简介：压缩包内包含一套分数阶滑模控制（FOSMC）算法在MATLAB/Simulink环境下的完整实现，面向控制工程方向的研究者、研究生及工程师，可用于非线性、时变与不确定性系统的控制器设计和仿真验证。算法融合分数阶微积分的记忆特性和滑模控制的鲁棒性，通过滑动表面与切换函数设计抑制抖振，并引入模糊、饱和函数等平滑策略。资源共24个文件，含12个m脚本（运动学、动力学、轨迹规划、误差计算与绘图）、10个png仿真结果图，以及mdl和slx两套Simulink模型文件，包体仅315KB，结构紧凑清晰。已有811人学习/下载。借助这些代码与模型，读者可快速复现多种控制场景，理解参数整定与动态响应，并在此基础上扩展自定义的控制方案。

1. 分数阶滑模控制：为什么这份 MATLAB/Simulink 资源值得跑一遍

做分数阶滑模控制算法仿真时，MATLAB 与 Simulink 的组合几乎是最顺手的验证环境。之前我接手过一套电机位置跟踪模型，整数阶滑模控制增益一调高，控制量抖振就爆炸；调低又跟不上给定信号，来来回回折腾一周没结果。后来换成把分数阶微分算子放进滑模面，抖振幅度降了一个量级，超调也压了下来。这份资源解决的就是这件事：用 Simulink 把分数阶滑模从公式变成可复现的仿真模型。它适合两类人——做课程设计或论文仿真、需要对比整阶与分数阶效果的研究者，以及想在实际被控对象上验证新算法的工程师。资源不复杂，但参数之间耦合很深，下面按我拆模型的经验把原理、搭建、整定和坑一次说清。

2. 分数阶算子进 Simulink：Oustaloup 逼近与滑模面设计

2.1 为什么控制仿真里常用频域近似

分数阶微积分在数学上有多种定义，控制领域最常见的是 Caputo 型，它对整数阶初值友好。但在 Simulink 里你几乎不会直接去实现 Caputo 定义的微积分方程，因为它本质上是卷积记忆，需要存过去所有时刻的系统状态。工程上更常用的做法是频域近似：把 s^α 用一个高阶有理传递函数去逼近，然后当成普通传函拉进 Simulink。这就是 Oustaloup 滤波器的思路。

Oustaloup 近似的核心形式是：

s^α ≈ K · Πᵏ⁼¹ᴺ (s + ω'_k) / (s + ω_k)

其中 ω'_k 和 ω_k 分别是零点和极点，按几何分布插入拟合频段 [ω_l, ω_h]。K 由 ω_h^α 以及零极点位置共同决定。N 是滤波器阶数，N 越大拟合越准，但 Simulink 模型里的状态数也越多，仿真越慢。我一般把 N 设在 6 到 10 之间，低于 5 时高频段相位误差会明显影响滑模面。

2.2 Oustaloup 滤波器的可运行实现

我拆模型时习惯先把这个函数放到独立脚本里，模型里所有分数阶模块都引用它输出的 tf 对象。下面这段是我常用的版本，可直接存成 oustaloup.m：

function Gl = oustaloup(alpha, wb, wh, N) % alpha: 分数阶阶次，取 [-1,1] 之间，控制里常用 0.3~0.9 % wb: 拟合频段下限，rad/s % wh: 拟合频段上限，rad/s % N: 滤波器阶数，6~10 之间，越大拟合越准但模型越重 K = wh^alpha; zc = zeros(N,1); pc = zeros(N,1); for k = 1:N zc(k) = wb * (wh/wb)^((2*k-1-alpha)/(2*N)); pc(k) = wb * (wh/wb)^((2*k-1+alpha)/(2*N)); end num = poly(-zc); % 零点因子展开后的分子多项式 den = poly(-pc); % 极点因子展开后的分母多项式 Gl = K * tf(num, den); end

