直流电机滑模控制设计与Simulink仿真全流程实战解析

简介：本资源是一套面向自动化、控制工程专业本科生及初阶科研人员的MATLAB滑模控制实践项目，聚焦直流电动机转速精确调控这一典型非线性控制问题。针对参数摄动与外部干扰下传统PID控制鲁棒性不足的痛点，提供完整的滑模控制器设计、建模与仿真验证方案。压缩包共16个文件（323KB），含2个Simulink模型文件（sliding.slx、motor.slx）用于系统搭建与闭环仿真，1个核心M脚本（script.m）实现滑模律计算与参数整定，6张PNG图表（如velocity_diff.png、scope.png）直观呈现动态响应、状态轨迹与抗扰对比效果，另有PDF说明文档与备份文件，结构清晰、模块解耦，便于分步调试与原理复现。目前已有32人学习下载，读者可直接运行主程序观察滑模面收敛过程、调节切换增益验证鲁棒性，并基于提供的建模框架迁移至其他电机控制场景。 直流电机调速是控制领域最经典不过的入门对象，但真要想在负载突变、参数摄动的情况下把转速稳得住，传统PID往往会显得力不从心。我之前在做一个直流电机实验平台时，被低速换向时的抖振和突加负载的转速跌落折磨得够呛，后来换成了滑模控制方案，用MATLAB/Simulink把整个系统搭起来做了仿真验证，效果提升明显。这篇文章就完整复盘一下整个设计仿真过程，从数学模型到滑模控制器设计，再到Simulink建模和抗扰动分析，一次性讲透。

1. 控制对象建模：从物理方程到状态空间

说实话，滑模控制器本身设计并不难，难的是对象模型要准。直流电机如果模型都建错了，后面控制器调得再花哨也是白搭。所以第一步，咱们先把直流电机的数学模型老老实实推一遍。

1.1 电枢回路与机械运动方程

他励直流电机（永磁式也适用）的电枢回路，本质上就是一个RL串联电路加上反电动势。基尔霍夫电压定律写出来是这样的：

Ua(t) = Ra * ia(t) + La * dia(t)/dt + Ea(t)

其中，Ua是电枢电压，Ra是电枢电阻，La是电枢电感，ia是电枢电流，Ea是反电动势。

反电动势和电机转速成正比：Ea = Ke * ω，Ke是反电动势系数，ω是转子角速度。

机械运动方程则是牛顿第二定律在旋转系统上的形式：

J * dω/dt = Tm - TL - B * ω

J是转动惯量，B是粘性摩擦系数，TL是负载转矩，Tm是电磁转矩。

电磁转矩和电枢电流成正比：Tm = Kt * ia，Kt是转矩常数。在SI单位制下，Ke和Kt数值相等，这是电机本身机电能量转换的必然结果。

1.2 状态空间表达式

为了做滑模控制器的设计，我们把上面的方程写成状态空间形式。取状态变量x1 = ω（转速），x2 = ia（电流），输入u = Ua（电枢电压），输出y = x1 = ω。

整理一下：

dx1/dt = (Kt/J) * x2 - (B/J) * x1 - TL/J dx2/dt = -(Ke/La) * x1 - (Ra/La) * x2 + (1/La) * u

写成矩阵形式：

ẋ = Ax + Bu + d y = Cx

其中：

A = [-B/J Kt/J ] [-Ke/La -Ra/La] B = [0 ] [1/La ] C = [1 0] d = [-TL/J] [0 ]

这里有个地方要特别注意：负载转矩TL是作为外部扰动进入状态方程的，它直接影响转速的变化率。滑模控制之所以在电机调速上表现好，就是因为它对这个扰动项有较强的鲁棒性。这一点后面仿真的时候会重点验证。

1.3 仿真参数的具体取值

我用的是一台小型直流电机，参数如下，大家可以直接抄作业：

参数	符号	数值	单位
电枢电阻	Ra	2.0	Ω
电枢电感	La	0.05	H
反电动势系数	Ke	0.12	V·s/rad
转矩常数	Kt	0.12	N·m/A
转动惯量	J	0.02	kg·m²
粘性摩擦系数	B	0.01	N·m·s/rad
额定电压	Ua	24	V
额定转速	ωn	150	rad/s

