企业官网建设流程全解析

简介：一套基于MATLAB的卫星姿态控制系统资源，采用飞轮作为执行机构，配合PID算法实现三轴姿态稳定控制，适合航天器工程与控制理论初学者动手实践。资源共7个文件，以6个m脚本和1个slx模型为主，m文件涵盖控制器、动力学与状态变换等核心逻辑，slx提供Simulink可视化仿真环境，便于对照理解两种实现方式，包体仅23KB。已有3208人学习下载。内容从航天器姿态动力学入手，覆盖陀螺效应、动量守恒、PID参数整定、飞轮建模及控制系统设计等关键知识点，同时展示了m文件编程与Simulink+S函数两种开发路径，读者可据此搭建自己的仿真回路，加深对卫星姿态控制原理与MATLAB编程的综合理解。

1. 卫星姿态控制系统为什么首选飞轮PID：一个MATLAB方向被低估在哪

一颗300公斤级别的对地观测卫星，入轨后的第一次姿态机动往往不是来自推进器，而是来自三只拳头大的反作用轮。反直觉的地方在于：不少开发者把姿态控制想成“大力出奇迹”，以为只有喷气推力才能转动卫星，可工程上恰恰相反——中小型卫星的日常机动和稳态保持几乎全靠飞轮。它不消耗燃料、无推进剂污染、可反复启停，配合一组PID增益就能把“转到位、稳住”变成可测量的闭环指标。

这也是MATLAB卫星姿态控制系统仿真里最值得先搭的方向：飞轮PID控制闭环完整覆盖刚体动力学、四元数运动学、调参与抗扰动设计，链路清晰，后续也好接鲁棒性分析。这篇文章不整玄学，按“原理、建模、调参、踩坑”的顺序拆，适合想把姿态控制从课本落到可运行代码的开发者。

2. 飞轮PID控制先立理论：姿态表达、轮子模型和PID的真实角色

2.1 姿态描述怎么选：四元数是默认项，欧拉角只做事后回放

姿态描述有个很实际的工程问题：仿真里状态变量到底用什么记录。欧拉角直观，但有绕不过去的坎。第一是矩阵奇异，俯仰角到±90度时滚转和偏航解耦失败，仿真跑到一半可能直接出NaN；第二是微分方程里出现cos/sin的分母项，数值刚性不说，步长一大就发散。四元数用四个分量描述一次旋转，没有奇异点，微分方程是带反对称矩阵的线性形式，数值稳定性好得多，代码里也不容易出现除零。

我一般会手写四元数乘法，不依赖工具箱里封装好的类。原因很简单：后续如果要把仿真代码移植到C语言或做嵌入式验证，手写版本逻辑完全透明，出问题可以直接断点查。MATLAB航空航天工具箱里的quaternion对象好用，但对“想搞懂自己在写什么”的阶段反而像黑匣子。

用四元数之前先把约定写死。这里用Hamilton约定，也就是旋转算子表示为：

• q = [cos(θ/2), sin(θ/2)·axis]
• 标量在第一维
• 两个四元数做Hamilton乘法，不是逐元素乘

注意同一条乘法代码在不同语境里可能遇到JPL约定，比如部分姿态融合算法生成的是反序四元数，复用别人代码时一定要做一次正向验证：让两个四元数分别旋转同一个向量，肉眼检查结果方向是否一致。这种约定错位引发的“仿真看起来正常但结果符号全反”，是我见过最隐蔽的一种玄学问题。

2.2 反作用轮数学模型：从力矩指令到轮速变化

反作用轮本质上不是对卫星施加大推力的执行器，而是“角动量搬运工”。轮子内部电机给飞轮一个角加速度，飞轮角动量变化率在刚体上表现为反作用力矩。建模时把轮子的总角动量h加进刚体欧拉方程，得到：

I·ω̇ + ω×(I·ω + h) = u + T_ext

这里的I是卫星本体惯量矩阵，ω是体坐标系角速度，h是三只轮子合成角动量在体坐标系下的投影。u这一项是控制律给出的期望机体控制力矩，物理含义是反作用力矩本身；而轮子的角动量变化率满足：

ḣ = -u

负号来自动量守恒：要让卫星本体受到+u的力矩作用，轮子必须朝反方向加速。很多初学的坑就藏在这里：控制律明明输出正值，却忘了在动力学里给轮子加负号，闭环变成正反馈，姿态越控越偏。

