直流电机控制策略对比：前馈、积分与LQR

1. 直流电机控制技术概述

直流电机作为工业自动化领域最常见的执行机构之一，其控制性能直接影响整个系统的运行品质。在实际工程应用中，我们通常需要电机能够快速准确地跟踪速度指令，同时具备良好的抗负载扰动能力。本文将基于MATLAB仿真环境，深入解析三种典型的直流电机控制策略：前馈控制、积分反馈控制和LQR（线性二次型调节器）控制，通过对比分析帮助工程师选择最适合特定应用场景的控制方案。

对于电气工程师而言，理解这些控制方法的本质差异至关重要。前馈控制简单直接但抗扰性差，积分反馈控制能消除稳态误差但动态响应可能不足，LQR控制则通过优化算法实现了性能折衷。在工业机器人、CNC机床等对动态性能要求较高的场合，这些控制策略的选择将直接影响设备精度和稳定性。

2. 直流电机建模与基础分析

2.1 物理模型建立

直流电机的数学模型是控制设计的基础。我们考虑电枢控制的永磁直流电机，其等效电路和机械系统可以用以下方程描述：

电枢回路方程：

code复制Va = R*i + L*(di/dt) + Kb*ω

机械运动方程：

code复制J*(dω/dt) + Kf*ω = Km*i - Td

其中各物理参数为：

• R = 2.0 Ω（电枢电阻）
• L = 0.5 H（电枢电感）
• Km = 0.1 Nm/A（扭矩常数）
• Kb = 0.1 V/(rad/s)（反电动势常数）
• Kf = 0.2 Nms（摩擦系数）
• J = 0.02 kg·m²（转动惯量）

提示：在实际工程中，这些参数需要通过电机数据手册或实验测量获得。参数准确性直接影响控制效果。

2.2 MATLAB状态空间建模

在MATLAB中构建电机模型的高效方法是使用状态空间表示。通过串联电枢和机械系统的传递函数，并考虑反电动势反馈，可以得到完整的电机模型：

matlab复制h1 = tf(Km,[L R]);       % 电枢传递函数
h2 = tf(1,[J Kf]);       % 机械传递函数
dcm = ss(h2) * [h1 , 1]; % 串联连接
dcm = feedback(dcm,Kb,1,1); % 加入反电动势反馈

这种建模方式相比直接使用传递函数具有两个优势：一是自动处理多输入多输出系统，二是保持最小阶数避免不必要的零极点对消。

2.3 开环特性分析

通过阶跃响应分析可以初步评估电机的基本动态特性：

matlab复制stepplot(dcm(1));

从响应曲线可以观察到：

• 稳态速度约为0.244 rad/s/V
• 上升时间约0.5秒
• 存在明显的超调（约30%）

这些特性表明，开环系统虽然稳定但动态性能不足，特别是对于需要快速响应的应用场合，必须引入适当的控制策略进行改善。

3. 前馈控制设计与分析

3.1 前馈控制原理

前馈控制是最简单的控制结构，其核心思想是通过系统逆模型直接计算控制输入。对于直流电机速度控制，前馈增益Kff取系统直流增益的倒数：

matlab复制Kff = 1/dcgain(dcm(1))  % 计算前馈增益

理论上，这种控制方式可以实现完美的设定点跟踪。然而在实际中，由于模型不精确和干扰存在，单纯的前馈控制效果有限。

3.2 抗扰性能测试

为评估前馈控制的抗扰能力，我们模拟负载突变场景：

matlab复制t = 0:0.1:15;
Td = -0.1 * (t>5 & t<10); % 5-10秒施加-0.1Nm扰动
u = [ones(size(t)) ; Td];  % 参考输入为1，叠加扰动

cl_ff = dcm * diag([Kff,1]); % 前馈控制系统
h = lsimplot(cl_ff,u,t);