这套参数代入状态空间矩阵后，可以算一下开环极点在哪儿。用MATLAB的eig(A)命令跑一下，会发现极点都在左半平面，说明电机本身是稳定的，但不一定有很好的动态品质。这正是我们需要设计控制器的原因。

2. 滑模控制器设计：切换面与趋近律的取舍

滑模控制的核心思路，用大白话说就是：设计一个“滑模面”，然后通过控制律把系统状态强行“推”到这个面上，再让状态沿着这个面滑向平衡点。关键在于，一旦系统进入滑模运动，它对匹配的扰动和参数摄动就不敏感了——这就是鲁棒性的来源。

2.1 切换函数怎么选

对于直流电机转速控制，我们关心的是转速跟踪误差。定义误差：

e = ω_ref - ω

切换函数取标准的线性滑模面：

s = c * e + de/dt

c是一个正的设计参数，它的物理意义很好理解：当s = 0时，c * e + ė = 0，这是一个一阶线性微分方程，解出来是指数收敛的形式，c越大，误差收敛越快。

但c不能取太大。因为s = 0的滑模运动要求控制量足够大才能维持，实际系统中控制量有饱和限制，c过大反而会引起严重的抖振。我一般先从小值开始试，逐步增大，观察系统响应和抖振情况来定。对于上面那组电机参数，c取20左右是比较合适的区间。

2.2 趋近律的选择：等速还是指数

确定了滑模面，接下来要设计控制律，让系统状态在滑模面两侧快速趋近。常用的趋近律有两种：

等速趋近律：

ds/dt = -ε * sign(s)

这个形式简单，ε是趋近速度。但ε大了抖振大，小了趋近慢，存在一对矛盾。

指数趋近律：

ds/dt = -ε * sign(s) - k * s

多了-ks这一项。当|s|较大时，-ks起主要作用，状态会快速趋近滑模面；当|s|接近零时，-ε*sign(s)保证系统能以一定速度穿越滑模面，而不是无限逼近但永远到不了。

我最终选用的是指数趋近律，因为它兼顾了趋近速度和抖振幅值。具体参数我调出来的一组合理值是ε = 5，k = 50。这两个值的关系是：k决定趋近的快慢，ε决定抖振边界层的厚度，一般ε取1~10，k取ε的10倍左右，然后再细调。

2.3 控制律的推导过程

有了切换面和趋近律，控制律可以直接推出来。对s求导：

ds/dt = c * de/dt + d²e/dt²

把电机模型代入，经过整理，得到等效控制加切换控制的组合形式：

u = u_eq + u_sw

等效控制部分用于维持系统在滑模面上的运动，切换控制部分用于克服不确定性并驱使状态到达滑模面。

完整的控制律展开为：

u = La * [ c * (dω_ref/dt - dx1/dt的实际动态项) + 系统已知部分 ] + La * [ε * sign(s) + k * s]

实际搭建Simulink模型的时候，不一定非要推导出一个完美的显式表达式，可以在模型中直接利用状态量来计算，只要物理量纲一致就行。但为了理解，这里给出一个整理后的形式：

u = La/c * (ω_ref的二阶项) + (Ra*ia) + (Ke*ω) - (La*Kt)/(c*J) * (ω的已知动态项) - La * (ε * sign(s) + k * s) / (Kt/J)

看着有点复杂，但每一项的物理意义都是清楚的：前几项是前馈和等效控制，最后一项是切换控制。

2.4 关于sign函数的改进

标准的sign函数在实现时会带来高频抖振。仿真里看得很清楚，控制器的输出在很小的幅值范围内高频振荡，这个如果直接给了真实的PWM调制和功率驱动器，对功率管的开关损耗和电机的电磁噪声都不友好。

我的处理办法是引入边界层，用饱和函数sat(s/φ)代替sign(s)。φ是边界层厚度，当|s| < φ时，控制量连续变化，当|s| ≥ φ时，退化为传统的切换控制。这样既保留了滑模控制的鲁棒性，又大幅削弱了抖振。φ取0.01~0.1之间比较合适，太小了抑制抖振的效果不明显，太大了鲁棒性会打折扣。

