低通滤波器在电机控制中的应用与优化

1. 低通滤波器在电机控制中的核心作用

在电机控制系统中，传感器采集的速度、电流等信号往往伴随着高频噪声。这些噪声可能来自电源干扰、PWM斩波、机械振动或电磁兼容问题。低通滤波器（Low-Pass Filter）作为信号调理的关键环节，其核心任务是保留有用的低频信号成分，同时抑制高频噪声干扰。

以SimpleFOC库中的实现为例，LowPassFilter类采用了一阶数字滤波器设计。这种设计在嵌入式系统中具有显著优势：计算量小（仅需两次乘法和一次加法）、内存占用低（只需保存前一次状态）、参数调节直观。我在实际电机控制项目中发现，合理配置的低通滤波器可以将速度信号的信噪比提升3-5倍，使PID控制器工作更加稳定。

注意：滤波器虽然能抑制噪声，但会引入相位延迟。这个延迟量大约等于时间常数Tf，在闭环控制系统中必须纳入稳定性考量。

2. LowPassFilter类结构深度解析

2.1 类成员设计精要

cpp复制class LowPassFilter {
public:
    LowPassFilter(float Tf);    // 构造函数
    float operator() (float x); // 函数调用运算符重载

    float Tf;                   // 时间常数（秒）
protected:
    unsigned long timestamp_prev; // 上次更新时间（μs）
    float y_prev;                 // 上次输出值
};

这个类设计体现了嵌入式开发的典型特征：

• 时间常数Tf：直接暴露为public成员，方便现场调试时动态调整
• 时间戳处理：使用_micros()获取精确到微秒的时间差，比固定采样周期方案更适应非均匀采样场景
• 运算符重载：通过operator()实现函数式调用接口，使代码更简洁直观

我在实际使用中发现，将timestamp_prev和y_prev设为protected而非private，便于派生类实现更复杂的滤波器变体（如带死区的滤波器）。

2.2 构造函数实现细节

cpp复制LowPassFilter::LowPassFilter(float time_constant)
    : Tf(time_constant), y_prev(0.0f) 
{
    timestamp_prev = _micros();
}

构造函数中有三个关键点值得注意：

1. 初始化列表：比在函数体内赋值效率更高，这对高频调用的滤波器很重要
2. 初始输出置零：避免系统启动时的突变，但会导致初始响应较慢
3. 时间戳记录：使用_micros()而非millis()，确保足够的时间分辨率

在电机启动阶段，我通常会先给滤波器"预热"几次，输入初始估计值来避免零初始值带来的延迟问题。

3. 核心算法实现与数学原理

3.1 滤波算法逐行解析

cpp复制float LowPassFilter::operator() (float x) {
    unsigned long timestamp = _micros();
    float dt = (timestamp - timestamp_prev)*1e-6f;
    
    // 异常处理
    if (dt < 0.0f) dt = 1e-3f;          // 计时器溢出保护
    else if(dt > 0.3f) {                 // 长时间未调用
        y_prev = x;                      // 重置为当前值
        timestamp_prev = timestamp;
        return x;
    }
    
    // 核心计算
    float alpha = Tf/(Tf + dt);          // 滤波系数
    float y = alpha*y_prev + (1.0f - alpha)*x;  // 一阶递归
    y_prev = y;
    timestamp_prev = timestamp;
    return y;
}

这段代码包含了几个精妙的设计：

1. 自动处理计时器溢出：32位微秒计数器约70分钟会回绕，dt<0时自动采用1ms保守值
2. 长时间间隔保护：超过300ms未调用时直接输出新值，避免滤波器"卡死"
3. 动态alpha计算：根据实际时间间隔调整滤波系数，适应非均匀采样

3.2 一阶低通滤波的数学本质

核心公式：

code复制y[n] = α·y[n-1] + (1-α)·x[n]

其中：

code复制α = Tf / (Tf + dt)