搭建MATLAB仿真时，核心ODE函数只需要维护10个状态量：4个四元数、3个角速度、3个轮子角动量。下面这段代码可以直接放进一个独立脚本里，作为后续所有仿真共用的动力学核心：

function dq = attitude_dynamics(q, omega, h, u, T_ext, I) % 输入： % q - 4x1 四元数，标量在第一位 % omega - 3x1 角速度向量 (rad/s) % h - 3x1 飞轮角动量向量 (N*m*s) % u - 3x1 期望机体控制力矩 (N*m) % T_ext - 3x1 外部干扰力矩 (N*m) % I - 3x3 惯量矩阵 (kg*m^2) % 输出： % dq - 10x1 状态导数，排列为 [q; omega; h] q = q(:); omega = omega(:); h = h(:); u = u(:); T_ext = T_ext(:); % 四元数运动学：q_dot = 0.5 * Omega(omega) * q omega_q = [0; omega]; q_dot = 0.5 * quat_multiply(omega_q, q); % 刚体欧拉方程，飞轮反作用力矩 +u 直接作用于本体 h_total = I * omega + h; omega_dot = I \ (-cross(omega, h_total) + u + T_ext); % 轮子角动量变化与控制力矩相反 h_dot = -u; dq = [q_dot; omega_dot; h_dot]; end function pq = quat_multiply(p, q) % Hamilton乘积，p、q均为4x1四元数，标量在第一位 p = p(:); q = q(:); pq = [p(1)*q(1) - p(2)*q(2) - p(3)*q(3) - p(4)*q(4); p(1)*q(2) + p(2)*q(1) + p(3)*q(4) - p(4)*q(3); p(1)*q(3) - p(2)*q(4) + p(3)*q(1) + p(4)*q(2); p(1)*q(4) + p(2)*q(3) - p(3)*q(2) + p(4)*q(1)]; end

这段代码的逻辑分三块清晰隔离：四元数运动学、刚体动力学、轮子动量交换。注意参数I是3×3矩阵而不是三个独立惯量，这样能保留惯量积耦合的影响；如果初期用对角惯量矩阵，代码不用改，后面要加惯量积只需替换I的具体数值。另一个关键点是h_total的写法：它把卫星本体角动量和轮子角动量合成在一起，所以交叉项里同时包含陀螺力矩和轮子进动力矩，这两项在高速机动时是主要非线性来源。

2.3 PID在姿态环里的真实角色：P管姿态、D管阻尼、I管扰动

飞轮PID控制回路里，三个增益的物理角色比普通机电系统更清晰。P项对应姿态误差，输出比例于四元数误差的向量部分；D项对应角速度误差，本质是整个闭环的阻尼系数，如果没有它，系统会像无阻尼弹簧一样围绕目标姿态来回振荡；I项对应误差积分，专门对付常值扰动力矩，比如重力梯度力矩、残余气动力矩这类“一直往一个方向推”的干扰。

但要注意一个四元数特有的问题：姿态误差在四元数空间不是简单的向量差。正确做法是计算目标姿态和当前姿态之间的误差四元数，再取向量部分作为P项的输入。这样才能保证控制律在任意大角度机动下都沿着最短旋转路径走，而不是绕远路。后面第三章会给出完整的误差四元数计算代码。

I项的积分对象也有讲究。工程里会把积分项加限幅，因为四元数误差的向量部分是一个局域量，大角度误差时积分累积很快，不加限制会让积分项占主导，造成退绕。整定顺序上，我习惯先只用PD把系统弄稳定，再小心翼翼地加I，每加一小步就重新看阶跃响应。大部分“加了积分就振荡”的问题，都不是因为I增益本身过大，而是之前P和D的量级没达到合适的阻尼比。

3. 在MATLAB里把飞轮PID控制闭环完整搭起来：从ODE方程到三轴机动

3.1 闭环控制律：误差四元数最短路径修正与积分状态维护

有了动力学核心，下一步就是把PID控制律接成闭环。控制器的输入是目标四元数、当前四元数、当前角速度，输出是期望机体控制力矩u。这里最容易出问题的是误差四元数方向。常见错解是直接用“参考四元数减当前四元数”当作误差向量，在小角度下结果近似正确，但一旦目标姿态转角超过30度，这个近似就完全失真，甚至导致控制方向反掉。

