企业官网建设流程全解析

说到永磁同步电机的转速环控制，我相信绝大多数搞电控的工程师，第一个想到的还是PI。转速环PI调好了，电流环跟得上，大部分工业场景、电动车驱动、伺服系统都能跑得挺稳。但前几年开始，自抗扰控制（ADRC）的热度一下子起来了，尤其是当负载突变、转动惯量变化、或者电机参数和铭牌对不上的时候，PI就有点力不从心，ADRC成了很多人眼里"更高级"的替代方案。

这篇文章把PI控制、线性自抗扰（LADRC）和非线性自抗扰（NLADRC）放到一起，从PMSM转速环模型的角度逐层拆开，讲清楚它们各自是怎么设计的、到底强在哪里、又踩过哪些坑。适合正在做PMSM控制仿真的学生，也适合纠结要不要把PI换成ADRC的工程师——看完你至少能判断：你的场景到底值不值得上ADRC。

1. 先说转速环本身：这三套控制的共同起点

1.1 永磁同步电机转速环路里的"低频大惯性"本质

先别急着看算法，我们得回到最基础的机械运动方程。永磁同步电机在d-q坐标系下，电磁转矩表达式是：

Te = 1.5 * p * (ψf * iq + (Ld - Lq) * id * iq)

采用id=0控制时，Ld与Lq的差异产生的磁阻转矩被忽略，电磁转矩简化为Te = 1.5 * p * ψf * iq。代入机械方程：

J * (dω/dt) = Te - TL - B * ω

把式子整理成标准形式：

dω/dt = (1.5 * p * ψf / J) * iq - (TL + B * ω) / J

这个式子很关键。它告诉我们几件事：

• 转速环被控对象本质上是积分串联型系统，也就是从iq到ω是一阶积分环节，不是一阶惯性环节，更不是二阶。
• 记号b0 = 1.5 * p * ψf / J，对应"控制增益"。
• 负载转矩TL、粘滞摩擦B * ω、还有那些我们没建模的磁链谐波、齿槽转矩波动，通通会作为"扰动"出现在系统里。

1.2 为什么总扰动这个概念是自抗扰的基石

如果你只把扰动当成"外面来的干扰"，PI也能对付，靠积分项慢慢消除。但ADRC的思维方式不一样——它把所有不确定性和外部扰动合并成一个总扰动f(t)，然后想办法在控制回路里把这个f(t)直接估算出来，再反向抵消掉。

用状态方程写就是：

dx1/dt = x2 dx2/dt = f(t) + b0 * u y = x1

这里x1是转速，x2是转速的导数。注意，我们把b0只当成一个"大致的增益"，真正精确的模型参数、摩擦力、负载变化全塞进f(t)里去了。

实际上，PMSM的机械方程天然长这样：电流iq是输入，转速ω是输出，中间经过一个积分器，外加一个扰动力矩。所以转速环用ADRC是"原生适配"的，不需要引入额外的状态。这也是为什么自抗扰控制器在电机课题里火得这么快——模型结构天然满足要求。

2. PI控制不想退场的原因：工程简单性背后有代价

2.1 转速环PI参数整定的现代做法：带宽法

老式整定靠试凑，边看阶跃响应边调Kp、Ki，能调好，但费时间。现在比较规范的做法是带宽法。我们忽略电流环动态，把它当作一个快速响应的比例环节，于是开环传递函数为G(s) = (Kp * s + Ki) / (J * s^2)。

转速环PI控制器的传递函数为C(s) = Kp + Ki/s = Kp * (s + ωz) / s，其中ωz = Ki / Kp。用PI的零点去对消被控对象的极点（也就是1/Js的积分极点），再用闭环期望带宽去定Kp和Ki：

Kp = J * ωc Ki = J * ωc^2

这里的ωc就是期望的转速环带宽。一般取电流环带宽的1/5到1/10，如果电流环带宽是1000 rad/s，转速环闭环带宽取100~200 rad/s比较稳妥。取太高，转速环就会去"够"电流环的动态，把电流环的相位滞后引进来，最后变成一个阻尼很差的振荡器。