这段代码里最关键的是 zc(k) 和 pc(k) 的指数分布规律。alpha 出现在指数的分子上，零点指数是 2k-1-alpha，极点指数是 2k-1+alpha，这样保证零点和极点交替分布，相位在拟合频段内近似恒定。K 直接用 wh^alpha 做初步增益，再配合 num 和 den 的多项式系数，最终幅频特性在 ω_l 到 ω_h 之间是一条斜率接近 -20α dB/dec 的直线。

调用时注意：wb 不要设成 0.001 这种极端低值，否则滤波器会在极低频段引入额外积分效应；wh 也不要超过被控对象感兴趣频率的 100 倍，否则高频噪声会被控制器放大。常见做法是 wb 取被控对象穿越频率的 1/10，wh 取穿越频率的 50 到 100 倍。

2.3 滑模面选型：D^α e 比 ė 多给了什么

传统的整数阶滑模面写成 s = ė + λe，它只对误差的变化率起作用。分数阶滑模面常见形式是：

s = D^α e + λe + β ∫e

这里 α 在 0 到 1 之间。对比之下，D^α e 相当于对误差做一个“部分微分、部分积分”的折中：α 接近 1 时它接近纯微分，高频响应快；α 接近 0 时它接近比例项，抗噪能力强。这个额外的自由度就是分数阶滑模对付抖振的主要工具。

我之前在模型里实测过：整阶滑模把 λ 从 8 提到 12 时，收敛是快了，但控制量毛刺从 ±0.3 涨到 ±0.8；分数阶滑模保持 λ = 8，把 α 从 0.5 调到 0.8，收敛速度接近 λ=12 的效果，而控制量毛刺只涨到 ±0.45。这就是 α 的价值——不靠增加比例增益去追收敛，而是让误差通道本身带一个相位超前。滑模趋近律我用的是带边界层的指数趋近律：

ṡ = -ε·sat(s/φ) - q·s

sat 是饱和函数，φ 是边界层厚度。只要 s 在边界层内，切换项就变成线性比例，抖振源头被压住；s 在边界层外时依然保持强切换，保证鲁棒性。

3. Simulink 模型搭建：从 LTI 滤波器到控制器函数块

3.1 顶层结构：误差三通道并联

打开 Simulink 新建模型后，先搭顶层结构。被控对象我用一个典型的电机位置模型：1/(Js² + bs)，J 取 0.02，b 取 0.1。给定信号用阶跃或斜坡，反馈回来求误差 e。

误差 e 出来后分三路：第一路直接进 LTI System 块，系统参数填 Gl——注意这里填的是变量名 Gl，不是 tf 对象字符串。第二路接一个积分器，输出 ∫e。第三路直接连一根信号线，输出 e 本身。三路分别乘以 β、λ、以及系数 1，再加到一起就是滑模面 s。

LTI System 块是处理分数阶算子的关键。不要用 Simulink 自带的 Derivative 块去算 D^α e，后面避坑章节会细说。Oustaloup 滤波器本质是个 N 阶连续传函，放进 LTI System 块后 Simulink 会把它展开成状态空间方程，和普通传函块的求解方式没有区别。我在模型里把 LTI System 块起名为 Gl，方便 init 脚本里直接更新。

被控对象后面加一个扰动注入点，用 Signal Generator 生成幅值 2、频率 5 rad/s 的正弦波，叠加在控制量上。这一步很重要——分数阶滑模的抗扰能力只有在扰动存在时才能体现出来。

3.2 控制器核心：MATLAB Function 里的滑模趋近律

滑模面 s 进入控制器。控制器用 MATLAB Function 块实现，双击后在编辑器里写如下代码：

function u = fsmc_controller(s, phi, epslon, q, u_max) % 分数阶滑模控制器本体 % s: 滑模面，来自误差通道三个分量的线性组合 % phi: 边界层厚度，抖振与精度的折中参数 % epslon: 等速趋近增益，决定抗扰强度 % q: 指数趋近增益，决定趋近滑模面的速度 if abs(s) > phi u = -epslon * sign(s) - q * s; else u = -epslon * (s / phi) - q * s; end if u > u_max u = u_max; elseif u < -u_max u = -u_max; end end

