Simulink ILC仿真工程：PD型学习律轨迹跟踪与收敛调参实战

简介ILC_Simulink.rar 是一份面向控制理论学习者与工程实践者的迭代学习控制仿真资料围绕 Simulink 环境下的传递函数对象建模、ILC 算法搭建与无静差跟踪验证展开适合课程实验、算法入门及控制系统性能对比等场景。压缩包共 14 个文件约 66KB以 mat 数据、xml 配置、slx/slxc 模型及 m 脚本等为主覆盖模型主体、仿真状态与辅助运行文件结构紧凑便于直接打开复现与二次调整。已有 3983 人学习下载在 ILC 入门与 Simulink 实践场景中具有一定参考热度。读者可从中获得可运行的 ILC 仿真模型、误差反馈与更新规则示例以及参数调整、输出曲线分析和结果验证的切入点进而理解迭代学习控制从对象建模、控制输入更新到无静差跟踪的完整流程。1. 从一条“越跑越准”的轨迹说起这份 Simulink ILC 工程到底解决什么问题一条做往复定位的伺服轴第一次跑完整条轨迹末端偏差 0.8 mm参数一个字没改跑到第十次偏差掉到 0.05 mm。第一次见这个现象的人多半会怀疑是测量噪声或者数据回放出了错但只要你看过迭代学习控制的工作方式就知道这是它在正常工作——误差不是被“调参调没的”而是被一次次重复作业“学没的”。ILC_Simulink.rar 里是一个完整的 Simulink ILC 仿真工程被控对象模型、学习律模块、迭代调度脚本、误差收敛绘图四块都有解压、改两行参数、跑一遍就能看到误差随迭代次数下降的曲线。它适合两类人正在做重复轨迹跟踪伺服往复、点胶、机械臂末端走固定路径的开发者以及刚看完 ILC 公式、手里缺一个能跑起来的对照例子的同学。2. 工程结构拆解从 .slx 模型到 .m 脚本的四层分工拿到一个仿真压缩包最怕的是打开一看十几个文件互相调用不知道该从哪个入手。这套工程的结构其实很朴素按“参数—模型—调度—后处理”切成四层每一层只干一件事。先把这条主干理清楚后面看代码就不会迷路。2.1 解压之后的文件清单与职责边界解压出来通常是这样一个布局不同版本的文件名可能略有出入但角色是对应的文件类型职责改动频率ilc_params.m脚本集中定义采样周期、试验时长、迭代次数、学习增益高每次调参都动它ilc_plant.slx模型参考轨迹 被控对象 学习律模块 数据记录低换对象时才改ilc_law.m函数学习律本体被模型里的 MATLAB Function 块引用中换算法结构时改ilc_main.m脚本迭代主循环一次迭代调用一次sim低plot_convergence.m脚本误差范数曲线、单次跟踪对比图低data/目录存每一代的误差序列和控制序列不手动改这里有个容易忽略的设计取向参数不写死在模型里全部收进ilc_params.m。仿真模型最常见的问题就是参数散落在各个 Gain 块、Constant 块、Workspace 变量里改一个采样周期要翻五六个地方翻漏一处就是一次血泪经验。集中管理之后模型里所有模块只引用变量名脚本一跑工作区就有了值。% ilc_params.m —— 所有可调参数在这里定义模型只引用变量名 Ts 0.01; % 采样周期(s)必须和模型内所有离散模块一致 T_end 5.0; % 单次试验时长(s) N round(T_end/Ts); % 单次试验的采样点数也是误差序列的长度 K_iter 30; % 迭代次数上限 gamma_p 0.6; % 比例型学习增益控制收敛速度 gamma_d 0.02; % 微分型学习增益补相位滞后 q_alpha 0.85; % Q 滤波器系数0~1越接近 1 越保守 u0 zeros(N,1); % 第 1 次迭代的控制序列通常取零Ts和N的关系要先算明白N不是随便填的它决定了误差序列的长度也决定了学习律里差分运算的边界处理方式。