正确的误差四元数计算是：q_err = q_ref ⊗ conj(q_est)。得到q_err后，如果标量部分为负，说明误差旋转角超过180度，机械地把整个q_err乘以-1，强制走最短路径。下面这段代码是控制器函数，可以直接复用：

function [u, integral_q] = flywheel_pid_controller(q_ref, q_est, omega_est, integral_q, dt, gains) % 飞轮PID控制器，输出期望机体控制力矩 (N*m) % 输入： % q_ref - 4x1 目标四元数 % q_est - 4x1 当前四元数 % omega_est - 3x1 当前角速度 (rad/s) % integral_q - 3x1 姿态误差积分 % dt - 控制周期 (s) % gains - 结构体，含 Kp, Ki, Kd, IntLimit % 输出： % u - 3x1 控制力矩指令 % integral_q - 更新后的积分项 % 误差四元数 = q_ref ⊗ conj(q_est) q_conj = [q_est(1); -q_est(2:4)]; q_err = quat_multiply(q_ref, q_conj); % 最短路径修正：标量部分为负时取反 if q_err(1) < 0 q_err = -q_err; end % 姿态误差用向量部分 att_err = q_err(2:4); % 角速度误差，目标角速度设为零（阶跃机动场景） omega_err = -omega_est; % 积分项更新，带限幅 integral_q = integral_q + att_err * dt; integral_q = max(min(integral_q, gains.IntLimit), -gains.IntLimit); % PID控制律 u = gains.Kp * att_err + gains.Ki * integral_q + gains.Kd * omega_err; end

这段代码里有一个容易被忽略的细节：积分项存在于控制器状态中，而不是动力学状态中。这意味着每次调用控制器时要把integral_q传进传出，否则积分会在循环内部被清零。很多人第一次跑仿真发现“加了I没效果”，八成就是这里出了问题。

D项用的是负角速度，也就是当前角速度的反向。为什么不是 q_err 的导数？因为姿态误差本身就包含了角速度的全部信息，对四元数误差再做数值微分反而会放大测量噪声。当你手里有陀螺直接测出角速度时，直接用角速度作为阻尼项是最干净的方案。

3.2 主仿真循环：RK4步进与状态记录

控制器准备好之后，主仿真循环的作用就是把控制器输出喂给动力学ODE，再用数值积分把状态推到下一时刻。我建议至少用RK4，不要用前向欧拉。四元数运动学在高角速度下对积分误差很敏感，前向欧拉在步长稍大时会产生明显的能量漂移，表现为姿态来回小幅振荡但不衰减。

下面是主循环的完整代码框架，包含RK4步进、积分状态更新和结果记录：

% 主仿真参数 dt = 0.01; % 控制周期10ms T_end = 180; % 仿真时长180s N = T_end / dt; % 卫星惯量矩阵，先假设对角线惯量 I = diag([10, 12, 8]); % kg*m^2 % 初始状态 q = [1; 0; 0; 0]; % 初始姿态与本体系重合 omega = [0; 0; 0]; % 初始角速度 h = [0; 0; 0]; % 初始轮子角动量 integral_q = zeros(3,1); % 目标姿态：先绕x轴转动15度 theta = 15 * pi / 180; q_ref = [cos(theta/2); sin(theta/2); 0; 0]; % PID增益初值 gains.Kp = 2.0; gains.Ki = 0.02; gains.Kd = 8.5; gains.IntLimit = 0.5; % 积分限幅 N*m*s % 存储结果 q_hist = zeros(N,4); omega_hist = zeros(N,3); u_hist = zeros(N,3); h_hist = zeros(N,3); for k = 1:N % 外部干扰力矩，第一阶段先置零 T_ext = zeros(3,1); % 控制器 [u, integral_q] = flywheel_pid_controller(... q_ref, q, omega, integral_q, dt, gains); % RK4积分 x0 = [q; omega; h]; k1 = attitude_dynamics(x0(1:4), x0(5:7), x0(8:10), u, T_ext, I); x2 = x0 + 0.5*dt*k1; k2 = attitude_dynamics(x2(1:4), x2(5:7), x2(8:10), u, T_ext, I); x3 = x0 + 0.5*dt*k2; k3 = attitude_dynamics(x3(1:4), x3(5:7), x3(8:10), u, T_ext, I); x4 = x0 + dt*k3; k4 = attitude_dynamics(x4(1:4), x4(5:7), x4(8:10), u, T_ext, I); x_next = x0 + dt * (k1 + 2*k2 + 2*k3 + k4) / 6; q = x_next(1:4); omega = x_next(5:7); h = x_next(8:10); % 归一化四元数，防止积分漂移 q = q / norm(q); % 记录 q_hist(k,:) = q'; omega_hist(k,:) = omega'; u_hist(k,:) = u'; h_hist(k,:) = h'; end % 绘图：姿态误差角度 att_err_deg = 2 * acosd(min(1, q_hist(:,1))); figure; plot((1:N)*dt, att_err_deg); xlabel('时间 (s)'); ylabel('姿态误差 (deg)'); title('绕x轴15度机动响应'); grid on;