实际中的整定公式还要考虑一点：如果公式里用的是反电动势系数，而实际磁链ψf和转动惯量J有偏差，那整出来的Kp、Ki就会跟着成比例偏差。这也是PI的第一个隐性弱点——它需要你"知道"J和ψf的准确值，而现场往往只能估。

2.2 PI能忍受哪些扰动，不能忍受哪些

PI的积分项能消除阶跃负载引起的稳态误差，这一点在工程中已经够用了。但PI对周期性扰动和参数摄动的处理是被动的——它不知道扰动长什么样，只能"等误差出现了再慢慢积分去补"。这意味着每次负载突变之后，都会有一段明显的转速跌落和恢复过渡过程。

如果你把增益调高，理论上恢复得更快，但噪声也会被放大。实际放大的不光是电流测量噪声，还有转速反馈的量化噪声。伺服电机编码器分辨率有限，低转速时速度反馈本身就有台阶，PI增益一大，转速控制输出就会发毛，电流指令跟着抖，电机轴响。

我调过的某跨平台伺服项目就是典型例子：额定转速3000rpm，编码器4096线，PI带宽从80提到150之后，转速环指令就开始出现约±5rpm的持续抖动，电流波形也毛了。后来用卡尔曼滤波做了速度观测才压下来——但这就意味着，为了让PI更抗扰动，你得先把反馈噪声问题解决，成本并不低。

所以PI并没有大家想象的那么"落后"，它的所有限制都源于"扰动只能靠反馈误差去补偿"这个被动机制。ADRC想改变的正是这一点。

3. 线性自抗扰（LADRC）：用观测器代替积分项

3.1 LESO怎么把总扰动"看"出来

线性自抗扰的核心是扩张状态观测器（LESO）。它的基本思想是：既然总扰动f(t)进不了方程，那我把它扩成一个新的状态x3，用一个三维状态观测器同时估计转速、转速导数、还有总扰动：

dz1/dt = z2 + β1 * (y - z1) dz2/dt = z3 + β2 * (y - z1) + b0 * u dz3/dt = β3 * (y - z1)

其中z1估计转速，z2估计转速导数，z3估计总扰动f(t)。这个观测器的形式其实和龙伯格观测器一模一样，只是把扰动当成了第三个状态来估计。

β1、β2、β3怎么取？带宽法给了很优雅的答案：把观测器特征方程配置成(s + ωo)^3的形式，则有：

β1 = 3ωo，β2 = 3ωo^2，β3 = ωo^3

ωo是观测器带宽，通常取控制器带宽ωc的3~5倍。为什么这么取？因为观测器必须比控制器"看得快"，才能及时把扰动信息送给补偿回路；但也不能太快，否则高频噪声会通过观测器增益直接放大。

3.2 LADRC的控制律：它本质上是带扰动补偿的PD

状态反馈控制律为：

u = (kp * (ωref - z1) + kd * (-z2) - z3) / b0

注意这里用了-z2作为微分项。这就是为什么LADRC和PI不一样：PI靠积分消除稳态误差，而LADRC靠z3直接把扰动静态补偿掉。它的闭环传递函数在理想观测下可以写成典型二阶系统，kp = ωc^2，kd = 2ωc，这样控制器也只有一个带宽参数需要调。

我用一个实际调试案例来说明这样的好处：某永磁同步电机做转速环，原来PI参数按J=0.002 kg·m^2整定，但后来负载装了不同惯量的轮盘，等效J变成了0.004，PI转速环出现明显超调和振荡。改用LADRC之后，b0仍按原J算的0.002来设置，结果转速响应几乎不受J变动影响——因为J变化的部分被当作总扰动观测并补偿了。

但这里必须泼一盆冷水：b0不能随便错太多。b0是模型与扰动的边界线。b0偏大，控制增益被补偿得过强，容易振荡；b0偏小，扰动项又要扛更多的工作量，同样可能引起观测误差。从工程实践看，b0偏差在±30%以内都能接受，超过50%就会出问题。

3.3 从PI平滑修改到LADRC的现场策略

很多工程师担心上了ADRC就要推翻整套调试习惯，其实没必要。如果你现在有一组合格的PI参数，可以按以下思路迁移：

• 保持电流环不动，只改转速环。
• 用原来PI的Kp、Ki反推等效带宽ωc = Ki / Kp（如果你的PI整定比较规范）。
• 设LADRC的控制器带宽等于这个ωc，然后取观测器带宽ωo = 3ωc先跑起来。
• 先空载验证转速阶跃响应与PI相差不大，再逐步加大ωo观察扰动下的转速跌落幅度。
• 最后把z3通道单独拉出来观察波形，确认它基本跟随负载变化，就说明观测器生效了。

