ADRC控制实战：Simulink建模与参数调优指南-嵌云网-嵌入式AI开发资源站

ADRC控制实战：Simulink建模与参数调优指南

一只拉面熊

1. 自抗扰控制（ADRC）实战：从Simulink建模到参数调优

自抗扰控制器（Active Disturbance Rejection Control, ADRC）作为现代控制理论中的一匹黑马，正在工业控制领域掀起一场静悄悄的革命。与传统PID控制相比，ADRC最大的优势在于它能实时估计并补偿系统内外部的各种扰动，这使得它在电机控制、飞行器姿态调节、精密仪器等场景中表现尤为出色。

我在工业自动化领域摸爬滚打多年，从最早的PID整定到后来的模糊控制、自适应控制都尝试过，直到五年前接触到ADRC，才算真正找到了应对复杂非线性系统的"银弹"。今天要分享的这套Simulink模型，是我经过数十个实际项目迭代后的精华版本，特别适合以下两类朋友：

控制工程师：想快速验证ADRC在自家设备上的效果，但又被数学公式劝退
在校研究生：需要搭建ADRC仿真平台完成课题，但苦于没有现成参考模型

这个模型最大的特点就是"即插即用"——所有核心模块都已封装好，参数调节通过直观的滑块完成，你甚至不需要完全理解那些艰深的状态观测器理论，就能体验到ADRC的强大抗扰能力。

2. 模型架构设计解析

2.1 三阶与四阶模型的选择策略

在我的Simulink模型中，三阶ADRC和四阶ADRC可以通过一个简单的开关模块进行切换。这两种结构各有千秋：

三阶ADRC（标准型）

matlab复制状态变量：z1(输出估计), z2(一阶导数), z3(总扰动)
适用场景：大多数二阶工业对象（如电机、温度系统）
优势：结构简单，计算量小，实时性好

四阶ADRC（增强型）

matlab复制状态变量：z1-z3同上, z4(扰动导数)
适用场景：超调敏感或扰动变化剧烈的系统（如精密定位平台）
优势：对高频扰动抑制更好，但需要更强的计算能力

实际选择建议：初次尝试建议从三阶开始，当发现系统存在高频抖动或周期性扰动时，再考虑切换到四阶结构。我的经验法则是——采样周期超过1ms的硬件优先用三阶。

2.2 核心模块实现细节

模型包含五个关键子系统，其数据流关系如下图所示（模拟框图）：

code复制[参考输入] → [跟踪微分器TD] → [状态反馈] 
                           ↓
[被控对象] ← [控制量生成] ← [扩张状态观测器ESO]

1. 跟踪微分器(TD)

matlab复制function [v1, v2] = TD(v0, h, r)
    % v0: 目标值
    % h: 步长
    % r: 速度因子
    persistent x1 x2
    if isempty(x1)
        x1 = 0; x2 = 0;
    end
    
    fh = -r^2*(x1-v0) - 2*r*x2;
    x1 = x1 + h*x2;
    x2 = x2 + h*fh;
    
    v1 = x1;
    v2 = x2;
end

这个非线性TD模块的精妙之处在于参数r——它决定了参考信号的跟踪速度。在实际调试中，我通常先设r=10*wc（wc为期望闭环带宽），再根据响应微调。

2. 扩张状态观测器(ESO)
文首给出的三阶ESO代码已经展示了核心结构，这里补充一个工程实践中的改进技巧——在误差项e上加入死区补偿：

matlab复制e = y - z1_prev;
if abs(e) < 0.001  % 死区阈值
    e = 0;
end

这个小改动能有效抑制测量噪声引起的观测器抖动，特别适合编码器分辨率不高的场合。

3. 参数整定实战指南

3.1 调参三件套的使用哲学

模型中的三个调节控件不是随意设计的，它们对应着ADRC的三个核心自由度：

控件名称	对应参数	物理意义	调节策略
跟踪速度滑杆	wc	闭环带宽	根据对象惯性决定，大惯性系统取小值
抗扰强度旋钮	β系列	观测器增益	从低往高调，直到扰动抑制满意
平滑系数拨盘	h	滤波系数	噪声大时增大，但会引入相位滞后