gamma_p的物理含义是“上一轮误差有多大比例被写进下一轮输入”量纲上要跟对象的直流增益对上所以换对象之后这个值基本要重调不能照抄。q_alpha是我建议新手一开始就加上的它把每轮的更新量做一个一阶低通牺牲一点收敛速度换稳定性比后面看着曲线发散再回头加要省事得多。2.2 模型分层被控对象、学习律、迭代开关三段式打开ilc_plant.slx信号流大致是三条并行支路参考支路Repeating Sequence或From Workspace产生期望轨迹y_d(t)长度正好N。对象支路From Workspace读入当前代的控制序列u_in送进Transfer Fcn或离散State-Space得到实际输出y_k。误差支路y_d - y_k得到e_k一路进To Workspace记录一路进 MATLAB Function 块算下一代输入。关键点在于这条回路是开环跑的。也就是说单次试验里对象只吃u_in这一串开环输入没有反馈控制器参与学习律不在试验内部生效而是跨试验生效。很多刚接触 ILC 的人会把学习律接成反馈环里的一个增益跑出来的曲线看着像那么回事其实算法性质已经完全变了——那不是迭代学习那是加了个积分器。学习律模块在模型里通常做成一个MATLAB Function块输入e_k、u_k输出u_next块内用persistent变量跨调用保存上一代数据。这样做的理由是工程化的等到要把算法搬到实机这段逻辑可以几乎原样翻译成 C不用重新组织数据流。如果只图仿真快也可以把学习律整个放在 M 脚本里离线算但那样模型里就只剩对象日后迁移会多一道搬运工序。另外模型里一般会有一个手动开关Constant 块加 Switch用来选“开学习”还是“只跑一次基线”。别小看这个开关调参阶段你会反复在“看看不加学习的原始跟踪误差”和“看看学了几代之后的效果”之间来回切。2.3 脚本分层调度与后处理必须分开ilc_main.m只做调度不做计算也不画图。这条纪律听起来像教条实际是省时间的调参的时候你会反复跑主循环如果主循环里还嵌着画图每跑一次弹三个窗口几十次迭代下来窗口能堆满屏幕。把绘图拆到plot_convergence.m等主循环跑完、e_history已经在工作区里了再单独调一次想换视角就再调一次不用重跑仿真。同理单次试验的封装也建议单独抽一个函数比如run_one_trial(u_in)内部负责把输入塞进工作区、调sim、把输出取出来对齐长度。主循环里只出现“算误差—存历史—判收敛—更新输入”四件事读代码的人一眼就能看出算法骨架。这套分层在只有几十行的时候显得啰嗦等你要加扰动、加噪声、加多对象对比的时候就会庆幸当初拆开了。3. 核心算法拆解PD 型迭代学习律怎么在 Simulink 里落地结构清楚了接下来是真正决定收敛与否的部分。ILC 的公式在论文里往往一行写完落到代码里有三处必须做决定更新式用 P 型还是 PD 型、Q 滤波器放在哪、迭代怎么驱动。这三处选错曲线要么不降要么降着降着飞出去。3.1 离散更新式与三个必须交代的初值条件工程里用的最常见形式是带 Q 滤波的 PD 型学习律写成离散递推就是u_{k1}(n) Q · u_k(n) (1 - Q) · [ u_k(n) γp · e_k(n) γd · (e_k(n) - e_k(n-1)) ]其中k是迭代次数n是单次试验内的时间步。把它拆开看方括号里是“上一代输入 本代误差的比例项和微分项”外面套一层Q与上一代输入做凸组合本质是一个一阶低通把高频的更新量压下去。三个初值条件必须显式交代否则第一代就跑不出合理结果。第一u_0(n)取什么——常见做法是全零或者先跑一次 PID 把稳态输出录下来当u_0后者能让第一代误差就小很多收敛曲线更好看但会掩盖算法本身的收敛速度做对比实验时建议还是从零开始。第二e_k(0)的差分怎么算——n1时没有n-1用前向差分补或者干脆令de(1)0两种都行但不能让索引越界。第三Q的取值范围工程上一般落在 0.7 到 0.95取 1 等于完全不更新取 0 等于退化成纯 P 型抗噪能力直线下降。