企业官网建设流程全解析

1. H∞鲁棒控制入门：这个案例到底在解决什么问题

H∞鲁棒控制这个名词，很多控制专业的朋友在研究生阶段都见过，但真正能在Matlab和Simulink里跑通一个完整案例、明白每一步在干什么的人，其实并不多。我最早接触这个概念时，翻了不少教程，大多止步于理论推导，满屏的RICCATI方程和LMI不等式，看得头大，真正落到“我怎么把控制器算出来、怎么仿真验证”这一步的少之又少。后来自己动手搭了一个二自由度质量弹簧阻尼系统，才真正把混合灵敏度设计、加权函数、hinfsyn求解这条链路走通。

这篇文章就围绕这个经典入门案例展开：被控对象是一个质量块加弹簧阻尼系统，参数存在明显的不确定性——弹簧刚度可能在名义值附近浮动，同时还存在不可忽略的低频外部扰动。我们要用H∞方法设计一个鲁棒控制器，保证即使参数偏离名义值，系统仍然稳定并且输出能较好地跟踪参考信号，同时抑制扰动。

理解这个案例，有几个关键认知要先建立起来：第一，H∞不是用来替代PID的激进方案，它解决的是一类PID很难用经验调出来的问题，尤其是“模型不确定性明确存在”+“扰动频谱已知”+“性能要求互相冲突”的场景。第二，H∞设计不是直接调控制器增益，而是通过设计加权函数来间接表达工程需求，这个思维转变是新手最大的坎。第三，Matlab的Robust Control Toolbox已经把你从复杂的代数运算里解放出来了，你需要深入理解的是建模和加权函数，而不是重新推导求解算法。

这篇文章适合三类人：正在学现代控制理论、准备把鲁棒控制写进毕业设计的学生；工作中遇到模型不准、扰动明显、用PID调不动需要更系统方法的一线工程师；以及想把Simulink作为验证平台、但一直没找到一套完整入门流程的仿真爱好者。读完你至少能独立完成“建立广义Plant→设计加权函数→调用hinfsyn求解→Simulink闭环仿真验证”这条完整链路。

2. 环境准备与广义Plant建模的思路

2.1 Matlab工具箱检查与选用

动手之前先确认环境，这一步卡过不少刚入门的同学。H∞控制器求解需要Robust Control Toolbox，这是核心依赖，打开Matlab输入ver看工具箱列表，重点确认两项：Robust Control Toolbox和Control System Toolbox。前者提供hinfsyn、loopsyn、musyn这些鲁棒控制专用函数，后者提供tf、ss、bode、sigma这些基础建模和频域分析函数。如果还有Simulink Control Design，做频域分析和工作点线性化会方便很多，但没有也能完成整个案例。

2022b之后Matlab对工具箱的管理其实宽松了不少，很多教学版和校园版都自带全套。如果你的版本里恰好没有Robust Control Toolbox，说实话H∞设计的整个流程会变得非常痛苦，因为核心求解器缺失。也有些同学会问能不能用开源工具替代，比如Python的python-control配合hinfinity求解，能做但需要自己处理一堆细节，入门阶段并没必要，工程上还是老老实实用Matlab这套闭环工具链，少消耗时间在环境问题上。

2.2 被控对象与不确定性建模

案例的被控对象用最常见的二自由度质量弹簧阻尼系统，示意图就等同于一个质量块m被弹簧k和阻尼c挂在固定端，外力u推动质量块运动，测量输出是质量块位移。数学模型是一个二阶系统，传递函数形式为闭环对象从u到位移y的传递函数：

[ G(s) = \frac{1}{m s^2 + c s + k} ]

为了方便入门案例落地，我取名义参数m=1，c=0.5，k=2。但在真实工程里，k永远不可能是精确值——温度变化、装配公差、材料老化都会让刚度偏移。这就是模型不确定性的来源。在这个案例里，我们假设弹簧刚度k在1.4到2.6之间浮动，即相对名义值约±30%的变化。这个不确定性范围不是随便拍的，它来自于实际系统的物理约束和工况分析，做鲁棒控制的第一件事就是把不确定性边界老老实实写清楚。

在Matlab中建模时先写名义模型：

m = 1; c = 0.5; k = 2; G = tf(1, [m c k]);

然后引入不确定参数。Robust Control Toolbox里用ureal定义不确定实数：

k_unc = ureal('k', 2, 'Range', [1.4 2.6]); G_unc = tf(1, [1 0.5 k_unc]);

