1. 项目概述：当控制理论遇上电机仿真
去年调试一台伺服电机时，传统PID控制器在负载突变时总是出现超调。当我尝试引入自抗扰控制（ADRC）后，电机转速曲线立刻变得平滑——这个经历让我决定系统性地探索ADRC在电机控制中的仿真应用。ADRC作为韩京清教授提出的新型控制策略，其核心思想是将系统内外扰动统一视为"总扰动"进行实时估计和补偿。在电机这类存在非线性、参数时变的被控对象中，这种"不管黑猫白猫，抓住老鼠就是好猫"的控制哲学展现出独特优势。
本次仿真实验以永磁同步电机（PMSM）为研究对象，在MATLAB/Simulink环境下搭建ADRC控制器。我们将重点观察三个典型场景下的控制效果：启动阶段的加速度控制、负载突变时的抗干扰能力、以及参数摄动下的鲁棒性表现。通过与传统PID控制的对比测试，您将直观看到ADRC如何用其独特的扩张状态观测器（ESO）"抓住"那些让PID头疼的扰动因素。
2. 核心原理拆解：ADRC的三重武器库
2.1 跟踪微分器（TD）：给目标信号"踩刹车"
在电机控制中，阶跃指令直接输入会导致电流冲击。TD的作用就像老司机踩油门——不是一脚到底，而是根据车辆状态动态调整。其离散化实现公式为：
matlab复制v1(k+1) = v1(k) + h*v2(k)
v2(k+1) = v2(k) + h*fhan(v1(k)-v(k), v2(k), r, h0)
其中fhan()是最速控制综合函数，r决定跟踪速度。在PMSM转速控制中，我们设置r=15，使目标转速从0到1000rpm的过渡时间约0.1秒，既保证快速性又避免机械冲击。
关键经验：TD参数
r取值与电机转动惯量相关。对于5kg·cm²的中惯量电机，建议r=10~20；微型步进电机可增至50~100。
2.2 扩张状态观测器（ESO）：控制系统的"CT扫描仪"
ESO是ADRC的灵魂所在。以二阶系统为例，其将总扰动扩张为第三状态变量：
code复制ẋ1 = x2
ẋ2 = x3 + b*u
ẋ3 = f(x1,x2,w,t)
在PMSM控制中，x3包含了负载转矩变化、绕组电阻温漂等所有扰动。通过带宽参数化方法，ESO增益矩阵可表示为：
matlab复制beta01 = 3*omega, beta02 = 3*omega^2, beta03 = omega^3
实测表明，当观测带宽omega取电机电气时间常数倒数（约100rad/s）的2~3倍时，扰动估计效果最佳。
2.3 非线性状态误差反馈（NLSEF）：智能化的"纠偏专家"
不同于PID的线性组合，NLSEF采用非线性函数处理误差。经典fal函数实现：
matlab复制function y = fal(e, alpha, delta)
if abs(e) <= delta
y = e / (delta^(1-alpha));
else
y = abs(e)^alpha * sign(e);
end
end
在转速控制中，取alpha=0.5, delta=0.1时，小误差段增益大保证精度，大误差段增益小避免超调。这种自适应特性使电机在5%转速误差内保持高刚度，而在启动阶段自动降低刚度防止电流饱和。
3. Simulink实现全流程
3.1 电机模型搭建要点
采用PMSM的dq轴方程建立仿真模型：
code复制ud = Rs*id + Ld*d(id)/dt - ωe*Lq*iq
uq = Rs*iq + Lq*d(iq)/dt + ωe(Ld*id + ψf)
Te = 1.5p[ψf*iq + (Ld-Lq)*id*iq]
特别注意设置以下非理想因素：
- 绕组电阻随温度变化：
Rs = R20*(1 + 0.00393*(T-20)) - 负载转矩脉动：
TL = T0 + 0.1T0*sin(2π*10t)
3.2 ADRC控制器模块化设计
按功能划分三个子系统：
- TD模块：采用S函数实现离散最速跟踪
- ESO模块：用Integrator链实现三阶观测器
- NLSEF模块：Embedded MATLAB Function实现非线性组合
关键连接点：
- 电机输出的转速
ωm接入ESO的y输入 - ESO的
z3输出除以b后作为扰动补偿量 b值取电机转矩系数kt的倒数（约0.8）
3.3 参数整定五步法
- 确定控制周期：取电流环带宽1kHz（TS=1ms）
- 设置TD速度：令过渡时间
T=0.1s，则r=1/T^2=100 - 配置ESO带宽：取
omega=300rad/s（3倍电气带宽） - 初选NLSEF参数：
alpha=0.5, delta=0.1*额定转速 - 微调补偿系数：
b值上下调整20%观察响应
4. 典型工况测试对比
4.1 突加负载测试（0.2s时加载50%Tn）
| 指标 | PID控制 | ADRC控制 |
|---|---|---|
| 转速跌落 | 85rpm | 12rpm |
| 恢复时间 | 35ms | 8ms |
| 最大电流 | 2.1In | 1.3In |
ADRC的ESO在负载突变后5ms内即准确估计出扰动分量，比PID快一个数量级。
4.2 参数敏感性分析
故意将电机转动惯量设为标称值200%时：
- PID控制出现持续振荡（幅值±15rpm）
- ADRC仅在前2个周期有轻微波动（幅值±3rpm）
这说明ADRC的"模型无关"特性确实提升了鲁棒性。实测表明，当电机参数变化在±30%内时，无需重新整定ADRC参数。
5. 工程实践中的避坑指南
5.1 ESO的发散问题
当控制量u饱和时，ESO可能因持续积分而发散。解决方法：
matlab复制// 在ESO的积分环节加入抗饱和标志
if (u >= Umax && z2 > 0) || (u <= Umin && z2 < 0)
disable_integrator = 1;
else
disable_integrator = 0;
end
5.2 高噪声环境下的改进
对于编码器噪声较大的场合，建议：
- 在ESO前加入二阶低通滤波（截止频率>5倍带宽）
- 改用降阶ESO（二阶系统用一阶ESO）
- 适当降低
omega带宽（牺牲部分动态性能）
5.3 离散化实现的注意事项
采用欧拉离散化时，需满足：
code复制h < 1/(10*omega) // h为采样周期
例如omega=300时，h应小于0.33ms。若控制周期受限，可采用Tustin变换提高数值稳定性。
6. 进阶优化方向
6.1 参数自整定策略
基于李雅普诺夫稳定性理论设计自适应律：
code复制d(b)/dt = -γ * e1 * z3 * u
d(omega)/dt = η * |e1|
实测表明，这种在线调整可使转速波动再降低40%。
6.2 与FOC的融合设计
在电流环采用ADRC替代传统PI调节器：
- d轴ADRC抑制磁链波动
- q轴ADRC应对转矩脉动
实验数据显示，这种混合结构可使转矩纹波降低至0.8%（传统FOC为2.5%）
6.3 硬件在环测试技巧
在dSPACE等HIL平台上：
- 先运行纯软件仿真验证算法逻辑
- 逐步增加IO延迟（从0到实际硬件延迟）
- 最后接入真实编码器信号测试
这个渐进过程能有效区分算法问题和硬件问题