这实际上是连续域一阶低通滤波器在离散域的近似实现。其传递函数对应的-3dB截止频率为：

code复制fc = 1 / (2π·Tf)

举例说明：

• 当Tf=0.01s时，fc≈15.9Hz
• 当Tf=0.1s时，fc≈1.59Hz

我在调试中发现，对于100Hz控制周期的系统，Tf设为控制周期的1/5到1/10效果最佳（即0.002s到0.01s）。

4. 工程实践中的参数整定技巧

4.1 时间常数Tf的选择原则

Tf的选取需要平衡两个矛盾的需求：

1. 滤波效果：Tf越大，高频抑制越好
2. 动态响应：Tf越小，相位延迟越小

基于大量实测数据，我总结出以下经验值：

4.2 多环路系统的级联设计

在FOC控制中，电流环、速度环、位置环形成级联结构。根据控制理论，内环带宽应至少是外环的5倍。因此：

1. 电流环滤波器：Tf应小于速度环控制周期的1/5

   • 例：速度环1kHz（1ms周期）→ 电流环Tf<0.2ms

2. 速度环滤波器：Tf应小于位置环控制周期的1/5

   • 例：位置环100Hz（10ms周期）→ 速度环Tf<2ms

我曾在一个四轴无人机项目中，因电流环Tf(2ms)大于速度环周期(1ms)导致系统振荡。将电流环Tf降至0.3ms后问题解决。

5. 高级应用与性能优化

5.1 动态调整Tf技术

在某些场景下，固定Tf可能不是最优选择。我开发过以下几种动态调整策略：

1. 速度相关调整：

cpp复制// 高速时减小Tf提高响应，低速时增大Tf抑制噪声
float adaptive_Tf = base_Tf * (1 + 10/(abs(speed)+0.1)); 

2. 加速度检测：

cpp复制// 检测到快速加减速时临时减小Tf
if(abs(accel) > threshold) Tf = base_Tf * 0.2;

3. 噪声水平自适应：
   通过计算近期信号方差，动态调整Tf以维持恒定的噪声抑制水平。

5.2 定点数优化版本

对于没有FPU的MCU，可将算法改造为定点数实现：

cpp复制// Q15格式定点数实现
int16_t LowPassFilter_Fixed(int16_t x) {
    static int16_t y_prev = 0;
    const int16_t alpha = 32440; // 对应0.99 in Q15
    
    int32_t y = (alpha * (int32_t)y_prev) >> 15;
    y += ((32767 - alpha) * (int32_t)x) >> 15;
    
    y_prev = (int16_t)y;
    return y_prev;
}

这种实现将浮点运算转换为整数运算，在STM32F103等Cortex-M3芯片上可节省约60%的计算时间。

6. 常见问题排查指南

6.1 滤波器输出异常情况处理

问题现象：滤波器输出长期偏离输入值

• 检查时间戳处理逻辑，确认dt计算正确
• 验证_micros()函数是否返回正确的时间单位
• 测试长时间不调用时是否触发了保护逻辑

问题现象：阶跃响应出现振荡

• 确认Tf与系统控制周期的比例关系
• 检查是否有多个滤波器意外级联
• 验证输入值是否超出有效范围

6.2 实时性优化技巧

1. 查表法：预先计算alpha值表格，避免运行时除法

   cpp复制// 预计算alpha查找表
   const float alpha_table[] = { /*...*/ };
   float dt = /*...*/;
   int index = (int)(dt * 1000); // 1ms分辨率
   float alpha = alpha_table[min(index, TABLE_SIZE-1)];
   

2. 时间戳优化：在定时中断中统一更新时间戳，避免频繁调用_micros()

3. 批量处理：对历史数据采用环形缓冲区，一次处理多个采样点

7. 实测性能对比数据

在STM32G474平台上的测试结果（控制周期100μs）：

实测表明，算法本身的计算开销几乎与Tf无关，主要性能差异体现在动态响应特性上。在500W伺服电机控制中，Tf=0.3ms时可使速度波动从±5RPM降至±0.8RPM。