› 自适应控制 MRAC Simple模拟器 工具列表
交互式模拟器

自适应控制 MRAC Simple模拟器

实时绘制对象输出 y(t) 追踪参考模型 y_m(t)、追踪误差 e 缩小、适应增益 θ(t) 收敛的过程。适应增益 γ 越大收敛越快，过大则发散。

参数输入
预设
对象时间常数 τ_p
s

被控对象响应速度。

参考模型时间常数 τ_m
s

期望参考模型速度。

适应增益 γ
-

参数更新强度。越大收敛越快，过大则发散。

外扰强度
%

负载变化或未建模外扰。

实时数值
0.0
时刻 t [s]
0.00
对象 y
0.00
参考模型 y_m
0.000
追踪误差 e
0.00 / 0.00
θ_r / θ_y
适应中…
输出追踪 y(t) 与参考模型 y_m(t)
对象 y(t) 参考模型 y_m(t) 指令 r(t)
追踪误差 e = y − y_m
适应增益 θ_r(t), θ_y(t)
θ_r (前馈) θ_y (反馈) 理想值 θ*
计算结果
—
稳态追踪误差 (RMS)
—
适应整定时间
—
振荡倾向
—
适应进展
理论与主要公式

使一阶对象跟随一阶参考模型：

$$\dot y=-\tfrac{1}{\tau_p}y+\tfrac{1}{\tau_p}u+d,\qquad \dot y_m=-\tfrac{1}{\tau_m}y_m+\tfrac{1}{\tau_m}r$$

控制律与 MIT 规则（自适应律）：

$$u=\theta_r\,r-\theta_y\,y,\qquad e=y-y_m,\qquad \dot\theta_r=-\gamma\,e\,r,\quad \dot\theta_y=\gamma\,e\,y$$

理想匹配增益（增益曲线的收敛目标）：

$$\theta_r^{*}=\frac{\tau_p}{\tau_m},\qquad \theta_y^{*}=\frac{\tau_p}{\tau_m}-1$$

$\gamma$ 越大收敛越快，但过大时 $\theta$ 会剧烈振荡甚至失控。有外扰时 $e$ 无法完全归零，增益持续漂移（参数漂移）。验证：$\tau_p=2.5,\ \tau_m=1.2$ → 收敛至 $\theta_r^{*}\approx2.08,\ \theta_y^{*}\approx1.08$。

什么是 MRAC（模型参考自适应控制）

MRAC（Model Reference Adaptive Control，模型参考自适应控制）是一种经典的自适应控制方法。即使被控对象（plant）的精确参数未知，或在运行中发生变化，它也能在线自动调节控制器增益，使输出与所选参考模型的响应保持一致。

本模拟器使一阶对象 $\dot y=-y/\tau_p+u/\tau_p+d$ 跟随期望的一阶参考模型 $\dot y_m=-y_m/\tau_m+r/\tau_m$。控制器具有前馈增益 $\theta_r$ 和反馈增益 $\theta_y$，并使用追踪误差 $e=y-y_m$ 通过 MIT 规则更新增益。

如何解读本模拟器

输出追踪图：蓝线是对象输出 y(t)，橙色虚线是参考模型输出 y_m(t)。开始时蓝线偏离，随时间推移逐渐重合。重合即表示适应完成。

追踪误差图：e=y−y_m 的历史。指令切换瞬间误差会跳变，但随适应推进峰值变小并贴近零线。若误差始终不缩小，说明 γ 过小或过大。

适应增益图：θ_r（绿）和 θ_y（红）向白色虚线所示的理想匹配增益 θ* 移动。增益变平表示适应稳定；持续抖动则表示 γ 过大（振荡、失控）。

通过对话理解 MRAC 参考模型追踪

🙋
动画里蓝色的对象曲线逐渐与橙色参考模型曲线重合，这是在做什么？
🎓
简单说，控制器发现自己的增益还不对，就在运行中实时修正。它盯着追踪误差 e=y−y_m，朝误差相反的方向一点点调整增益，这就是 MIT 规则 dθ/dt=−γ e φ。重合的瞬间就是适应完成。
🙋
原来如此。那把适应增益 γ 调大，就能更快重合，岂不是更好？
🎓
到一定程度为止是这样。按下"快速收敛"预设，γ 较大，几秒内误差就消失。但按"振荡"预设看看：γ 极大时一次更新就过冲，增益 θ 剧烈抖动，有外扰时误差持续摆动合不上。就像方向盘打得太猛而蛇行的车。
🙋
增益图里绿线和红线逐渐靠近白色虚线，那条虚线是什么？
🎓
那是理想匹配增益 θ*。对一阶系统可以算出来：θ_r*=τ_p/τ_m，θ_y*=τ_p/τ_m−1。MRAC 不知道这个值，仅凭误差就能到达那里。曲线恰好落在虚线上，意味着它自行找到了正确的增益——在对象时间常数未知的真实设备上，这一点很关键。
🙋
把外扰滑块调大后，即使重合了曲线也一直在轻微抖动，这有问题吗？
🎓
观察得很好。有外扰时误差无法完全归零，于是 MRAC 认为"还有误差"而持续移动增益，这叫参数漂移。放任不管，增益可能慢慢失控。实务中会加入误差很小时停止适应的死区，或用 σ 修正/e 修正把增益约束住。
🙋
那么在本工具里定好 γ 后，可以直接用到真实设备上吗？
🎓
请把它当作初步研究。这个简化模型只有一阶对象加一阶参考模型。真实对象有纯滞后和高阶振荡模态，直接用 MIT 规则容易失稳。最终判断要结合标准、实测值、详细分析和厂家条件，并配合基于李雅普诺夫设计的自适应律与输入限幅。

