ADRC自抗扰控制在电机调速中的Simulink实现

1. 项目背景与核心价值

电机转速控制在工业自动化领域一直是个经典课题。记得刚入行时，我调试的第一个项目就是直流电机调速系统，当时用传统PID折腾了两周才勉强达标。直到接触ADRC（自抗扰控制）技术，才发现原来控制算法可以如此优雅地处理系统扰动。

ADRC最吸引我的地方在于它不需要精确的数学模型。传统控制理论要求我们先把被控对象建模得明明白白，而现实中电机参数会随温度变化、负载波动更是家常便饭。韩京清教授提出的ADRC框架，用扩张状态观测器(ESO)把模型不确定性和外部扰动统统打包估计，这种"黑盒"思路特别适合工程实践。

这次我们重点研究一阶和二阶系统的ADRC实现。选择Simulink作为平台有两个考虑：一是可以快速验证算法效果，二是方便做参数敏感性分析。通过这个项目，你不仅能掌握ADRC的核心实现技巧，还能学到一套完整的控制器调试方法论。

2. ADRC核心原理拆解

2.1 一阶系统控制架构

以一阶电机模型为例，其微分方程可表示为：

code复制ẋ = -a*x + b*u + d

其中d代表集总扰动（包括模型误差和真实扰动）。ADRC的精妙之处在于用ESO重构系统状态：

matlab复制% 一阶ESO实现示例
function dx = eso_1order(t,x,z1,b0)
    e = z1 - x(1);
    dz1 = -beta1*e + b0*u;
    dx = [dz1];
end

这里beta1是观测器增益，b0是粗略的输入增益估计。即使a和b的参数不准确，ESO也能通过误差补偿机制估计出真实的扰动d。我常把ESO比作"控制系统的CT机"——不需要切开系统就能看清内部状态。

2.2 二阶系统扩展设计

对于更常见的二阶系统（如永磁同步电机），状态方程变为：

code复制ẍ = -a1*ẋ -a2*x + b*u + d

此时需要设计二阶ESO：

matlab复制% 二阶ESO核心代码
function dx = eso_2order(t,x,z1,z2,b0)
    e = z1 - x(1);
    dz1 = z2 - beta1*e;
    dz2 = -beta2*e + b0*u;
    dx = [dz1; dz2];
end

实