企业官网建设流程全解析

简介：一个基于MMG模型的船舶运动控制学习与仿真项目，面向船舶工程、海洋工程及相关专业的初学者和研究人员，用于理解船舶六自由度运动规律及控制策略设计。包内共28个文件，以JavaScript、HTML、CSS前端文件配合Python仿真脚本为主，另有SVG图标、Markdown说明文档及字体文件，整体大小仅459KB，结构轻量，便于直接运行与修改。项目可动态展示不同风浪、流速、舵角、载荷等参数下的船舶运动状态，帮助学习者直观掌握MMG多模型生成技术的核心思想。内容包含MMG模型源代码、船体参数与水力系数配置、多场景仿真脚本、运动结果数据以及可视化界面，可支持从建模到控制的完整实践流程。目前已有901人学习下载，适合希望结合仿真直观理解船舶运动控制、开展课程设计或初步科研探索的用户。

1. 为什么要盯住 ship_mmg-master 这个包

做船舶运动控制的人，手里大概率都攒过几个仿真工程。ship_mmg-master 这类以 MMG 模型为核心的工程包，解决的是一类很具体的问题：在写控制算法之前，先有一个能真实反映船舶操纵特性的被控对象模型。它把船体、螺旋桨、舵三者的力分开建模，再合成到船舶的动力学方程里，用来做回转试验、Z 形试验仿真，或者作为控制器设计的验证平台。

这个标题之所以值得拆开看，是因为 MMG 模型和简单的整体型模型不一样：它不是把船舶当成一个黑匣子拟合响应，而是把力拆开、逐项算，改螺旋桨参数就只影响螺旋桨力的部分，这对做运动控制的人极其友好。你需要预测操舵响应、设计航向控制器、验证路径跟踪算法，都能在这个框架里找到对应的力分量。本文从模型结构、工程实现、参数处理到避坑经验，按一套可复现的路线说到位。

2. MMG 模型的力该怎么拆：从分离式建模到工程可算

2.1 为什么运动控制场景普遍选 MMG 而不是整体型模型

船舶运动控制里常用的数学模型大致分两派：整体型（如 Nomoto 模型）和分离型（MMG 模型）。Nomoto 直接用一阶或二阶传递函数描述舵角到艏摇角速度的响应，参数少、辨识容易，做简单航向控制器够用，但一旦涉及变速、倒车、大舵角机动，它就露馅了——因为它把螺旋桨推力、舵力、船体力全部揉在一起，物理意义模糊，改一个参数牵一发动全身。

MMG 模型的全称是 Maneuvering Modeling Group，起源于日本，核心思想是"分离"。把作用在船上的力分成三类：

• 船体力：裸船体在流体中运动时受到的力，包括惯性力和粘性力
• 螺旋桨力：桨转动产生的推力、横向力、艏摇力矩
• 舵力：舵在水中偏转产生的升力、阻力及其对船体的作用

有了这种拆法，改螺旋桨直径就只需要换螺旋桨子模型的参数，船体部分完全不动。更重要的是，MMG 模型能反映船舶在不同工况下的非线性特性——大舵角时舵力饱和、倒车时螺旋桨横向力突变、浅水窄航道中船体附加质量变化，这些都是 Nomoto 模型看不见的。对于做运动控制的人，这意味着一件事：当你设计了一个控制器，在 MMG 模型上仿真通过的方案，移植到实船上才有参考价值。

2.2 三大子模型的数学表达：每条力都对应具体的操纵运动

MMG 模型的标准形式通常写在船舶坐标系下，原点取在重心或船中。以重心为原点、x 轴向船首、y 轴向右舷的右手坐标系为例，运动方程一般写成：

# 这是用于理解方程结构的伪代码，不是可执行程序 # 运动方程按 MMG 标准形式展开 # m: 船舶质量, mx/my: 附加质量, Izz: 艏摇转动惯量, Jzz: 附加转动惯量 # u/v: 纵向/横向速度, r: 艏摇角速度, X/Y/N: 纵向力/横向力/艏摇力矩 m + mx 对 u_dot 的贡献 = X_H + X_P + X_R # 船体力 + 桨力 + 舵力，纵向 m + my 对 v_dot 的贡献 = Y_H + Y_P + Y_R # 横向力合成 Izz + Jzz 对 r_dot 的贡献 = N_H + N_P + N_R # 艏摇力矩合成

实际工程里这三个方程几乎从不用伪代码形式，而是直接用数值积分。但方程结构揭示了 MMG 的核心设计：每一项力都是单独算的，最后在运动方程里相加。

船体力是三个子模型中最复杂的，因为粘性流体力学没有解析解，只能用半经验公式。常见的做法是采用井上（Inoue）等人的多项式表达式，把横向力 Y_H 和艏摇力矩 N_H 写成 v 和 r 的多项式组合：

Y_H = 0.5 * rho * L * d * U^2 * (Y_v' * v' + Y_r' * L * r' / U + ...)

