二自由度机械臂滑模控制MATLAB/Simulink仿真实现与调参指南

简介：面向需要进行机器人控制仿真的Matlab用户，这份压缩包提供二自由度机械臂滑模控制的完整源码与说明文档。滑模控制通过构造滑模面并令其导数为零，将控制扭矩拆分为线性项与非线性项，可有效处理关节角度跟踪问题；资源内含主程序、辅助绘图脚本、Simulink仿真模型与PDF原理说明，便于从理论到仿真逐步对照理解。压缩包共8个文件，包含3个m文件、3张仿真图片、1个slx模型和1份PDF文档，整体大小仅278KB，轻量易用。当前已有91人学习浏览，适合机械臂控制、非线性和鲁棒控制方向的学生或工程师作为入门与复现参考。通过运行代码可直观得到控制输入、相平面和位置响应曲线，有助于理解滑模面的选取、趋近律参数对系统性能的影响，并可直接修改目标姿态和系数开展进一步实验。

1. 二自由度机械臂滑模控制的仿真现象与复现价值

第一次把 SMC.m 接进 ROBOT_SMC.slx 时，我盯着 Scope 里的位置响应曲线来回确认了三遍：两个关节的角位移几乎贴着期望轨迹走，但控制输入的锯齿状高频切换也清清楚楚。这就是二自由度机械臂滑模控制最典型的画面——跟踪性能硬核，代价是控制扭矩在滑模面附近来回反弹。这个 MATLAB 源码包把二连杆机械臂的滑模控制器完整拆开：SMC.m 定义控制律，ROBOT_SMC.slx 搭建被控对象和闭环回路，HUITU.m 一次性输出位置响应、控制输入和相平面。适合刚接触滑模控制、想用 Simulink 验证理论的人，也适合做机械臂轨迹跟踪仿真时想快速拿到一版可调基线的人。这里直接按模型、控制律、工程实现、调参、扩展的顺序把代码讲透。

2. 滑模面设计与控制律分解：从二自由度动力学方程到 SMC.m

2.1 二自由度机械臂的动力学方程与误差变量

二自由度机械臂的动力学可以写成标准形式：

[ M(q)\ddot{q} + C(q,\dot{q})\dot{q} + G(q) = \tau ]

其中 (q) 是 2x1 关节角向量，(\tau) 是控制扭矩向量，(M(q)) 是 2x2 惯性矩阵，(C(q,\dot{q})) 是科氏力和离心力矩阵，(G(q)) 是重力项。滑模控制不需要精确知道这几个矩阵，但需要用它们的标称估计构造线性补偿部分。源码里的 SMC.m 把 M、C、G 写成辅助函数，目的就是给控制律提供可调用的模型项，这也是滑模控制和 PID 控制在实现层面的关键差异：PID 完全不管模型，而滑模控制至少要把已知的动力学分量消掉。

控制目标不是让关节角单独盯住期望位置，而是让误差 (e=q-q_d) 和误差导数 (\dot{e}=\dot{q}-\dot{q}_d) 同时收敛。二自由度机械臂是二阶非线性系统，如果只约束位置误差，速度误差可能很大；如果只约束速度误差，位置会出现漂移。所以滑模控制先把位置误差和速度误差拧成一个量，再对这个合成量进行强制约束。这里的期望轨迹 (q_d) 通常由 DX.m 定义，常见做法是给每个关节一段从初始点到目标点的时间多项式，或者一组正弦轨迹，方便在位置响应图里看出跟踪能力。

2.2 滑模面选择：为什么是误差和误差导数的线性组合

我选滑模面时直接写成 (s=\dot{e}+\lambda e)，其中 (\lambda) 是正定对角矩阵。摘要描述里的“目标姿态与当前状态之差减去一定系数乘以角速度”和这个是同一件事，只是把误差和误差导数的符号重排。滑模面取这个形式的根本原因在于：当系统进入 (s=0) 的滑动模态后，(\dot{e}=-\lambda e) 是一个一阶线性微分方程，误差按指数速率收敛到零，收敛快慢完全由 (\lambda) 决定。这样一来，原来二阶的非线性跟踪问题就被压成了一个一阶稳定性问题，后面的控制律只需要负责把 (s) 从初始位置拉到零。