测试结果显示：

• 无扰动时速度跟踪良好
• 负载扰动导致速度下降约25%
• 扰动消除后系统恢复原状态

这种表现说明前馈控制完全依赖模型准确性，无法主动抑制未建模的干扰，因此仅适用于对控制精度要求不高且干扰较小的场合。

4. 积分反馈控制设计

4.1 积分控制原理

为提高抗扰性和消除稳态误差，我们引入积分反馈控制。控制器形式为：

code复制C(s) = K/s

其中K为增益系数，通过根轨迹法确定。在MATLAB中可以进行交互式设计：

matlab复制rlocusplot(tf(1,[1 0]) * dcm(1));

选择K=5是一个合理的折衷，既保证足够的稳定裕度，又能提供较好的动态响应。

4.2 闭环性能对比

将积分控制与前馈控制进行对比测试：

matlab复制K = 5;
C = tf(K,[1 0]); % 积分控制器
cl_rloc = feedback(dcm * append(C,1),1,1,1);
h = lsimplot(cl_ff,cl_rloc,u,t);

关键改进：

• 负载扰动下的速度波动减小到约5%
• 稳态误差完全消除
• 响应速度略有下降

积分控制虽然改善了稳态性能，但相位裕度的降低可能导致动态响应变差，这在高性能应用中可能成为瓶颈。

5. LQR最优控制设计

5.1 LQR控制原理

线性二次型调节器(LQR)是一种基于状态反馈的最优控制策略。它通过最小化代价函数来平衡系统性能和控成本：

code复制J = ∫(20q(t)² + ω(t)² + 0.01Va(t)²)dt

其中q(t)是速度误差的积分，ω(t)是实际速度，Va(t)是控制电压。

5.2 MATLAB实现步骤

LQR设计在MATLAB中可以通过以下步骤完成：

matlab复制% 扩展状态包含误差积分
dc_aug = [1 ; tf(1,[1 0])] * dcm(1); 

% 设计LQR增益
K_lqr = lqry(dc_aug,[1 0;0 20],0.01);

% 构建闭环系统
P = augstate(dcm);
C = K_lqr * append(tf(1,[1 0]),1,1);
OL = P * append(C,1);
CL = feedback(OL,eye(3),1:3,1:3);
cl_lqr = CL(1,[1 4]);

5.3 性能优势分析

通过伯德图和时间响应对比三种控制策略：

matlab复制bodeplot(cl_ff,cl_rloc,cl_lqr);
h = lsimplot(cl_ff,cl_rloc,cl_lqr,u,t);

LQR控制的显著优势：

• 扰动抑制能力最强（速度波动<2%）
• 快速恢复特性
• 良好的鲁棒稳定性
• 最优的频域特性

这种性能提升的代价是算法复杂度增加和实现成本提高，因此在选择控制策略时需要权衡性能需求和实现难度。

6. 工程实践建议

6.1 控制策略选择指南

根据实际应用需求，三种控制策略的适用场景如下：

6.2 参数整定技巧

对于积分控制和LQR控制，参数整定是关键：

1. 积分增益K：

   • 从较小值开始逐步增加
   • 观察阶跃响应的超调量
   • 确保相位裕度>45°

2. LQR权重矩阵：

   • 加大误差积分权重提高抗扰性
   • 增加控制输入权重限制执行器饱和
   • 通过仿真验证不同权重下的性能

6.3 实际实现注意事项

将仿真控制器移植到实际系统时需考虑：

1. 离散化问题：

   • 选择合适的采样频率（至少10倍于带宽）
   • 使用Tustin或零阶保持法离散化

2. 执行器限制：

   • 考虑电压饱和限制
   • 加入抗饱和补偿

3. 状态估计：

   • 若无法直接测量所有状态，需设计观测器
   • 卡尔曼滤波是常见选择

通过MATLAB的Control System Designer工具可以交互式完成大部分设计工作，大幅提高开发效率。在实际项目中，建议先进行充分的仿真验证，再逐步过渡到实物测试。