4. 测试模型开发：被控对象建模与MIL验证
好，咱们进入第四章。这一章，说白了就是整个半实物仿真测试的“心脏”——被控对象建模。你想想看，没有这个模型，你拿什么去验证你的控制器？拿空气吗？
我个人习惯把这一章分成四个步骤：建模、离散化、代码生成、MIL验证。每一步都有坑，我踩过的坑，今天都给你指出来。
4.1 被控对象建模（Matlab/Simulink）
建模这事儿，说难不难，说简单也不简单。关键看你想要什么精度。
第一步：明确你的对象是什么
是电机？是液压缸？还是热力系统？不同的对象，建模方法天差地别。我在项目中遇到过最头疼的一次，是给一个非线性很强的气动系统建模。那玩意儿，你线性化根本搞不定。
第二步：选择建模方法
- 机理建模：从物理定律出发，比如牛顿第二定律、基尔霍夫定律。适合你清楚系统内部结构的时候。
- 辨识建模：给系统一个激励，看它怎么响应，然后反推模型。适合黑箱或者灰箱系统。
- 混合建模：两者结合。我一般优先用这个，既保证物理意义，又保证精度。
第三步：在Simulink里搭积木
嗯，这里要注意。Simulink里有很多现成的模块库，比如Simscape、Power Systems。别自己从头写微分方程，除非你想练手。我建议直接用这些库，省时省力，还少出错。
核心原则：模型复杂度要匹配你的测试目的。做功能测试，用线性模型就够了；做性能测试，必须用非线性模型。
举个例子，一个直流电机模型，在Simulink里大概长这样：
% 电机参数
R = 2.0; % 电枢电阻 (Ohm)
L = 0.5; % 电枢电感 (H)
Kt = 0.1; % 转矩常数 (Nm/A)
Ke = 0.1; % 反电动势常数 (V/(rad/s))
J = 0.02; % 转动惯量 (kg*m^2)
B = 0.01; % 阻尼系数 (Nms/rad)
% 状态方程
% di/dt = (V - R*i - Ke*w) / L
% dw/dt = (Kt*i - B*w) / J你看，就这么几行，一个电机模型就出来了。但实际项目中，你还要考虑摩擦、饱和、死区这些非线性因素。我曾经因为没加死区模型，导致仿真结果和实测差了30%。
4.2 模型离散化与代码生成
连续模型建好了，但你的控制器是数字的，跑在CPU或者FPGA上。所以，必须把连续模型变成离散模型。
为什么必须离散化？
说白了，计算机不认识微分方程，它只认识差分方程。你想想看，计算机是“滴答滴答”一步一步跑的，不是连续流动的。
离散化方法选择
| 方法 | 精度 | 稳定性 | 适用场景 |
|---|---|---|---|
| 前向欧拉 | 低 | 条件稳定 | 快速原型，步长很小 |
| 后向欧拉 | 中 | 无条件稳定 | 实时仿真，步长较大 |
| Tustin（双线性） | 高 | 无条件稳定 | 高精度仿真 |
| 零阶保持器（ZOH） | 中 | 取决于系统 | 与D/A输出匹配 |
我的经验：实时仿真中，我一般用后向欧拉或者Tustin。前向欧拉虽然简单，但步长一大就发散。我曾经在项目里吃过这个亏，仿真跑着跑着就飞了，查了半天才发现是离散化方法选错了。
代码生成
模型离散化之后，下一步就是生成C代码或者HDL代码。Simulink Coder和Embedded Coder是干这个的。
这里有个坑：代码生成不是一键搞定的。你要配置好数据类型、任务调度、中断优先级。我建议你生成代码后，先看看生成的代码质量，别直接往硬件里烧。
// 生成的离散化电机模型代码示例
void motor_model_step(void)
{
// 输入：电压 V
// 输出：转速 w, 电流 i
// 后向欧拉离散化
i = (i_prev + dt/L * V) / (1 + dt*R/L);
w = (w_prev + dt/J * Kt*i) / (1 + dt*B/J);
// 更新状态
i_prev = i;
w_prev = w;
}4.3 模型在环（MIL）验证
模型建好了，代码也生成了，但你怎么知道它是对的？MIL验证就是干这个的。
MIL验证的核心逻辑
说白了，就是把你的被控对象模型和控制器模型放在同一个仿真环境里跑，看看它们能不能“聊到一块去”。
注意：MIL验证不是功能测试，而是模型一致性测试。你要验证的是：离散化后的模型，行为是否和连续模型一致？生成的代码，行为是否和Simulink模型一致？
MIL验证的步骤
- 搭建闭环仿真环境：把控制器模型和被控对象模型连起来。
- 设计测试用例：包括阶跃响应、正弦扫频、极限工况。
- 对比仿真结果：连续模型 vs 离散模型 vs 生成代码。
- 分析误差：如果误差超过阈值，回去调离散化方法或者步长。
我记得有一次，MIL验证时发现离散模型和连续模型的阶跃响应差了5%。查了半天，发现是步长选得太大了。把步长从1ms改成0.5ms，误差立马降到1%以内。
MIL验证的通过标准
- 稳态误差 < 1%
- 动态响应时间误差 < 5%
- 超调量误差 < 2%
- 无振荡或发散现象
避坑指南：我曾经在MIL验证时，发现模型跑出来的结果和预期完全相反。后来发现，是控制器的输出极性搞反了。所以，MIL验证一定要从最简单的开环测试开始，别一上来就闭环。
4.4 本章知识体系
下面这张图，是我自己总结的本章知识体系。你把它存下来，以后做项目时对照着看，能少走很多弯路。
嗯，这一章的内容就到这里。建模、离散化、代码生成、MIL验证，这四个步骤环环相扣，少一步都不行。你回去之后，找个简单的对象练练手，比如一个RC电路或者一个弹簧质量系统，把整个流程走一遍。相信我，走完一遍，你就全明白了。