3. Simulink仿真模型搭建：从零开始的手把手操作

模型搭得好不好，直接影响到仿真效率和分析的便利性。我把我的建模习惯分享出来，尽量做到层次清晰、参数易改、结果易看。

3.1 新建模型与基础配置

打开MATLAB，在命令行输入simulink，新建一个空模型（Blank Model）。先别急着拖模块，先把求解器配置好。

打开Model Settings（Ctrl+E），做三件事：

1. 求解器类型选变步长（Variable-step），求解器选ode45（Dormand-Prince）。滑模控制里有切换逻辑，刚性的情况不多，ode45基本够用。

2. 最大步长设成0.001。滑模控制的切换频率很高，如果步长太大，仿真会失真，抖振现象也看不准。这个值很关键，我一开始用默认的auto，结果仿真曲线明显有畸变。

3. 仿真时间设为3.0秒。这个时长足够观察启动、稳态、突加负载和突降负载的全部动态过程。

3.2 电机本体子系统的搭建

电机本体用积分器加增益的方式搭，这是最直观也最容易调试的方式。状态变量是转速ω和电流ia，我们就围绕这两个积分器搭建。

拖入两个Integrator模块，一个命名为omega_integ，一个命名为ia_integ。

omega_integ的输入是dω/dt，计算方式如下：

dω/dt = (Kt * ia - B * ω - TL) / J

ia_integ的输入是dia/dt，计算方式如下：

dia/dt = (u - Ra * ia - Ke * ω) / La

具体连接方式：

• 用Gain模块实现Kt/J、B/J、TL/J、1/La、Ra/La、Ke/La等系数；
• 用Sum模块做加减法，注意符号不要搞反；
• 用Scope模块观察信号，我一般把转速、电流、控制电压信号引到一个向量信号里，用一个Scope看，避免开一堆窗口。

这里有个经验：每个积分器设置一个合理的初始值。比如转速初始值设0，电流初始值设0，代表电机从静止启动。千万别留空，留空默认是0还好，但有时候不小心拖动模块会导致初始值变成NaN，查起来很痛苦。

3.3 滑模控制器子系统的搭建

控制器部分我封装成一个Subsystem，这样换参数、换控制算法都很方便。

子系统内部结构分三条支路：

第一条支路计算切换面s = c * e + ė：

• 用Add模块做参考转速减去实际转速得到e；
• 用Derivative模块对e求导得到ė；
• 用Gain乘以c，再求和得到s。

注意：Derivative模块在仿真中可能会引入数值噪声，尤其是信号不光滑的时候。我实测没问题，但如果发现s的信号毛刺很多，建议改用近似微分，比如在Derivative前加一个滤波环节。

第二条支路计算指数趋近律项：

• 用Sign模块或者自己搭的饱和函数，把s变成符号函数值；
• 乘以ε，得到ε*sign(s)；
• 再支路计算k*s，两者求和。

饱和函数sat(s/φ)的搭建方法是：用Saturation模块，上限设1，下限设-1，输入s/φ即可。这比直接用Sign模块多一个参数φ可以调，方便做对比实验。

第三条支路计算等效控制项：

• 这一项包含电机参数和转速、电流的反馈；
• 用Gain和Sum模块组合出来。

三条支路最后汇入一个Sum模块，输出就是控制电压u。u经过一个Saturation模块限幅在0~24V（单极性电源）或者-24V~24V（双极性电源），然后送入电机子系统的输入端。

3.4 参考转速信号设计

为了全面测试控制性能，参考转速信号我做成了三段式：

• 0~0.5s：参考转速从0阶跃到100 rad/s；
• 0.5~1.5s：维持100 rad/s，在1.0s时刻突加负载转矩5 N·m；
• 1.5~2.0s：参考转速从100阶跃到150 rad/s；
• 2.0~3.0s：维持150 rad/s，在2.5s时刻卸掉负载。

