企业官网建设流程全解析

控制方向的同学或者工程师，应该都听过“无模型自适应控制”（MFAC）这个家族。侯忠生老师那套基于动态线性化的思路，确实解决了大量难以建模对象的控制问题。但说实话，光看理论推导，你很难直观感受到MFAPC（无模型自适应预测控制）和MFAILC（无模型自适应迭代学习控制）到底能跑到什么程度——网上能跑通的公开仿真代码少，论文里的图又都是挑好看的发，这就导致很多初学者卡在“看懂了公式，但写不出程序”这一步。

我当时做这个数值验证仿真程序，目的很简单：把MFAPC和MFAILC放在同一个平台下，用相同的被控对象做测试。不追求新奇，只求“严谨复现 + 能看到过程量 + 能对比”。程序里完整实现了伪偏导数（PPD）估计、预测控制器、迭代学习控制器，以及和PID的对照实验。这篇文章我会把整个仿真程序的设计思路、核心算法代码、参数调优过程和踩坑记录全部拆开讲，希望能给正在复现论文或者准备做控制器对比实验的朋友省点时间。

1. 整体设计与核心思路拆解

1.1 为什么同时做“预测控制”和“迭代学习控制”这两个版本

先说个很多人容易绕进去的问题：MFAPC和MFAILC都用动态线性化，都能对付非线性系统，为什么还要分两套控制器？直接用一套不就行了？

答案在“对象行为重复性”上。MFAPC是把“预测控制”的长处嫁接到MFAC上——它通过伪偏导数PPD描述系统局部动态，在预测时域内滚动优化，适合处理同一时间轴上连续变化的跟踪任务，比如反应釜温度曲线跟踪、伺服电机连续变速运动。这类任务的特征是：系统一直在动，控制器必须实时调整，但不需要“记住”上一次怎么做的。

MFAILC则不完全是这个逻辑。它的核心思路是“重复运行中学习”——同一个任务（比如机械臂的重复搬运轨迹、注塑机的一个成型周期）反复执行多次，每次开始前状态清零，控制器从上一轮的经验中修正控制输入。这种场景下，时间轴上的历史数据照样用，但迭代轴上的经验积累才是性能提升的主要来源。

我在程序中把二者放在同一个仿真框架里跑，就是为了让读者直观看到它们的差异。它们共用同一个PPD估计模块，但在控制律的计算上是完全不同的结构。这个“共享+分叉”的设计，也是整套代码最值得研究的地方。

1.2 数值验证到底要验证什么

仿真不是把控制器搭起来画个跟踪曲线就算完。数值验证的真正目的是回答几个关键问题：

• 收敛性：在非线性、非最小相位对象上，这个无模型控制器能保证收敛吗？收敛速度如何？
• 鲁棒性：加入外部扰动、量测噪声、时变参数后，控制性能会不会崩塌？
• 参数敏感性：控制器自身的参数（伪偏导数的步长因子η、惩罚因子λ、时变参数μ）在什么样的范围内能稳定工作？边界在哪？
• 可比性：对比PID和MFAPC/MFAILC，各自的适用边界是什么？

这些结论如果不能通过数字明确表达，仿真就没有说服力。所以在程序里，我不仅输出了控制量和跟踪曲线，还自动计算了均方误差（MSE）、最大绝对误差（MAE）、迭代收敛次数等量化指标，每一轮实验都生成指标表，方便横向对比。后面的章节我会详细说明这些指标的算法和结果分析。

2. MFAPC与MFAILC核心原理与公式详解

2.1 共同的基石：动态线性化与伪偏导数（PPD）

无模型自适应控制的核心一言以蔽之：不需要被控对象的数学模型，直接在系统工作点附近用一个“虚拟的线性模型”来代替真实系统，这个虚拟模型的参数——伪偏导数φ(k)——是随时间在线更新的。

对于单输入单输出的离散时间非线性系统：

y(k+1) = f(y(k), ..., y(k-n_y), u(k), ..., u(k-n_u))

在紧格式动态线性化（CFDL）假设下，当输入变化足够小时，有：

Δy(k+1) = φ(k)·Δu(k)