还有一条容易被跳过参考轨迹的首尾要平滑。如果y_d在t0处有一个阶跃第一代的e(1)会非常大学习律会把这个冲击原封不动学进u序列后面几代都在跟这个冲击较劲。常见的处理是把参考做成 S 形起步或者至少在首尾各加几十毫秒的斜坡。3.2 MATLAB Function 块里的学习律实现模型里那个学习律块展开之后的代码大致是这样function u_next ilc_law(e_k, u_k, gamma_p, gamma_d, q_alpha) %#codegen % 输入 % e_k 当前代跟踪误差序列长度 N 的列向量 % u_k 当前代施加的控制序列长度 N 的列向量 % gamma_p 比例学习增益 % gamma_d 微分学习增益 % q_alpha Q 滤波器系数 (0,1) % 输出 % u_next 下一代要施加的控制序列 N numel(e_k); u_next zeros(N,1); % 误差一阶差分首点用前向差分补避免索引越界 de zeros(N,1); de(1) e_k(2) - e_k(1); de(2:N) e_k(2:N) - e_k(1:N-1); for n 1:N % 未滤波的更新量上一代输入 PD 修正 u_raw u_k(n) gamma_p * e_k(n) gamma_d * de(n); % Q 滤波与上一代输入做凸组合抑制高频更新 u_next(n) q_alpha * u_k(n) (1 - q_alpha) * u_raw; end end逐段说。%#codegen这行不是装饰加了它之后 MATLAB 编辑器会实时提示哪些写法不支持代码生成比如动态扩容数组、元胞数组、eval这些都是实机移植时的拦路虎在仿真阶段就规避掉后面省一大截时间。de的边界处理用了两段赋值而不是diff原因是diff输出长度是N-1跟u_next对不齐后面还要补一个元素容易在多处修改时漏掉。显式写出来虽然多两行但长度关系一目了然。循环体内两行对应公式里的“先算原始更新量再做凸组合”。注意q_alpha * u_k(n)用的是上一代输入而不是u_raw这是标准的 Q 滤波写法写成q_alpha * u_raw就变成了对更新量的低通性质不一样收敛速度会明显变慢。这个细节我第一次写的时候搞反过曲线能收敛但慢得离谱查了两天才发现是一个下标的问题。参数的影响可以这样估gamma_p大约取对象直流增益倒数的 0.3 到 0.8 倍起步太大直接发散太小二十代都看不出变化。gamma_d一般比gamma_p小一到两个数量级它的作用是补偿对象相位滞后对象阶次越高越需要但同时会把测量噪声放大所以实机上gamma_d通常比仿真里更保守。3.3 主循环用 for sim 驱动迭代误差序列怎么存迭代的驱动力在脚本里不在模型里。核心就是一个 for 循环每转一圈做一次完整试验% ilc_main.m —— 迭代调度主循环 ilc_params; % 载入参数工作区得到 Ts/N/K_iter 等 e_history zeros(N, K_iter); % 每列存一代误差方便后面按列取范数 u_history zeros(N, K_iter); % 每列存一代控制输入 u_in u0; % 第 1 代输入 iter_used K_iter; % 实际用掉的迭代次数提前收敛时更新 for iter 1:K_iter assignin(base, u_in, u_in); % 塞进基础工作区供模型读取 out sim(ilc_plant, StopTime, num2str(T_end)); e_k out.e_log(:); % 取误差序列并保证是列向量 e_k e_k(1:N); % 截断到 N 点防止求解器多算一步 e_history(:, iter) e_k; u_history(:, iter) u_in; err_norm norm(e_k, 2); fprintf(iter %02d ||e||_2 %.4e\n, iter, err_norm); if err_norm 1e-3 % 收敛判据达标就提前退出 iter_used iter; break; end u_in ilc_law(e_k, u_in, gamma_p, gamma_d, q_alpha); % 算下一代输入 end几个参数值得说明。