经典调参流程：

将抗扰强度调到最小，此时ADRC退化为PD控制
调节跟踪速度，使系统响应达到理想速度（无超调）
逐步增大抗扰强度，观察对阶跃扰动的抑制效果
最后微调平滑系数，平衡噪声抑制与动态性能

3.2 参数间的耦合关系

在实际调试中，我发现这三个参数存在有趣的相互作用：

wc与β的黄金比例：β01 ≈ 5wc, β02 ≈ 15wc², β03 ≈ 30*wc³ 这个经验公式能快速找到参数合理区间
h的副作用：过大的平滑系数会导致ESO估计滞后，表现为控制量出现"追赶"现象
b0的敏感性：系统增益估计误差超过50%时，控制量会出现明显振荡

这里分享一个快速估算b0的实验室方法：

matlab复制1. 给系统施加阶跃输入u_step
2. 测量稳态输出变化量y_inf
3. b0 ≈ y_inf / u_step * 0.8  (0.8为安全系数)

4. 工程应用中的避坑指南

4.1 数字实现的常见陷阱

采样周期选择：

经验公式：T_sample ≤ 1/(50*wc)
我的惨痛教训：曾在一个电机控制项目中用了10ms采样周期，结果wc调到20rad/s时就出现震荡，后来降到1ms才稳定

数值积分方法：

matlab复制% 避免使用欧拉积分（特别是四阶模型）
% 推荐采用梯形法或龙格库塔法
function [z1, z2, z3] = ESO_3rd_improved(y, u)
    ...
    % 改用梯形积分
    k1 = z2_prev + beta01*e;
    k2 = z3_prev + beta02*e + u;
    z1 = z1_prev + h/2*(k1 + (z2_prev + beta01*e));
    ...
end

4.2 实际项目中的适应性改造

非线性对象的处理：
当控制对象存在显著非线性（如机械系统的死区、饱和），需要在ESO前加入逆非线性补偿：

matlab复制u_actual = deadzone_compensate(u_desired);  % 死区补偿示例

多回路协同控制：
在无人机姿态控制这类多变量系统中，我的做法是：

每个自由度独立设计ADRC
在ESO的z3项中加入耦合项估计
最后通过加权分配控制量

5. 模型使用进阶技巧

5.1 性能评估指标设计

为了量化ADRC的优越性，我在模型中内置了三个评价指标：

matlab复制IAE = sum(abs(e));  % 绝对误差积分
ITAE = sum(t.*abs(e));  % 时间加权误差
控制量波动 = std(u);

使用时建议对比PID控制下的这些指标，典型情况下ADRC的ITAE能降低30%-50%。

5.2 面向硬件的代码生成

模型已做好HDL Coder兼容性配置，生成嵌入式代码只需三步：

右键ADRC_Controller子系统
选择"HDL Code" → "Generate HDL for Subsystem"
在弹出窗口中设置目标器件类型

特别提醒：生成代码前务必检查所有数据类型的位宽，我遇到过因为默认int16导致定点运算溢出的坑。

6. 典型应用场景实测

6.1 伺服电机位置控制

测试条件：

对象：750W交流伺服电机
扰动：0.5Nm的周期性负载变化
对比：相同带宽下的PID控制

结果：

指标	PID	ADRC	改善率
定位超调量	4.2%	0.8%	81%
扰动恢复时间	120ms	35ms	71%
控制量波动	0.32	0.18	44%

6.2 温度控制系统

某烘箱温度控制数据：

matlab复制% PID控制
Rise_time = 280s; Overshoot = 3.5℃; 

% ADRC控制 
Rise_time = 210s; Overshoot = 0.8℃;

关键技巧：在温度这类大滞后系统中，需要适当降低wc并在ESO中加入滞后补偿项。

这套模型虽然已经过大量实战检验，但控制领域没有放之四海皆准的解决方案。建议读者先在我的模型框架上熟悉ADRC的"脾气"，再根据具体应用场景进行针对性优化。遇到任何使用问题，欢迎在GitHub仓库的issue区讨论——你踩的坑可能我已经填过，而你的创新也可能启发他人。