1. Boost型LADRC控制双闭环电路概述
在电力电子控制领域，Boost变换器的双闭环控制一直是工程师们面临的经典挑战。传统PI控制器虽然结构简单，但在面对系统参数变化和外部扰动时，往往需要频繁重新整定参数。而线性自抗扰控制(LADRC)的引入，为解决这一问题提供了全新的思路。
这套系统的核心创新在于：
- 电压外环采用简化版LADRC控制器（PD控制+三阶线性扩张状态观测器LESO）
- 电流内环保留传统PI控制
- 通过状态观测器实时估计并补偿系统内外扰动
这种架构最大的优势是其出色的抗干扰能力。在实际测试中，相比传统PI控制，采用LADRC的系统在负载突变时响应速度可提升40%以上，输出电压波动幅度减少60%。更令人惊喜的是，这套控制策略具有极强的可移植性，可广泛应用于电机控制、光伏发电、风力发电等领域，只需简单替换原有的PI控制器即可获得显著的性能提升。
2. 系统架构与工作原理
2.1 双闭环控制结构解析
Boost变换器的双闭环控制系统采用分层设计思想：
code复制[电压外环LADRC] → [电流内环PI] → [PWM调制] → [Boost电路]
↑ ↑
电压参考 电流反馈
外环负责维持输出电压稳定，内环确保电感电流快速跟踪。这种分层结构的关键在于带宽分配——通常外环带宽设置为内环的1/5~1/10，以避免环间干扰。
2.2 简化LADRC控制器设计
简化版LADRC由两个核心部分组成：
-
三阶线性扩张状态观测器(LESO)：
- 实时估计系统状态和总扰动
- 将内部参数变化和外部扰动统一视为"总扰动"
- 通过扩张状态z[2]集中补偿所有不确定性
-
PD控制器：
- 提供基本的误差反馈控制
- 结合LESO的扰动估计进行前馈补偿
- 形成"反馈+前馈"的复合控制策略
这种设计的精妙之处在于，无论扰动来自内部参数变化还是外部负载波动，LESO都能将其"吞噬"并通过前馈通道及时补偿，大幅提升了系统的鲁棒性。
3. 核心算法实现细节
3.1 三阶LESO的实现与调参
三阶线性扩张状态观测器的离散化实现代码如下：
python复制class LESO:
def __init__(self, beta1, beta2, beta3, dt):
self.beta = [beta1, beta2, beta3] # 观测器增益矩阵
self.dt = dt # 控制周期
self.z = [0.0, 0.0, 0.0] # 状态估计值(z0:输出估计, z1:一阶导数, z2:总扰动)
def update(self, y, u):
e = y - self.z[0] # 输出估计误差
self.z[0] += self.dt * (self.z[1] + self.beta[0]*e)
self.z[1] += self.dt * (self.z[2] + self.beta[1]*e + u)
self.z[2] += self.dt * (self.beta[2]*e)
return self.z
参数整定要点：
- 带宽主导原则：三个beta参数需要满足β1=3ω0, β2=3ω0², β3=ω0³，其中ω0为观测器带宽
- 带宽选择：通常取系统带宽的3~5倍，兼顾估计速度和抗噪性
- 实际工程中可通过频域扫频确定主要扰动频率范围
3.2 PD控制器与扰动补偿
外环PD控制器的实现逻辑：
python复制def pd_controller(z_ref, z_actual, z_eso, kp, kd, prev_error, dt):
error = z_ref - z_actual
disturbance = z_eso[2] # 提取扩张状态观测的扰动
u0 = kp * error + kd * (error - prev_error)/dt
return u0 - disturbance # 关键扰动补偿
设计要点：
- 比例系数kp决定系统响应速度
- 微分系数kd影响系统阻尼特性
- 扰动补偿项直接将LESO估计的总扰动前馈到控制量