assignin(base, ...)把u_in写进基础工作区是因为模型里的From Workspace块默认就是从 base 读变量如果模型配置成从模型工作区读这里要改成set_param加Simulink.SimulationInput否则就是那个经典翻车现场——跑三十次曲线一动不动。e_k(1:N)的截断也不能省变步长求解器在末点可能多输出一个采样长度变成N1直接往e_history里塞会报维度不匹配。norm(e_k, 2)作为收敛判据是最省事的做法但要注意它跟误差的绝对量纲挂钩换了对象、换了单位阈值就得跟着改。更稳妥的写法是相对判据用当前代范数除第一代范数落到 1e-2 以下就算收敛换个对象也不用重调阈值。4. 跑起来从解压到第一条收敛曲线的完整步骤代码看懂了还得真跑一遍才算数。这一节按实际操作顺序走每一步都写清楚失败时该看哪里。4.1 环境准备与路径设置需要 MATLAB 和 Simulink版本上建议 R2018b 及以上因为再早的版本里MATLAB Function块对persistent的支持和代码生成报告不太一样容易在小地方卡住。如果模型里用了Transfer Fcn的离散化或者lsim做对比验证还需要 Control System Toolbox缺了这个工具箱打开模型会提示模块未授权不会报错但仿真结果全是零。解压路径这一条是纯经验全英文、无空格、层级别太深。放在桌面某个中文目录下sim有时候能跑但模型引用和数据存盘会出各种玄学问题排查起来很浪费时间。解压之后先cd到该目录用pwd确认一下当前路径再确认.slx和几个.m在同一层——不同层的话sim(ilc_plant)找不到模型报错信息是“cannot find model”看着像模型损坏其实是路径问题。第一件事不是跑主循环是跑一次基线% 基线检查不加学习先看对象本身的跟踪误差有多大 ilc_params; assignin(base, u_in, u0); out sim(ilc_plant, StopTime, num2str(T_end)); plot(out.tout, out.y_log, b, out.tout, out.yd_log, r--); legend(实际输出 y, 期望轨迹 y_d);如果这条基线的红蓝两条线完全重合说明参考轨迹没接进去或者对象根本没被驱动先别往下跑迭代先修模型。4.2 参数整定采样周期、迭代次数、学习增益、Q 滤波器四个参数有先后顺序别一起乱调。先定Ts它必须和模型里所有离散模块的采样时间一致包括对象的离散化模块、参考轨迹模块、To Workspace的采样设置。检查方法是在模型里搜一遍采样时间字段凡是填了具体数字的都要对得上填-1的继承上游问题不大。Ts定的依据是对象的主导时间常数一般取它的 1/20 到 1/50。取得太大学习律在时间上“看不清”对象的动态微分项基本失效取得太小单次试验的N变大迭代一次慢而且噪声占比上升。然后定K_iter先给 30 跑一轮看趋势不要一上来就 200。曲线在前 10 代就明显下降的话后面只是精修前 10 代纹丝不动说明不是迭代次数不够是增益或者对象接口有问题。gamma_p从 0.1 开始往上加每次翻倍看曲线的下降速度。合适的值表现为误差范数单调下降、五代之内下降一个数量级左右。加到某个值之后曲线开始出现“先降后升”说明到边界了退回上一档。