参数设置上，(\lambda_i) 建议取 0.5 到 2。太小时误差衰减慢，位置响应会拖尾；太大时速度测量噪声会通过 (\lambda e) 被放大到滑模面中，控制输入产生额外毛刺。如果两个关节的惯量相差较大，(\lambda) 应该按关节分开设置，不要用一个标量统一代替。常见做法是先都设为 1，跑一轮仿真后观察哪个关节响应慢，再单独增大对应位置的 (\lambda)。

滑模面的另一个选取细节是：(s) 的每个关节分量共用同一个 (\lambda) 虽然简单，但会让惯量大、响应慢的关节拖累整体收敛。如果确实要用常量，建议取两关节惯量比值的中间值，再通过仿真微调。很多第一次写滑模控制的人会把注意力全放在 K 上，实际上 (\lambda) 对相轨迹斜率的影响同样明显，调它可以改变误差衰减路径，但不影响系统的鲁棒性。鲁棒性由 K 决定，动态响应由 (\lambda) 决定，这两个维度要分开看。

2.3 控制律的线性部分与非线性部分

滑模控制律在实现时被分成两个部分，这也是 SMC.m 里最核心的结构。线性部分负责模型补偿，让系统从非线性方程变成近似积分器；非线性部分负责把状态拉回滑模面。我一般会这样写核心控制段：

function tau = SMC(q, dq, qd, dqd, ddqd, params) % 输入: 当前状态 q/dq, 期望轨迹 qd/dqd/ddqd % params: 控制器参数结构体 lambda = params.lambda; % 滑模面带宽系数 K = params.K; % 滑模增益 phi = params.phi; % 边界层厚度(饱和函数) e = q - qd; % 位置误差 de = dq - dqd; % 速度误差 s = de + lambda * e; % 滑模面 s = e_dot + lambda*e % 线性部分: 基于标称模型的等效控制 M = mass_matrix(q, params); C = coriolis_matrix(q, dq, params); G = gravity_vector(q, params); tau_lin = M * (ddqd - lambda * de) + C * dq + G; % 非线性部分: 饱和函数代替符号函数, 缓解抖振 sat_s = s ./ max(abs(s), phi); tau_nonlin = -K * sat_s; tau = tau_lin + tau_nonlin; end

逻辑说明：先把误差拆成位置误差和速度误差，再组合成滑模面。线性部分里的 (M(\ddot{q}_d-\lambda\dot{e})) 补偿了期望加速度和误差收敛项，(C\dot{q}+G) 抵消了科氏力和重力带来的非线性。非线性部分用 (-K\cdot sat(s)) 保证在模型偏差和外部扰动存在时，仍然能把 (s) 往零推。饱和函数 (s/\max(|s|,\phi)) 在 (|s|>\phi) 时等于符号函数，在 (|s|<\phi) 时变成比例项，避免在滑模面附近无限切换。

参数说明：(K) 必须大于模型不确定性和扰动的上界，否则稳态误差消不掉；但超过上界后继续增大只会加剧抖振。(\phi) 一般取 0.01 到 0.05，太小相当于符号函数，抖振明显；太大会让滑模面附近失去强抗扰能力。为什么不用直接的 sign 函数？因为在 Simulink 里 sign 是不连续点，ode45 为了保证精度会把步长压到很小，整个仿真跑起来像蜗牛一样。用饱和函数是工程上的折中，也是源码能直接跑完的重要原因。

3. ROBOT_SMC.slx 工程拆解：文件清单、数据流与 Simulink 集成

3.1 文件清单与数据流

压缩包里的文件结构并不复杂：一份 PDF、一个 .slx、三个 .m 和几张 png。SMC.m 是被 ROBOT_SMC.slx 里的 MATLAB Function 调用的控制器，DX.m 负责生成期望轨迹，HUITU.m 在仿真结束后从工作区读数据画图。PDF 里是推导过程，png 就是文档里展示的位置响应、控制输入和相平面。把这些文件列成一张表更直观：

数据流上，Simulink 模型内部的积分器输出关节角向量 q 和角速度 dq，连同期望轨迹 qd、dqd、ddqd 一起进 SMC.m，SMC.m 输出 2x1 的扭矩 tau，再送回机械臂动力学模块。这里最容易翻车的是信号维度：模型里连线若是 1x2 的行向量，SMC.m 里却按 2x1 列向量去乘矩阵，会直接报维度错误。我在碰到这种问题时，习惯在 MATLAB Function 入口前加一个 Reshape 模块，或者在 SMC.m 第一行写q = q(:); dq = dq(:);强制转成列向量，省得每次都在线上查维度。