其中 v' 和 r' 是无量纲化的速度，系数 Y_v'、Y_r' 来自约束模试验或经验公式。工程上有一个很关键的认知：这部分系数没法凭空算，必须依赖试验数据或者 CFD 结果，ship_mmg-master 这类工程包的价值之一，就是给了一套已经整理好的系数默认值，让你不用从零开始去查几十篇论文。

螺旋桨力相对容易。推力 X_P 用螺旋桨无因次推力系数 K_T 来计算：

# 螺旋桨推力计算的工程简化形式 # rho: 海水密度, n: 螺旋桨转速 (rps), D_P: 螺旋桨直径 # K_T: 推力系数 (由桨的敞水特性曲线给出), t: 推力减额系数 X_P = (1 - t) * rho * n**2 * D_P**4 * K_T(J)

这里的 K_T 是进速比 J 的函数，J 又跟船速和桨转速有关。K_T-J 曲线通常是敞水试验测出来的，ship_mmg-master 工程里一般会用多项式拟合或者查表插值的方式来处理这条曲线。做控制仿真的人最容易忽略这个 J 的动态特性——船舶加减速时进速比一直在变，K_T 也在变，如果在仿真里把它当常数，加速过程的推力就完全失真了。

舵力是第三个分量，也是运动控制最关心的部分。舵力本质上是水动力翼面上的升力，通常用舵的展弦比和有效攻角来计算。舵力的大小跟舵角直接相关，同时还受船体伴流和螺旋桨尾流的影响——舵正好在桨后面，桨的排出流会显著提高舵处的有效流速，这也是 MMG 模型比简单模型更准的原因之一：它显式地考虑了桨对舵的干扰。

2.3 耦合项的处理：为什么不能把三个力简单相加

把船体力、桨力、舵力分开算，不等于算完直接相加就完事。MMG 模型中存在几个关键的耦合项，这是实操时最容易犯糊涂的地方。

第一个耦合是桨对舵的整流作用。舵位于螺旋桨正后方，螺旋桨旋转产生的排出流速度和方向都跟船舶前进时的来流不一样。在 MMG 模型中，舵处的有效来流速度 u_R 通常是船舶速度 u 加上螺旋桨排出流增量，这个增量通过螺旋桨载荷系数来计算。简化经验式是 u_R = u * (1 + k * sqrt(1 + 8*K_T/pi/J^2 - 1))，其中 k 是整流系数，一般在 0.8 到 1.2 之间。

第二个耦合是船体对桨和舵的伴流效应。船体运动时会在尾部产生伴流，导致桨和舵处的实际来流速度低于船速。MMG 模型里用伴流系数 w 来修正，桨处的进速 V_A = (1 - w) * u。伴流系数不是常数，随工况变化——重载和轻载、低速和高速、直航和回转时 w 都不同，这直接影响推力和舵效的估算。

第三个耦合是横向力和艏摇力矩的相互作用。当船舶回转时，船体上的横向水动力和艏摇力矩本身是耦合的，MMG 模型靠多项式中 v 和 r 的交叉项（如 Y_vr * v * r）来体现。这一项做得好不好，直接决定了回转仿真的精度——如果交叉项系数不对，仿真出来的回转圈会明显偏大或偏小。

提示：在 MMG 仿真中，系数比方程形式更重要。同一个模型结构，换一套参数，回转直径可能相差 30% 以上。ship_mmg-master 这类工程如果给了默认参数，务必先跑通再改系数。

3. 把 ship_mmg-master 在本地跑起来：从读代码到复现仿真

3.1 工程文件的组织逻辑：先认清哪段代码是干嘛的

一个 MATLAB/Simulink 版的 ship_mmg-master 工程，通常不复杂，但结构往往不是一眼能看懂的。常见做法是把模型、参数、仿真脚本拆开：

• 参数文件：集中存放船型参数、螺旋桨参数、舵参数、水动力导数
• 模型函数文件：实现 MMG 微分方程的核心函数，输入是状态量和控制量，输出是状态导数
• 仿真脚本：设置工况、调用积分器、保存并绘图结果

