1. 课程导入与船舶航行控制仿真概览

船舶在海上航行时，真正需要“控制”的并不是螺旋桨转速或舵角本身，而是船舶的位置、艏向和速度相对于期望航线的偏差。把这一层关系想清楚，是理解整门课程的前提。本节先建立三个基本认识：船舶航行控制到底在解决什么问题，MATLAB/Simulink 在其中扮演什么角色，以及后续 30 节内容如何串成一条可执行的任务链。

一、船舶航行控制的核心问题

船舶是一个大惯性、慢响应、欠驱动的水面运动体。所谓欠驱动，指控制输入通常只有两个——主机推力（或转速）与舵角，而需要被控制的运动量却包括纵向速度、横向漂移、艏向角以及平面位置。以最常用的三自由度平面模型为例，状态量取为 [x, y, ψ, u, v, r]，分别表示北向位置、东向位置、艏向角、纵向速度、横向速度和艏摇角速度；控制量为推力 T 与舵角 δ。这里必须约定坐标系：本文统一采用北-东-地坐标系描述位置，艏向角 ψ 以正北为 0、顺时针为正，舵角 δ 以右舵为正。后续所有公式、仿真与图示都沿用这一约定，切换参照系时会明确说明。

在这个约定下，航行控制的核心问题可以归纳为三类典型任务。第一类是航向保持与航向改变：给定目标艏向 ψ_d，通过舵角使 ψ 稳定跟踪，并抑制风浪引起的偏航扰动。第二类是航迹跟踪：给定一条期望航线（直线或曲线），要求船舶在有限时间内收敛到航线上，同时把横向偏差压到允许范围内。第三类是动力定位与低速操纵：在低速甚至零速条件下，依靠推力分配维持位置，此时横向力和艏摇力矩的耦合更加突出。

这三类任务的共同难点在于：船舶响应存在明显滞后，舵效与航速强相关，且横向运动不可直接驱动。举例来说，一艘长约 50 m 的船舶在 8 m/s 航速下，舵角阶跃 10° 后艏向角往往需要数十秒才进入稳态，若控制器增益取得过大，很容易出现周期性偏航振荡。因此控制设计的重点不是“让船立刻转过去”，而是“在滞后与欠驱动的约束下，设计出既稳定又不过度操舵的规律”。

二、MATLAB 仿真在控制设计中的作用

实船试验成本高、风险大，而纯理论推导又难以直观看到参数变化对动态过程的影响。MATLAB/Simulink 正好填补两者之间的空白，它在本课程中承担四项具体职能。

其一是被控对象建模。可以用 Nomoto 一阶或二阶模型快速描述艏向响应，也可以用完整的三自由度操纵性模型描述位置与速度耦合。前者适合航向控制的教学与参数整定，后者适合航迹跟踪与推力分配。其二是控制器实现。PID、前馈补偿、视线制导（LOS）、模型预测控制等都可以在 Simulink 中以模块或 MATLAB Function 的形式搭建，便于对比不同结构的控制效果。其三是扰动与工况注入。通过风、浪、流的等效力和力矩叠加到模型输入端，可以观察控制器在非理想条件下的鲁棒性。其四是结果分析。利用 Scope、To Workspace 与绘图脚本，可以定量读取超调量、调节时间、稳态横向偏差和操舵频次等指标。

需要强调的是，仿真结果的可信度取决于模型与参数的合理性。课程中给出的船舶参数（如船长、质量、附加质量、阻尼系数、舵效系数）均属于教学示例或合理假设，用于演示方法与趋势，不能直接等同于某条实船的实测数据。学习者应养成“先说明参数来源、再解读仿真曲线”的习惯。

三、课程整体任务链与学习路径

上图把本课程的主线压缩成一条闭环：被控对象 → 制导律 → 控制器 → 扰动注入 → 仿真运行 → 性能判读 → 参数整定 → 结论交付。它不是一次性的线性流程，而是“设计—仿真—判读—再设计”的迭代回路。理解这条回路，比记住某个具体公式更重要，因为后续每一节都在强化其中某一环。

从学习路径看，课程大致分为四个阶段。第一阶段打基础：建立船舶运动数学模型，明确坐标系、状态量与操纵性参数的含义，并学会在 MATLAB 中写出可运行的三自由度仿真脚本。第二阶段做航向控制：从 Nomoto 模型出发，搭建 PID 航向保持回路，观察比例、积分、微分项对超调与稳态误差的影响，并引入积分限幅与舵速限制。第三阶段做航迹跟踪：引入 LOS 制导，把横向偏差转换为期望艏向，再与航向控制器级联，重点处理前视距离与收敛速度的矛盾。第四阶段做综合与进阶：加入风浪流扰动、推力分配、模型预测控制等内容，并对控制方案做对比评估。

为了让第一阶段就具备可操作性，下面给出一个最小可运行的航向仿真骨架，用于建立“模型—控制器—结果”的直观联系。示例参数为教学假设：船舶质量 m = 1.2e6 kg，舵效系数 K = 0.08 1/s，时间常数 T = 12 s，采用一阶 Nomoto 模型 T·ṙ + r = K·δ，初始艏向 0°，目标艏向 20°，舵角限幅 ±35°。

% 航向控制最小示例（教学假设参数）
T = 12; K = 0.08; dt = 0.1; tEnd = 300;
t = 0:dt:tEnd; n = numel(t);
psi = zeros(1,n); r = zeros(1,n); delta = zeros(1,n);
psi_d = deg2rad(20);
Kp = 1.2; Ki = 0.02; Kd = 0.8;   % 待整定的 PID 参数
eInt = 0; ePrev = 0;
for k = 2:n
    e = psi_d - psi(k-1);
    eInt = eInt + e*dt;
    dE = (e - ePrev)/dt; ePrev = e;
    u = Kp*e + Ki*eInt + Kd*dE;
    delta(k) = max(min(u, deg2rad(35)), -deg2rad(35));
    r(k) = r(k-1) + dt*(K*delta(k) - r(k-1))/T;
    psi(k) = psi(k-1) + dt*r(k);
end
plot(t, rad2deg(psi)); yline(20,'--'); grid on;
xlabel('时间 / s'); ylabel('艏向角 / deg');

运行后应重点观察三条信息：艏向角是否在合理时间内进入 20°±1° 的稳态带，过程中是否出现明显超调，以及舵角是否长时间贴住限幅。若超调过大，通常先减小 Kp 或增大 Kd；若稳态误差迟迟不消，则适当增大 Ki，但要防止积分饱和引起二次振荡。这一“看曲线—调参数—再看曲线”的过程，正是整门课程反复训练的核心动作。

最后需要建立一种工程心态：仿真不是“跑出漂亮曲线”就结束，而是要用可复现的模型、明确的参数来源和清晰的判读指标，支撑控制方案的选择。当你能说清楚“为什么选这组增益、它把哪个指标改善了多少、在什么扰动下会失效”，才算真正完成了从理论到仿真的闭环。