gamma_d最后加从 0.005 起步它的收益通常不如gamma_p明显但对象有纯滞后时它是必需的。q_alpha放在最后微调0.8 到 0.9 之间试两三个值就够。它的作用在曲线上表现为“末段的抖动变小但收敛平台抬高一点”是个明确的取舍。参数起步值调整方向典型症状Ts对象时间常数 / 30与模型内所有离散模块对齐不对齐时结果与理论严重偏离K_iter30先看趋势再加大前 10 代无变化说明不是次数问题gamma_p0.1 → 翻倍到“先降后升”后退一档过大会发散gamma_d0.005有滞后时再往上加过大会放大噪声q_alpha0.850.8~0.9 之间微调过小末段抖动过大收敛变慢4.3 看结果收敛曲线与三个判断依据主循环跑完单独调plot_convergence% plot_convergence.m —— 收敛曲线与单次跟踪对比 err_norm vecnorm(e_history(:, 1:iter_used), 2, 1); % 按列求 2-范数 figure; semilogy(1:iter_used, err_norm, o-, LineWidth, 1.2); grid on; xlabel(迭代次数 k); ylabel(||e_k||_2); title(ILC 误差收敛曲线); figure; % 第一代与最后一代对比 plot(e_history(:,1), Color, [0.6 0.6 0.6]); hold on; plot(e_history(:,iter_used), b, LineWidth, 1.2); grid on; xlabel(采样点 n); ylabel(跟踪误差); legend(第 1 代, sprintf(第 %d 代, iter_used));用semilogy而不是plot是因为 ILC 的收敛通常是指数型的线性坐标下前三代就把整个纵轴占满后面二十代挤成一条平线看不出细节。判读有三条。误差范数单调下降、斜率逐渐变缓是健康状态。先降后升、甚至在中途翘起来是增益过大或者缺少 Q 滤波回去降gamma_p。降到某个值之后完全躺平下降幅度小于每一代 1%那不是“收敛了”是碰到瓶颈了原因多半是采样周期与对象动态不匹配或者存在未建模的时滞得回到 4.2 节重新看Ts。5. 避坑与排查ILC 跑不出收敛的五种典型翻车仿真类工程有个共同特点出错的时候不报错只是结果不对。下面五条是我在这类工程上反复遇到的按“现象 → 原因 → 解决”写遇到对应症状直接对号入座。5.1 数值类问题发散、停滞与抖振第一条控制序列逐代放大几十代之后变成 Inf 或者 NaN。原因是学习增益超过了稳定边界。ILC 的收敛条件本质上要求|1 - γp·P| 1P是对象的直流增益γp超过2/P就发散取到1/P附近收敛最快。很多人凭感觉给 0.6、0.8碰上增益只有 0.5 的对象就直接越界了。解决办法是先算P给对象一个单位阶跃看稳态输出值那就是直流增益。gamma_p取其倒数的 0.5 倍起步同时把q_alpha设到 0.9先求稳再求快。已经发散过的记得清一次工作区u_in里残留的 Inf 会污染下一轮。第二条误差范数降到某个值就不动了曲线像被削平了头。常见原因是 Q 滤波器系数给得太小。q_alpha小意味着更新量被强烈低通高频段的误差修正不进去范数就卡在一个平台上下不来。判断方法很简单把q_alpha从 0.85 调到 0.95 再跑一轮如果平台明显下降就是这个原因。另一个原因是参考轨迹里含高频成分而学习律的gamma_d又不足以跟上。这时候调q_alpha没用得回头简化参考轨迹或者加长单次试验时间让动态充分展开。第三条末段误差抖动明显范数曲线呈锯齿状。gamma_d太大把测量噪声或者数值微分噪声放大了。仿真里如果是理想无噪声环境还抖多半是Ts相对对象动态取得太小差分运算放大了数值误差。解决方向是把gamma_d减半或者对误差序列先做一次滑动平均再送进学习律——后者会引入额外相位滞后慎用但对付纯数值噪声很有效。