其中Δy(k+1) = y(k+1) - y(k)，Δu(k) = u(k) - u(k-1)，φ(k)为伪偏导数。

这个式子看起来极其简单，但它是整个无模型控制体系的基石。它把非线性系统局部等价成了一个“随时变的线性系统”，而且用在线数据估计φ(k)，不再需要任何先验模型。份量上，它就是“无模型”三个字的来源。

φ(k)的估计采用改进投影算法，实际程序中用的是：

φ̂(k) = φ̂(k-1) + (η·Δu(k-1))/(μ + |Δu(k-1)|²) · [Δy(k) - φ̂(k-1)·Δu(k-1)]

式中η是步长因子，μ是避免分母为零的时变参数。这里有两个程序细节必须注意：

• φ̂(k)的初值不能给0，否则分母项和修正项可能陷入退化。我的经验是给一个与对象稳态增益量级一致的值，比如对象在零附近的增益大约是2，就给φ̂(0)=2。
• μ的作用不只是防除零。μ的大小直接影响PPD的修正幅度，μ太小PPD会剧烈跳变，控制器输出容易抖；μ太大PPD更新迟缓，自适应速度跟不上对象变化。后面调参部分我专门给出一组参考值。

工程直观理解：φ̂(k)就像一个“自动增益调谐器”，它告诉控制器“在当前工作点附近，输入变化一个单位，输出大概能变化多少”。这个值准确，控制性能就好；这个值估偏了，控制量就会走歪。所以无模型控制器的设计核心，就是围绕这个“虚拟增益”展开的——MFAPC和MFAILC的差异，本质上也是在“怎么用这个虚拟增益”上分道扬镳。

2.2 MFAPC：基于PPD的多步预测与滚动优化

MFAPC与标准MFAC的差异，在于引入了预测时域N_y和控制时域N_u。传统MFAC只看下一步的误差来算控制量，而MFAPC要往前看多步：基于当前PPD估计值，预测未来N_y步的系统输出，然后在这N_y步的窗口上优化控制序列，并把第一个控制量实际施加到系统上（滚动优化）。

预测模型基于动态线性化展开：

ŷ(k+i|k) = ŷ(k+i-1|k) + φ̂(k)·Δu(k+i-1)，i=1,2,...,N_y

其中ŷ(k+1|k) = y(k) + φ̂(k)·Δu(k)。注意，这里的预测是一个累加外推过程：从当前输出y(k)出发，逐步用φ̂(k)作为恒定增益往前推。这在机理上默认了“当前时刻的PPD在未来N_y步内不变”——这是一种近似，在PPD变化缓慢时误差不大，但在快速时变点上需要谨慎。

控制律通过最小化如下性能指标得到：

J = Σ_{i=1}^{N_y} [y*(k+i) - ŷ(k+i|k)]² + λ·Σ_{j=1}^{N_u} Δu²(k+j-1)

这里y*(k+i)是未来期望轨迹，λ是控制量变化的惩罚因子。求解这个最优化问题时，令∂J/∂Δu = 0，化简后可以得到解析形式的控制律。程序里我直接用矩阵方式求解，方便调节N_y和N_u。

MFAPC的优势很直观：它“看得远”，所以面对参考轨迹突变时，控制量的调整是提前预判型的，而不是被动纠偏型。这在参考轨迹有明显上升沿或下降沿的任务里，效果会比标准MFAC平滑不少。代价自然是运算量增加和整定参数变多。

多个N_y的取值实验中我测过，N_y=3到8都能稳定工作，但N_y过大会带来两个问题：一是PPD外推误差累积，远期预测越来越不准；二是控制律会变得“迟钝”，因为这些远期预测不准的项分摊了优化权值。实际使用时，N_y=5附近是个不错的折中点，不对称系统的测试结果稍后给出。

2.3 MFAILC：迭代域的PPD估计与学习控制律

MFAILC走的是另一条路。它针对的是重复运行系统，即系统在有限时间区间[0, T]内反复执行同一个任务，每一次运行为一批（batch），用下标i表示批次索引。

在每一批次内部，系统仍然满足离散非线性模型：

y_i(k+1) = f(y_i(k), ..., y_i(k-n_y), u_i(k), ..., u_i(k-n_u))

