基于李雅普诺夫稳定性与ADRC的Simulink控制仿真实践

1. 项目背景与核心价值

李雅普诺夫稳定性理论是现代控制系统的基石，就像建筑的地基一样支撑着整个控制系统的分析与设计。在实际工程中，从航天器姿态控制到工业机器人轨迹跟踪，稳定性问题无处不在。而自适应自抗扰控制（ADRC）作为近年来兴起的一种强鲁棒性控制方法，特别适合处理存在未知扰动和模型不确定性的复杂系统。

这个项目通过Simulink仿真环境，将理论、算法和工程实现三者打通。不同于纯数学推导的教科书式讲解，我们更关注如何把抽象的稳定性判据转化为可视化的仿真曲线，让控制效果一目了然。我曾用这套方法解决过工业机械臂的抖动问题，实测降低位置误差达62%，这也是为什么我特别推荐工程师掌握这种"理论+仿真"的双重验证手段。

2. 理论基础精要

2.1 李雅普诺夫稳定性判据

李雅普诺夫第一方法（间接法）通过线性化系统雅可比矩阵的特征值位置判断稳定性，就像通过观察建筑物的倾斜角度预测是否会倒塌。对于系统dx/dt=f(x)，若在平衡点x_e处雅可比矩阵A=∂f/∂x|x_e的所有特征值实部为负，则系统局部渐近稳定。

而第二方法（直接法）则像能量衰减原理——构造一个正定的李雅普诺夫函数V(x)，若其导数dV/dt沿系统轨迹负定，则系统稳定。以典型的二阶系统为例：

code复制V(x) = 0.5*x1² + 0.5*x2²  // 类似系统总能量
dV/dt = x1*dx1/dt + x2*dx2/dt 
      = x1*x2 + x2*(-k*x1 -c*x2) 
      = -c*x2² ≤ 0  // 当阻尼系数c>0时

2.2 自抗扰控制核心思想

ADRC的精妙之处在于将总扰动（包括模型不确定性和外部干扰）作为一个扩张状态进行实时估计和补偿。其核心结构包含三部分：

1. 跟踪微分器（TD）：安排过渡过程，避免设定值跳变
2. 扩张状态观测器（ESO）：实时估计系统状态和总扰动
3. 非线性状态误差反馈（NLSEF）：生成控制量

这种结构就像经验丰富的司机开车——既关注当前车速（系统状态），也预判路况变化（扰动估计），最后综合给出油门/刹车控制量。

3. Simulink建模实战

3.1 一阶系统稳定性验证

我们构建典型的一阶惯性环节：τdy/dt + y = Ku，其中τ=0.5，K=2。在Simulink中搭建模型时要注意：

matlab复制% 关键参数设置
tau = 0.5;  
K = 2;
initial_condition = 0.3;  % 初始偏离平衡点的位置

% 李雅普诺夫函数实现
function V = lyap1(x)
    V = 0.5*x^2;  % 简单二次型
end

实操技巧：在Model Properties → Callbacks中添加InitFcn回调，自动初始化参数，避免每次手动修改。

仿真结果显示，当u=0时，系统状态从初始值0.3指数收敛到0，同时V(x)单调递减，完美验证稳定性。调整τ值会发现：τ越小收敛越快，就像不同粘度的蜂蜜流动速度不同。

3.2 二阶系统ADRC实现

以受扰动的质量-弹簧-阻尼系统为例：

code复制mẍ + bẋ + kx = u + d(t)

其中d(t)是未知扰动。ADRC的ESO设计要点包括：

1. 带宽参数化：将观测器极点配置在-ω_o处
2. 非线性函数选择：常用fal函数平衡估计速度和抗噪性

matlab复制% ESO核心代码示例
function [x1_hat, x2_hat, z3] = eso(u, y)
    persistent x1 x2 x3
    if isempty(x1)
        x1 = 0; x2 = 0; x3 = 0; 
    end
    
    e = y - x1;
    h = 0.01;  % 采样时间
    beta01 = 100; beta02 = 300; beta03 = 1000;
    
    x1 = x1 + h*(x2 + beta01*e);
    x2 = x2 + h*(x3 + beta02*e + b0*u);
    x3 = x3 + h*beta03*e;
    
    x1_hat = x1; x2_hat = x2; z3 = x3;
end

避坑指南：ESO带宽ω_o并非越大越好，过高的带宽会导致噪声放大。建议从系统自然频率的3-5倍开始调试。

4. 关键问题与解决方案

4.1 采样时间选择悖论

理论上采样时间越小越好，但实际会遇到两个矛盾：

1. 过小的h导致数值计算误差累积
2. 过大的h影响离散化精度

经验公式：h ≈ 1/(10*ω_c)，其中ω_c为系统截止频率。在电机控制中，若带宽为100Hz，可取h=0.001s。

4.2 参数整定实战技巧

ADRC有多个待调参数，建议按以下顺序整定：

1. 先调TD的快速因子r（影响跟踪速度）
2. 再调ESO带宽ω_o（决定扰动估计速度）
3. 最后调NLSEF的带宽ω_c（控制响应速度）

我总结的"三倍速法则"：ω_o ≈ 3ω_c，r ≈ 3ω_o。例如若期望闭环带宽10Hz，则设ω_c=60rad/s，ω_o=180rad/s，r=540。

5. 仿真结果对比分析

通过阶跃响应对比PID与ADRC的性能差异：

特别在加入脉冲扰动时，ADRC的扰动抑制能力显著优于PID。这就像经验丰富的骑手能更快稳住受惊的马匹——ESO提前"感知"到了扰动趋势。

6. 工程应用建议

1. 对于慢变系统（如温控），可降低ESO带宽节省计算资源
2. 在DSP实现时，将fal函数改为查表法提升实时性
3. 遇到高噪声环境时，可在ESO前加入低通滤波，但需注意相位延迟

我在某型无人机飞控中应用ADRC时，发现当传感器噪声RMS值超过信号幅值的10%时，需要启用二级滤波。这就像在暴雨中开车必须降速一样——控制性能需要与感知精度匹配。