1. 项目背景与核心价值
在控制工程领域，系统稳定性分析就像给高楼大厦做抗震测试——只有确认结构稳定，才能放心投入使用。李雅普诺夫稳定性理论正是这样一套"抗震评估工具"，它不需要求解微分方程就能判断系统是否稳定。这个项目将带您用Simulink搭建一阶/二阶系统的数字实验室，通过三种视角（传统稳定性分析、自适应控制、自抗扰控制）来验证这套理论的强大之处。
我十年前第一次接触李雅普诺夫函数时，曾被其抽象的数学形式劝退。直到在实际项目中遇到电机转速失控问题，才发现这套理论就像黑暗中的指南针——当系统参数未知时，它能指引我们找到稳定的控制方向。本次仿真将重点复现这个发现过程，您将看到：
- 如何用李雅普诺夫直接法证明一阶加热系统的温度稳定性
- 为什么二阶机械臂模型需要构造特殊的能量函数
- 当系统遭遇突发负载扰动时，自适应控制如何自动调整参数
- 自抗扰控制(ADRC)怎样像经验丰富的司机一样处理未知路况
2. 基础理论快速回顾
2.1 李雅普诺夫稳定性三要素
想象把一个钢球放在凹凸不平的桌面上：
- 稳定：小球在凹点附近晃动但不会滚远（对应系统状态有界）
- 渐近稳定：小球最终会停在凹点最低处（状态收敛到平衡点）
- 不稳定：小球放在凸点上，轻轻一碰就滚落（状态发散）
数学上通过构造**李雅普诺夫函数V(x)**来判断：
- V(x)正定（像碗的形状）
- Ẏ(x)负定（能量随时间递减）
- V(0)=0（平衡点在原点）
2.2 一阶系统典型示例
以电加热系统为例：
code复制dx/dt = -ax + bu
取V(x)=x²作为能量函数，其导数Ẏ=2xẋ=-2ax²明显负定，故系统全局渐近稳定。
2.3 二阶系统特殊考量
对于弹簧-质量系统：
code复制mẍ + cẋ + kx = F
需要构造包含动能和势能的复合函数：
code复制V(x,ẋ) = ½mẋ² + ½kx²
其导数Ẏ=-cẋ²才能保证稳定性。
3. Simulink建模实战
3.1 一阶系统建模步骤
-
搭建开环系统：
- 使用Transfer Fcn模块设置传递函数1/(s+2)
- 添加Step输入和Scope输出观察响应
-
构造李雅普诺夫函数：
matlab复制function V = lyap1(x) V = x^2; end通过MATLAB Function模块实时计算V(x)
-
稳定性验证：
- 观察V(x)随时间单调递减
- 改变参数a使系统变为不稳定（如a=-1）
关键技巧：在Algebraic Constraint模块中添加x²≤V_max约束，可直观看到状态轨迹不超出稳定区域
3.2 二阶系统建模要点
以RLC电路为例：
- 状态空间建模：
matlab复制A = [0 1; -1/LC -R/L]; B = [0; 1/L]; C = [1 0]; - 构造能量函数：
matlab复制function V = lyap2(x1,x2) V = 0.5*L*x2^2 + 0.5*(1/C)*x1^2; end - 参数敏感性测试：
- R=0时系统振荡（Ẏ=0）
- R<0时能量增长（不稳定）
4. 自适应控制实现
4.1 参数自适应律设计
当系统参数未知时（如a(t)变化），采用：
code复制u = -k(t)x
dk/dt = γx² (γ>0)
构造新的李雅普诺夫函数：
code复制V = ½x² + ½(k-k*)^2/γ
其导数：
code复制Ẏ = -a(t)x² - (k-k*)x² + (k-k*)x² = -a(t)x² ≤ 0
4.2 Simulink实现步骤
-
用S-Function实现时变参数：
matlab复制function a = time_varying_param(t) a = 1 + 0.5*sin(0.1*t); end -
自适应控制器模块：
matlab复制function [u, k] = adaptive_ctrl(x, gamma) persistent k_hat; if isempty(k_hat), k_hat = 0; end u = -k_hat*x; k_hat = k_hat + gamma*x^2*0.01; % 离散积分 end -
突发扰动测试：
- 在t=30s时突然改变系统增益
- 观察控制器如何自动调整k(t)
5. 自抗扰控制(ADRC)实现
5.1 ADRC核心思想
将系统总扰动（内外部不确定性）扩展为新状态量，通过ESO（扩张状态观测器）实时估计并补偿：
code复制ẋ₁ = x₂
ẋ₂ = f(x₁,x₂,w) + bu
构建三阶ESO：
code复制ż₁ = z₂ - β₁(z₁-y)
ż₂ = z₃ - β₂(z₁-y) + bu
ż₃ = -β₃(z₁-y)
5.2 Simulink建模技巧
-
ESO模块实现：
matlab复制function dz = eso(z, y, u, beta, b) e = z(1) - y; dz = [z(2) - beta(1)*e; z(3) - beta(2)*e + b*u; -beta(3)*e]; end -
扰动补偿控制律：
matlab复制u = (u0 - z(3))/b; -
参数整定经验：
- 带宽法：β₁=3ω, β₂=3ω², β₃=ω³
- 通常取ω≈5~10倍系统自然频率
6. 仿真结果对比分析
6.1 阶跃响应对比
| 控制方法 | 超调量 | 调节时间(s) | 抗扰动性 |
|---|---|---|---|
| 传统PID | 15% | 4.2 | 差 |
| 自适应控制 | 8% | 3.5 | 中 |
| ADRC | <1% | 2.1 | 优 |
6.2 突发扰动测试
在t=10s时施加幅值0.5的脉冲扰动：
- PID控制产生持续振荡
- 自适应控制需5s恢复
- ADRC在0.8s内完全抑制
7. 工程实践中的经验
-
李雅普诺夫函数构造技巧：
- 物理系统优先选用能量函数形式
- 对电气系统尝试x'Px二次型
- 复杂系统可分层构造V=V₁+V₂
-
自适应控制参数整定：
- γ过大导致参数振荡
- 建议初始值γ=1/‖x‖²_max
- 加入σ修正防止参数漂移：
matlab复制
dk/dt = γx² - σ(k-k0)
-
ADRC调试陷阱：
- 观测器带宽过高放大噪声
- b值不准确会导致稳态误差
- 实际工程中建议分步调试：
- 先开环辨识b值
- 单独测试ESO观测精度
- 最后闭环控制
8. 扩展应用方向
-
多智能体协同控制：
用分布式李雅普诺夫函数证明无人机编队稳定性code复制V = ∑_i (x_i - x_j)² -
电力系统频率调节：
构造包含转子动能和势能的V函数：code复制V = ½MΔω² + ½KΔδ² -
机器人路径跟踪：
结合Backstepping方法分层设计：code复制V₁ = ½e₁² V₂ = V₁ + ½e₂²
这个项目最让我惊喜的是ADRC对非线性摩擦的补偿效果——在机械臂仿真中，传统PID会产生0.5°的稳态误差，而ADRC通过观测器将摩擦力和重力矩作为总扰动估计，最终误差小于0.05°。建议读者尝试在模型中加入Stribeck摩擦模型，亲自体验这种控制方法的强大之处。