这种拆法是有道理的。改船型参数不需要碰模型代码，换一个船型就是改一个参数文件。做运动控制的人应该格外珍惜这种结构——你写控制器的时候不想动 MMG 模型本身，只需要在仿真脚本里把控制器的输出接到模型的控制输入上。

要快速上手，第一步是梳理数据流。找个编辑器打开核心模型函数，看看它接收的输入是什么。一般会接收到状态量（u、v、r、x、y、psi）和控制量（舵角 delta、螺旋桨转速 n），输出是状态量的导数。找到这个接口，你就找到了自己和模型打交道的位置——控制器输出的舵角最终就是送到这里的。

3.2 最小跑通流程：一套实用的完整操作序列

以下是以 MATLAB 环境为例的典型跑通流程。用 Windows 或 Linux 都无所谓，关键是把流程走完。

先看参数文件里定义了什么。典型的参数文件长这样：

% ship_parameters.m - 船型与水动力参数定义 % 以某集装箱船为原型，船长 Lpp = 175m，排水量 m = 19800t Lpp = 175.0; % 两柱间长 [m] B = 25.4; % 型宽 [m] d = 8.5; % 设计吃水 [m] m = 19800e3; % 排水质量 [kg] rho = 1025.0; % 海水密度 [kg/m^3] % 附加质量与附加转动惯量 (经验公式估算) mx = 0.04 * m; % 纵向附加质量 my = 0.20 * m; % 横向附加质量 (集装箱船典型范围 0.2~0.3) Izz = m * (0.25 * Lpp)^2; % 艏摇转动惯量 Jzz = 0.10 * Izz; % 艏摇附加转动惯量 % 螺旋桨参数 D_P = 6.1; % 螺旋桨直径 [m] P_D = 1.0; % 螺距比 t = 0.20; % 推力减额系数 w_P = 0.22; % 桨处伴流系数

这段参数文件展示了一个关键工程习惯：每个参数后面带注释和来源说明。这里的 mx 和 my 是经验估算值，不是从 CFD 或试验来的——对于初步仿真验证已经够用，但要做高精度预报就必须换用约束模试验数据。

接着写一个初始化脚本，把所有参数加载到工作区，并设置仿真初始状态：

% init_simulation.m - 加载参数并设置初始状态 run('ship_parameters.m'); % 加载船型参数 % 初始状态: 直航, 航速 7.5 m/s (约 14.6 节) u0 = 7.5; % 纵向速度 [m/s] v0 = 0.0; % 横向速度 [m/s] r0 = 0.0; % 艏摇角速度 [rad/s] x0 = 0.0; % 初始纵向位置 [m] y0 = 0.0; % 初始横向位置 [m] psi0 = 0.0; % 初始艏向角 [rad] % 控制输入: 舵角 35 度(满舵), 螺旋桨转速 1.5 rps delta0 = 35 * pi / 180; % [rad] n0 = 1.5; % [rps] % 仿真时长 T_sim = 300; % 回转试验仿真 300 秒

这里舵角从角度转弧度，是仿真中最常见的一个低级错误来源。整个流程中只要有一步忘了转换，回转仿真出来的圈就是错的，而且很难查。

然后调用核心模型函数，用 MATLAB 的 ode45 做数值积分：

% run_turning_test.m - 执行回转试验仿真 [t, X] = ode45(@(t, x) mmg_model(t, x, delta0, n0), [0 T_sim], [u0 v0 r0 x0 y0 psi0]); % 提取结果 u = X(:, 1); v = X(:, 2); r = X(:, 3); x = X(:, 4); y = X(:, 5); psi = X(:, 6); % 绘制回转轨迹 figure; plot(x, y, 'LineWidth', 1.5); axis equal; grid on; xlabel('X [m]'); ylabel('Y [m]'); title('回转试验轨迹 (35° 满舵)');

这里 ode45 是 MATLAB 默认的变步长积分器，对 MMG 这种刚性强度的方程组通常够用。如果在某些情况下仿真不稳定，可以换成 ode15s 刚性积分器，效果往往立竿见影。

