制输入往相反方向推，最终导致系统振荡。

有效的调试方法：

• 先减少输出的期望信号变化幅度，或者错开两个通道的切换时刻，让耦合通道有“喘息”空间。
• 提高PPD矩阵估计的激励充分性。MIMO的PPD矩阵有p×q个元素需要辨识，如果两个输入信号变化模式太相似，矩阵某两列会高度相关，导致估计病态。我的做法是给其中一个通道的控制输入叠加一个高频小幅dither信号，比如u2(k) = u2_mfac(k) + 0.01·sin(2π·4kTs)，让输入去相关。
• 如果系统耦合极其严重，单纯靠MFAC调节参数可能不够。我在实际项目中会先加一个静态解耦矩阵，把系统“粗解耦”成两个主要通道，再对解耦后的系统用MFAC做闭环校正。这不算违背MFAC的数据驱动原则，因为解耦矩阵也是用输入输出数据估计的，并不依赖机理模型。

4.4 仿真结果与论文对不上？可能是初始化和时滞设置问题

我见过不少同学拿自己复现的MFAC和论文曲线对比，结论总是“形状相似但数值对不上”。大部分原因是初始化方式不同。PPD初值、控制输入初值、输出初值这三项会直接影响前几百拍的动态过程。论文里通常不写这些初值细节。我的习惯是先把系统在稳态工作点运行几步，比如u(1)=u(2)=u0，y(1)=y(2)=y0，然后再启动MFAC，这样初始阶段不会因为差分初值不准造成剧烈过渡。如果想复现论文，第一件事不是比对最终跟踪曲线，而是比对PPD估计值的曲线，因为PPD是中间桥梁，它能更细粒度地反映算法是否对齐。

时滞设置也要特别小心。很多非线性对象表面上写的是y(k+1)=f(y(k), u(k-1))，这已经是一拍滞后；如果被控对象本身还有纯延迟τ·Ts，那控制器里的Δy和Δu对应关系要重新对齐。我一般单独建一个“对象延迟”变量d_delay，在对象输出计算时用过去的控制量，而不是把延迟揉进对象函数里。这样排查时一眼能看出问题在哪。

5. 给后来者的几点实测建议

这六个MFAC仿真全部跑通之后，我最大的感受是：MFAC的“不用模型”确实是真的，但“不用调参”是假的。它的参数虽然不多，但每次换一个对象都要重新过一遍调参流程，没有固定的万能参数。为了减少重复劳动，我写了一个简单的经验留档表，记录下每个对象适用的μ、η、ρ、λ和PPD初值，随手记在一个Excel里。后续碰到类似对象，直接套用相近参数，只做微调，效率高很多。

另外，仿真程序里有个小技巧值得分享：在每次迭代时把φ̂、u、y、yd、dy、du全部按列存到一个矩阵里，仿真结束后一次性绘图。这个习惯看起来很简单，但真的能救命。很多MFAC“诡异现象”其实看一眼PPD曲线的某个突变点就知道根源在哪。我自己就是从一次PPD曲线在某拍突然跳高到100，才顺藤摸瓜发现了重置条件里忘记判断符号的bug。

最后想说的是，MFAC不是银弹。对于可建模系统，基于模型的控制往往能做得更好；但面对高度非线性、模型难建的系统，MFAC提供了一条非常实用的数据驱动路径。把这六套仿真吃透之后，再遇到类似的“黑箱”对象，你至少能快速验证一条可行的控制路线，而不是两眼一抹黑。这套资料里的程序我还在持续完善，后续也可能会把SISO、MIMO版本统一封装成一个通用的MFAC工具箱，让切换对象比切换配置文件还快。如果大家在实际调试中遇到过更有意思的异常现象，欢迎交流。