1. 项目到底在做什么CFDL-MFAC的核心思路如果你最近在找无模型自适应控制相关的仿真方案CFDL-MFAC大概是你必然会碰到的一个名字。我前阵子把基于紧格式动态线性化的MFAC算法在Matlab/Simulink上完整过了一遍包括伪偏导数在线估计、控制律更新、非线性对象闭环仿真过程中把公式推导、代码实现和参数调试的坑都摸了一遍。这篇内容就是这次仿真项目的完整记录适合正在做毕业设计、课程设计或者刚接触无模型自适应控制的工程师作为参考。1.1 从“无模型”三个字说起很多初学者第一次看到“无模型自适应控制”都会觉得夸张因为控制领域大量方法都依赖被控对象模型比如PID虽然不需要精确模型但它也不是完全“自适应”的模型预测控制更是直接依赖预测模型。MFAC这里的“无模型”指的是控制器结构和设计过程中不使用被控对象的机理模型控制器直接利用系统的输入输出数据来在线调整自身参数。说直白一点就是我不需要写出对象的传递函数、状态方程只需要实时采集u(k)、y(k)就能把控制量算出来。我习惯用一个类比来理解你开一辆陌生车辆不需要知道发动机的精确物理模型只要反复试油门和刹车的效果慢慢就知道“踩多少油门能增加多少速度”。MFAC干的事就是用历史输入输出数据在线估计这个“油门影响系数”然后根据期望速度和当前速度反推油门开度。这个“油门影响系数”在算法里就是伪偏导数。1.2 紧格式动态线性化到底线性化了什么CFDL-MFAC的核心思想是在每一个离散采样时刻附近把非线性系统近似看成输入差分与输出差分之间的线性关系。具体来说对于一类SISO非线性离散系统可以认为存在一个时变参数φ(k)使得Δy(k1) φ(k) · Δu(k)其中Δy(k1) y(k1) - y(k)Δu(k) u(k) - u(k-1)。这个式子就叫紧格式动态线性化数据模型。严格来说这种线性化需要满足输出关于输入变化是Lipschitz连续的等条件但在实际仿真中我们通常不必深究这些证明条件关键是能通过数据去在线估计φ(k)。我实际做的时候直接把这个式子当作每个采样周期都成立的“增量模型”然后用带惩罚和重置的递推算法去估计φ(k)。所谓“紧格式”指的是这个动态线性化模型里只保留了当前时刻的输入增量没有引入更多历史项结构非常简单。对于SISO系统来说这是最常用的形式也是MFAC系列里最容易上手的一种。理解了它后面再看偏格式动态线性化、全格式动态线性化会轻松很多。1.3 为什么伪偏导数必须在线估计φ(k)不是传统意义上的偏导数它是由输入输出数据等效出来的时变斜率所以叫伪偏导数。系统工作在某个工况附近这个斜率可能很接近真实增益换一个工作点它又会变。比如我选的被控对象是y(k1) y(k)/(1 y(k)^2) u(k)^3在大输出和小输出时特性完全不同固定一个φ肯定不行必须每个采样周期在线更新。伪偏导数可以是正的也可以是负的取决于系统在局部工作点的增益方向。对那些增益符号会变化的系统在线估计就更加重要。不过大多数工程对象的增益方向比较稳定所以我们通常会在算法里加一个符号保持机制一旦估计出的φ符号和初始参考方向不一致就把它重置回初值。这个细节看着简单却直接影响系统能不能稳定后面我会专门展开。2. 控制算法拆解PPD在线估计与控制律参数整定2.1 伪偏导数的在线估计算法伪偏导数估计的思路很朴素让估计模型输出和实际输出误差尽可能小同时限制φ的变动不要太大。常用代价函数是J (Δy(k) - φ(k)Δu(k-1))² μ(φ(k) - φ̂(k-1))²对φ求极值就得到伪偏导数的递推估计式φ̂(k) φ̂(k-1) η · Δu(k-1) / (μ Δu(k-1)²) · (Δy(k) - φ̂(k-1)Δu(k-1))这里的η是估计步长μ是权重系数。注意这个式子用的是Δu(k-1)因为我们用上一拍控制量的变化来解释当前输出变化。如果Δu(k-1)接近零分母很小估计会出问题所以后面还要加重置。