核心模型函数 mmg_model 的骨架如下：

function x_dot = mmg_model(~, x, delta, n) % x = [u; v; r; x; y; psi] u = x(1); v = x(2); r = x(3); psi = x(6); % 从工作区获取参数 (工程做法: 用 global 或参数结构体) global Lpp m mx my Izz Jzz rho D_P t w_P % 计算船速和漂角 U = sqrt(u^2 + v^2); beta = atan2(-v, u); % 漂角 % 计算船体力 X_H, Y_H, N_H (采用多项式半经验公式) % 船体力系数用无量纲形式表示 % 略去长公式，实际实现时按 MMG 论文中的系数逐项展开 % 计算螺旋桨推力 X_P J = u * (1 - w_P) / (n * D_P); % 进速比 K_T = 0.5 - 0.3 * J; % 简化推力系数曲线 X_P = (1 - t) * rho * n^2 * D_P^4 * K_T; % 计算舵力 X_R, Y_R, N_R % 略去长公式: 需要计算舵处有效来流速度、舵攻角、升力系数 % 组装运动方程 u_dot = (X_H + X_P + X_R + (m + my) * v * r) / (m + mx); v_dot = (Y_H + Y_P + Y_R - (m + mx) * u * r) / (m + my); r_dot = (N_H + N_P + N_R) / (Izz + Jzz); % 大地坐标系下的位置变化率 x_dot = [u_dot; v_dot; r_dot; u * cos(psi) - v * sin(psi); u * sin(psi) + v * cos(psi); r]; end

这个骨架里的 (m + my) * v * r 和 -(m + mx) * u * r 是坐标变换产生的惯性力项，属于"必需但没有物理意义"的项。很多人第一次看到会困惑，以为自己代码写错了——这是正常现象，对它最好的理解方式是回到动量定理在旋转坐标系下的展开。

注意：全局变量在工程里是偷懒做法，但 ship_mmg-master 这类教学向工程普遍这么写。如果你要把这个模型接到自己的控制器上做联合仿真，建议把参数改成结构体传入，维护性会好很多。

3.3 从直航到回转：典型操纵性试验的仿真配置

模型跑通之后，第一件值得做的事是复现操纵性标准试验。最常用的是回转试验和 Z 形试验。

回转试验的配置很简单：直航到稳定速度后，突然打满舵（通常 35 度）并保持不变，记录船舶轨迹直到艏向变化 540 度或时间到限。重点关注的结果有定常回转直径、纵距、横距、漂角。用上一节的 run_turning_test.m 就能跑。

Z 形试验验证的是船舶的航向响应特性，标准叫法是 Kempf 试验。流程是：直航稳定后先打舵到 10 度（或 20 度），等艏向偏离初始航向达到 10 度（或 20 度）时立刻反向打舵到相反方向，等艏向在这边也达到同样角度再回舵，如此反复若干次。这个试验不是一个舵角和艏向的简单静态关系，而是考验控制器的响应——测量的是"从打舵到艏向响应"的滞后时间和超调情况。

Z 形试验在仿真里的实现需要加一个状态机，检测艏向偏差触发换舵，这是个有意思的实现细节。很多 MMG 工程包会附 Z 形试验的仿真脚本，抄下来跑一遍是理解模型动态特性的捷径。

4. 模型参数从哪里来：无量纲化、标准工况与参数初值

4.1 参数的无量纲化：看懂标准形式才能在不同船型间迁移

打开任何一个 MMG 工程，你会发现参数文件里有大量带撇号的量，比如 Y_v'、N_r'。这些是水动力导数的无量纲形式。为什么要无量纲化？因为不同尺度的船，力的量级天差地别，无量纲化之后系数才有可比性，才能在不同船型之间参考迁移。

标准无量纲化基准是 0.5 * rho * L * d * U^2（力的基准）和 0.5 * rho * L^2 * d * U^2（力矩的基准），其中 L 是船长、d 是吃水、U 是船速。线性速度 v、角速度 r 分别用 U 和 U/L 归一化。做运动控制的人不一定要深入水动力细节，但读懂无量纲参数是必须的——因为大部分公开文献和试验数据都只给无量纲系数。

船舶运动控制里的经典水动力导数参考值值得烂熟于心：

• Y_v'：横漂速度导数，通常在 -0.3 到 -0.5 之间，负号代表横漂时产生恢复力
• N_r'：艏摇阻尼导数，通常在 -0.05 到 -0.15 之间，负号代表阻尼
• Y_r' 和 N_v'：交叉耦合导数，它们的相对大小决定了船舶的航向稳定性