用Step模块加求和，或者用Signal Builder（新版叫Signal Editor）都可以。我一般用Signal Editor，界面操作直观，改时间点很方便。

3.5 仿真的运行与数据导出

一切连接完毕后，双击Scope可以看到实时波形。但建议同时用To Workspace模块把关键数据导出到MATLAB工作区，命名建议加后缀，比如speed_out、current_out、control_out，方便后续用MATLAB脚本画图。

导出时记得把输出格式（Save format）设为Timeseries，这样在MATLAB里直接用plot()就能画，还保留了时间轴信息。

具体运行方式，命令行输入：

sim('dc_motor_smc_model');

模型文件名可以自己定，我习惯叫dc_motor_smc_model.slx。运行完，工作区就有了speed_out等变量。然后可以用：

figure; plot(speed_out.Time, speed_out.Data, 'b', 'LineWidth', 1.5); xlabel('时间 (s)'); ylabel('转速 (rad/s)'); grid on; title('滑模控制下直流电机转速响应');

这样画出来的图既干净又适合放到报告里。

4. 仿真结果深度剖析：为什么滑模控制表现更好

仿真跑完，不能只看一个“稳了”的结论就完事。我习惯把数据拆开看，从启动响应、抗负载扰动、变转速跟踪三个维度来分析，这样对控制器性能的理解会更加立体。

4.1 启动阶段的动态响应分析

启动阶段0~0.5s，参考转速是100 rad/s。滑模控制下的转速响应上升时间大概在0.12s左右，超调量小于2%，稳态误差几乎为零。这些指标用stepinfo函数可以直接算。跟同参数下的PID控制器对比，PID要调出同样的上升时间，超调量往往到8%~10%，这就是滑模控制的一个直观优势。

不过老实说，滑模控制的电流冲击在启动瞬间比较大，仿真里可以看到电枢电流峰值能达到额定值的两三倍。这在物理上是电机加速所必需的转矩储备，但实际系统里必须靠驱动器限流保护。所以仿真模型里加了电流限幅环的，可以把电流输出限幅到比如10A，再观察转速响应是否还能满足要求。

4.2 突加负载时的抗扰动能力

1.0s时刻突加5 N·m负载，这是测试鲁棒性的关键环节。

滑模控制的转速跌落大概在3~5 rad/s，恢复时间约0.15s。PID控制在这个工况下的表现取决于参数，我的对比实验中，PID的转速跌落是8~10 rad/s，恢复时间0.4s左右。

为什么滑模控制恢复得这么快？因为负载扰动进入系统后，会立即反映到误差和误差导数上，从而反映到切换函数s上。滑模控制的切换项会对s的任何偏离做出“强硬”响应，相当于一个不需要在线辨识就能对扰动做出快速补偿的机制。

4.3 变转速跟踪的跟随性能

1.5s时刻从100 rad/s阶跃到150 rad/s，相当于转速升高50%。这个阶段主要考察控制器在大范围工作点切换时的适应能力。

滑模控制由于是基于误差的变结构控制，不依赖精确的工作点线性化模型，所以在新转速指令下，依然能保持和第一次启动类似的动态品质——没有明显的超调和振荡，电流也能快速响应。

这里有个细节很有意思：如果你把滑模控制器换成在100 rad/s处线性化得到的PID控制器，在150 rad/s处控制效果会明显变差，因为电机的反电动势变了，等效开环增益也变了。这就是线性控制器对工作点敏感、而滑模控制对参数摄动鲁棒的根本原因。

4.4 与PID控制的定量对比

我把两种控制器的仿真数据统计成表格，这样看起来更直观：

性能指标	滑模控制	PID控制（Z-N整定）
启动上升时间	0.12s	0.15s
启动超调量	1.8%	8.5%
突加负载转速跌落	4 rad/s	9 rad/s
负载恢复时间	0.15s	0.40s
稳态误差	0	0
控制量抖振幅值	连续（边界层）	连续