请注意，G_unc不是一个普通传递函数对象，而是一个不确定状态空间模型，它本身包含了摄动的信息。后续我们在做鲁棒性验证时，会用usample对不确定模型进行采样，看控制器的鲁棒性能是否成立。

另外一个关键点：输入到质量块的力，在实际系统里往往会有执行器饱和问题，但入门案例先不引入非线性环节，保持线性设计再在Simulink里叠加饱和度观察控制器在非线性下的表现，这也是一个非常有价值的扩展实验。

2.3 广义Plant到底长什么样

新手在H∞这里第一个劝退点就是“广义Plant”这个概念。简单说，H∞设计不直接针对G(s)本身，而是要把“性能需求”和“不确定性信息”打包成一个增广对象P(s)，控制器K(s)与P(s)通过反馈闭环，形成从外部输入w到被控输出z的闭环传递函数矩阵，然后最小化这个闭环系统的H∞范数。

广义Plant有个标准结构，内部包含标称被控对象、加权函数、性能通道和控制通道。整个设计过程就是围绕这个增广对象的搭建和求解展开。如果你用过LQR，可以做一个类比：LQR里Q和R矩阵就是在表达性能权重的权衡，H∞里面加权函数Wp、Wu、Wt扮演的也是类似角色，但它们不是常数量，而是频率相关的传递函数，可以更精细地表达“在哪个频段要求高、在哪个频段可以放松”。

用Matlab搭建广义Plant有几种方式，我用最推荐的方式：先用tf或者ss搭建每个模块，然后通过connect或者直接矩阵拼装。最直观的是使用augw函数，它专门用于构建混合灵敏度问题的广义Plant：

% 加权函数先定义好 Wp = makeweight(100, 1.5, 1); % 性能权，低频增益大 Wu = makeweight(0.1, 50, 10); % 控制量权 Wt = makeweight(0.5, 8, 2); % 不确定性/鲁棒性权 P_aug = augw(G, Wp, Wu, Wt);

augw输出的P_aug是标准增广Plant，输入向量为[r; u]，输出为[z1; z2; z3; v]。至于Makeweight函数创建一阶或二阶S形权函数的用法，下一节详细展开。这里先把广义Plant的概念理顺：它不是一个物理存在的对象，而是为了把控制目标写进数学框架而构造的“计算结构”。认清这一点，后面步骤就不会迷路。

3. 加权函数设计：这才是H∞设计的真正灵魂

3.1 性能加权函数Wp怎么选

在H∞框架里，加权函数是设计者表达工程需求的唯一方式，选得不好，算出来的控制器性能会很差或者毫无意义。性能权Wp主要用来约束闭环系统从参考输入r到跟踪误差e的传递函数S(s)——也就是灵敏度函数，它直接等于(1+GK)^(-1)。灵敏度函数S决定了系统的扰动抑制能力和跟踪性能，我们希望它在低频段尽量小，这样低频扰动被压得低、稳态误差趋近于零，代价是在高频段S会大于1，这是Bode积分定理决定的，无法避免。

Wp就是S的上界约束，要求在感兴趣的频段内满足|S|<|1/Wp|。工程上常见的做法是把Wp设成积分型或近似积分型传递函数，低频增益高、穿越频率和闭环带宽相关。Matlab的makeweight函数可以直接构造这种形状的权函数：

Wp = makeweight(100, 1.5, 1);

makeweight的语法是makeweight(GainLow, GainHigh, wc)或者用DC增益、高频增益和穿越频率来定义。上面的例子表示：低频增益为100（即可以把低频扰动压制到1/100），穿越频率约1.5 rad/s，高频增益为1。这组参数落在我的仿真里能保证20dB以上的低频扰动抑制，同时闭环带宽不至于太高导致控制量过大。

新手容易踩的坑是把Wp的低频增益取得特别高，比如1000甚至更高。看起来扰动抑制能力更强，但实际上会导致控制器在低频段增益过高，进而放大执行器负担，而且在模型不确定性较大的时候容易出现鲁棒稳定性恶化。低频增益通常取20到40dB比较合理，真需要极高精度的情况下，要同时考虑建模精度和执行器能力，没有免费的午餐。

3.2 控制量加权函数Wu的选取

Wu约束的是从参考输入r到控制量u的传递函数R(s)，也就是控制器输出对参考指令的响应。它本质上是限制控制量的幅值和带宽，跟LQR里的R矩阵作用类似。如果Wu增益取得很小，控制器可以输出很大的控制力，性能可能更好，但执行器容易饱和，高频噪声也容易被放大；如果Wu增益取得过大，控制动作被压得死死的，系统响应变迟钝，扰动抑制能力也受损。