我自己在做的某图像处理Demo配套电机驱动里，就是这么一步步从PI切到LADRC的，切换过程大约只调了半天。

4. 非线性自抗扰（NLADRC）：理论上更美，工程上更烫手

4.1 fal函数带来的非线性观测器到底是什么

非线性自抗扰与线性版本最大的区别在于，观测器增益不再是常数，而是误差的非线性函数。核心是韩京清提出的fal函数：

fal(e, α, δ) = { |e|^α * sign(e), |e| > δ; e / δ^(1-α), |e| ≤ δ }

当误差较大时，增益按|e|^(α-1)变化；误差小到δ范围之内，又回到线性增益防止抖振。α通常取0.25~0.5，δ取0.01~0.1。把fal函数嵌进扩张状态观测器后，就得到NLESO：

dz1/dt = z2 + β1 * fal(y - z1, α1, δ) dz2/dt = z3 + β2 * fal(y - z1, α2, δ) + b0 * u dz3/dt = β3 * fal(y - z1, α3, δ)

这个设计哲学是：误差大的时候给大增益，让观测器快速收敛；误差小的时候给高增益分辨率，保证稳态跟踪精度。这比恒定的线性增益更"聪明"。

4.2 我在仿真里看到的"惊艳"与"翻车"

说实话，非线性ADRC在Simulink仿真里表现确实抢眼。我见过很多研究论文的对比图：同样的负载突变，PI转速跌落了100rpm，LADRC跌50rpm，NLADRC只跌10rpm，恢复时间也最短。第一次看这种图，谁不心动？

但是把它往实物上搬，问题就来了。最典型的是离散化陷阱。fal函数是非线性的，当采样周期太大，观测器在一个控制周期内可能跨越多个线性/非线性区间，导致等效增益剧烈跳变。仿真里采样时间设1e-5s很容易收敛，实际DSP里跑到1e-4s甚至2e-4s时，NLESO开始出现极限环甚至是轻微的持续振荡。

我踩过的一个坑是：某次做硬件在环测试，把NLADRC的α2从0.5改成0.25，仿真里收敛速度明显变快。但上电之后，转速低频振荡，电流谐波变大，示波器看电流FFT多出明显的高频分量。后来把采样频率从10k提到15k，问题才有所缓解——但代价是MCU的负载从65%涨到92%，这谁顶得住？

4.3 工程上的折中：分段线性，用性能换稳定

以我接触到的量产项目经验来说，很少有团队敢直接上全参数非线性ADRC。更常见的做法是：

• 把fal函数的分段点δ适当加大，让线性区间覆盖到正常误差范围，只在突加大扰动时启用非线性增益。
• 对三个扩状态通道的α进行去耦合处理：α1可以取0.5，α2和α3取1，避免同时非线性引发高增益耦合。
• 或者干脆用饱和线性函数近似fal，保留大误差高增益的特性，但去掉小误差区域的非线性形态。

还有一条路线值得推荐：先上LADRC，把功能跑通以后，再对观测器误差通道逐个加非线性。如果性能提升明显，值得；如果提升不到10%且噪声变大，就退回去。工程上真金白银的收益，往往不在那百分之几的扰动抑制上，而是在调参的时间成本控制上。

5. 三种方案同台对比，选型要看你的真实约束

5.1 从调参数量、扰动抑制、噪声容忍度几个维度逐一比较

我整理了一个表格，基本可以帮你在方案定型阶段做快速判断：

5.2 什么场景适合维持PI，什么场景值得上ADRC

如果你的应用满足以下条件，我不建议折腾ADRC，PI继续用就好：

• 负载基本恒定，转动惯量变化不大，比如水泵、风机、普通传送带。
• 转速精度要求不高，转速跌落有几十转可以接受。
• 现场没有多少参数调试窗口，希望一次上线稳定运行。

