1. 非线性离散ADRC的核心价值与应用场景
在工业控制领域，二阶系统是最常见的被控对象类型之一。传统的PID控制器虽然结构简单，但在面对非线性、强耦合、时变特性的系统时，往往需要复杂的参数整定和补偿策略。而自抗扰控制（Active Disturbance Rejection Control, ADRC）通过独特的"总扰动"估计和补偿机制，为这类问题提供了更优雅的解决方案。
我最早接触ADRC是在2018年参与某型伺服电机控制系统开发时。当时系统存在明显的非线性摩擦和负载扰动，传统PID在低速运行时会出现明显的"爬行"现象。改用ADRC后，不仅解决了低速平稳性问题，还将位置跟踪精度提高了40%。这种实战效果让我开始深入研究ADRC的实现细节。
2. 二阶非线性ADRC的核心架构解析
2.1 基本控制结构
典型的二阶ADRC包含三个核心组件：
- 跟踪微分器（TD）：安排过渡过程，提供无超调的目标轨迹
- 扩张状态观测器（ESO）：实时估计系统状态和总扰动
- 非线性状态误差反馈（NLSEF）：生成最终控制量
离散化后的算法实现需要考虑采样周期T的选择。根据香农定理，T应小于系统最小时间常数的1/2。但在实际工程中，我建议控制在1/5~1/10范围内。例如对于带宽10Hz的系统，T取10~20ms较为合适。
2.2 非线性函数的设计要点
ADRC性能的核心在于其非线性函数的设计。常用的fal函数定义为：
code复制fal(e,α,δ) = {
|e|^α * sign(e), |e| > δ
e/δ^(1-α), |e| ≤ δ
}
其中α和δ的选取直接影响控制效果：
- α通常取0.5~0.75，值越小非线性越强
- δ建议取测量噪声峰峰值的2~3倍
- 在我的多个项目中，α=0.6, δ=0.05的组合表现稳健
3. 离散化实现与参数整定
3.1 离散ESO的实现
以二阶系统为例，离散ESO的更新方程为：
code复制z1(k+1) = z1(k) + T*(z2(k) - β01*e(k))
z2(k+1) = z2(k) + T*(z3(k) - β02*fal(e,α1,δ) + b0*u(k))
z3(k+1) = z3(k) - T*β03*fal(e,α2,δ)
其中观测器增益β的选择至关重要。根据带宽法，可取：
code复制β01 = 3ωo, β02 = 3ωo^2, β03 = ωo^3
ωo建议取系统带宽的3~5倍。例如对于ωc=10rad/s的系统，ωo可取30~50rad/s。
3.2 参数整定实战技巧
通过多年实践，我总结出以下调参步骤：
- 先固定b0为系统名义增益的倒数
- 将ωo从ωc开始逐步增大，直到扰动抑制效果满意
- 调整ωc使响应速度达到要求
- 最后微调非线性参数α和δ
重要提示：调参时应先关闭NLSEF的非线性环节（令α=1），待线性版本调好后再加入非线性。
4. 典型问题排查与性能优化
4.1 常见问题分析表
| 现象 | 可能原因 | 解决方案 |
|---|---|---|
| 系统发散 | ωo设置过高 | 降低观测器带宽 |
| 稳态误差 | b0不准确 | 重新辨识系统增益 |
| 高频抖动 | δ值太小 | 适当增大δ值 |
| 响应迟缓 | ωc过低 | 提高控制器带宽 |
4.2 抗噪声优化技巧
在实际系统中，测量噪声会影响ESO的估计精度。可以采用以下措施：
- 在TD前加入一阶低通滤波：Gf(s)=1/(0.1T*s+1)
- 适当增大δ值，牺牲少量动态性能换取鲁棒性
- 采用改进的fal函数，如线性-非线性混合结构
5. 传递函数系统的简化应用
对于已知传递函数的系统，ADRC可以进一步简化。以典型二阶系统G(s)=K/(Ts^2+2ξTs+1)为例：
- 设置b0=1/K
- 根据系统动态确定ωc：ωc≈1/(3T)
- 取ωo=(3~5)ωc
- NLSEF参数取α=0.6, δ=0.01~0.1
这种简化方法在我经手的多个运动控制项目中，调试时间比传统PID缩短60%以上。
6. 实际工程中的注意事项
- 采样同步问题：确保控制周期严格等间隔，建议使用硬件定时器触发
- 量程匹配：各状态变量应归一化到相近数量级
- 抗积分饱和：对控制量输出增加限幅和抗饱和处理
- 参数冻结机制：在系统异常时保持最后一组有效参数
在最近的一个机械臂项目中，由于忽略了采样同步问题，导致控制性能下降30%。改用硬件定时后，不仅恢复了性能，还提高了系统可靠性。这个教训让我深刻认识到实现细节的重要性。
对于希望快速应用ADRC的工程师，我的建议是从线性ADRC开始，待理解基本原理后再逐步引入非线性环节。ADRC的真正威力在于其对系统模型依赖小、参数物理意义明确的特性，这使其成为处理不确定非线性系统的利器。