案例中我常用一阶高通型权函数：

Wu = makeweight(0.1, 50, 10);

意思是在低频段对控制量的惩罚很小（0.1），高频段惩罚增大到50，转折频率在10 rad/s附近。这背后的工程逻辑是：我们希望控制器在低频段正常输出大的控制力来跟踪和抗扰，但不希望高频段出现剧烈的控制动作，因为真实执行器不可能响应十几Hz以上大幅度振荡，也容易激起未建模动态。你完全可以按自己执行器的带宽来设定这个转折频率，而不是照抄人家参数。

有一个小技巧分享：Wu不一定要设计得非常精细，先设一个中等强度的权求出初步控制器，看控制量和系统响应，如果控制量曲线过于猛烈说明Wu太小，如果响应太慢说明Wu太大，观察趋势后迭代两三次就心中有数了。

3.3 不确定性权函数Wt与鲁棒性通道

多入门的混合灵敏度配置还有第三个加权函数Wt，它和历史教材里的Wt（加权补灵敏度函数）是配套的，用来约束补灵敏度函数T(s)，也就是G(s)K(s)(1+G(s)K(s))^(-1)，这个通道直接关联到乘性不确定性下的鲁棒稳定性。

对于这个案例的乘性不确定性模型，可以写成：

[ G_\Delta(s) = G(s)(1 + \Delta(s)W_t(s)) ]

其中Δ(s)是范数小于等于1的稳定不确定传递函数，Wt就是不确定性界。回到我们前面的参数摄动：k在1.4到2.6之间浮动，那么相对不确定性大小随频率变化。可以用Matlab直接分析不确定模型在不同频率下的相对变化范围，然后拟合出一个Wt的幅频包络。实操中我习惯用下面的方法快速估计：

% 采样一批不确定模型，计算相对偏差 G_nom = G_unc.NominalValue; delta_max = 0; for i = 1:50 Gs = usample(G_unc); diff = (Gs - G_nom) / G_nom; delta_max = max(delta_max, abs(diff)); end % sigma(delta_max)的包络线就是Wt的参考形状

但案例中为了清晰，直接用一阶高通权：

Wt = makeweight(0.5, 8, 2);

这表示在低频段相对不确定性约50%，到高频段增大为8倍。这个设定实际上比“±30%刚度变化”更悲观一些，留了点裕量，符合工程习惯。如果Wt给太高，鲁棒稳定性有余但性能会被拖累；给太低，控制器在高频段过于激进，真实系统容易不稳定。这是H∞设计里最经典的折中。

4. hinfsyn求解控制器与gamma值分析

4.1 一行代码求解H∞控制器

加权函数定好、广义Plant打包完成后，求解H∞控制器就是一行代码的事。在Robust Control Toolbox中：

[K, CL, gamma] = hinfsyn(P_aug, 1, 1);

这里的参数P_aug是广义Plant，两个1分别表示测量输出的个数（控制器可以得到的反馈信号数量）和控制输入的个数（控制器输出的控制信号数量）。在我们这个SISO系统里，都是一。

hinfsyn在后台实际上会执行一套非常成熟的迭代算法——gamma迭代，逐步缩小闭环系统的H∞范数上界，直到找到满足约束的最优或者接近最优的控制器。返回值中K就是控制器传递函数，CL是闭环系统，gamma就是最终达到的性能水平。如果gamma小于1，说明加权函数配置与鲁棒稳定性、标称性能全部满足；如果gamma大于1，说明某些加权约束没有完全满足——最常见的做法是回调加权函数。

下面看一个典型计算结果，我实际跑出来的gamma大概在0.85到0.95之间，说明约束基本满足而且还有一点小裕量。这时控制器K是一个状态空间对象，你可以查看阶数：

size(K)

观测器类型控制器通常会有几阶的规模，跟广义Plant的总阶数有关。在这个入门案例中K一般是个四到六阶的传递函数，不影响仿真验证，但如果你要在真实嵌入式系统里用，就要考虑降阶，后面专门讲。

4.2 频域验证：灵敏度函数和补灵敏度函数

求解出控制器K之后，先别急着去Simulink里拉模型，第一步应该做频域验证。用sigma命令画灵敏度函数S和补灵敏度函数T的奇异值曲线，对照加权函数是否确实构成了上界约束：