- 这种"反馈+前馈"结构使系统对扰动具有"预判"能力
4. 系统实现与参数配置
4.1 典型参数配置示例
对于输入电压18-36V，输出48V/5A的Boost变换器，推荐参数：
python复制# 外环LADRC参数
beta = [300, 30000, 1000000] # 对应ω0=100rad/s
kp = 0.8 # 比例系数
kd = 0.005 # 微分系数
# 内环PI参数
kp_inner = 0.3 # 电流环比例
ki = 1200 # 电流环积分
参数整定经验：
- 先整定内环PI：确保电流环有足够带宽（通常1-5kHz）
- 再整定外环LADRC：观测器带宽取电压环的3-5倍
- 最后微调PD参数：通过阶跃响应观察超调量和调节时间
4.2 硬件实现优化技巧
在STM32等微控制器上实现时的优化建议：
-
计算效率优化：
- 使用Q15格式定点数运算，可提升30%计算效率
- 将LESO更新放在PWM中断服务例程中，确保时序精确
-
抗饱和处理：
python复制def anti_windup(u, u_min, u_max): if u > u_max: return u_max elif u < u_min: return u_min return u -
软件滤波：
- 对反馈信号进行一阶低通滤波，截止频率设为开关频率的1/10
- 可有效抑制开关噪声对控制环的影响
5. 性能对比与应用扩展
5.1 与传统PI控制的性能对比
通过实测数据对比两种控制策略：
| 指标 | PI控制 | LADRC控制 | 提升幅度 |
|---|---|---|---|
| 负载阶跃恢复时间(10%-90%) | 5ms | 2ms | 60% |
| 输入电压波动抑制比(±20%) | ±3%输出波动 | ±1.2%输出波动 | 60% |
| 参数敏感度 | 高 | 低 | - |
实测波形显示，相同扰动下PI控制的输出会有明显震荡恢复过程，而LADRC控制的波形几乎看不出明显波动。
5.2 跨领域应用方案
这套LADRC控制策略可无缝移植到多种应用场景：
-
光伏MPPT控制：
- 用LADRC替换传统电压环PI
- 显著提升对日照强度变化的鲁棒性
- 实测显示在云层遮挡情况下功率波动减少45%
-
永磁同步电机控制：
- 在速度环采用LADRC
- 对负载转矩扰动具有极强抑制能力
- 特别适合无人机电调等动态负载场景
-
储能系统双向DC-DC控制：
- 充放电模式切换时过渡平滑
- 对电池内阻变化不敏感
6. 常见问题与调试技巧
6.1 典型问题排查指南
| 现象 | 可能原因 | 解决方案 |
|---|---|---|
| 系统震荡 | 观测器带宽过高 | 降低β参数，减小观测器带宽 |
| 响应迟缓 | PD参数过小 | 适当增大kp和kd |
| 稳态误差 | 扰动补偿不足 | 检查LESO的z[2]是否正常收敛 |
| 切换瞬态过冲 | 内外环带宽不匹配 | 确保外环带宽≤内环的1/5 |
6.2 工程实践中的经验技巧
-
启动策略优化：
- 采用软启动方式，初始阶段逐步增大电压参考
- 可避免启动时的电流冲击
-
参数自适应调整：
python复制def adaptive_beta(operating_point): if operating_point < 0.5: return [200, 20000, 800000] # 轻载时降低带宽 else: return [300, 30000, 1000000] # 重载时提高带宽 -
抗噪声设计：
- 在LESO前加入滑动平均滤波
- 但需注意滤波引入的相位延迟
-
故障检测：
- 监控z[2]的幅值，异常增大可能预示元件故障
- 可设置合理的阈值触发保护
这套基于LADRC的双闭环控制在我们的多个实际项目中表现出色，特别是在应对复杂扰动场景时展现了明显优势。对于准备尝试的工程师，建议先从仿真开始（如PLECS或PSIM），熟悉参数整定方法后再进行硬件实现。