用一个工程经验来判断船舶航向稳定性：N_v' / Y_r' 的符号和大小关系很关键。如果 N_v' 为正（横漂产生使艏向偏离的力矩），船就容易航向不稳定。集装箱船和油轮在这方面的表现完全不同，这也是为什么控制器设计必须针对具体船型做——同一个控制器换一条船就必须重新整定参数。

4.2 参数初值的工程来源：经验公式、数据库与缩比模型

手上没有约束模试验数据怎么办？四条路可以走。

第一条是经验公式。比如附加质量可以用元良（Motora）图谱或回归公式估算，船体线性水动力导数可以用 Clarke 回归公式，这些公式只需要船长、吃水、方形系数等基本船型参数。精度不算高但方向对，适合做控制算法验证，不适合做高精度操纵预报。

第二条是公开数据库。很多年前日本 MMG 研究组发布过系列船模的试验数据参数，这些数据被广泛用于验证标准操纵性仿真。ship_mmg-master 这类工程如果带了多条船的参数文件，通常就属于这一类。拿到这些参数后，先跑一遍回转试验，并跟实验值对比，如果差距超过 20%，就要检查参数录入是否出错。

第三条是缩比模型试验。这是最准的路，但成本高、周期长。如果项目到了需要精确预报的阶段，委托船池做 PMM（平面运动机构）试验是标准做法。

第四条是 CFD 计算。用 RANS 求解器算约束模，可以替代试验获取水动力导数。近年来这条路越来越便宜，但网格和湍流模型的设置直接影响结果精度，需要验证过 CFD 方法本身可信，否则算出来的参数还不如经验公式靠谱——这是很多工程翻车的根源。

# 一个快速估算线性水动力导数的示例 (基于 Clarke 回归公式) # 输入: 船长 Lpp, 船宽 B, 吃水 d, 方形系数 Cb # 输出: 无量纲水动力导数 (用于 MMG 模型) import math def clarke_derivatives(Lpp, B, d, Cb): # 船体主要几何参数 L_over_B = Lpp / B B_over_d = B / d # 回归公式系数 (来自 Clarke et al., 1982) Y_v = math.pi * (d / Lpp) * (1 + 0.4 * Cb * B / d) Y_r = math.pi * (d / Lpp) * (0.5 + 2.0 * Cb * B / d) N_v = math.pi * (d / Lpp) * (0.25 + 1.2 * Cb * B / d) N_r = math.pi * (d / Lpp) * (0.5 + 1.5 * Cb * B / d) return {'Y_v': -Y_v, 'Y_r': -Y_r, 'N_v': N_v, 'N_r': -N_r}

这段实现来自公开文献中的经验公式，具体系数在不同论文里略有差异。用的时候要留意适用范围——这个公式主要针对常规单体船型，双体船或者非常规船型套上去会严重偏离。

4.3 初始状态的选择：从直航稳态开始仿真的必要性

MMG 仿真最常见的错误之一是从零速度直接开始跑。船舶从静止到稳定的过程涉及复杂的螺旋桨启动瞬态、船体加速和伴流变化，如果你对船舶运动控制感兴趣而不是对操纵性细节感兴趣，这个阶段会掩盖你要观察的现象。

正确做法是先把船舶加速到目标航速，等速度基本稳定后再施加控制输入。在仿真里实现有两种方式：

一种是最简单的间接法：初始速度设为目标值 u_target，v 和 r 设为零，然后直接打舵。这种做法会有轻微的系统初始振荡，但 MMG 模型的阻尼够大，通常一两分钟内就能收敛到稳定状态，对结果影响有限。

另一种是显式加速法：先让模型在零舵角下自由加速仿真 200 到 500 秒，直到速度收敛到定常直航速度，再用这个状态作为后续试验的初始状态。以下是典型实现：

% 先跑直航加速阶段 delta0 = 0; n0 = 1.5; % 零舵角, 定速 [t_acc, X_acc] = ode45(@(t, x) mmg_model(t, x, delta0, n0), [0 400], [0.1; 0; 0; 0; 0; 0]); % 取末状态作为回转试验的初始状态 u0 = X_acc(end, 1); v0 = X_acc(end, 2); r0 = X_acc(end, 3); x0 = X_acc(end, 4); y0 = X_acc(end, 5); psi0 = X_acc(end, 6);

