自适应控制的Simulink仿真实战
自适应控制相关的一些MATLAB（Simulink）仿真，包含： 1.基于liapunov稳定性理论的自适应控制 2.基于Narendra方案的自适应控制 3.基于超稳定性（有/无状态变量滤波器）的自适应控制 内容包括simulink仿真，以及相应的例题，推导过程，仿真报告等。
自适应控制在处理系统参数未知或时变的问题时，像是一把灵活的手术刀。下面用三个典型方案结合Simulink仿真，聊聊如何把理论落地成可运行的代码。
1. Lyapunov稳定性方案：一阶系统参数估计
假设被控对象为 $\dot{x} = a x + b u$，其中真实参数$a=-1$，$b=2$未知。目标是通过自适应控制使系统稳定。
推导核心：
构造Lyapunov函数$V = \frac{1}{2}e^2 + \frac{1}{2\gamma}(\tilde{a}^2 + \tilde{b}^2)$，其中$e=x-x_d$为跟踪误差，$\tilde{a}=a-\hat{a}$、$\tilde{b}=b-\hat{b}$为参数估计误差。通过对$V$求导并设计参数更新律，最终得到控制律：
% 自适应律代码（嵌入Simulink MATLAB Function块） function [a_hat, b_hat, u] = lyap_adapt(e, x, xd, gamma_a, gamma_b) persistent a_hat_prev b_hat_prev; if isempty(a_hat_prev) a_hat_prev = 0; b_hat_prev = 1; % 初始估计 end dt = 0.01; a_hat = a_hat_prev + gamma_a * e * x * dt; b_hat = b_hat_prev + gamma_b * e * u * dt; u = (-a_hat*x - 0.5*e)/b_hat; % 控制量计算 a_hat_prev = a_hat; b_hat_prev = b_hat; end仿真要点：
- 使用ODE45求解器，固定步长0.01秒
- 参数更新率gammaa和gammab建议从0.1开始调试
- 关键信号连接：状态x反馈到自适应模块，参考信号xd用Step模块生成
仿真结果可见，约3秒后跟踪误差收敛到0，参数估计值逐渐逼近真实值。若出现震荡，尝试减小gamma值。
2. Narendra模型参考自适应：二阶系统跟踪
参考模型选为$\ddot{y}m + 2\zeta\omegan \dot{y}m + \omegan^2 ym = \omegan^2 r$，被控对象为$\ddot{y}p + k1 \dot{y}p + k2 yp = k3 u$，要求$yp$跟踪$ym$。
方案特点：
- 使用状态变量滤波器生成辅助信号
- 参数调整律为$\dot{\theta} = -\gamma e \xi$，其中$\xi$为滤波后的状态组合
Simulink模型结构：
[Reference Input] --> [Reference Model] | v [Plant] <--> [Adaptive Law Block] <--> [State Variable Filter]代码片段（自适应律实现）：
function theta_dot = narendra_law(e, xi, gamma) theta_dot = -gamma * e * xi'; end调试经验：
- 初始参数误差较大时，gamma过大会导致发散
- 滤波器截止频率需高于参考模型带宽
- 典型问题：若跟踪出现相位滞后，检查滤波器参数是否与参考模型匹配
3. 超稳定性方案：带滤波器的直流电机控制
被控对象为电机转速模型$J\dot{\omega} + B\omega = Kt u$，参数$J=0.01, B=0.1, Kt=0.2$未知。使用超稳定性理论设计，比较带/不带状态变量滤波器的差异。
自适应控制相关的一些MATLAB（Simulink）仿真，包含： 1.基于liapunov稳定性理论的自适应控制 2.基于Narendra方案的自适应控制 3.基于超稳定性（有/无状态变量滤波器）的自适应控制 内容包括simulink仿真，以及相应的例题，推导过程，仿真报告等。
无滤波器版本：
自适应律为$\dot{\theta} = -\beta \text{sgn}(L) e \phi$，其中L需满足Popov积分不等式。Simulink中直接用误差信号驱动参数更新，易受高频噪声影响。
带滤波器版本：
在反馈回路插入二阶Butterworth滤波器：
[num,den] = butter(2,10,'s'); % 截止频率10Hz filter_tf = tf(num,den);参数更新对比：
| 方案 | 收敛时间 | 抗噪性 | 计算量 |
|---|---|---|---|
| 无滤波器 | 2.8s | 差 | 低 |
| 有滤波器 | 3.5s | 强 | 中等 |
实用技巧：
- 当测量噪声明显时，必须加滤波器
- 滤波器阶数不宜过高，避免引入相位畸变
- 离散化时优先使用Tustin方法
仿真报告编写要点：
- 记录每组参数下的ISE（积分平方误差）指标
- 对比阶跃响应与正弦跟踪的差异
- 参数估计曲线需要标注收敛值
- 附上simulink模型截图（关键连接部分）
- 说明调试过程中遇到的异常现象（如参数漂移）及解决方法
最终结论：Lyapunov方案适合简单系统快速实现，Narendra方案需要精心设计参考模型，超稳定性方案在鲁棒性和计算复杂度之间需要权衡。建议从Lyapunov方法入手，再逐步过渡到复杂场景。