欠驱动AUV水平轨迹跟踪的全局积分滑模控制设计与仿真

1. 项目拆解：一个看似基础但细节很多的控制问题

1.1 为什么欠驱动AUV是工程主流

做水下机器人控制这些年，我接触过不少实际项目方案，一个感受特别明显：真正下水跑的AUV，九成以上都是欠驱动构型。所谓欠驱动，通俗讲就是控制输入的数量小于系统自由度的数量。以水平面运动为例，AUV通常只有尾部推进器（提供纵向推力）和艉舵或艏艉侧推（提供偏航力矩），而横荡方向（也就是侧向）基本没有主动执行机构，靠的是水动力被动作用。

这不是设计者偷懒，而是工程妥协的结果。水下空间有限，电池舱、电子舱、载荷舱挤得满满当当，再加一套侧向推进器，成本和功耗都上去了，还会破坏流线型外壳。所以欠驱动构型是AUV领域的绝对主流。

但欠驱动带来一个麻烦：系统是二阶非完整约束系统，很多在完整驱动系统上管用的控制方法直接拿过来会失效。比如PID调好了定点悬停，一转到轨迹跟踪就抖得厉害，或者干脆跟不住。这也是为什么这个领域需要专门研究。

1.2 轨迹跟踪与路径跟踪的本质区别

先说清楚一个容易被混淆的概念。水平面控制里，“路径跟踪”和“轨迹跟踪”是两件不同的事情。

• 路径跟踪：只要求AUV收敛到一条几何路径上，对时间上没有严格要求，路径上点的前进速度可以灵活调整，允许“慢一点没关系”。
• 轨迹跟踪：要求AUV在指定的时间到达指定的坐标位置，是一条带时间标签的曲线，跟踪误差通常定义为目标点与实际位置在时间上的偏差。

本项目的标题明确写的是“水平轨迹跟踪”，所以控制目标就是：给定时变参考轨迹 [x_d(t), y_d(t), ψ_d(t)]，让AUV的实际状态 [x(t), y(t), ψ(t)] 在有限时间内逼近期望值，且误差最终收敛到零。

这里有个隐藏难点：因为横荡速度不可控，AUV在转弯时一定会产生侧滑角（drift angle），如果控制器不考虑这一点，转弯阶段的位置误差会明显增大。很多新手做仿真时发现直线轨迹没问题，一上曲线就误差爆发，原因往往就在这。

1.3 为什么选择全局积分滑模：传统滑模的痛点

滑模控制（Sliding Mode Control，SMC）在AUV领域用得很多，核心优势是对参数摄动和外界干扰有很强的鲁棒性。但传统滑模有两个先天性问题：

第一，到达阶段的存在。传统滑模面设计下，系统状态要从初始位置移动到达滑模面，这个阶段系统对外部干扰和参数变化依然是敏感的，鲁棒性打了折扣。

第二，稳态误差较大。纯滑模控制如果参数选得不好，在存在常值干扰和模型不确定性的情况下，稳态误差并不理想，甚至会出现低频抖动。

全局积分滑模（Global Integral Sliding Mode，GISM）的改进思路其实很朴素：把积分项引入滑模面，同时利用滑模面的“初值配置”技巧，让系统的初始状态从一开始就落在滑模面上，从而取消了到达阶段，实现全局滑模运动。

打个比方：传统滑模是先把小球推向滑道，滑道只负责后半程；积分滑模是直接从起点挖一条滑道，让小球一开始就在滑道上滚。积分项则相当于给系统装了一个“记忆”，即使存在常值扰动和建模偏差，也能在积分作用下逐步消除稳态误差。

这里要强调一个常见误解：积分滑模不等于传统的“滑模+积分分离PID”。两者虽然都有积分项，但积分滑模的积分是设计在滑模面内部，通过理论分析能够严格证明系统的全状态空间鲁棒稳定性，而PID式积分只是工程上的补丁，稳定性是试出来的，不是理论保证的。

2. 控制方案推导与设计要点

2.1 水平面三自由度运动学模型

做水平面轨迹跟踪，通常取3个自由度：

• 位置坐标：x（北向）、y（东向）
• 艏向角：ψ
• 纵向速度：u（前向速度）
• 横荡速度：v（侧向速度，属于“欠驱动”自由度，无直接控制力）
• 艏摇角速度：r

运动学方程写出来是这样：

x_dot = u * cos(psi) - v * sin(psi) y_dot = u * sin(psi) + v * cos(psi) psi_dot = r