用末状态当初始状态的做法有一个额外好处：它把推进力、船体阻力、舵力之间的平衡值代入了初始条件，比你手算的"理论平衡航速"准得多。船舶运动控制工程师应该把这个当成标准流程——控制器输入的舵角和转速也是在某个稳态工作点附近叠加的。

5. 避坑与常见问题：MMG 仿真的高频翻车点

5.1 角度单位混乱导致回转圈异常变形

现象：仿真跑出来的回转轨迹不是标准圆弧，而是螺旋线或者方向反了；或者同样的参数和舵角，左右回转直径明显不对称，但实船试验结果并非如此。

原因：九成是角度单位问题。MMG 模型内部的角度计算统一使用弧度，而工程上习惯用度。一处漏转弧度，舵角输入小了 57.3 倍，回转直径自然大了几十倍。另一种更隐蔽的情况是 atan2 计算的漂角符号和坐标系定义不一致，导致横向力方向反了。

解决：所有舵角输入在进入模型函数前统一转弧度；所有 atan2 返回的角度复核坐标系定义。写一个 unit test，输入零舵角，检查仿真是否保持直线航行——如果直线航行时横向位移明显漂移，大概率是漂角符号错了。

5.2 附加质量参数不匹配导致高速仿真发散

现象：低速直航仿真正常，一旦跑高速回转，v 和 r 发散，数值解不稳定。

原因：MMG 运动方程左侧有 (m + mx) 和 (m + my)，这些值在方程里作分母。如果 mx 或 my 取太小甚至为负，某些状态下方程就接近奇异，数值积分直接爆掉。另一个常见原因是指标过大的刚性方程，ODE45 变步长处理不了时就会报错。

解决：先确认附加质量为正且量级合理（通常 mx 是排水量的 3% 到 8%，my 是排水量的 15% 到 30%，取决于船型和吃水比）。然后把积分器从 ode45 换成 ode15s。最后检查状态变量单位一致——曾见过 v 的单位写成了 km/h 而非 m/s，导致 v 比 u 大几十倍，系统直接失衡。

5.3 伴流系数把推力算错方向

现象：打舵后仿真显示船舶不加速反而减速，或者倒车工况下螺旋桨力方向不对。

原因：伴流系数 w 和推力减额系数 t 的正确取值范围取决于工况。直航时 w 通常在 0.2 到 0.4 之间，倒车时伴流场完全改变，推进器工况进入另外一个象限。很多简化 MMG 工程只在正车工况下标定参数，直接套用到倒车仿真必然出错。

解决：如果工程包支持四象限螺旋桨特性（正车前进、正车后退、倒车前进、倒车后退），优先使用四象限数据。如果没有，在仿真脚本中明确限定工况范围，标注"本模型仅适用于正车工况"，不做倒车仿真。控制算法如果涉及倒车，需要单独处理或更换模型。

5.4 静水假设与现实环境差异

现象：仿真曲线非常漂亮，但跟实船海试数据对比总是差了关键的一截，特别是转艏速率（rate of turn）和舵效。

原因：MMG 模型默认在静水无风无流环境中运行，而实船试验必然有环境扰动。最重要的是流的作用——均匀流不改变船舶相对水的速度但改变大地坐标下的轨迹，而剪切流和涡流则改变受力。风对水面船的影响也很可观，尤其对集装箱船这种高干舷船型。

解决：在做控制器验证时，把真实海况当成额外的扰动输入来处理。模型输出的是相对水速度，轨迹计算时才加入流速。这样环境扰动和船舶响应就分开了。仿真结果对比实船数据时，务必记录当时的海况参数，否则对比没有意义。

5.5 滤波参数和采样时间的关系没匹配

现象：控制器在仿真中性能極佳，转移到了实际系统却失控。做运动控制仿真的工程师迟早会遇到这个。

原因：仿真里控制器和模型都在同一时间基准上运行，采样延迟和数据噪声都被理想化了。MMG 模型提供的是连续时间动力学，但实际的船载传感器（电罗经、GPS、计程仪）都有采样周期和噪声，控制器的输出还有饱和限制。

解决：在仿真层面提前引入这些限制——控制输出加饱和函数（舵角限幅 ±35 度、舵速限幅）、传感器模型加白噪声和量化噪声。这样跑通的控制算法才具备鲁棒性的基本保障。真实系统翻车的原因里面，控制输出饱和没建模是比模型误差更常见的杀手。