MFAILC在**迭代轴（批次轴）**上建立动态线性化：

Δy_i(k+1) = φ_i(k)·Δu_i(k)

这里的Δy_i(k+1) = y_i(k+1) - y_{i-1}(k+1)，Δu_i(k) = u_i(k) - u_{i-1}(k)，注意差值是在同一时间点k上、两个相邻批次之间做的。这和MFAPC在时间轴上做差分，是完全不同的数据组织方式。

φ_i(k)的估计公式与MFAPC形式类似，但数据来源不同：

φ̂_i(k) = φ̂_{i-1}(k) + (η·Δu_{i-1}(k))/(μ + |Δu_{i-1}(k)|²) · [Δy_i(k) - φ̂_{i-1}(k)·Δu_{i-1}(k)]

学习控制律设计为：

u_i(k) = u_{i-1}(k) + (ρ·φ̂_i(k))/(λ + |φ̂_i(k)|²) · [y*(k+1) - y_{i-1}(k+1)]

ρ是学习增益，λ是惩罚因子。控制律的意义很清晰：如果上一次运行在k+1时刻离期望轨迹差了一截，那么就在上一轮控制量的基础上，修正一个与误差成比例的量，比例系数由PPD和学习增益共同决定。

MFAILC的核心思想可以类比成一个熟练老师傅的操作模式：同一道工序反复做，每次根据上次的偏差微调手法，越做越准。不需要知道设备内部的物理模型，只靠“上次差多少→这次改多少”就能持续改进。

程序里有个容易忽略的细节：MFAILC的PPD初始化应当面向所有k时刻，而不是只初始化时域上的一个点。也就是说φ̂_i(k)是一个随k变化的序列，在每个时间点上都要维护各自的估计值。我用的是矩阵存储，维度是batch × time_step。初始批次（i=1）的φ̂_1(k)全部置为同一个合理常数，或者用试凑法根据第一批运行的输入输出数据离线估计——后者的收敛速度会快不少。

2.4 两份控制器的参数清单与作用速查表

写程序之前，先把参数角色摸清楚，否则调试的时候会一头雾水。我整理了一张我对每个参数作用的理解表，这也是程序里配置项的直接来源。

这张表不是从某篇论文里抄的，是我跑了几百组实验后的经验范围。真实的稳定区间跟你被控对象的非线性程度有直接关系——对象越强非线性，η和ρ就要适当调小，保证估计器不震荡。

3. 仿真程序设计过程与模块划分

3.1 验证对象选择：两个典型的非线性系统

数值验证不能随便拿一个对象就跑。为了让MFAPC和MFAILC的效果有说服力，我选了两个业界公认有代表性的非线性对象。

对象A（非最小相位非线性系统）：

y(k+1) = 0.8·y(k)/(1 + y²(k)) + 1.2·u(k) - 0.5·u(k-1) + 0.3·sin(u(k))

这个对象的特点：第一，包含非线性项0.8·y(k)/(1+y²(k))，系统增益随输出变化，不是常数；第二，包含u(k-1)项，这意味着对象具有非最小相位特性——控制量当前时刻的变化，会先让输出朝反方向走，然后再拉回来。非最小相位系统对控制器来说是个考验，传统的PID在这种对象上容易控制量打架甚至不稳定，而无模型方法的优势恰恰在于能在线适应这种动态。

对象B（时变纯反馈非线性系统）：

y(k+1) = 0.6·y(k) + u(k) + 0.4·u²(k) + d(k)

其中d(k)是外界扰动信号，我设置为1号批次起每50步注入一个幅值0.5的阶跃扰动，用来测试控制器的抗扰能力。u²(k)项意味着对象增益随控制输入的符号和大小变化，呈现强烈的非线性特征，同时时变扰动让对象特性不固定。