动力学方程简化为水平面标准形式：

m_u * u_dot = F_x + f_u m_v * v_dot = f_v + f_v_dist m_r * r_dot = T_r + f_r

其中F_x是推进器纵向力，T_r是偏航力矩，f_u、f_v、f_r代表水动力项（包括阻尼、附加质量等），v通道没有控制输入，正是欠驱动性的来源。

务实的做法是把模型拆成两个子系统来设计：位置环（运动学层）和速度环（动力学层）。位置环生成“虚拟控制指令”，也就是期望纵向速度和期望艏摇角速度；速度环让AUV实际输出逼近期望值。这种内外环结构在工程里最常用，调试起来也最直观。

2.2 全局积分滑模面设计与趋近律选择

为了设计位置跟踪控制器，定义位置误差：

xe = x - xd ye = y - yd

这里有个细节：直接在惯性坐标系下设计滑模面是否可行？我试过，功能上没问题，但在参数收敛性和曲线跟踪效果上不如体坐标系下的“视线偏差”结构。建议把位置误差变换到AUV体坐标系：

ex = cos(psi) * xe + sin(psi) * ye ey = -sin(psi) * xe + cos(psi) * ye

这样处理后，正交分解的物理意义更清楚，控制器在物理上也能处理“期望点在前方还是在侧方”的差异。变换之后，可以发现：前向通道（ex）主要由纵向速度u控制，横向通道（ey）必须靠艏摇角速度r配合产生趋近运动。这正是欠驱动控制的精髓所在——你无法直接推动船横向走，但你可以先转个向，再造一个前向速度来完成横向位移。

接下来构造全局积分滑模面。传统滑模面通常是s = e_dot + λe，而全局积分滑模面的形式是：

s1(t) = ex_dot + lambda1 * ex + alpha1 * ∫ex dτ s2(t) = ey_dot + lambda2 * ey + alpha2 * ∫ey dτ

关键点在哪里？关键在于滑模面的“初值配置”。全局积分滑模的工程实现通常并不是简单把滑模面设在零，而是设计成：

σ1(t) = ex_dot + lambda1 * ex + alpha1 * ∫ex dτ - σ1(0) σ2(t) = ey_dot + lambda2 * ey + alpha2 * ∫ey dτ - σ2(0)

其中σ1(0)、σ2(0)是初始时刻计算好的常数。这样做的效果是σ1(0)=0，也就是说系统初始状态就在滑模面上，从头到尾都没有到达阶段。这也是“全局”这个词的来由。

趋近律我通常取指数趋近律，加饱和函数代替符号函数：

sigma_dot = -k * sigma - epsilon * sat(sigma / phi)

这里epsilon不宜取太大，否则抖振幅值增大；k决定趋近速度，但受执行机构饱和限制。饱和层厚度phi一般取0.02到0.1之间，具体值要看仿真的时间尺度和误差量级。

2.3 稳定性分析与参数选择策略

积分滑模的稳定性论证比普通滑模多一步：因为滑模面里带着积分项，必须证明“滑模面收敛 + 滑模面内误差收敛”两个环节都成立。

第一步比较常规，构造Lyapunov函数：

V = 0.5 * σ1² + 0.5 * σ2²

求导后代入趋近律，可以得到V_dot = -k1σ1² - k2σ2² - ...，只要设计参数k1、k2为正，滑模面会指数收敛到零。

第二步要证明如σ1=0、σ2=0时，误差确实收敛到零。把σ1的表达式展开，积分滑模面为零对应的其实是误差的“微分方程”：

ex_dot + lambda1 * ex + alpha1 * ∫ex dτ - σ1(0) = 0

对时间求导变成二阶微分方程：

ex_ddot + lambda1 * ex_dot + alpha1 * ex = 0

只要lambda1和alpha1满足劳斯判据（也就是二阶特征方程系数都为正），状态自然衰减到零。

参数选取方面，我实践下来有这么一套经验值逻辑：

• lambda（比例增益）决定误差主导收敛速度，取2~6；
• alpha（积分增益）辅助消除稳态误差，取0.5~2，不要太大，否则容易超调；
• 趋近律的k取2~8，epsilon取0.1~1；
• 饱和层厚度phi先取0.05，如果抖振明显再适当加大。

需要注意一个工程隐私性问题：积分引入会带来“积分饱合”风险，尤其是在轨迹切换、初始误差瞬间很大的时候，积分项会迅速累积，导致超调，甚至让后续的轨迹跟踪长时间处于振荡状态。这是全局积分滑模最常踩的坑。我的处理方式是给积分项加限幅，一般限到位置误差量级的50%~100%之间，让积分“能修正误差但不至于喧宾夺主”。