S = feedback(1, G*K); T = 1 - S; sigma(S, 'b', 1/Wp, 'r--', G*K/(1+G*K)); grid on;

如果一切正常，你会看到蓝色的S曲线在低频段远低于红色的1/Wp曲线，说明低频扰动抑制性能达标。同时T曲线的高频段形状应该落在Wt约束附近，保证鲁棒稳定性。如果没达标，回头调整加权函数，这一步多看几次，你对H∞的理解会比闷头改参数强得多。

在这步我特别提醒一点：幅度裕度、相位裕度这些经典指标虽然没有直接出现在H∞框架里，但你完全可以从开环传递函数GK的bode图读出这些信息。我自己判断控制器“可接受”的标准是：开环幅值穿越频率附近的相位裕度不低于40度，并且闭环系统的阶跃响应没有明显的哨声振荡。这些都验证过了再往下走。

5. Simulink建模与仿真验证

5.1 搭建闭环系统模型

控制器求解完成后进入Simulink验证。新建一个空白模型，加入Step信号源作为参考输入，Sum模块做误差比较，控制器K用State-Space模块导入，被控对象G也用State-Space模块。把工作区变量直接在模块参数里写为K和G的A、B、C、D矩阵即可：

K_ss = ss(K); G_ss = ss(G);

由于H∞设计本身考虑的扰动是线性叠加，我们在Simulink里还可以增加一个扰动注入点：在对象输入端叠加一个Signal Builder或者正弦信号模拟外部扰动，在对象输出端叠加一个测量噪声源模拟传感器噪声。这样一来，整个仿真模型就完整复现了广义Plant里的场景：参考跟踪、干扰抑制、噪声抑制同时验证。

连线顺序：Step信号输出接到Sum1正输入端，Sum1输出作为误差e给到K_ss，K_ss输出经过一个饱和模块（模拟执行器限幅）加到Sum2，Sum2另一个输入是扰动信号，Sum2输出接到G_ss输入，G_ss输出接到Sum3，Sum3再叠加测量噪声，然后反馈回Sum1负输入端。

注意：H∞控制器状态空间方程会出现非零的D矩阵，这在数值上完全没问题，但要在仿真步长比较小、模型刚性较强时保持合适求解精度。Simulink用默认变步长ode45即可，除非你刻意加入快速噪声，那换ode15s可能更稳。

5.2 时域对比：H∞控制器与PID控制器的差距

仿真时间设置30秒，第1秒加参考阶跃，第5秒到第10秒施加0.5幅值的正弦扰动，第15秒后叠加高频噪声。运行模型，把输出yScope送到Matlab工作区（比如用to workspace模块或者直接“log simulation output”），再画图。

我实测结果中很典型且具有教学价值：PID控制器在标称参数下跟踪不错，扰动抑制相位滞后明显，约1.5秒才能恢复到稳态附近；H∞控制器明显更快地压制扰动，约0.3秒恢复，并且整个阶跃过程超调小很多。这个差别背后就是Wp加权函数对灵敏度函数S的低频整形效果——H∞控制器在低频段的开环增益更高，所以对外扰的闭环抑制更强。

更有价值的是不确定性对比实验。把Simulink中被控对象的k参数从2改成1.4和2.6两个极端值，分别再跑一次。PID控制器的响应会出现明显的振荡加剧甚至发散迹象；而H∞控制器在三种情况下响应形状差别不大，稳定性和性能都保持得很好。把这三种情况的曲线叠在一张图里，就是鲁棒控制最直观的成果展示，这个图放进毕设、汇报里都很有说服力。

5.3 模型不确定性下的蒙特卡洛验证

除了手动改两个极端参数，我强烈建议在Simulink里做一个参数采样批处理验证。Controller和Gain模块参数用变量，在外面用循环设置不同k值反复仿真，收集响应曲线。这个操作本质上是在复现鲁棒性分析里的usample步骤，只不过放到了含测量噪声和饱和的完整Simulink模型中。

k_values = linspace(1.4, 2.6, 10); for i = 1:length(k_values) k_now = k_values(i); sim('hinf_demo_model'); y_all(:, i) = logsout_y.Data; end plot(t_out, y_all);

这样的蒙特卡洛验证你会看到：在±30%参数摄动范围内，闭环系统全部稳定，并且超调量保持在预期范围内。这比任何单点仿真都更能说明鲁棒控制的工程价值。需要提醒一下，Simulink里用循环跑仿真时，确保模型参数被正确刷新，最好在set_param调用前用assignin把k_now写入基础工作区。