5.2 工程类问题迭代空转、路径与版本第四条跑了三十次每一代误差完全一样e_history每一列都相同。这是最高频的翻车点没有之一。原因是u_in更新了但模型没读到。可能是assignin写进了基础工作区而From Workspace块配置的是从模型工作区读也可能是模型里有persistent变量没清还留着上一次运行的缓存。排查顺序先在工作区敲u_in(1:5)看值有没有变再看模型里那个From Workspace块的变量名拼写是不是和assignin里的一致多一个下划线都能让你查半天最后在循环里加一句clear ilc_law或者把persistent改成显式传参。治本的做法是换Simulink.SimulationInput对象把输入作为仿真输入显式传进去不依赖工作区。第五条换台机器就报找不到模型或者报路径含非法字符。中文路径、空格、以及过深的目录层级都可能触发。表现出来是sim报“cannot find model”或者模型里的数据记录文件写不出来但模型本身打开是正常的很容易误判成文件损坏。解决就是换一个纯英文短路径解压到D:\work\ilc\这种层级重新cd过去再跑。顺带一条版本相关的低版本 MATLAB 打开高版本保存的.slx会提示“模型由更新版本创建”强行打开后部分模块参数丢失仿真能跑但结果不对。这种情况别硬修找保存者导出成低版本或者直接用对应版本环境。6. 二次开发把仿真工程改成能上实验台的版本从仿真走到实机改动集中在三个地方我一般按下面的顺序推每改一处都保留上一版可回滚的.m和.slx这是吃过亏之后养成的习惯——控制序列这种东西一旦被写坏了又没有存档只能从头再来一遍。第一处是换被控对象。把Transfer Fcn换成实测辨识出来的离散State-Space或者直接换成一组实测的频响数据拟合结果。接口保持不变输入一路u输出一路y长度N。换完之后第一件事不是跑 ILC是再跑一次 4.1 节的基线确认对象在开环下能被正确驱动输出量纲和参考轨迹对得上。量纲不对是最隐蔽的错误差序列看着在降其实降的是个比例错误的量。第二处是给学习律加频域整形。仿真里q_alpha一阶低通够用实机上往往要做成零相位滤波把L和Q分开设计L负责在对象带宽内放大误差Q负责在带宽外快速衰减。做法是把 3.2 节里那两行更新式改成对整段序列做一次filtfilt注意这样就不能在MATLAB Function块里逐点算得挪到脚本层模型里只留对象。这个改动会破坏前面说的“算法可原样移植到 C”的优点是个明确的取舍做之前想清楚后面到底要不要上嵌入式。第三处是相位对齐。实机有采样抖动、有传感器延时、有执行器死区这些在仿真里都是零。表现出来是仿真收敛、实机发散或者实机前几代收敛得很好到第十代左右开始缓慢振荡。验证方法很土但有效让实机跟着一段已知的正弦指令空跑把输入输出录下来做互相关看主峰偏了几个采样点偏几个就在学习律里补几个采样点的超前。改造点改哪个文件验证方式换被控对象ilc_plant.slx重跑开环基线检查量纲与轨迹贴合频域整形 L/Qilc_main.m 新建滤波器脚本对比整形前后误差范数的收敛平台相位补偿学习律内加超前步数实机正弦空跑的互相关主峰位置数据留存data/目录每代都存u_k能按代回放最后说一个具体的技巧把每一代的u_k单独存成u_k_%03d.mat而不是只存在内存的u_history里。实机调试时最需要后悔药某一代跑崩了直接load上一代的u重放比重新学二十代快得多。那条命令我在每个实机项目里都会写save(sprintf(data/u_%03d.mat, iter), u_in)一行的事省下的是整晚的时间。从那以后我每次动学习增益或者换对象之前都会强制走一遍“基线—单代—十代—全量”这个流程绝不跳步直接跑全量迭代因为跳过的那一步里往往藏着真正的原因。希望帮到你。本文还有配套的精品资源点击获取