3. 从公式到代码：MATLAB/Simulink完整实现

3.1 仿真环境搭建准备

这个项目的运行环境：我推荐的搭配是MATLAB 2022a以上版本 + Simulink。需要注意的是Simulink求解器类型要选择“变步长”且允许零点穿越，比如ODE45，如果追求更快可以使用ODE23，但是精度会略低。

下面列出工程中需要准备的文件清单：

• 主函数脚本：main.m，负责加载参数、初始化状态、运行仿真并绘图
• AUV动力学模型：可以用Simulink模型（.slx），也可以写成MATLAB函数块（MATLAB Function）嵌入
• 控制器模块：全局积分滑模控制器，建议用MATLAB Function封装，便于逻辑修改
• 轨迹生成器：生成期望轨迹的时间序列（直线、圆形、正弦曲线等）
• 后处理脚本：读取仿真结果，绘制误差曲线和运动轨迹，保存数据

对于需要反复修改、对比的实验，我建议控制律用MATLAB Function块，动力学模型用Simulink基础模块搭建。这样控制器迭代方便，且动力学部分的积分、信号通道可视化程度高，方便排查连线错误。

3.2 Simulink模型架构与模块配置

Simulink模型的信号流不需要太复杂，核心就是一条反馈链：

1. 轨迹生成器（sine、ramp、常数等组合，或者From Workspace读取工作区变量）输出期望位置[xd, yd]和期望艏向ψd；
2. 把参考信号和AUV输出状态[x, y, ψ, u, v, r]一起送入位置控制器（MATLAB Function块）；
3. 位置控制器内部完成坐标变换、滑模面计算、虚拟控制律生成，输出期望纵向速度ud和期望艏摇角速度rd；
4. ud、rd送入速度控制器（仍是MATLAB Function块），生成实际控制输入F_x、T_r；
5. 控制输入接入AUV动力学模型（积分模块组成的状态方程），模型输出实际状态反馈回控制器。

这里有一个非常容易出错的地方：坐标变换要用到的艏向角要取实时值，而不是期望值。许多新手把 ψ 直接用了 ψd，导致跟踪初期误差计算错误，后面越偏越远。这类错误在仿真图上看是“轨迹一开始就是乱的”，排查方式是把控制器内部信号用Scope或Data Inspector全部拉出来看。

3.3 关键MATLAB代码实现

下面给出控制器核心代码，这是整个项目的灵魂部分。我用MATLAB Function块实现，输入为误差状态和增益参数，输出为控制律：

function [F_x_seed, T_r_seed] = GISM_controller(...)

实际部署时建议把参数用结构体传入，避免函数参数列表过长。而模型内部最核心的全局积分滑模算法的伪代码如下：

% 全局积分滑模位置控制器 % 输入：状态量 [x; y; psi; u; v; r] % 参考轨迹 [xd; yd; psid] % 输出：期望纵向速度 ud_ref、期望艏摇角速度 rd_ref % 1. 计算惯性系位置误差 xe = x - xd; ye = y - yd; % 2. 变换到AUV体坐标 c_psi = cos(psi); s_psi = sin(psi); ex = c_psi * xe + s_psi * ye; ey = -s_psi * xe + c_psi * ye; % 3. 位置误差导数近似（可通过微分器或观测器获取） % 这里用离散差分近似，实际仿真中建议用滤波器 ex_dot = (ex - ex_past) / Ts; ey_dot = (ey - ey_past) / Ts; % 4. 积分项累加 + 限幅 int_ex = int_ex + ex * Ts; int_ey = int_ey + ey * Ts; int_ex = min(max(int_ex, -I_max), I_max); int_ey = min(max(int_ey, -I_max), I_max); % 5. 全局积分滑模面（含初值补偿） s1 = ex_dot + lambda1 * ex + alpha1 * int_ex - s1_init; s2 = ey_dot + lambda2 * ey + alpha2 * int_ey - s2_init; % 6. 趋近律（饱和函数代替符号函数） phi = 0.05; sat1 = min(max(s1 / phi, -1), 1); sat2 = min(max(s2 / phi, -1), 1); % 7. 生成虚拟控制量 ud_ref = -k1 * sat1 / (1 + eps) + u_ref_feedforward; rd_ref = -k2 * sat2 + r_ref_feedforward;

然后速度环只需要做一件简单的事：把实际的u和r跟踪到ud_ref和rd_ref。速度环也用积分滑模，滑模面形式类似，只是被控对象换成u和r。速度环的输出就是纵向力F_x和偏航力矩T_r：

% 速度环积分滑模 su = (u - ud_ref) + lambda_u * integral_u_er; sr = (r - rd_ref) + lambda_r * integral_r_er; F_x = mu_hat * (-lambda_u * u_dot_ref + ud_ref_ddot ... ) - ku * sat(su/phi_u); T_r = mr_hat * (-lambda_r * r_dot_ref + rd_ref_ddot ... ) - kr * sat(sr/phi_r);