6. 把 MMG 模型接到自己的控制器上：运动控制视角的延伸操作

6.1 在 Simulink 中封装 MMG 模型作为被控对象

如果团队习惯用 Simulink 做运动控制算法开发，可以把 MMG 模型封装成一个 S-Function 或者 MATLAB Function 块。关键设计是控制输入和控制输出的接口分离：被控对象接收舵角指令 delta 和转速指令 n，输出船舶状态。

接口建议做成结构体的形式，而不是一堆散落的端口。多出来的好处是，后续换船型参数、换工况脚本，都不需要改动 Simulink 模型本身。实际工程中我曾被这个细节救过很多次——换船型不让控制工程师改主电路的接线。

以下是一个典型 Simulink 封装的接口规范：

# 接口描述：MMG 模型块的输入输出 # 输入端口 1: 舵角指令 [rad]，标量 # 输入端口 2: 螺旋桨转速 [rps]，标量 # 输出端口 1: 状态向量 [u, v, r, x, y, psi]，6 维向量 # 输出端口 2: 附加观测 [U, beta, drift_angle]，用于控制器逻辑

6.2 用仿真验证航向控制器的三种递进测试

模型跑通之后，控制器的验证不应该只按一种工况测试。我一般会做三层递进测试，每一层都比上一层更接近真实系统。

第一层是扰动响应测试：直航状态施加一个阶跃扰动，观察控制器能否把艏向拉回设定值。这层测试验证的是基本稳定性。

第二层是设定值跟踪测试：给定一系列航向指令（如从 0 度转到 30 度、再从 30 度转到 -20 度），观察跟踪误差和超调量。这层测试看重的是响应品质，直接对应实船的操舵手感。

第三层是环境扰动测试：在模型中叠加风、流和波浪干扰力矩，观察控制器在持续扰动下的表现。干扰力矩的幅值和频率应有工程依据——参考实船海试数据或者公开文献推荐的扰动模型参数。

用 MMG 模型做第三层测试，比用 Nomoto 模型有价值得多。因为 MMG 模型能反映不同漂角下的受力变化，而 Nomoto 模型认为船舶响应跟工况无关。我在实际项目中遇到过：同一个 PID 控制器，Nomoto 模型上闭环稳定，MMG 模型上一到大风浪工况就极限环振荡——这就是被控对象非线性特性真实的反映。

6.3 模型验证的三个硬指标

控制器接上 MMG 模型之后，必须做一个模型自身的验证，否则后续所有控制结论都建立在不稳定的地基上。三个硬指标是：平衡状态一致性、操纵性指标对比和岸距仿真。

平衡状态一致性：零舵角、定转速下，模型达到的直航稳定速度和实际试航报告值必须接近，误差一般不能超过 5%。如果偏差过大，回头看螺旋桨推力和船体阻力的平衡点。

操纵性指标对比：一阶回转试验的定常回转直径、纵距、横距要和实船海试数据或船模试验数据对比，误差在 20% 以内是工程可接受范围。超过这个范围就要重点检查船体力多项式和舵力模型。

岸距仿真：做一个虚拟的狭窄航道航行情景，手动操舵走一条航线，看模型给出的轨迹是否符合直觉。这项测试看起来不够"科学"，但往往能最快地暴露模型中的逻辑错误。

6.4 参数会不会太多？该不该做参数简化

MMG 模型参数动辄几十个，遇到没有试验数据的情况就很尴尬。一种工程化的简化做法是：在 MMG 模型的基础上做降阶近似——保持模型结构不变、把弱敏感的参数设成零或者固定值。例如在线性控制设计时，把非线性水动力项砍掉，只保留线性项，得到的模型仍然能用于控制器初步设计。

这个取舍要有意识：牺牲的是大舵角和变速工况的精度，换来的是一套可以进行线性控制设计的简化被控对象。在控制器从设计到落地的过程中，先用简化模型做初步整定，再用完整 MMG 模型做最终验证，是投入产出比很高的路。

最后说一个我自己的习惯：每次在新项目里接手 MGG 模型相关的工程包，我都会先跑一遍自带的标准试验仿真，绘制轨迹和关键状态曲线，确认这套模型在自己电脑上的行为正常，再往里加自己的东西。别贪快跳过这一步，跳过的代价是花了几天时间才发现模型里有个隐藏的 bug，所有控制器的结果需要推翻重来。希望这套流程能帮你把模型接到自己的工程里时少走些弯路，早日跑通自己的第一版仿真。

本文还有配套的精品资源，点击获取