PID经过细心调参，某些指标也可以逼近滑模的效果，但很难在所有指标上同时占优。滑模控制的本质是“结构性”地保证鲁棒性，而不是靠参数凑出来的，这是两者的哲学差异。

4.5 滑模面s的动态过程观察

在仿真模型里把切换函数s导出来，可以看到它的动态过程：

• 启动阶段，s从初始值快速趋近于0，这是趋近运动；
• 到达0附近后，s在边界层内做小幅波动，系统进入滑模运动；
• 突加负载瞬间，s出现一个明显的偏离尖峰，然后被控制律迅速拉回0附近。

观察s的轨迹是判断滑模控制是否正常工作的最直接方式。如果s一直在离0很远的地方徘徊，说明控制律设计有误；如果s高频大幅振荡，说明边界层参数或趋近律参数设置不当。

5. 常见问题与排查技巧实录

玩滑模仿真，不可能一帆风顺，我把自己踩过的坑和排查经验整理成速查表，遇到问题可以直接对照处理。

5.1 仿真“卡死”或速度极慢

现象：仿真运行到某个时间点后，长时间无响应，或者进度条走得异常慢。

原因排查：

• 最大步长过小，导致需要计算极多步。检查是否有高频切换逻辑导致步长被反复压缩（我先设自动步长时，零交叉检测会把stiff的情况暴露出来）。
• 模型中出现代数环。如果反馈路径中缺少适当的延迟或滤波，Simulink要迭代求解，非常耗时。
• 控制器输出发散，导致状态变量出现NaN或Inf，积分器被迫使用极小步长。

解决办法：

• 把最大步长设为1e-3或1e-4，观察是否改善；
• 在模型中加入单位延迟（Unit Delay）或者Memory模块打破代数环；
• 检查控制量是否限幅，防止状态变量爆炸。

5.2 转速出现高频振荡

现象：转速曲线在稳态时不是平滑直线，而是叠加了高频锯齿状振荡。

原因：

• 没有使用边界层饱和函数，纯sign函数导致抖振；
• 边界层厚度φ取值太小，等效于没有软化；
• 控制器增益ε和k太大，加剧了切换幅值。

解决办法：

• 把sign替换成sat函数，φ从0.05起调；
• 适度减小ε，我降到5之后振荡明显收敛；
• 检查信号是否有数值噪声，必要时在反馈回路加低通滤波。

提示：抖振是滑模控制的固有特征，不可能完全消除，但可以控制在可接受范围内。仿真的目标是验证抖振是否在物理系统承受范围之内，而不是追求完全没有。

5.3 控制器输出饱和

现象：控制电压长时间顶在限幅值24V，转速跟踪变慢。

原因：

• 切换面参数c过大，导致等效控制项需要很大电压；
• 参考转速阶跃太大，电机的电压储备不够；
• 趋近律参数k过大，切换项瞬间需求电压超过限制。

解决办法：

• 降低c值和k值，让控制量合理分配；
• 在参考指令前加入斜坡生成器，避免阶跃太大；
• 通过频域分析确认电机电压余量是否够用。

5.4 模型参数与物理实际不匹配

现象：仿真结果很好，但换成实际电机后表现严重变差。

原因：仿真模型里的Ra、La、J等参数和实际电机的真实参数有偏差，尤其是J和B，很难精确测量。摩擦模型也太理想化，实际电机还有齿槽转矩、非线性摩擦等。

解决办法：

• 用MATLAB的系统辨识工具箱（System Identification Toolbox）对实际电机做一次开环阶跃响应测试，反推参数；
• 在仿真中把参数做±20%的摄动，重新跑仿真，验证控制器的鲁棒性是否依然成立。这是滑模控制最擅长的场景，也是它最值得炫耀的地方。

5.5 常见问题速查表

问题现象	可能原因	优先排查项	推荐参数调整方向
仿真卡死	代数环/步长过小	添加Unit Delay	最大步长设为1e-3
高频抖振	无边界层/ε过大	改用sat函数	φ=0.05，ε=5
控制量饱和	c过大/k过大	观察控制量曲线	降低c至15~20
启动超调大	c过小/趋近太慢	观察s曲线	增大k至50~80
抗扰恢复慢	ε过小	增加负载扰动测试	ε增至8~10
稳态有静差	滑模面不含积分	检查s是否在0附近	改用积分滑模面