这段循环里有个容易被忽略的点：四元数归一化。数值积分会导致四元数模长缓慢偏离1，虽然偏离量很小，但运行时间一长会造成姿态漂移和误差累积。每一步积分后做一次归一化，代价几乎为零，却能避免后期莫名其妙的小幅振荡。

另一个注意力点在于控制周期和仿真步长的一致性。这里把步长和控制周期都设为10ms，也就是说每个控制周期内动力学积分走一步。实际工程里控制周期可能比动力学积分步长更长，比如控制每100ms执行一次，动力学每10ms积分一次，这时结构上要拆成两个循环。建议初期保持一致，先把闭环调通，再拆多速率结构。

3.3 三轴同时机动：多轴耦合效应与代码复用

单轴15度机动跑通之后，下一步直接挑战三轴同时机动。比如目标姿态先绕x轴15度、再绕y轴20度、最后绕z轴10度，合成四元数可以这样构造：

% 三个单轴四元数，注意合成顺序用Hamilton乘法 qx = [cos(15/2*pi/180); sin(15/2*pi/180); 0; 0]; qy = [cos(20/2*pi/180); 0; sin(20/2*pi/180); 0]; qz = [cos(10/2*pi/180); 0; 0; sin(10/2*pi/180)]; % 合成目标姿态：先x后y再z q_ref = quat_multiply(quat_multiply(qz, qy), qx);

三轴机动时单轴仿真得到的PID增益需要做修正，因为惯量矩阵三个对角线分量不同，同一个Kp在转动惯量小的轴上会产生更大的角加速度。这也是为什么初值最好按惯量分轴计算，而不是三轴共用一套增益。下一章会给出具体的参数整定方法。

4. 飞轮PID参数怎么定：从惯量带宽到阶跃响应四步调参

4.1 增益的量纲与物理含义对照表

先花30秒搞清楚每个增益的物理量纲，后面调参才不会瞎猜。

注意这里单位里的rad不是弧度，而是“等效旋转角”。四元数误差向量部分近似等于半角弧度值，所以姿态误差在任意角度下的输入都有界，这跟工程里用欧拉角误差做PID时单位是角度是两回事。写注释时最好标清楚“输入误差是四元数向量部分”，避免别人接手时误解。

4.2 从惯量矩阵计算PID带宽初值

对于PD控制下的单轴刚体，闭环可以近似为二阶系统，描述方程是：

I·θ̈ + Kd·θ̇ + Kp·θ = 0

这给出两个重要关系：

• ω_n = sqrt(Kp / I)
• 2·ζ·ω_n = Kd / I

反过来，已知期望带宽和阻尼比，就可以直接算出Kp和Kd初值：

function [Kp, Kd, Ki] = compute_gains_from_bandwidth(I_axis, bandwidth, zeta) % 根据单轴惯量和期望闭环带宽计算PID增益初值 % 输入： % I_axis - 该轴转动惯量 (kg*m^2) % bandwidth - 期望闭环带宽 (rad/s)，姿态机动一般取0.2~2 % zeta - 期望阻尼比，取0.7~1.0 % 输出： % Kp - 比例增益 % Kd - 微分增益 % Ki - 积分增益，按Kp的3%~8%取值 wn = bandwidth; Kp = I_axis * wn^2; Kd = 2 * zeta * I_axis * wn; Ki = 0.05 * Kp; % 初始经验值，后面按需调整 end

假设卫星惯量I = [10, 12, 8] kg·m²，期望带宽0.5 rad/s，阻尼比0.8，则：

• x轴：Kp = 10×0.25 = 2.5，Kd = 2×0.8×10×0.5 = 8
• y轴：Kp = 12×0.25 = 3.0，Kd = 2×0.8×12×0.5 = 9.6
• z轴：Kp = 8×0.25 = 2.0，Kd = 2×0.8×8×0.5 = 6.4