用Matlab写一个独立的PPD估计函数特别方便我建议封装成下面这样方便在纯脚本和Simulink里共用function phi_hat ppd_estimator(phi_hat_prev, delta_y, delta_u, eta, mu, phi_init, eps) if abs(delta_u) eps phi_hat phi_init; else phi_hat phi_hat_prev eta * delta_u / (mu delta_u^2) ... * (delta_y - phi_hat_prev * delta_u); end if abs(phi_hat) eps || sign(phi_hat) ~ sign(phi_init) phi_hat phi_init; end end这个函数返回值就是当前拍估计出的伪偏导数。把它独立出来的好处是不管你是写for循环仿真还是放在Simulink的MATLAB Function里逻辑都保持一致不容易改错。2.2 控制律设计与常用参数组合控制律仍然是从代价函数出发常用的目标函数是J (y*(k1) - y(k1))² λ(u(k) - u(k-1))²把动态线性化模型代入并对u(k)求极值可以得到u(k) u(k-1) ρ · φ̂(k) / (λ |φ̂(k)|²) · (y*(k1) - y(k))这里的ρ是控制步长λ帮助防止分母为零同时限制控制增量大小。λ越大控制越温和λ越小系统越激进。ρ一般取0到1之间它直接决定每一步控制量朝目标方向迈多大步子。我先把一组常用初始参数给出来后文所有仿真都用它参数取值范围作用我常用的初始值η0 η 2PPD估计更新速度0.5μ 0抑制PPD突变防除零1ρ0 ρ ≤ 1控制量收敛速度0.5λ 0控制增量惩罚1ε很小的正数重置阈值1e-5φ0≠ 0PPD初值1这些参数不是一次试出来的。我在调试的时候先把μ1、λ1固定只改ρ看系统从0.2开始逐步增大。ρ小响应慢但不乱振ρ大响应快但容易超调。之后再去动λ。η一般取0.5左右就能保证估计跟得上除非被控对象变化特别快才会考虑加大η。2.3 重置机制和初值选择最容易踩的坑重置机制是MFAC工程化的关键。因为PPD是时变参数单纯递推估计可能出现三种情况估计值收敛到零方向突变或者某一拍分母太小导致数值爆炸。解决方式就是每拍检查一旦|φ̂(k)| ≤ ε、|Δu| ≤ ε或符号与φ̂(0)不一致就把φ̂(k)重置为初值。我一开始以为重置只是理论兜底实际仿真发现这个判断必须加。没有重置时某次Δu恰好为0PPD估计卡死控制量不再更新系统直接发散。加上重置后这种偶发情况会被立刻纠正鲁棒性好很多。初值φ0也不能随便给。如果给0算法一开始就触发重置控制量几乎不动。我通常取1原因是控制律分母里有λ φ²φ01时第一步控制增量约为参考误差的一半不会太大也不会太小。如果对象增益很小把φ0调小一点对象增益很大就把φ0调大让控制器第一步不要那么猛。3. Matlab代码与Simulink仿真实现3.1 先写一个完整的CFDL-MFAC主循环我建议先用纯m脚本跑通算法不要直接上Simulink。因为纯脚本好打印中间变量能最快看到PPD和u的变化轨迹。下面这个例子就是直接用m脚本实现CFDL-MFAC被控对象选一个经典的非线性离散系统y(k1) y(k)/(1 y(k)^2) u(k)^3% cfdl_mfac_demo.m clear; clc; % 参数 eta 0.5; mu 1; rho 0.5; lambda 1; eps 1e-5; phi_init 1; N 1000; yref 1; % 阶跃参考 y_k 0; y_km1 0; % 当前输出和上一拍输出 u_km1 0; u_km2 0; % 控制量历史 phi_hat phi_init; log_u zeros(N,1); log_y zeros(N,1); log_phi zeros(N,1); for k 1:N % 1. 根据上一拍数据估计伪偏导数 delta_y y_k - y_km1; delta_u u_km1 - u_km2; if abs(delta_u) eps phi_hat phi_init; else phi_hat phi_hat eta * delta_u / (mu delta_u^2) ... * (delta_y - phi_hat * delta_u); end % 2. 