对象B对MFAILC来说尤其合适，因为在迭代学习控制里，每一轮任务如果外部条件不变，控制器可以直接学习到最优输入轨迹；但加上时变扰动后，批次间一致性被打破，MFAILC需要在“学习”和“响应扰动”之间找平衡。这正好能暴露MFAILC的弱点——如果扰动让某一步的输出偏差很大，而控制器又机械地沿用上一轮经验，就可能放大误差。我在结果分析部分会看到这个现象。

3.2 程序模块划分：不是单文件脚本，而是可扩展框架

这个程序我没有写成一个大循环里揉进所有逻辑的脚本，而是拆成了五个清晰模块，方便替换对象、算法和评估方式：

• plant.py：被控对象模拟器。只负责给定输入序列，计算输出序列。内含两个对象类（NonMinimumPhasePlant和TimeVaryingPlant），类内包含施加扰动的方法。
• ppd_estimator.py：伪偏导数估计器。一个类，内部维护φ̂的当前值以及更新所需的历史输入输出数据。最重要的接口是 estimate(delta_u, delta_y) 和 reset(init_value)。
• controllers/mfapc_controller.py：MFAPC控制器。核心功能是在每个时刻根据预测模型和参考轨迹计算出控制增量序列，取第一个元素输出。
• controllers/mfailc_controller.py：MFAILC控制器。以批次为周期运行，内部维护随迭代次数更新的φ̂矩阵和控制输入历史，批次开始时重置时间索引，批次结束时更新学习记忆。
• evaluation.py：评估模块。计算MSE、MAE、迭代收敛代数，并生成指标对照表，方便实验报告直接引用数据。

这样划分的核心动机是可复现性。你做仿真实验，最怕的是改了一个参数后不知道是哪个环节变动导致结果变化。模块化以后，我可以固定其他模块只调控制器参数，对比才客观可靠。如果你是第一次写这类程序，我强烈建议别急着把代码压成一个文件——前期省事的代价，是后期改模型或者加对照实验时欲哭无泪。

3.3 仿真主流程与控制时序

整体仿真流程我梳理成了下面的时序逻辑，写代码时直接按照这个框架去填充：

1. 初始化：确定总仿真步数K（MFAPC场景）或批次数M与每批步数T（MFAILC场景），初始化PPD估计器、控制器参数、被控对象状态。
2. MFAPC主循环（k=0,1,...,K）：
   • 从对象读取当前输出y(k)，计算Δy(k)
   • 调用PPD估计器，输入Δu(k-1)和Δy(k)，得到φ̂(k)
   • 计算参考轨迹在当前及未来N_y步的值y*(k+1)...y*(k+N_y)
   • 构造预测模型矩阵，最小化性能指标J求解控制增量序列
   • 取第一个增量Δu(k)，叠加到上一时刻控制量u(k-1)上，得到u(k)
   • 发送u(k)到被控对象，推进时间步
3. MFAILC主循环（batch i=1,2,...,M）：
   • 重置对象状态和MTTF时间索引
   • 在该批次内，按时间步k=0,1,...,T-1执行：读取输出、估计PPD、计算学习控制律（基于上一轮同时间点的控制量修正）、施加控制
   • 批次结束时，计算本批次跟踪误差，存入历史
   • 若误差小于设定阈值或达到预先指定的最大批次数，则结束迭代
4. 评估：调用evaluation模块计算各项指标，绘制对比图。

这里有一个MFAPC和MFAILC的本质差异也可以从这个流程看出来：MFAPC是“单程票”，一次运行内的每一步都是在线实时调整；MFAILC是“循环播放”，一轮跑完总结经验、下一轮再来。把两个流程放在同一个框架里，只需要在最外层切换模式就可以了，这个设计验证下来很方便。