一组三轴增益自然不是三个相等值，但很多人直接复制单轴增益跑三轴，结果响应曲线各不相同。初值阶段用惯量分轴计算，就能省掉很多盲目试错的轮次。

带宽选择有个经验边界：带宽不能超过飞轮执行器响应带宽的一半，否则相位滞后会让闭环失稳。飞轮电机带宽一般在5~20Hz量级，姿态控制闭环带宽取0.1~1Hz比较稳妥。对于实验室虚拟卫星，带宽0.2~0.5 rad/s已经够用。

4.3 阶跃机动四步调参流程

用阶跃机动来验证，先P后D最后I，每步都看同一张姿态误差曲线。第一步，把Ki设为0，Kd设为0，只给Kp初值，观察响应。如果系统以较低频率持续振荡，说明阻尼不足；如果响应发散，说明Kp过大或符号搞反。

第二步，加入Kd初值，逐步增大到振荡消失。这一步的目标是让姿态响应接近临界阻尼的样子，你需要看到超调明显减小、振荡在两三个周期内收敛。第三步，观察稳态误差是否在允许范围内。如果只有重力梯度力矩等常值干扰存在，PD控制会留下一个固定偏差，这时候才需要加Ki。

第四步，Ki从Kp的3%开始加，每次跑一次完整仿真，观察稳态误差逐步缩小，同时注意动态阶段是否出现新的振荡。如果出现积分导致的低频摆，优先检查积分限幅是否太松，其次再往下调Ki。不少翻车现场都是因为跳过了第一步，一上来就直接给全套PID，结果既分辨不出是哪一项在作怪，调参也变成纯玄学。

可以用一张表来标记三次仿真的结果：

这套流程的核心原则是“每次只变一个变量”。如果你在两个方向上同时调Kp和Kd，发现响应变好了，也无法确认到底是什么起作用；后续换一颗不同惯量的卫星时，一切还要从头再来。

5. 飞轮PID控制绕不开的五个坑：现象、原因、对策

5.1 现象：一上积分项系统就开始振荡，甚至发散

刚把Ki从0调到0.2，姿态响应就出现频率很低的持续摆动，幅度还越来越大。原因是积分项对常值误差持续累积，但在大角度机动过程中，姿态误差本身有一个先大后小的过程，积分项在这个过程中攒下了过量偏差，转过头来又施加一个反方向的大力矩，形成周期摆动的正反馈回路。

解决方法是给积分项加限幅，同时在误差超过某个阈值时暂停积分。我习惯把限幅设在最大控制力矩的10%以内，代码上就是第四章里面的gains.IntLimit。另一种更平滑的处理是采用条件积分，只在姿态误差小于一定角度时才更新积分项，避免机动阶段积分过量。一般加限幅就能解决90%的问题。

5.2 现象：角速度测量带噪声时D项把控制指令打成锯齿波

仿真里如果给陀螺加了高斯白噪声，会发现控制指令u里出现高频锯齿，幅值可以达到正常控制力矩的几倍。原因是D项直接放大角速度噪声，增益越大噪声放大越明显，而Kd往往被整定得比较大，噪声因此成了控制指令的主导成分。

解决办法有几个方向。最常见的是给D项前面加一个低通滤波器，把陀螺噪声滤掉再进入控制律。实现上可以在控制器里维护一个状态：

% 低通滤波后的角速度 persistent omega_filt; if isempty(omega_filt) omega_filt = zeros(3,1); end tau_filter = 0.1; % 低通时间常数，单位秒 omega_filt = omega_filt + dt/tau_filter * (omega - omega_filt);

另一种做法是限制控制力矩变化率，也就是在控制器输出后面接一个斜率限幅器。这类限制会牺牲一点相位裕度，所以在调参时不要先加滤波再调Kd，否则Kd的稳定范围会发生变化。

5.3 现象：仿真跑到一半状态变量出现NaN

最典型的原因是四元数模长漂移：长时间积分后模长偏离1太多，后续运算里出现除以极小值，数值溢出变成了NaN。另一个可能出现在欧拉角建模里——俯仰角超过90度时出现万向节锁定，矩阵求逆条件数爆炸。