这里mu_hat、mr_hat是模型参数的估计值，实际的AUV参数与估计值有偏差，但滑模控制对口。注意这里字母hat本身不敏感，不必顾虑。

3.4 参数初始化脚本与仿真设置

matlab脚本部分，主参数初始化大致长这样：

% main.m % AUV模型参数（某试验型AUV的典型参数） m_u = 120; % 纵向等效质量，单位kg m_v = 150; % 横向等效质量，单位kg m_r = 20; % 艏摇等效转动惯量，单位kg·m^2 % 水动力阻尼系数（一阶近似） du = 15; dv = 50; dr = 8; % 控制器参数 lambda1 = 3.0; alpha1 = 1.2; lambda2 = 2.5; alpha2 = 0.8; k1 = 4; k2 = 5; epsilon = 0.8; phi = 0.05; I_max = 5; % 积分限幅 % 期望轨迹：圆形轨迹 xd = 20 * cos(0.05*t); yd = 30 * sin(0.05*t); psid = atan2( yd_dot, xd_dot );

仿真时长我一般设置60秒，步长根据变步长自动调整。记录间隔设为0.01秒，方便回放误差细节。AUV初始位置设在轨迹起点附近偏1米的位置，这样既能检验收敛性，又不会让初始误差大到控制器一开始就饱和。

4. 仿真结果解读与调参经验

4.1 典型曲线与达标判断标准

运行完成后，首要重点是看三组曲线：

位置跟踪图（x-y平面上实际轨迹和期望轨迹叠加），结构上如果实际轨迹是一个“绕了半圈开始贴合”的曲线，那就说明收敛过程正常。圆形轨迹最容易暴露问题，因为它同时考验纵向控制和艏向控制的配合。我调试时的合格标准是：进入稳态后（通常5秒以后）最大位置误差不超过0.1米，圆形轨迹跟踪的横向误差保持在0.05米以内。

误差曲线图（位置误差xe、ye以及艏向误差随时间变化）应当呈现快速衰减后小幅波动。若发现误差曲线在零轴附近呈周期性正弦波动，通常是前馈通道没做好，期望艏向和期望速度的导数没有正确引入；若误差缓慢漂移不归零，往往是积分项被限幅顶到了，或者积分初值没有合理配置。

控制输入曲线（F_x和T_r随时间变化）如果出现高频锯齿，说明滑模抖振控制不够。检查饱和层厚度phi有没有加够，趋近律的epsilon是否过大。如果控制输入在初始阶段长时间维持上限饱和，说明收敛增益偏大或者期望轨迹初始状态不合理，需要减小初始误差或软化增益。

4.2 常见问题速查与处理方案

我在实际反复调试中整理了一张常用问题对照表，遇到现象直接查表定位，效率最高：

4.3 调参心得与优化方向

调整参数优先级上，排第一位的是位置环的lambda和alpha，它们决定系统最外环的动态特性；第二位是趋近律k和epsilon，决定鲁棒性和抖振水平；速度环参数一般保持为位置环的2~3倍带宽，避免内外环相互作用。

拉大带宽差这个方法非常管用。如果内外环带宽接近，位置环的误差反馈会带动速度环不断调整，形成追逐振荡，表现就是轨迹呈明显的锯齿状。我通常把速度环的lambda取到位置环的2倍以上，同时保证速度环的仿真步长足够小。

继续往后走有几个值得做的扩展方向：

• 把恒定干扰（海流项）加进动力学模型，测试全局积分滑模在干扰抑制上的实际性能；
• 对比普通PID和传统滑模在同样工况下的误差指标，那样更能说明积分滑模的工程价值；
• 将控制律改造成抗饱和形式，这样即使初始误差比较大的情况，控制输入也不会长时间处在限幅状态。

根据我以往带项目的经验，如果能把这套代码进一步封装成可配置参数的函数库，配合一个通用的AUV动力学模型块，后续再现其他工况时会非常节省时间。控制器参数通过结构体传入而不是散落在各个模块里，也是个大坑——我见过太多因为参数写在不同的地方，改一个漏一串，排查大半天的例子。

这个课题表面上只是“一个算法+一次仿真”，但它把坐标变换、非线性控制理论、模型仿真验证、参数整定四个环节全部串了起来。搞懂之后，换个被控对象，比如无人机水平面航迹跟踪、无人艇的路径跟随，思路完全可以直接迁移。算法能吃透到什么程度，不取决于背了多少公式，而取决于你亲手把参数改崩过几次、又把曲线调回来几次。