6. 常见问题与排查技巧实录

6.1 求解失败或者gamma过大怎么办

新手跑hinfsyn最常遇到的问题就是gamma远大于1，甚至直接报“FAILURE”。这时候别急着调参数，先按下面顺序排查：第一，检查广义Plant是否可稳定可检测，特别是加权函数Wp的分子分母有不稳定对消吗？第二，检查Wu是否过小导致控制量设计无约束，gamma很可能飙高；第三，检查Wp带宽是否设置得过高，超出了被控对象的能力范围。

如果gamma略大于1，比如1.1或1.2，你可以接受的——这意味着实际性能只比目标差了20%左右。这时候不需要强行让gamma压到1以下，因为代价往往是控制器阶数显著上升、高频增益变得很大、鲁棒稳定性恶化。只要频域验证里S曲线在关键频段还是低于Wp的，就可以继续用。

如果报错“infeasible problem”，大概率是广义Plant的连接方式有问题，或者某些输入输出维度不匹配。回头逐行检查augw的输入输出数量，以及hinfsyn参数nmeas和ncont是否与实际系统一致。

6.2 控制器阶数太高，工程上怎么降阶

H∞控制器在复杂对象里可能达到十几阶，这对Simulink仿真不是问题，但对嵌入式实现是灾难。入门案例里控制器阶数不高，但养成降阶意识很重要。常用的降阶办法有balanced truncation，用Matlab的balred函数实现：

Kr = balred(K, 2); % 降阶到2阶

降阶后一定要重新做频域验证和Simulink仿真，观察性能退化情况。一般来说保留主导极点、把高频动态截断，对闭环性能影响很小。有经验的工程师会降到满足性能要求的最低阶数，而不是追求“和原控制器一致”，因为降阶本身就是引入小误差，只要闭环性能仍然达标就是成功的。

在工程实际里，控制器最终还是要离散化成数字实现。用c2d按执行器采样时间离散化，比如：

Ts = 0.01; Kd = c2d(K, Ts, 'tustin');

6.3 加权函数调试的通用调参套路

加权函数没有万能参数，但有可以遵循的调试顺序。我的习惯是先固定Wt（它由模型不确定性决定，是物理事实），再调Wp和Wu的增益搭配。先用较低的性能目标（Wp低频增益低一点）求出稳定解，然后逐步提高Wp的低频增益，观察gamma的变化和控制量响应，在“性能提升收益明显”和“控制量恶化明显”之间取平衡点。这个迭代过程通常两三轮就能收敛。

经常有人问我“Wp带宽设多少合适”这类问题，答案只能从被控对象的开环频率特性里来。先画一下G的bode图，找到相位开始明显下降的频率，Wp带宽设在这个频率的1/3到1/2附近。这就是一个很实用的经验法则，能让你的初值不至于偏差太远。

7. 我在调试中最受益的几个习惯

整个案例做下来，收获最大的其实是几个看起来不起眼的习惯，这里一并分享。

频域检查永远先于时域仿真。我在Simulink里面跑之前，一定会把S、T、开环GK的bode图全部看过一遍，确认性能整形符合预期后再进入时域验证。因为频域图形像X光片，能快速定位问题——振荡的根源是相位裕度不足？低频跟踪差是灵敏度太高？这些在频域一目了然，省下大量盲调时间。

不确定性的表达要和工程实际挂钩。每次定义ureal和Wt时，都反问自己：这个不确定性边界来自哪里？温漂？老化？载荷变化？如果说不出来，那这个边界要么太保守，要么太乐观，都可能导致设计失败。鲁棒控制不是把不确定性设大就完事，它逼着你去理解系统。

模型验证永远保留一套“最恶劣情况”的检查。我在Simulink里总保留一组k=2.6、扰动幅度加大、测量噪声加强的参数组合，作为压力测试。如果H∞控制器在压力测试下还能保持稳定，我才真正放心把结果用于后续设计。

最后说一句，H∞鲁棒控制入门的关键不是数学推导，而是把“加权函数表达工程需求”这件事练熟。把这个案例完整跑通之后，你可以试着自己换不同的被控对象——比如四旋翼的姿态环、DC电机的速度环、或者温度控制系统——你会发现方法论完全一致，变的只是被控对象模型和加权函数的形状。这就是鲁棒控制最吸引人的地方：一套方法，解决一类问题。希望这篇分享能帮你迈过入门这道坎。