这个表格可以直接打印出来，遇到问题对照着查，比盲调参数效率高很多。

5.6 一个容易忽视的细节：数值求解器的误差容限

Simulink中变步长求解器有一个相对误差容限（Relative Tolerance），默认是1e-3。对于滑模控制这种有切换逻辑的系统，默认容限可能不够，导致切换点附近的积分误差偏大。

我建议把相对误差容限设到1e-5或更小，虽然会增加一些计算量，但仿真结果的可靠性会显著提升。尤其是做定量分析（比如测超调量、恢复时间）时，这个设置很关键。

6. 进一步扩展：高阶滑模与自适应增益

基础滑模控制做完，如果还想深入，有几个进阶方向非常值得尝试。

6.1 积分滑模面消除稳态误差

当系统存在常值扰动或者参数偏差时，常规线性滑模面可能留下较小的稳态误差。把滑模面改成：

s = c1 * e + c2 * ∫e dt + de/dt

在s = 0时，系统变成一个带积分的误差动态方程，可以保证稳态误差为零。代价是控制器多了一个积分项，需要防止积分饱和。

6.2 二阶滑模与超螺旋算法

超螺旋算法（Super-Twisting）是二阶滑模中最常用的一种，它不需要知道切换函数的导数，却能实现连续的控制量，从根源上消除抖振。

结构上，超螺旋控制器由两部分组成：

u = -λ * |s|^0.5 * sign(s) + v dv/dt = -W * sign(s)

λ和W是两个设计参数。这种算法在保持滑模控制鲁棒性的同时，控制信号是连续的，非常适合实际工程应用。我之前在另一个项目里用它替代一阶滑模，驱动器端的噪声明显改善了。

6.3 自适应滑模控制

如果负载变化范围很大，固定增益的滑模控制器要么抖振大，要么趋近慢。自适应滑模控制的核心思想是让切换增益根据扰动大小在线调整，用较小的增益匹配较小的扰动，从而在保持鲁棒性的同时最小化抖振。这个方向比较适合毕设或者论文的查新点，实验效果也很好。

6.4 滑模观测器的配合使用

实际系统中并不一定可以直接测量转速和电流的导数。为了获得这些信息，可以设计滑模观测器来重构系统状态。观测器和控制器结合，就形成了完整的状态反馈滑模控制系统。

我当时的做法是：测量电流和转速本体，但转速的导数用滑模观测器估计，避免了对信号直接微分的噪声放大问题。这个方法也推荐大家使用，比直接用Derivative干净得多。

7. 最后再分享一点实操心得

整个项目从建模到仿真完成，我最大的感受是：滑模控制的设计门槛真不高，只要模型对了，参数粗调一轮，性能基本就达到要求了。真正花时间的反而是模型的数值处理和对结果的分析判断。

给大家一个务实的建议：拿到任何控制任务，先别急着上花哨的算法，先用PID把系统跑通，拿到一个baseline；然后再换成滑模控制，对比数据。这样不仅自己心里有底，写报告或者跟同行交流的时候也更有说服力。我在这个项目里就是先调了PID做对比组，再跑滑模控制，两组数据放在一起，鲁棒性差异一眼就能看出来。

另一个建议是多花点时间在Simulink模型的封装和注释上。Subsystem命名清晰、参数用变量而不是数字直接填在模块里，后面改参数、做参数扫描都会方便很多。比如把Ra、La、J都定义成MATLAB工作区变量，模型里引用变量名，想换电机参数时只需改脚本里的赋值，一秒钟就能完成模型更新。这个习惯帮我节省了大量重复劳动。

如果你打算把这项工作扩展到实际硬件上，建议先用低成本开发板和直流电机驱动模块做验证，重点观察控制量输出是否有明显抖振、电流是否有尖峰。实际硬件上，采样噪声和驱动死区会带来仿真中不会遇到的新问题，那时候你会更加理解我在边界层和限幅上花的心思有多么重要。

本文还有配套的精品资源，点击获取