解决办法有两个层面。第一，确保使用四元数作为状态量，并每步做归一化。第二，检查动力学函数里是否有隐含的除法，比如某些惯量矩阵求逆实现里用了inv而不是反斜杠运算符，导致数值精度问题。惯量矩阵求逆统一用I\，而不是inv(I)再乘向量，这是MATLAB数值方法里老生常谈但最容易漏的一条。

5.4 现象：飞轮角动量一路漂到饱和值，控制器还在持续加码

仿真中飞轮角动量h_hist渐渐变大，最终停留在某个固定数值不再变化，同时控制力矩u_hist也顶着上限值不动。这通常是遇到了外部常值扰动力矩，且控制器积分项饱和或者飞轮自身没有卸荷通道。飞轮只能产生有限角动量，一旦转速达到极限，就无法再提供力矩，控制律此时应该转入“轮子卸载”模式，也就是把超出的角动量转移到磁力矩器或其他执行机构上。

仿真层面比较好处理的办法：把飞轮角动量限幅设定成物理约束，并显式写进模型。当限幅生效时，控制力矩的输出要跟着修正，避免控制器以为力矩已经施加而实际并没有。还有一种更细致的建模方式：给飞轮加入转速饱和非线性，饱和时把实际控制力矩反馈回控制器，防止积分项继续累积误差。

5.5 现象：目标姿态转90度以上时，卫星转了一个远路

四元数描述旋转有个模糊性：q和-q描述的是同一个姿态。控制律里的误差四元数如果不做符号修正，可能出现目标姿态在x轴180度附近时，误差向量取到了绕远路的那一侧，卫星绕了接近360度才就位。这个问题在欧拉角PID里完全不存在，但换成四元数控制后几乎人人都会遇到。

解决的关键就是第三章代码里那两行：

if q_err(1) < 0 q_err = -q_err; end

这两行必须在计算误差四元数之后立即执行，且必须在取向量部分之前。如果先取了att_err再去判断符号，修正就晚了一步，控制律已经往错的方向推了一把力矩。

6. 进阶验证：扰动注入与线性化Bode图，让仿真结果不再是孤证

仿真跑完一组PID参数，曲线好看，不代表到了实物阶段还能成立。一个可靠的验证手段是把外干扰力矩加进仿真，观察稳态误差是否还在指标范围内。常见干扰包括重力梯度力矩、气动阻力矩、太阳光压力矩，三者幅度和频率分布完全不同。

仿真里加入重力梯度力矩的方式很简单。对于圆轨道，重力梯度力矩可以近似写为：

T_gg = 3·ω_orb² · (n̂ × I·n̂)

其中ω_orb是轨道角速度，n̂是从卫星质心指向地心的单位向量在体坐标系下的投影。把这个力项加进第3章的T_ext变量，就能看到原本稳态误差几乎为零的控制器是否还能扛住常值偏置。这是检验积分项和限幅参数最直接的一步。

更进一步的验证是线性化Bode图。把刚体动力学在目标姿态附近线性化，得到开环传递函数，就可以画出穿越频率和相位裕度，评估闭环稳定边界。线性化不需要完整推导，可以直接在MATLAB里用数值扰动法做：

% 数值线性化：在平衡点附近对动力学做小扰动 delta = 1e-6; A = zeros(6,6); % 这里6状态包括3姿态角和3角速度 % 对第j个状态施加扰动，计算第i个状态的导数变化率 for i = 1:6 for j = 1:6 x_plus = x0; x_minus = x0; x_plus(j) = x_plus(j) + delta; x_minus(j) = x_minus(j) - delta; fp = dynamics_linearized(x_plus); fm = dynamics_linearized(x_minus); A(i,j) = (fp(i) - fm(i)) / (2*delta); end end

线性化后画出Bode图，关注开环穿越频率处的相位裕度。通常要求相位裕度至少45度以上。如果发现加了积分项之后相位裕度降到30度以下，说明系统在真实扰动下容易发生振荡，这时就要回调Ki或加大阻尼比。

最后养个习惯：每次修改参数都保存一份对应的时间戳，并记录带宽、阻尼比、超调量这三组指标。仿真里最怕的不是参数调不好，而是改了参数之后忘了原来那份参数为什么能工作。把参数当成实验记录来管理，比任何仿真技巧都实用。希望这篇笔记能帮你把飞轮PID控制的MATLAB仿真从“能跑通”推进到“跑得可信”的阶段。

本文还有配套的精品资源，点击获取