PSO优化LADRC参数解决舵机控制抖动问题

1. 从舵机抖动问题说起

去年调试某型号舵机时遇到一个棘手问题：当负载突变或外部扰动时，系统会出现持续振荡。传统PID控制虽然简单易用，但在应对这种非线性、强耦合的工况时显得力不从心。这让我开始关注自抗扰控制（ADRC）这一新兴控制策略。

线性自抗扰控制（LADRC）作为ADRC的简化版本，保留了核心的抗扰特性，同时大幅降低了实现复杂度。但它的参数整定一直是个技术痛点——三个关键参数（带宽、观测器增益等）的微小变化都会显著影响控制性能。这就是为什么我要尝试将粒子群优化（PSO）引入到LADRC参数整定中。

2. 线性自抗扰控制的核心架构

2.1 LADRC的三阶实现方案

对于舵机这类二阶系统，我采用三阶LADRC结构。其核心由三部分组成：

1. 跟踪微分器（TD）：安排过渡过程，避免设定值突变引起的超调
2. 扩张状态观测器（ESO）：实时估计系统总扰动（包括模型不确定性和外部干扰）
3. 状态误差反馈（SEF）：基于误差的补偿控制

具体到数学模型，ESO的离散化实现尤为关键。以100Hz控制周期为例，采用欧拉离散化方法：

c复制// 伪代码示例
void ESO_Update(float u, float y) {
    e = z1 - y;
    z1 += T * (z2 - beta01*e);
    z2 += T * (z3 - beta02*e + b0*u); 
    z3 += T * (-beta03*e);
}

其中β系列参数决定了观测器带宽，直接影响扰动估计的快速性和噪声抑制能力。

2.2 参数敏感性问题验证

通过扫参实验发现，当带宽参数ω₀变化±20%时：

• 阶跃响应的超调量可能从5%激增至30%
• 扰动抑制时间延长2-3倍
• 高频噪声放大现象明显

这解释了为什么传统试凑法难以获得稳定优良的控制效果。

3. 粒子群优化的改造实践

3.1 PSO-LADRC协同框架

设计如图所示的闭环优化结构：

code复制[PSO参数优化] → [LADRC控制器] → [舵机系统]  
                ↑_____________|

关键创新点在于适应度函数的设计。经过多次试验，最终采用加权组合：

code复制fitness =