3.2 SMC.m 的核心实现与参数对照

SMC.m 里的参数集中在 params 结构体，Simulink 不需要修改代码，只要把 params 作为 MATLAB Function 的第二个输入参数传进去。操作上是双击模型里的 MATLAB Function 模块，在 Ports and Data Manager 里添加输入并设置类型为 struct，然后在模型回调中写入params.lambda = diag([1 1]); params.K = 20*eye(2); params.phi = 0.02;。模型跑起来后，SMC.m 自动从 base workspace 读取这些值，后续调参只需要改回调脚本，不需要碰模型内部连线。

另一个常见问题是 SMC.m 内部调用的 mass_matrix、coriolis_matrix、gravity_vector 辅助函数找不到。源码里这些函数要么写在 SMC.m 文件末尾作为子函数，要么单独存在。如果 MATLAB 报 Undefined function，先把所有 .m 文件放到同一目录并设为当前路径，或者在主脚本里用addpath(pwd)把当前目录加进来。不要依赖记忆里的路径，仿真失败时先which SMC看是否解析到预期文件。

3.3 Simulink 模型搭建要点：从 MATLAB Function 到 Scope

如果不想用现成的 .slx，自己搭一个闭环也很直接。步骤是：用两个 Integrator 串联，第一个输出角速度 dq，第二个输出关节角 q；机械臂动力学模块根据 q、dq、tau 算出角加速度 ddq，反馈给第一个 Integrator；期望轨迹由 DX.m 生成，控制器模块把 q、dq、期望轨迹和参数拿进去，输出 tau；最后用 Scope 或 To Workspace 记录数据。

求解器设置是这里最容易忽略的坑。滑模控制在边界层内部仍有高频切换，用默认的变步长设置很容易把步长压到 1e-5 以下，仿真心跳基本停住。我一般用 ode45，并手动把 Max Step Size 设为 1e-3，仿真时长按轨迹复杂度从 5 秒到 20 秒。如果你打开模型后点 Run 超过十秒还没出图，第一个检查项就是求解器步长，而不是电脑配置。

注意：仿真跑完但 Scope 里只有一段直线，先检查对期望轨迹的时钟信号是否从 Clock 模块引出，常见错误是把仿真时间固定成常数，导致轨迹不随时间变化。

4. 从源码到复现：增益调整、抖振抑制与相平面判读

4.1 一键运行与可视化：HUITU.m 做了什么

HUITU.m 做的事情本质上是把仿真结果从工作区变量画成三张子图。它从 To Workspace 模块拿 tout、q_out、dq_out、tau_out 等变量，再分三个 subplot 展示位置响应、控制输入和相平面。如果源码的变量名不是这套，直接打开 HUITU.m 把变量名改成实际记录名就行。我自己常用的后处理脚本如下：

% 在 ROBOT_SMC.slx 运行后执行 figure('Color','w'); subplot(3,1,1); plot(tout, q_out(:,1), 'b-', 'LineWidth', 1.2); hold on; plot(tout, qd_out(:,1), 'r--', 'LineWidth', 1.0); xlabel('t / s'); ylabel('q1 / rad'); legend('q1','qd1'); title('关节1位置响应'); subplot(3,1,2); plot(tout, tau_out(:,1), 'k-'); xlabel('t / s'); ylabel('tau1 / Nm'); title('控制输入'); subplot(3,1,3); plot(q_out(:,1), dq_out(:,1), 'g-'); xlabel('q1 / rad'); ylabel('dq1 / rad/s'); title('相平面');

逻辑说明：位置响应子图直接对比实际关节角与期望角，控制输入子图看抖振的幅值和频率，相平面子图看状态是否收敛到原点。三个图放在一起才能定位问题：如果位置响应很好但控制输入像门牙一样密集抖动，优先调边界层；如果位置响应有稳态偏差但相平面能收敛到原点附近，优先调 K。