实际应用

伺服/运动控制：负载惯量在运行中变化的多轴 NC 机床和机器人手臂伺服，固定增益会导致追踪性能下降。

航空航天：随燃料消耗质量大幅变化的飞机、导弹飞行控制（MRAC 历史上的发源领域之一）。

过程/工程机械：动特性随温度或材料改变的化工过程，以及液压执行器的负载变化补偿。

常见误解与注意事项

"γ 越大越好"是错误的：γ 是收敛速度与稳定性的折衷。请用"振荡"预设观察过大的 γ 如何让增益剧烈摆动、失控。

"误差为 0 = 增益正确"并不一定成立：缺少持续激励（PE 条件）的指令下，即使误差为 0，增益也可能不收敛到理想值。指令必须充分"变化"。

外扰和未建模动态会引起漂移：原始 MIT 规则对外扰脆弱，实务中必须配合鲁棒修正（σ 修正、死区、归一化）。

常见问题

先看追踪误差 e=y−y_m 是否随时间趋近 0。动画中对象输出 y(t)（蓝）与参考模型输出 y_m(t)（橙色虚线）重合，即表示适应在推进。接着看适应增益 θ_r、θ_y 是否稳定到水平线。增益变平且误差消失的瞬间即为"适应完成"。
MIT 规则 dθ/dt=−γ e φ 中 γ 越大，增益更新越快。γ 过大时单步更新量过大，在误差符号反转前就过冲，导致增益剧烈振荡甚至失控。本模拟器的"振荡"预设会显示 θ(t) 抖动而误差持续摆动。实务中应从较小值起逐步增大 γ，并保持在误差单调下降的范围内。
一阶对象的理想匹配增益为 θ_r*=τ_p/τ_m、θ_y*=τ_p/τ_m−1。希望参考模型越快（τ_m 越小），所需的前馈 θ_r 和反馈 θ_y 越大。动画中的增益曲线会收敛到这些理想值（虚线）。比值过大时控制输入容易饱和，真实设备上需考虑输入限幅。
有外扰时追踪误差无法完全归零，增益持续轻微抖动（参数漂移），因为 MRAC 把外扰当作误差而不断移动增益。对策包括在误差很小处停止适应的死区，以及用 σ 修正/e 修正防止增益失控。外扰滑块可让你观察这种抖动的大小。
本工具是最基本的 MRAC：一阶对象加一阶参考模型。在具有高阶系统、纯滞后、非最小相位或较大未建模动态的真实设备上，原始 MIT 规则可能失稳。实现中会结合基于李雅普诺夫的自适应律、归一化、鲁棒修正（σ/e/死区）和输入限幅。最终判断仍需结合标准、实测值、详细分析和厂家条件。

使用指南

  1. 设置对象时间常数 τ_p（秒）和参考模型时间常数 τ_m（秒）。当慢对象（τ_p 大）跟随快模型（τ_m 小）时，适应效果最明显
  2. 设置适应增益 γ，在动画播放时观察蓝色对象曲线与橙色参考模型曲线重合的速度，以及增益曲线收敛到理想值（虚线）的过程
  3. 用"快速收敛""慢速收敛""振荡"预设比较行为，并调大外扰滑块观察适应完成后的抖动（参数漂移）

具体计算示例

要让伺服电机（对象时间常数 τ_p=2.5 s）跟随更快的参考模型（τ_m=1.2 s），理想匹配增益为 θ_r*=τ_p/τ_m=2.08、θ_y*=τ_p/τ_m−1=1.08。以 γ=3 播放时，MRAC 在不知道这些值的情况下，仅凭误差在几秒内收敛到 θ_r→2.08、θ_y→1.08，对象输出几乎与参考模型重合。γ=0.2 时收敛慢且残留误差；γ 极大时单步更新过大导致增益剧烈摆动、失控。该思想被应用于多轴 NC 机床的轴补偿，以及随燃料消耗质量变化的飞行器控制。

实务注意事项

相关工具

姿态控制推力器规格设计模拟器 人造卫星与航天器姿态控制 (RCS) 推力器规格设计的免费模拟器。可实时计算惯性矩、所需扭矩、单台推力、基于齐奥尔科夫斯基方程的推进剂质量，并评估推进剂质量占任务总质量的比例。 伯德图仿真器 使用伯德图仿真器实时分析控制系统频率响应。通过切换一阶、二阶或PID模型并调整参数，即刻可视化传递函数的幅频与相频特性，快速获取幅值裕度、相位裕度及带宽等关键指标，助力高效完成系统稳... 增益调度控制模拟器 面向控制响应、稳定裕度与调节条件的专题入口，适合在同一主题内选择下一项工具前使用。 滑模控制 — 变结构控制与鲁棒性 滑模控制（SMC）模拟器：对带扰动的二阶系统应用切换律 u=-k·sign(s)，使其沿滑模面收敛至原点。调节滑模面系数c、切换增益k、边界层宽度φ和扰动幅值d，体验鲁棒性与抖振抑制。 智能电网频率下垂控制模拟器 — Primary Response 智能电网频率下垂控制（Primary Frequency Response）模拟器：调整系统、下垂率 R、负荷扰动、系统惯量 H、死区与 AGC 增益，实时计算 Δf、RoCoF、n... Bode 超前 Lag Compensator模拟器 该页面把代表性条件与控制响应、稳定裕度与调节条件联系起来，便于进入相邻工程校核。