车载充电机前级Boost电路的ADRC控制设计与Simulink实现

1. 项目背景与核心价值

在电力电子领域，车载充电机（OBC）前级电路的控制性能直接影响整个系统的效率和可靠性。传统PID控制虽然结构简单，但在面对非线性负载扰动、参数摄动等复杂工况时往往力不从心。我最近在某个新能源车企的OBC开发项目中，就遇到了输入电压突变导致前级Boost电路振荡的棘手问题。经过多轮方案对比，最终采用自抗扰控制（ADRC）技术，通过Simulink仿真验证取得了突破性进展。

ADRC的核心思想源自韩京清教授提出的"总扰动估计补偿"理念。与传统PID不同，它通过扩张状态观测器（ESO）实时估计系统内外扰动，并在控制律中进行动态补偿。这种主动抗扰特性特别适合OBC前级这种强非线性、多扰动的应用场景。实测数据显示，在相同输入电压阶跃条件下，ADRC的恢复时间比传统PID缩短了62%，超调量降低至原来的1/3。

2. 系统建模与问题分析

2.1 OBC前级电路特性

典型OBC前级采用Boost拓扑结构，主要完成三项关键功能：

• 功率因数校正（PFC）：维持输入电流与电压同相位
• 母线电压稳压：输出稳定的高压直流母线
• 宽范围电压适配：兼容110V/220V交流输入

其状态空间方程可表示为：

code复制diL/dt = (vin - (1-d)*vout)/L
dvout/dt = ((1-d)*iL - iout)/C

其中d为占空比，L、C分别为电感电容值。这个看似简单的模型在实际运行中面临多重挑战：

• 输入电压vin存在20%-30%的波动
• 负载电流iout会发生阶跃变化
• 元器件参数（如L的饱和特性）具有非线性

2.2 传统PID控制的局限性

在初始方案中，我们采用电压外环+电流内环的双环PID控制。当输入电压从220V突降至150V时，系统出现明显振荡，持续约50ms才恢复稳定。通过伯德图分析发现：

• 相位裕度仅35°，接近稳定边界
• 穿越频率处增益过高，导致对扰动敏感
• 固定参数难以适应宽工作范围

更关键的是，PID控制本质上属于"误差驱动"机制，只能在扰动产生响应后才开始调节，这种被动特性在快速变化的车载环境中成为性能瓶颈。

3. ADRC控制方案设计

3.1 自抗扰控制基本原理

ADRC由三大核心组件构成：

1. 跟踪微分器（TD）：安排过渡过程，避免设定值突变引起的冲击
2. 扩张状态观测器（ESO）：将系统内外扰动统一视为"总扰动"进行实时估计
3. 非线性状态误差反馈（NLSEF）：基于误差的非线性组合生成控制量

其创新性在于将未知扰动扩张为新的状态变量，通过ESO进行动态观测并补偿。以二阶系统为例，ESO的数学模型为：

code复制ẋ1 = x2 + β1(y-x1) 
ẋ2 = x3 + β2(y-x1) + b0*u
ẋ3 = β3(y-x1)

其中x3就是估计的总扰动，包含模型不确定性、外部干扰等所有非理想因素。

3.2 Simulink实现细节

在Simulink中搭建ADRC控制器时，有几个关键参数需要特别注意：

1. ESO带宽ωo：

matlab复制beta1 = 3*omega_o;
beta2 = 3*omega_o^2; 
beta3 = omega_o^3;

通常取ωo=(3~5)*ωc（ωc为控制系统带宽）

2. 控制律参数：

matlab复制kp = omega_c^2;
kd = 2*omega_c;

其中ωc根据动态响应要求选择，典型值在100~500rad/s

3. 扰动补偿增益b0：
   需要近似知道控制输入到输出的增益，对于Boost电路：

matlab复制b0 = Vout/(L*D)  % D为标称占空比

实际建模时，我推荐采用MATLAB Function模块实现核心算法，而非直接使用Simulink基础模块搭接。这样可以更灵活地处理非线性运算，也便于代码生成。一个典型的实现框架如下：

matlab复制function u = ADRC_Controller(y_ref, y, h)
persistent x1 x2 x3;
if isempty(x1)
    x1 = 0; x2 = 0; x3 = 0; 
end