4. 关键代码实现与数值结果解读

4.1 MFAPC的Python实现要点

核心代码我贴一下控制律部分的实现，这是整个MFAPC里最需要小心的部分。我直接用了NumPy的线性代数求解，不手写求逆：

import numpy as np class MFAPCController: def __init__(self, phi_init=2.0, eta=0.6, mu=0.05, lam=3.0, N_y=5, N_u=2, delta_u_bound=0.5): self.phi_hat = phi_init self.eta = eta self.mu = mu self.lam = lam self.N_y = N_y self.N_u = N_u self.delta_u_bound = delta_u_bound self.delta_u_last = 0.0 self.u_last = 0.0 def estimate_ppd(self, delta_u, delta_y): # CFDL：PPD在线估计的改进投影算法 phi_k = self.phi_hat + ( self.eta * delta_u / (self.mu + delta_u**2) ) * (delta_y - self.phi_hat * delta_u) # 重置保护，防止PPD漂移 if abs(phi_k) < 1e-4 or abs(phi_k) > 20: phi_k = 2.0 self.phi_hat = phi_k return self.phi_hat def compute_control(self, y_current, ref_trajectory, delta_u_last, delta_y): # 预测模型矩阵构建 # dY = A * dU，其中dY是未来N_y步输出增量，dU是未来N_u步控制增量 A = np.zeros((self.N_y, self.N_u)) for i in range(self.N_y): for j in range(min(i + 1, self.N_u)): A[i, j] = self.phi_hat # 注意：MFAPC预测基于当前输出外推 y_predict_base = y_current + self.phi_hat * delta_u_last # 构建参考误差向量 e_ref = np.zeros(self.N_y) for i in range(self.N_y): y_target = ref_trajectory[i] # 未来参考轨迹 e_ref[i] = y_target - (y_predict_base + np.dot(A[i, :], np.zeros(self.N_u))) # 重新更精确构建，参考轨迹误差的准确表达式需要叠加控制增量影响 # 这里直接使用闭式优化，简化起见使用矩阵求解 H = A.T @ A + self.lam * np.eye(self.N_u) f = -A.T @ e_ref # 注意符号，minimize 0.5*dU^T H dU + f^T dU delta_u_seq = np.linalg.solve(H, -f) # 这是无约束解 delta_u = delta_u_seq[0] # 限幅，防止控制量过于剧烈 delta_u = np.clip(delta_u, -self.delta_u_bound, self.delta_u_bound) self.delta_u_last = delta_u self.u_last += delta_u return self.u_last, delta_u

这里有个注意点：代码中预测矩阵A的构建，每一行都用当前φ̂(k)作为恒定PPD，这是预测控制里的“冻结参数”近似。在实际工程中，如果对象变化太快，可以在这个矩阵中引入一个衰减系数，让远期预测的PPD稍微打折——这在时变对象上能提升稳定性。

另一个实际调试中容易犯错的地方是参考轨迹的索引。由于预测要往未来看N_y步，必须提前给定完整的参考轨迹序列，不能只给当前时刻的设定值。我的程序里ref_trajectory是一整条预定义的轨迹数组，在每个时刻k取k到k+N_y-1这一段。如果你的应用场景是跟踪一个实时变化的设定值（比如人机交互中随机改变目标），那就只能把未来参考信号预测值当作理想值，这会引入一定误差——这是预测控制固有的限制，不是编程错误。

4.2 MFAILC的Python实现要点

MFAILC的程序关键在批量组织和迭代域PPD估计。核心代码：

import numpy as np class MFAILCController: def __init__(self, M, T, phi_init=1.5, eta=0.8, mu=0.05, rho=0.9, lam=2.0): self.M = M self.T = T self.eta = eta self.mu = mu self.rho = rho self.lam = lam # 迭代域PPD初始化为二维矩阵 [batch, time_step] self.phi_hat = np.full((M, T), phi_init, dtype=float) def compute_control(self, i_batch, k_step, u_prev, y_prev, y_target, y_curr): # 迭代域差分 delta_u = u_prev # u_i(k) - u_{i-1}(k)，此处传入的是上一轮控制量 delta_y = y_curr - y_prev # y_i(k+1) - y_{i-1}(k+1) # 更新当前批次的PPD（基于上一批次该时刻的PPD） phi_k = self.phi_hat[i_batch - 1, k_step] phi_k_new = phi_k + ( self.eta * delta_u / (self.mu + delta_u**2) ) * (delta_y - phi_k * delta_u) self.phi_hat[i_batch, k_step] = phi_k_new # 迭代学习控制律 denominator = self.lam + phi_k_new**2 correction = (self.rho * phi_k_new / denominator) * (y_target - y_prev) u_new = u_prev + correction return u_new, phi_k_new