代码逻辑分三段：第一段判断 s 是否在边界层外，是则用 sign 切换，保证快速趋近；第二段处理边界层内部，把 sign(s) 替换成 s/φ，变成一个高增益比例，避免切换毛刺；第三段做执行器限幅，u_max 设 10。

里两个参数需要单独说明：epslon 不是越大越好，它直接对抗外部扰动幅值。扰动幅值是 2 时，epslon 取 0.5 够用；如果扰动加载到 5，epslon 就得提到 1.2 左右。q 则决定趋近速度，q 太小时 s 收敛慢，太大会让控制量在趋近段就饱和，一般取 λ 的 1.2 到 1.5 倍。

3.3 初始化脚本把所有参数钉在基础工作区

Simulink 模型里所有参数都用变量名，不直接填数字。我习惯写一个 init_fsmc.m 脚本，每次打开模型先运行它：

%% 分数阶滑模控制仿真初始化脚本 % 先清掉旧变量，避免上一次调试残留的滤波器混入当前模型 clear all; close all; clc; % 被控对象与给定信号 J = 0.02; b = 0.1; Plant = tf(1, [J, b, 0]); % 电机位置对象 t_end = 5; % 仿真时长 % 分数阶滑模面参数 alpha = 0.7; % 分数阶阶次，先不要超过 1 lambda = 8; % 滑模面误差项增益 beta = 1.5; % 积分项增益，消稳态误差用 % 趋近律参数 phi = 0.05; % 边界层厚度，初始从 0.05 试 epslon = 0.5; % 等速趋近增益 q = 10; % 指数趋近增益 % Oustaloup 滤波器参数 wb = 0.1; wh = 200; N = 8; Gl = oustaloup(alpha, wb, wh, N); % 重建分数阶滤波器 % 求解器统一配置，防止手动误改步长 set_param('fsmc_model/Solver', 'SolverType', 'Variable-step'); set_param('fsmc_model/Solver', 'SolverName', 'ode45'); set_param('fsmc_model/Solver', 'MaxStep', '0.001');

set_param 这里的作用是强制把求解器固定下来。变步长 ode45 配合 MaxStep 0.001，是我在这类连续模型上试过最稳的组合。MaxStep 不设的话，Simulink 在信号突变时会自动缩小步长，但滑模面切换阶段可能把步长缩到 1e-7，仿真速度慢到难以接受；设成 0.001 后，边界层内的线性段有足够采样点，仿真速度也正常。

注意 set_param 里模型名是 fsmc_model，如果你的模型另起了名字，第一行要把模型名同步改掉。模型内所有参数对话框里填的都是变量名，比如增益块填 lambda，积分器初值填 0，LTI System 块填 Gl。这样做的好处是扫参时只需要改脚本，不碰模型 UI。

4. 参数整定次序：先滤波频段，再滑模面，最后趋近律

4.1 参数映射表与初始值

这套模型参数之间不是独立的。下表是我在电机对象上调试时记录的初始值和建议调整范围：

整定顺序有讲究。我容易犯的错是一上来就调 alpha 和 lambda，结果两个参数互相掩盖问题。正确次序是：先把 Oustaloup 拟合频段钉死，确认 D^α e 的幅频特性在系统穿越频率附近是正确的，再去动滑模面，最后调趋近律。顺序反了，你会花一晚上在两个参数之间反复横跳。

4.2 扫参脚本：把调参变成批量对比

手动改参数跑仿真效率太低。我用一个扫参脚本批量跑 alpha：

% 扫参对比脚本：批量对比 alpha 对 ITAE 的影响 alpha_list = [0.3, 0.5, 0.7, 0.9]; itae = zeros(length(alpha_list), 1); for idx = 1:length(alpha_list) alpha = alpha_list(idx); Gl = oustaloup(alpha, wb, wh, N); % 重建滤波器，覆盖基础工作区变量 simOut = sim('fsmc_model', 'StopTime', num2str(t_end)); e = simOut.logsout.getElement('e'); t = e.Values.Time; edata = e.Values.Data; itae(idx) = trapz(t, abs(edata) .* t); % ITAE: 时间加权绝对误差积分 end plot(alpha_list, itae, 'o-'); grid on;