4.2 滑模增益 K 与边界层厚度 phi 的取舍

在 SMC.m 中，K 和 phi 是影响抖振与鲁棒性的两个参数。K 表示对抗不确定性时的“推力”，phi 表示允许误差存在的“容忍度”。我调参时固定 lambda，先把 K 从 5 逐步升到 30，观察位置响应是否出现稳态误差；再把 phi 从 0.01 升到 0.1，观察控制输入的高频抖动是否下降。具体影响关系见下表：

需要留意的是，K 超过不确定性上界之后，继续增大不会让跟踪精度更好，只会把更多能量注入高频分量。phi 则本质上是拿稳态误差换平滑，太大时滑模面附近的等效控制增益变小，抗扰动能力下降。所以看起来参数有很多，实际能调的空间很小，K 和 phi 必须在建模误差范围内匹配。

我遇到过一种情况：调完 K 和 phi 后控制输入平顺很多，但位置响应出现周期性波动，检查后发现是期望轨迹本身的加速度不连续导致，和滑模控制器无关。DX.m 生成轨迹时如果只用多项式拼接而不约束边界速度和加速度，控制器要为跳跃的加速度付出额外扭矩。这种问题在相平面图上表现为轨迹在目标点附近来回震荡，此时应该先平滑期望轨迹，而不是继续加大 K。

4.3 相平面图的判读

源码里的相平面.png 画的是 q1 和 dq1 的关系曲线。如果滑模面设置正确，相轨迹会从初始状态出发，快速逼近一条斜线，也就是 (\dot{e}+\lambda e=0) 对应的直线，然后沿这条斜线滑向原点。这条斜线的斜率就是 (-\lambda)，从图上可以直接读出滑模面设计是否合理。如果相轨迹在原点附近绕出一圈圈小环，说明边界层太薄或者 K 太大；如果轨迹停在了原点附近的偏置点，说明重力补偿不准或 K 不足以克服重力。

双关节系统还有一个特殊现象：q2 的相轨迹可能明显比 q1 弯曲，因为两个关节之间有科氏力和耦合惯量。碰到这种情况，不要去调全局参数，单独把 q2 的 lambda 调大一点，再看相轨迹是否变直。如果两关节响应相差很大，模型里的 M 矩阵可能有符号错误，可以用一个开环仿真单独验证每个关节的加速度方向，先排除模型问题再回头调控制器。

5. 扩展验证：把同一套滑模面移植到 n 自由度与仿真数据回放

5.1 从二自由度到 n 自由度的代码改造

把 SMC.m 里的控制器逻辑原样搬到 n 自由度机械臂上，核心方程不用改。需要换掉的只有三个辅助函数：mass_matrix、coriolis_matrix、gravity_vector 的输出维度从 2x2/2x1 变成 nxn/nx1，同时让 lambda 和 K 变成 n 阶对角矩阵。这里最容易出错的是期望轨迹模块：DX.m 原来只生成 2x1 的 qd，改成 n 自由度后必须逐关节生成时间序列。更稳妥的做法是先定义路径点，再用 interp1 每次调用时插值出当前位置、速度和加速度，避免硬编码长数组。

5.2 验证脚本的写法

移植完成后不要只看图形，加一段量化验证脚本能明显提高调参效率。我一般在 HUITU.m 后面追加误差统计和抖振统计：

% 误差统计 e_all = q_out - qd_out; max_err = max(sqrt(sum(e_all.^2, 2))); mean_err = mean(abs(e_all)); fprintf('最大跟踪误差: %.4f rad\n', max_err); % 控制输入变化率(抖振指标) delta_tau = diff(tau_out); fprintf('控制输入平均变化率: %.2f Nm/s\n', mean(sum(abs(delta_tau),2)));

逻辑说明：最大跟踪误差反映滑模控制的鲁棒性，控制输入平均变化率反映抖振强度。如果调参后平均变化率下降了 40%，而最大跟踪误差只上升了不到 0.01 rad，说明这次参数调整划算。对于四旋翼这类欠驱动系统，滑模面设计需要先做位置和姿态的解耦，每个虚拟控制量再用同样的 (s=\dot{e}+\lambda e) 设计，但控制律分解成线性补偿加非线性纠偏的思想可以复用。仿真结束后如果 HUITU.m 画图时报“变量不存在”，先检查 To Workspace 模块的 Save Format 是不是 Timeseries，改成 Array 再跑一次，能少踩一个坑。

本文还有配套的精品资源，点击获取