1. 非线性离散ADRC的核心价值与应用场景
在工业控制领域，二阶非线性系统广泛存在于电机控制、机械臂运动、液压伺服等场景。传统PID控制器在面对这类系统时，常因非线性特性和外部扰动导致控制性能下降。而自抗扰控制（ADRC）通过独特的扰动估计与补偿机制，为这类问题提供了更优解决方案。
我最早接触ADRC是在2018年一个伺服电机项目中，当时系统存在明显的非线性摩擦和负载扰动。尝试各种PID参数组合后，响应曲线始终存在超调或稳态误差。改用ADRC结构后，仅用基础参数就获得了比PID优化后更好的动态性能。这种"直接内部调参"的特性，正是ADRC在实际工程中的突出优势。
2. ADRC的核心架构解析
2.1 三模块组成原理
典型的二阶ADRC由三部分组成：
- 跟踪微分器（TD）：安排过渡过程，提取微分信号
- 扩张状态观测器（ESO）：实时估计系统总扰动
- 非线性状态误差反馈（NLSEF）：生成控制量
matlab复制% 典型离散ADRC结构示例
function u = ADRC_2nd_order(y_ref, y_meas, h, beta)
% TD环节
v1 = v1 + h*v2;
v2 = v2 + h*fhan(v1-y_ref, v2, r, h0);
% ESO环节
e = z1 - y_meas;
z1 = z1 + h*(z2 - beta01*e);
z2 = z2 + h*(z3 - beta02*fal(e,alpha1,delta) + b0*u);
z3 = z3 + h*(-beta03*fal(e,alpha2,delta));
% NLSEF环节
e1 = v1 - z1;
e2 = v2 - z2;
u0 = beta1*fal(e1,alpha,delta) + beta2*fal(e2,alpha,delta);
u = (u0 - z3)/b0;
end
2.2 非线性函数设计关键
ADRC性能的核心在于其非线性函数设计。以最常用的fal函数为例：
code复制fal(e,α,δ) = { |e|^α * sign(e), |e|>δ
{ e/δ^(1-α), |e|≤δ
这种非线性函数在误差较小时呈现线性特性，保证系统平稳；误差大时呈现非线性特性，提供更强的调节能力。实际调试中发现，α取0.5~0.75，δ取采样周期的0.1~1倍时，多数系统都能获得良好效果。
3. 离散化实现与参数整定
3.1 离散化方法对比
| 离散化方法 | 计算复杂度 | 精度 | 适用场景 |
|---|---|---|---|
| 欧拉法 | 低 | 一般 | 快速原型开发 |
| 梯形法 | 中 | 较高 | 高精度场合 |
| 龙格库塔 | 高 | 最高 | 复杂非线性系统 |
在200Hz以上的控制周期中，欧拉法离散化已能满足大多数工业需求。一个实用的离散ESO实现示例：
c复制// 嵌入式C语言实现片段
void ESO_Update(float y, float u, float h) {
float e = z1 - y;
z1 += h * (z2 - beta01 * e);
z2 += h * (z3 - beta02 * fal(e,0.5,0.1) + b0*u);
z3 += h * (-beta03 * fal(e,0.25,0.1));
}
3.2 参数整定黄金法则
通过数十个实际项目验证，总结出参数整定经验公式：
- 观测器带宽ωo = (3~10)/tr（tr为期望上升时间）
- 控制器带宽ωc = (1/3~1/5)ωo
- 参数对应关系：
- β01 = 3ωo
- β02 = 3ωo²
- β03 = ωo³
- β1 = ωc²
- β2 = 2ωc
重要提示：初始调试时应先确保ESO收敛（z1能准确跟踪y），再调整NLSEF参数。实践中发现，先调观测器后调控制器的顺序能节省50%以上调试时间。
4. 典型应用案例与问题排查
4.1 伺服位置控制实例
在某型号机械臂关节控制中，系统模型为：
Jθ'' + Bθ' + Kf·sign(θ') = τ
采用ADRC后关键参数配置：
python复制# Python控制循环示例
def control_loop():
while True:
# 读取编码器
theta = read_encoder()
# ADRC计算
tau = adrc_2nd(theta_ref, theta, h=0.005,
beta=[100, 3000, 100000, 400, 40])
# 输出转矩
set_motor_torque(tau)
实测性能对比：
| 指标 | PID控制 | ADRC控制 |
|---|---|---|
| 调节时间(ms) | 120 | 80 |
| 超调量(%) | 15 | 3 |
| 抗扰恢复时间 | 200 | 50 |
4.2 常见故障排查指南
-
观测器发散：
- 现象：z1与y偏差持续增大
- 检查：β01是否过小，b0是否准确
- 解决：按3.2公式重算观测器参数
-
控制量振荡：
- 现象：u在高频段抖动
- 检查：ωc是否接近采样频率
- 解决：降低ωc或提高采样率
-
稳态误差：
- 现象：存在固定偏差
- 检查：b0是否准确
- 解决：在线估计b0或加入积分环节
5. 进阶优化技巧
5.1 自适应参数调整
对于时变系统，可采用在线参数更新策略：
matlab复制% 参数自适应示例
function update_params()
persistent P;
e = z1 - y;
P = P + 0.01*e*[z2; z3; u];
b0 = P(3); % 在线更新b0估计
end
5.2 多ADRC级联设计
针对高阶系统，可采用串级ADRC结构：
- 内环设计为速度环ADRC
- 外环设计为位置环ADRC
- 带宽按3~5倍关系配置
实测表明，这种结构在六自由度机械臂控制中，轨迹跟踪误差比单ADRC降低40%以上。
在最近的一个AGV项目中，我们将ADRC与模糊逻辑结合，实现了对不确定负载的自适应控制。具体做法是在NLSEF环节根据误差大小动态调整α参数，使得小误差时更柔和，大误差时更激进。实测显示这种改进使急停时的冲击降低30%，而定位时间仅增加5%。