脚本的核心是循环里重建 Gl，因为模型里的 LTI System 块引用的是基础工作区变量 Gl，每次 sim 前更新它，模型就会用新的滤波器跑一遍。ITAE 比普通积分误差更能反映跟踪性能，因为它给后期的误差更高的权重，能暴露“看似收敛但还差一点”的问题。

跑完之后你会看到 alpha 从 0.3 到 0.7 时 ITAE 明显下降，0.7 到 0.9 时下降变缓，甚至开始回升。这就是整定停止的信号：继续加大 alpha 只会增加高频噪声传播，性能收益已经饱和。

4.3 两条整定直觉，帮你少走弯路

第一条直觉：lambda 和 alpha 在滑模面里互相补充。lambda 决定 s 收敛到零的速度，alpha 决定误差通道自身的相位特性。模型对阶跃信号跟踪慢时，优先动 alpha 而非 lambda，因为 lambda 过大会把 D^α e 通道里的高频分量放大，抖振跟着上来。alpha 每次只调 0.1 的步长，观察控制量毛刺是否变大。

第二条直觉：phi 和 epslon 是抖振天平的两端。phi 调小到 0.01 以下，边界层变成摆设，epslon 的切换毛刺重新回到控制量里；phi 调大到 0.2 以上，系统退化成纯线性高增益控制，滑模的鲁棒性优势就没了。我一般让 phi 等于控制量允许抖振幅值的 5 倍左右，先跑一次仿真看 u 的毛刺，再回来定 phi。

5. 避坑清单：五个最常见的分数阶滑模仿真翻车现场

5.1 现象：控制量在 0.1 秒内冲破限幅，模型报“Simulink cannot solve”

原因：滑模面 s 在启动阶段数值巨大，控制器输出直接顶在 u_max 上，被控对象在限幅下积分饱合，仿真步长不断缩小直到无解。这不是控制器写错，而是趋近律在初始误差很大的时候没做平滑处理。

解决：把控制器里的 sign(s) 换成 sat(s/φ)，同时把 epslon 的初值降到 0.3 以下。启动阶段让系统先靠近滑模面，再加大抗扰增益。我习惯在初始化脚本里把 epslon 的默认值从 0.5 改成 0.3，等稳态曲线出来后手调到 0.5。

5.2 现象：D^α e 输出全是尖刺，控制量毛刺堪比整数阶滑模

原因：有人在误差信号后面接了一个 Derivative 块，以为导数就是 D^α e。这完全错了。Derivative 块是纯整数阶微分，频率越高增益越大，仿真数值误差和信号量化噪声都被放大；而 Oustaloup 滤波器在高频段是低通特性，两者本质不同。

解决：把 Derivative 块删掉，误差直接进 LTI System 块，系统参数填 Gl。Gl 内部已经包含 alpha 阶的微分作用，而且高频段有 N 阶低通压制，不会放大噪声。如果模型里已经放了 Derivative，把它断开后重新对比 s 波形，毛刺通常会消失。

5.3 现象：同一套参数，变步长 ode45 效果很好，固定步长 ode4 抖振翻倍

原因：变步长求解器在 s 穿越边界层时会自动加密采样，固定步长 ode4 在步长 1ms 下，s 每次穿越边界层都可能是几倍于 φ 的跳变，边界层内部的线性化段几乎没有生效。

解决：要么继续用变步长并且把 MaxStep 设成 0.001，要么把固定步长改到 0.0001 再跑。如果必须用固定步长实时仿真，phi 要相应调大，比如从 0.05 提到 0.1，给固定步长留出采样余量。模型里有一个常量块专门放 phi，扫参时顺手改它即可。

5.4 现象：扫参循环里改了 alpha，输出曲线完全没变

原因：Oustaloup 滤波器被当成模型内部模块，参数在模块对话框里写死成一个数值，而不是引用工作区变量 Gl。扫参脚本里虽然重建了 Gl，但模型根本没用到新变量。