% TD跟踪微分器
v1 = v1 + h*v2;
v2 = v2 + h*fhan(v1-y_ref, v2, r, h);

% ESO观测器
e = y - x1;
x1 = x1 + h*(x2 + beta1*e);
x2 = x2 + h*(x3 + beta2*e + b0*u);
x3 = x3 + h*beta3*e;

% NLSEF非线性组合
e1 = v1 - x1;
e2 = v2 - x2;
u0 = kp*fal(e1,alpha1,delta) + kd*fal(e2,alpha2,delta);

% 扰动补偿
u = (u0 - x3)/b0;
end

4. 仿真分析与参数整定

4.1 典型工况测试

在Simulink中设置以下测试场景验证性能：

1. 输入电压阶跃：220V→150V→220V（模拟电网波动）
2. 负载阶跃：5Ω→2.5Ω→5Ω（模拟充电模式切换）
3. 参数失配：故意将模型中的L、C值设为标称值的±20%

对比PID与ADRC的仿真波形可见：

• 电压调整时间：ADRC 8ms vs PID 22ms
• 超调量：ADRC 1.2% vs PID 4.8%
• 参数敏感性：ADRC在±30%参数变化时仍保持稳定

4.2 参数整定经验

经过多次调试，总结出ADRC参数整定的"三步法"：

1. 确定控制带宽ωc：

matlab复制omega_c = 2*pi*(0.1/t_r)  % t_r为期望上升时间

2. 设置ESO带宽：

matlab复制omega_o = (3~5)*omega_c

ESO带宽越高，扰动估计越快速，但需注意测量噪声放大问题

3. 非线性函数调节：

• α取0.5~1之间的小数，实现"大误差小增益，小误差大增益"
• δ设为测量噪声峰峰值的2~3倍

重要提示：实际调试时应先开环运行ESO，确认扰动估计的准确度后再闭环。我曾遇到因b0取值偏差导致系统发散的情况，后来通过注入阶跃信号进行b0标定解决了问题。

5. 工程实现中的挑战

5.1 数字量化效应

将Simulink模型移植到DSP时，发现两个关键问题：

1. 高带宽ESO对采样延迟敏感：当开关频率为100kHz时，若计算延迟超过2μs，相位裕度会显著下降
   解决方案：

• 采用并行计算架构：ESO与NLSEF分核处理
• 使用Q15格式定点数运算，相比浮点提速40%

2. 非线性函数的硬件实现：

c复制// 优化后的fal函数实现
int16_t fal(int16_t e, float alpha, int16_t delta) {
    int32_t abs_e = abs(e);
    if(abs_e > delta) {
        return (int16_t)(powf(abs_e, alpha) * ((e>0)?1:-1));
    }
    return (int16_t)(e / powf(delta, 1-alpha));
}

5.2 抗干扰增强措施

在实车测试中，发现以下改进点：

1. 输入电压前馈：在ESO输出中加入vin微分项，提前补偿电网波动
2. 负载电流观测：通过母线电压纹波反推负载变化，作为ESO的辅助输入
3. 参数自适应：根据工作点自动调整b0值，特别是轻载工况

最终实测数据显示，在-40℃~85℃环境温度范围内，输出电压纹波始终小于1%，完全满足ISO 21498标准要求。

6. 延伸应用与优化方向

当前方案还可进一步扩展：

1. 与模型预测控制（MPC）结合：用MPC处理约束问题，ADRC负责扰动抑制
2. 基于深度学习的参数自整定：训练神经网络根据工况动态调整ωc、ωo
3. 故障诊断应用：利用ESO的扰动估计能力检测元器件老化

在最近参与的800V平台项目中，我们尝试将ADRC与SiC器件特性相结合，使系统效率再提升1.2个百分点。这让我深刻体会到，先进控制算法与新器件的协同创新，才是推动电力电子发展的双引擎。