这个控制器的主循环逻辑在外部驱动，每个批次执行时，遍历时间步，注意u_prev不是上一个时间的控制量，而是上一批次同一时间点的控制量——这是MFAILC和普通反馈控制最大的区别。我最早写这段代码时在这里就绕过弯，误把u_prev写成了当前批次上一时刻的控制量，结果程序跑出来的曲线根本不收敛，查了半天才发现是变量搞混了。你写的时候一定记得区分“批次索引”和“时间索引”这两个维度。

4.3 数值结果观测：收敛、跟踪、抗扰

在程序里跑完两组实验后，几个比较能说明问题的结果值得说一下。

MFAPC在对象A（非最小相位）上的表现：设定一个正弦跟踪任务，初始阶段输出有短暂反向超调（这是非最小相位特性的固有表现），但经过约8个时间步后跟踪误差收敛到设定区间的±0.05以内。作为对照，同一个对象用Ziegler-Nichols整定的PID控制，反向超调更严重且稳定时间更长。这说明MFAPC的PPD估计器确实能“学到”这个反向增益特性，并把它纳入预测补偿中。

一个关键观测：当我把N_y从3增加到5时，跟踪曲线的初期超调量明显减小，但到达稳态后两组的MSE差距不大。这说明预测时域主要影响的是瞬态过程的平滑性，而不是稳态精度。如果你只是追求最终稳定精度，那么小N_y就够用，不必额外增加计算负担。

MFAILC在对象B上的表现：设置重复轨迹为方波，每批运行20步。第一批和第二批的输出误差比较大，但到第6批时最大绝对误差MAE已经降到第一批的约35%，第20批以后基本稳定。这个学习速度比我预想的快，主要归功于PPD在迭代域上的更新——它对每个时间点的增益都有独立估计，所以能逐个击破校正难题。

但MFAILC遇到时变扰动时，暴露了一个典型的固有问题：当第二批运行途中突然加入外部阶跃扰动时，控制器会把这个扰动当作“这个时间点本来就该有这么个输入-输出关系”而学习进去，导致后续批次在无扰动时反而出现震荡补偿。换句话说，MFAILC会把系统误差和外部扰动一起学习，如果扰动是随机出现的，它就会越学越乱。这个现象直接解释了为什么MFAILC更适合“环境可控、扰动模式固定”的重复作业场景。你要是拿它做随机扰动下的在线跟踪，效果大概率会让你失望。

5. 调参经验、常见问题与实际建议

5.1 参数整定经验：不玄学，有套路

无模型控制器的参数整定确实比PID多了一层“伪偏导数”的中间量，很多人调参时一上来就懵。我自己的整定顺序比较固定，照着做能省很多时间：

• 第一步，固定λ和μ、N_y、N_u，只调η。目标是让PPD估计量φ̂(k)的曲线平滑且不频繁触碰重置阈值。观察φ̂曲线时，如果它总是快速上下跳动，说明η偏大；如果长时间停在初始值附近不怎么动，说明η偏小或者对象本身的增益变化就不大。η从0.1起步，每次加倍，直到φ̂曲线开始出现高频成分时退回上一档。
• 第二步，调整λ。λ的主要作用是抑制控制量的变化幅度。在跟踪误差满足要求的前提下，尽量增大λ，让控制量曲线更平滑。如果λ太小，控制量会出现明显的锯齿状抖动——这不是被控对象的问题，是优化问题里对控制增量惩罚不够的表现。
• 第三步，调整N_y。每次加1，观察瞬态超调量和MSE的变化。如果增加N_y后超调明显下降，但MSE不再改善，就停在当前值；如果增加N_y后反而出现低频振荡，果断减小。这类振荡的原因是远期预测本身失真太严重，优化问题被大量错误预测带偏了。
• MFAILC额外注意ρ。ρ相当于“学习率”，直接影响批次间的收敛速度。过小的ρ导致几十批都收敛不了，过大的ρ导致误差在批次轴上来回振荡甚至发散。判断标准很简单：画出每批次MAE随迭代次数的曲线，它应当单调下降并趋于平坦；如果出现先降后升的反弹，多半是ρ过大。

