ADRC在车载充电机前级控制中的Simulink实现与参数整定

1. 项目概述

作为一名电力电子工程师，我最近在车载充电机（OBC）前级控制中遇到了一个棘手问题：传统PID控制在面对电网电压波动和负载突变时，动态响应和抗扰能力明显不足。经过多次尝试，最终选择了自抗扰控制（ADRC）方案，并决定用Simulink进行系统级仿真验证。这篇文章将完整记录从ADRC原理理解到Simulink实现的全过程，特别分享在OBC前级应用中的参数整定技巧和工程化处理经验。

ADRC作为新型控制算法，其核心思想是通过扩张状态观测器（ESO）实时估计并补偿系统内外扰动。相比传统PID，它能实现"总扰动抑制"，特别适合OBC这种强非线性、多扰动场景。而Simulink的模块化建模方式，让我们可以快速验证算法效果，避免直接硬件实现的风险。

2. ADRC核心原理与OBC适配性分析

2.1 ADRC三部分解构

ADRC由三部分组成：跟踪微分器（TD）、扩张状态观测器（ESO）和非线性状态误差反馈（NLSEF）。在OBC前级PFC电路中：

1. TD：安排过渡过程，解决快速性与超调矛盾。例如从220V电网电压到400V母线电压的跟踪，传统阶跃响应会导致过大冲击电流，而TD可生成理想过渡轨迹。

2. ESO：将模型不确定性和外部扰动统一视为"总扰动"。对于OBC而言，这包括：

   • 电网谐波（特别是充电桩接入时的3/5/7次谐波）
   • 负载阶跃（电动汽车充电时的CC-CV模式切换）
   • 元器件参数漂移（如Boost电感随温度变化）

3. NLSEF：通过非线性组合提高控制精度。实测发现，在轻载时采用更激进的非线性函数可改善THD指标。

2.2 OBC前级的特殊挑战

典型OBC前级是Boost PFC电路，其状态方程可表示为：

code复制diL/dt = (vin - (1-d)*vout)/L
dvout/dt = ((1-d)*iL - iout)/C

其中d为占空比。ADRC的优势在于无需精确知道L、C参数，通过ESO实时估计d项中的耦合关系。这在批量生产时特别有价值——即使电感量有±10%偏差，控制器仍能稳定工作。

3. Simulink建模实战

3.1 基础模块搭建

在Simulink中建立ADRC控制器，关键步骤包括：

1. ESO实现：

matlab复制function [z1,z2,z3] = eso(u,y,h,b0)
    persistent z1_prev z2_prev z3_prev
    if isempty(z1_prev)
        z1_prev = 0; z2_prev = 0; z3_prev = 0;
    end
    
    e = z1_prev - y;
    fe = fal(e,0.5,h);
    fe1 = fal(e,0.25,h);
    
    z1 = z1_prev + h*(z2_prev - beta01*e);
    z2 = z2_prev + h*(z3_prev - beta02*fe + b0*u);
    z3 = z3_prev - h*beta03*fe1;
    
    z1_prev = z1;
    z2_prev = z2;
    z3_prev = z3;
end

注意：h为采样周期，beta01~03为观测器增益，需要根据控制对象动态调整

2. 非线性函数设计：

matlab复制function f = fal(e,alpha,delta)
    if abs(e) > delta
        f = abs(e)^alpha * sign(e);
    else
        f = e / (delta^(1-alpha));
    end
end

这个非线性函数是ADRC性能的关键，alpha通常取0.5~1之间，delta根据误差范围设定。

3.2 参数整定经验

通过多次仿真验证，总结出OBC前级的ADRC参数整定规律：

1. TD参数：

   • 速度因子r：决定跟踪速度，建议从50开始调试
   • 滤波因子h0：与开关频率相关，通常取1/10采样周期

2. ESO参数：

   • 观测器带宽wo：按wo≈3~5wc选取（wc为期望闭环带宽）
   • 三阶ESO的增益组合：β1=3wo, β2=3wo², β3=wo³

3. NLSEF参数：

   • 非线性区间delta：取额定值的5%~10%
   • 误差增益kp：先按线性PID整定，再叠加非线性

实测某3.3kW OBC的优化参数：

4. 工程应用中的特殊处理

4.1 数字实现问题

当把Simulink模型移植到DSP（如TI C2000）时需注意：

1. 离散化方法：

   • 优先采用Tustin变换（双线性变换）
   • 避免前向欧拉法导致的数值不稳定

2. 计算顺序优化：

c复制// 错误顺序：会导致代数环
void adrc_loop() {
    eso_output = eso_update(u, y);
    u = nlf_calc(eso_output);
}

// 正确顺序：
void adrc_loop() {
    prev_u = u;
    eso_output = eso_update(prev_u, y);
    u = nlf_calc(eso_output);
}

4.2 抗饱和策略

OBC启动时的软启动需特别处理：

1. 在TD中增加输出限幅：

matlab复制v1 = v1 + h*v2;
v2 = v2 + h*fhan(v1-v, v2, r, h0);
v1 = sat(v1, 0, Vout_max*1.1); // 10%余量

2. ESO初始化策略：

c复制void eso_init(float y0) {
    z1 = y0;
    z2 = 0;
    z3 = 0;
}

5. 实测效果对比

在300V-400V/3.3kW的OBC平台上对比：

特别在负载阶跃测试中，当电流从10%突加至100%时，ADRC控制的输出电压跌落仅1.2%，恢复时间5ms，远优于PID的3.5%和15ms。

6. 常见问题排查

6.1 观测器发散

症状：ESO输出z3持续增大直至溢出
解决方法：

1. 检查离散化方法是否正确
2. 降低β3增益（通常先除以10）
3. 增加软件限幅：

c复制z3 = limit(z3, -Z3_MAX, Z3_MAX);

6.2 高频振荡

症状：开关管驱动波形出现MHz级抖动
排查步骤：

1. 确认采样是否与PWM同步
2. 检查TD速度因子r是否过大
3. 在PWM输出增加RC滤波（如1kΩ+100pF）

6.3 稳态误差

症状：输出电压存在0.5%~1%的固定偏差
处理方案：

1. 在NLSEF中增加积分项（改进为IADRC）
2. 重新校准电压采样网络
3. 检查MOSFET导通电阻是否过大

经过半年实际运行验证，这套ADRC方案在-30℃~85℃环境温度下均能稳定工作，批量生产的一致性问题也得到显著改善。对于想尝试ADRC的工程师，建议先从Simulink离线仿真开始，逐步过渡到硬件在环（HIL）测试，最后再实机验证。