二阶ADRC在无人车轨迹跟踪中的抗干扰控制实践

1. 项目背景与核心价值

去年在参与某园区无人车项目时，我们遇到了一个棘手问题：传统PID控制器在遇到突发侧风或路面湿滑时，车辆轨迹跟踪误差会突然增大到危险范围。这个问题直接促使我开始研究自抗扰控制（ADRC）技术，而二阶ADRC在车辆控制领域展现出的抗干扰能力，彻底改变了我们对运动控制的认知。

这个控制方案最吸引人的特点是其"总扰动估计"机制。不同于需要精确数学模型的现代控制理论，ADRC把模型误差和外部干扰统一视为"总扰动"，通过扩张状态观测器（ESO）实时估计并补偿。这就好比经验丰富的司机不需要知道精确的风阻系数，仅凭手感就能在侧风中保持方向稳定。

2. 二阶ADRC控制架构解析

2.1 核心组件构成

典型的二阶ADRC包含三个关键部件：

1. 跟踪微分器（TD）：平滑处理给定信号，解决超调与快速性的矛盾
2. 扩张状态观测器（ESO）：核心创新点，将系统内外扰动统一观测
3. 非线性状态误差反馈（NLSEF）：产生最终控制量

以车辆横向控制为例，当方向盘转角指令突变时，TD会生成物理可实现的理想过渡过程，避免直接跟踪阶跃信号导致的轮胎打滑。

2.2 扰动补偿原理

ESO的巧妙之处在于增加了一个"虚拟状态量"来表征总扰动。在Carsim仿真中可以看到，当突然施加20km/h的侧向风干扰时，ESO能在0.3秒内准确估计出扰动值。这个估计精度主要取决于观测器带宽参数ω₀，工程上通常取系统带宽的3-5倍。

重要提示：ESO的相位滞后效应在高速场景下尤为明显。实测发现，当车速超过80km/h时，需要采用降阶ESO或前馈补偿来保证稳定性。

3. Carsim联合仿真实现

3.1 接口配置要点

使用Simulink-Carsim联合仿真时，这几个参数配置直接影响结果可信度：

• 仿真步长建议≤0.001s（对应Carsim Solver设置）
• 车辆参数文件需包含完整的质量分布和轮胎特性
• 转向系统延迟必须建模（通常取0.08-0.12s）

我们在某型SUV上的测试数据显示，忽略转向延迟会导致ADRC参数整定偏差达30%。

3.2 典型工况测试

设计以下测试场景验证抗干扰性：

1. 双移线工况（ISO标准）
2. 正弦扫频转向输入（0.1-2Hz）
3. 突变侧向风干扰（风速15m/s