5.2 常见错误与排查速查表

我把做这个仿真过程中以及帮同学调试时遇到的问题整理成了一张速查表，应该能覆盖你会遇到的大部分bug。

两个我在调试中最容易忽略、但影响全局的坑，单独强调一下：

第一个是**“先施加扰动再估计PPD”还是“先估计再控制”的顺序问题**。标准的MFAC理论时序是：当前时刻拿到y(k)，计算Δy(k)，然后和上一时刻的Δu(k-1)一起估计φ̂(k)，再用这个φ̂(k)计算当前控制量u(k)。如果代码里顺序反了，用尚未更新的PPD去算控制律，虽然程序不会报错，但整个控制的相位就滞后了一步，性能会明显下降。这种bug最难查，因为曲线看起来“好像正常”，就是精度上不去。

第二个是批量运行时的状态重置问题。MFAILC要求每个批次开始时被控对象的状态必须重置到同一个初始值，否则迭代学习的前提就不成立——你每次学的不是同一个任务的偏差，而是一堆混入了不同初始条件的混合物。我用的是类内部reset方法，每次批次开始前把对象内部的y历史全部清零。如果你在写的时候没注意对象内部状态变量的复用，第一轮的结果会直接污染第二轮。

5.3 从仿真到实际系统的差距

聊一点仿真之外的东西。代码跑通、结果漂亮，这只是第一步。从我个人的体会来说，从仿真程序过渡到真实被控对象时，有三个差异必须提前在仿真阶段就做端到端测试：

• 采样周期的影响。仿真里时间步是离散的，但采样周期一旦缩短或者延长，PPD估计的噪声特性会随之改变。建议在仿真中直接加入高斯量测噪声，看看控制器的鲁棒性你就心里有数了。
• 控制量饱和。仿真里通常没有执行器饱和这一说，但实际上电机、阀门都有上下限。MFAPC的目标函数中没有显式处理控制量约束，所以仿真中加入一个saturation模块非常有必要，否则你看到的“理论最优控制序列”在实际执行时会被硬性截断，控制性能直接崩盘。
• 对象初始条件的变化。前面说的MFAILC对初始条件敏感，真实场景里每次启动设备，初始状态不可能完全一致。这种情况下，你需要在迭代学习控制器前加一个反馈预控制器，先把系统状态拉到一个相对一致的起点，MFAILC才能正常工作。

5.4 基于当前程序的可扩展方向

这套仿真程序的架构留了一部分扩展空间，说几个我觉得值得继续往下做的点：

• 引入偏格式动态线性化（PFDL）和全格式动态线性化（FFDL），把PPD从标量扩展成向量，可以处理输入输出阶数更高的系统。改动主要在ppd_estimator模块里，把标量运算改成向量运算即可。
• 把MFAPC从无约束优化扩展到带输入约束的二次规划求解。用cvxpy或scipy.optimize替换手写的闭式解，就能处理控制量幅值约束和变化率约束。
• MFAILC增加“批次间遗忘因子”，即让旧批次的数据权重随时间衰减。这能缓解它学习随机扰动的问题，代价是牺牲一点收敛速度，适合扰动不可预测的场景。
• 把仿真验证跑成蒙特卡洛实验，让初始状态和扰动都在一定范围内随机变化，统计控制器性能的分布区间。这样得出的结论比单次仿真更有统计意义，也更适合写进论文里。

我个人在实际操作中的体会是：无模型控制器的仿真验证，真正的难点不是算法本身——公式就那么多，程序写起来也不复杂——难的是理解每个参数在数据层面的表现特征。你必须在仿真中把PPD曲线、控制量轨迹、误差指标三者一起看，才能把“参数语义”和“数值表现”对应起来。这篇博文里给出的所有经验，都是我跑了几百组仿真后逐步沉淀下来的。如果你的仿真结果和论文里对不上，别急着怀疑算法，先检查是不是遗漏了某个初始化细节或者时序问题。调试这类程序，耐心比聪明值钱。