重置判断 if abs(phi_hat) eps || sign(phi_hat) ~ sign(phi_init) phi_hat phi_init; end % 3. 控制律 u_k u_km1 rho * phi_hat / (lambda phi_hat^2) * (yref - y_k); % 4. 被控对象产生下一拍输出 y_next y_k / (1 y_k^2) u_k^3; % 5. 状态前移 y_km1 y_k; y_k y_next; u_km2 u_km1; u_km1 u_k; log_u(k) u_k; log_y(k) y_k; log_phi(k) phi_hat; end figure; subplot(3,1,1); plot(log_y); yline(yref); title(输出y(k)); subplot(3,1,2); plot(log_u); title(控制量u(k)); subplot(3,1,3); plot(log_phi); title(伪偏导数phi(k));在这个参数下输出会逐步逼近1控制量最终稳定在约0.79左右。PPD在前几十拍快速调整之后在一个小范围内缓慢变化。如果你发现自己的PPD曲线剧烈跳变不要急着改控制器先看Δu是否频繁接近零再看重置有没有生效。3.2 Simulink搭建MATLAB Function与Unit Delay的正确用法纯脚本验证没问题之后再搬到Simulink里做面向信号流的仿真。我的做法是用两个MATLAB Function块一个实现MFAC控制器一个实现被控对象模型再用多个Unit Delay模块处理历史数据。Simulink模型结构可以这样组织MFAC控制器块的输入是yref、y_k、y_km1、u_km1、u_km2、phi_hat_prev输出是u_k和phi_hat_cur。被控对象块输入是y_k和u_k输出是y_next。y_next经过Unit Delay得到y_ky_k再经过Unit Delay得到y_km1u_k经Unit Delay得到u_km1再级联一个Unit Delay得到u_km2phi_hat_cur经Unit Delay得到phi_hat_prev。MFAC控制器块里的代码可以写成function [u_k, phi_hat_cur] mfac_ctrl(yref, y_k, y_km1, u_km1, u_km2, phi_hat_prev) eta 0.5; mu 1; rho 0.5; lambda 1; eps 1e-5; phi_init 1; delta_y y_k - y_km1; delta_u u_km1 - u_km2; if abs(delta_u) eps phi_hat_cur phi_init; else phi_hat_cur phi_hat_prev eta * delta_u / (mu delta_u^2) ... * (delta_y - phi_hat_prev * delta_u); end if abs(phi_hat_cur) eps || sign(phi_hat_cur) ~ sign(phi_init) phi_hat_cur phi_init; end u_k u_km1 rho * phi_hat_cur / (lambda phi_hat_cur^2) * (yref - y_k); end被控对象块里的代码是function y_next plant_model(y_k, u_k) y_next y_k / (1 y_k^2) u_k^3; end求解器设置我强烈建议选固定步长、离散求解器仿真步长可以先设0.01。如果被控对象本身就是离散差分模型这个步长只是给时间轴一个尺度具体每一拍的逻辑由Unit Delay控制。千万不要在同一个模型里混用连续积分器和离散Unit Delay那样很容易出现时间步不一致导致的怪问题。3.3 仿真结果和参数敏感性对比我常用3.1节那组参数做基准然后分别改ρ和λ观察控制效果变化。