解决：打开 LTI System 块对话框，确认 System 参数填的是 Gl 这个变量名，而不是某个 tf 对象或模型自带的状态空间。每次 sim 前确认基础工作区里存在 Gl，并且 oustaloup.m 在 MATLAB 搜索路径里。脚本循环里跑完后输出 itae，如果它完全一样，百分之九十是这个原因。

5.5 现象：alpha 调到 1.2，仿真变平滑了，但跟踪误差稳定在一个固定偏置

原因：alpha 超过 1 后，D^α e 的幅频特性在拟合频段内不再是一条简单直线，低频段的增益明显偏离理想值，相当于给误差通道引入了额外的低频衰减。滑模面虽然能收敛，但收敛到的那个 s 对应的 e 不再为零，稳态偏差就这样出现了。

解决：alpha 严格限制在 0 到 1 之间。想加强积分作用，用滑模面里的 β∫e 项，而不是靠把 alpha 顶到 1 以上。我在一份旧模型里踩过这个坑，当时还觉得曲线平滑是好事，结果一算稳态误差发现比整阶滑模还大。从那以后，alpha 的扫参范围就固定在 0.3 到 0.9，不再往上试探。

6. 验证一把：三组指标确认分数阶滑模确实有效

模型能跑通只是第一步。要确定分数阶滑模比整数阶滑模好，必须量化验证。我给模型挂了三个日志信号：e、s、u。仿真结束后用脚本算三组指标，就能给出结论。

第一，滑模面收敛时间。在 MATLAB 里取 s 的日志数据，找到 |s| 首次小于 phi 的时刻 t1，收敛时间应小于 0.3 秒。第二，控制量抖振幅值。取稳态段最后 2000 个采样点的 u，计算标准差，分数阶滑模通常比整数阶滑模小一个量级。第三，参数摄动下的 ITAE。把 J 从 0.02 改成 0.025 和 0.015，分别跑一次，对比 ITAE 变化幅度。

% 验证脚本：从日志中算出三个关键指标 s_data = logsout.getElement('s').Values.Data; t = logsout.getElement('s').Values.Time; phi = 0.05; % 指标1：首次进入边界层的时间，注意要用采样时间换算 idx_in = find(abs(s_data) < phi, 1, 'first'); settle_s = t(idx_in); % 指标2：控制量稳态抖振 u_data = logsout.getElement('u').Values.Data; u_steady = u_data(end-2000:end, 1); chatter_u = std(u_steady); % 标准差就是抖振幅值的近似 % 指标3：误差 ITAE e_data = logsout.getElement('e').Values.Data; itae_val = trapz(t, abs(e_data) .* t); fprintf('滑模面收敛时间: %.3f s\n', settle_s); fprintf('控制量抖振标准差: %.4f\n', chatter_u); fprintf('ITAE: %.3f\n', itae_val);

这三组指标放在一起看才有意义：收敛时间说明动态性能，抖振说明控制量品质，ITAE 同时反映两者。只看 ITAE 有可能被一个大超调带偏，只看抖振幅值又可能忽略响应延迟。我在实际对比中做个简单表格，把整数阶滑模（alpha 视为 1，直接用 Derivative 块）和分数阶滑模在同一被控对象上各跑一遍，列出收敛时间、抖振、ITAE 三行，结论一目了然。

还有一个习惯想分享：早期调这类模型时，我经常在 Simulink 界面里直接改增益块参数，跑完觉得不错，但过几天想复现却忘了当时到底填的多少。后来某位搭档提醒我，所有参数必须从 init 脚本写入基础工作区，模型里只留变量名。从那以后我每次调模型都强制走一遍“改脚本、跑脚本、扫参、验证”这条链路，再也没出现过参数丢失。这次拆这份分数阶滑模资源，我也把整套初始化脚本和验证脚本一并理清楚了，希望它能让你少走一点弯路，希望帮到你。

本文还有配套的精品资源，点击获取