【Matlab】简单的滑模控制程序及Simulink仿真

文章：

【控制理论】滑模控制最强解析

滑模控制程序及Simulink仿真

这篇文章仿真和输出U的推到有些问题，博主根据此篇文章进行修改进行对sin（t）曲线的追踪（使用滑模控制）

使用滑模控制对sin（t）曲线追踪

1.前言
最近开始了对滑模控制的学习，使用的书籍为刘金琨的《滑膜变结构控制MATLAB仿真》，今天是按照书上的例程做了一个简单的自适应控制系统。

2.程序解析
此程序中，电机控制系统的动态模型为：

，其中，θ为电机的角位置，J为转动惯量，d(t)为干扰且满足，η为干扰上界，为角位置跟踪误差

定义跟踪误差函数，也就是滑模面函数s为：，当s=0时，有e和edot都为0，且是按照指数收敛：

也就是说当时间趋于∞时，误差将指数收敛到0，收敛速度取决于c，所以误差函数s的收敛性意味着位置跟踪误差e和速度跟踪误差e'的收敛性，也就是说：s为滑膜函数。

2.1.控制器代码
首先是控制器的S函数。控制器就是系统的输入控制量u：

function [sys,x0,str,ts] = simple_adaptive_controller(t, x, u, flag)
switch flag,
  case 0,
    [sys,x0,str,ts]=mdlInitializeSizes;  % 调用初始化子函数
  case 1,
    sys=[];
  case 2,
    sys=[];
  case 3,
    sys=mdlOutputs(t,x,u);    %计算输出子函数
  case 4,
    sys=[];   %计算下一仿真时刻子函数
  case 9,
    sys=[];    %终止仿真子函数
  otherwise
    DAStudio.error('Simulink:blocks:unhandledFlag', num2str(flag));

end

function [sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes   %初始化子函数

sizes = simsizes;

sizes.NumContStates  = 0;  %连续状态变量个数
sizes.NumDiscStates  = 0;  %离散状态变量个数
sizes.NumOutputs     = 1;  %输出变量个数
sizes.NumInputs      = 3;   %输入变量个数
sizes.DirFeedthrough = 1;   %输入信号是否在输出端出现
sizes.NumSampleTimes = 0;   % at least one sample time is needed

sys = simsizes(sizes);
x0  = [];   %初始值
str = [];
ts  = [];   %[0 0]用于连续系统，[-1 0]表示继承其前的采样时间设置
simStateCompliance = 'UnknownSimState';

function sys=mdlOutputs(t,x,u)   %计算输出子函数

J = 2;
thd = u(1);
th = u(2);
dth = u(3);

e = th - thd;
de = dth;
c = 10;
s = c*e + de;
xite = 1.1;

k = 0;
ut = J*(-c*dth-1/J*(k*s+xite*sign(s)));
sys(1) = ut;

因为控制器不涉及到复杂的微分运算，故只用在mdlOutputs中写控制输入u的代码

2.2.受控对象代码
本例中，受控对象为电机控制系统，，需要对这个微分方程进行描述，因为要用到θ、θ'，虽然方程中有θ''，但是可以通过除以J得到θ''的表达式，故代码如下：

function [sys,x0,str,ts] = plant(t, x, u, flag)
switch flag,
  case 0,
    [sys,x0,str,ts]=mdlInitializeSizes;  % 调用初始化子函数
  case 1,
    sys=mdlDerivatives(t,x,u);   %调用计算微分子函数
  case 2,
    sys=[];
  case 3,
    sys=mdlOutputs(t,x,u);    %计算输出子函数
  case 4,
    sys=[];   %计算下一仿真时刻子函数
  case 9,
    sys=[];    %终止仿真子函数
  otherwise
    DAStudio.error('Simulink:blocks:unhandledFlag', num2str(flag));

end

function [sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes   %初始化子函数

sizes = simsizes;

sizes.NumContStates  = 2;  %连续状态变量个数
sizes.NumDiscStates  = 0;  %离散状态变量个数
sizes.NumOutputs     = 2;  %输出变量个数
sizes.NumInputs      = 1;   %输入变量个数
sizes.DirFeedthrough = 0;   %输入信号是否在输出端出现
sizes.NumSampleTimes = 1;   % at least one sample time is needed

sys = simsizes(sizes);
x0  = [0, 0];   %初始值
str = [];
ts  = [0 0];   %[0 0]用于连续系统，[-1 0]表示继承其前的采样时间设置
simStateCompliance = 'UnknownSimState';

function sys = mdlDerivatives(t, x, u)    %计算微分子函数
J = 2;
dt = sin(t);
ut = u(1);
sys(1) = x(2);
sys(2) = 1/J*(ut+dt);

function sys=mdlOutputs(t,x,u)   %计算输出子函数
sys(1) = x(1);
sys(2) = x(2);

3.仿真结果和Simulink注意事项
Simulink建立如下模型：

将微分方程算法换为定步长fixed step中的ode4！不然仿真超级慢！
具体分析可见：https://www.ilovematlab.cn/thread-260054-1-1.html

最后结果为：

系统最终能够跟踪阶跃信号

————————————————
版权声明：本文为CSDN博主「PriscillaSCU」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/sinat_38887014/article/details/103115218