下面是我实际跑出来的对比规律你可以自己复现验证参数调整现象ρ 0.2收敛慢几百步才到目标基本无超调ρ 0.8收敛快几十步到目标出现明显超调λ 0.1控制量变化剧烈早期控制峰值大输出振荡PPD容易频繁重置λ 5响应明显变慢控制量增量很小但曲线很平稳这个规律其实来自控制律结构ρ和λ共同决定每一步控制增量的大小ρ直接放大误差项λ则对控制增量本身施加惩罚。PPD估计对η和μ更敏感η太大会让估计值跟踪噪声μ太小会让估计值突变。整体来说CFDL-MFAC对参数的容忍度比模型预测控制宽但参数不合适照样发散。4. 常见问题与排查技巧实录4.1 PPD估计值来回跳变或直接发散怎么办表现是伪偏导数曲线高频振荡甚至出现几十倍跳变。原因通常有三个一是Δu太小时没做保护二是μ太小导致估计对噪声过于敏感三是被控对象增益符号变化但重置中没有检查符号。对应的解决方法分别是在估计前加abs(delta_u) eps判断把μ调到1到2附近重置条件里加上sign(phi_hat) ~ sign(phi_init)。我试过μ0.01的情况PPD曲线几乎没法看控制量也一直抖把μ改回1之后估计曲线立刻平滑很多。输出信号如果带测量噪声建议先进滑动平均或低通滤波再做PPD估计效果会明显改善。还有一个容易忽略的问题如果系统本身有纯滞后当前拍的输出变化不是上一拍控制量引起的这时候用标准CFDL公式估计出来的φ会有偏差。解决思路是加大控制律里的λ同时适当调小η让估计不要追得太快。4.2 超调大、收敛慢、有稳态误差分别怎么调先区分是参数问题还是算法本身的问题。CFDL-MFAC对常值参考通常能消掉稳态误差如果一直有残差先查是不是控制量已经饱和或者Δu被限幅。如果没有限幅很可能是λ或者ρ选得让控制量增量太小可以尝试减小λ、增大ρ。超调大时先把ρ降下来如果还不行就把λ调大一点因为λ会直接惩罚控制增量。收敛慢反而是ρ太小或λ太大。我调参的顺序是先确定η0.5、μ1、λ1然后只调ρ曲线贴着参考值走但很慢就增加ρ过冲明显就减少ρ。ρ确定后再微调λ最后才动η和μ。这样调的好处是每次只动一个变量能清楚看到每个参数的影响。4.3 Simulink中的代数环、采样时间和数据保存问题代数环是Simulink里最容易遇到的红线问题。如果MFAC块的u输出直接参与同一时刻的y计算又用y计算u就会出现暗红色虚线仿真直接报错。解法是把被控对象输出的y_k换成Unit Delay之后的信号保证当前拍的控制量只影响下一拍输出。也就是说控制器看到的是已经延迟过的输出而不是和u_k在同一拍内计算出来的瞬时值。采样时间方面如果混用连续模块和离散MFAC求解器会自动切换成变步长容易造成算法错拍。建议把求解器设为固定步长、离散求解器所有Unit Delay和MATLAB Function模块都继承采样时间。数据保存要对比参数时不要只看Scope用To Workspace模块把变量格式设为Array仿真结束后回Matlab工作区用plot命令几组曲线叠一起看非常直观。5. 后续扩展与个人实操建议5.1 先跑通纯代码仿真再进Simulink我的体会是MFAC这类算法不要一上来就建模。纯m脚本能让你看到每一步的φ̂(k)和u(k)调试效率高很多。确认算法逻辑没问题后再把相同代码复制到MATLAB Function块只是把for循环换成封装函数。Simulink的价值在于后续扩展换对象、加扰动、做硬件在环、甚至生成C代码逻辑都能复用。如果你要用在真实控制器上建议把PPD估计函数和控制律函数分开写好再专门写一个初始化函数。这样代码可读性好也方便做单元测试。我遇到过一个人把估计和控制放在一个大函数里后面想单独看PPD曲线只能整个函数打印非常麻烦。5.2 从SISO到更复杂对象的扩展方向CFDL-MFAC只是MFAC四种格式之一除了紧格式动态线性化还有偏格式、全格式等。SISO版本可以扩展到MIMO但伪偏导数会变成矩阵估计和控制律的推导会复杂不少。另外可以把伪偏导数的估计改成带时变遗忘因子的递推最小二乘这在时变系统上表现会更好。最后提醒一句控制算法仿真一定要把控制量限幅、参考信号变化率、噪声水平这些工程因素提前考虑进去。不然在仿真里跑通了到实际系统上很容易被打回原形。我自己踩过的坑就是没加控制量饱和限制仿真曲线很漂亮一接真实执行机构就持续振荡后来加上限幅和防积分饱和才解决问题。仿真不是越复杂越好先把基础版本跑透再一步步加工程约束才能得到真正可落地的MFAC方案。