但如果你的应用符合下面任何一条，ADRC的价值就出来了：

• 负载惯量会随工况变化，比如机械臂变姿态、卷绕系统的卷径变化。
• 经常有负载冲击，比如切削进给、冲压机构，要求转速跌落小、恢复快。
• 电机参数（尤其是磁链）随温度变化明显，导致PI参数在冷热状态下性能差异大。

5.3 实用的调试起点与"先线性后非线性"的路线建议

如果决定上ADRC，最稳的路径是从LADRC开始。原因很简单：参数少、可解释性强、与现有PI调试经验的迁移成本低。把LADRC跑稳定之后再研究要不要加非线性，你就能真正体验到两个版本的差异，而不是一上来就被非线性参数折磨。

具体建议的初始参数是：

• 转速环带宽ωc先取PI整定的等效带宽，保证稳定优先。
• 观测器带宽ωo取3~5倍ωc。
• b0按额定参数计算，然后空载和满载分别测阶跃响应，只需要微调b0这一项。
• 用LADRC跑至少一周的稳定性测试，确认没有低频振荡、温度漂移之后，再考虑NLADRC。

6. 仿真别骗自己：从Simulink到电机台架之间隔着什么

6.1 仿真里最容易被忽略的三个参数口径

很多人在Simulink里建PMSM模型，直接把扰动设成阶跃负载，然后看三种控制器的对比曲线。说实话，这个对比基本只能说明"观测器能观测到阶跃扰动"，并不能代表真实负载特性。真实的机械负载扰动往往是：

• 与位置相关的周期性扰动，比如齿槽转矩、偏心负载，频率不固定。
• 与转速相关的非线性摩擦，尤其是Stribeck曲线中的负阻尼段，低速时会引入不稳定风险。
• 负载突变的时间尺度不是阶跃，而是斜坡，或者有几十毫秒过渡过程的脉冲。

如果你只在阶跃负载下比三种方案，LADRC和NLADRC的优势会被夸大至少50%。建议在仿真里加两类扰动做验证：一类是10~20Hz的周期性正弦扰动，另一类是0.1秒上升沿的斜坡负载变化，这样测试结果更接近真机场景。

6.2 采样频率、离散化和计算延时的剥皮式验证

离散化的影响在PI下很小，但ADRC的观测器对离散化敏感得多。你在仿真里用连续时间LESO很容易收敛，但转成离散状态方程之后，如果直接用前向欧拉积分，采样频率与带宽比不够大时，观测器会出现观测误差甚至发散。

一个可用的经验法则是采样频率至少要大于观测器带宽的10倍。如果ωo取到500 rad/s，控制频率至少要8kHz以上。在STM32或DSP上通常能做到，但如果你用的是低算力的MCU，这就是硬件约束。

另外，ADRC控制律里的b0除法运算在定点DSP上要特别小心，b0往往是一个小数，定点缩放没做好的话，控制输出会带明显的量化台阶。仿真感知不到这一类问题，台架上电流波形会多出一层毛刺。

6.3 编码器量化噪声是如何"骗过"观测器的

这是一个容易被忽视但实际影响很大的问题。扩张状态观测器要靠(ω - z1)的误差来驱动，如果速度反馈本身是量化信号，误差项就不是平滑变化的，而是阶梯式的。观测器带宽越高，这些阶梯就越容易被放大。

我在某公司的某型伺服验证平台上做过对比：2500线增量编码器，转速300rpm，速度采样经过M法得到，量化误差约±1rpm。LADRC的ωo取3倍ωc时可以正常运行，取到5倍时，z3扰动观测曲线上出现明显噪声毛刺，而控制输出把这部分噪声进一步传给了电流环。之后再增大编码器线数到5000，情况才改善。

所以如果你想上ADRC，第一步其实是确认你的速度反馈质量足够好，否则它会成为整个控制链路的瓶颈。这比纠结用LADRC还是NLADRC重要得多。

7. 我最后保留的一点个人倾向

这三套方案没有绝对的好坏，它们解决的是同一个问题，只是对模型信息利用的方式不同。PI把对扰动补偿的全部希望寄托在积分项上，LADRC把它寄托在一个重构出来的总扰动观测值上，NLADRC则试图用非线性增益再把观测和补偿做得更精细。PMSM的转速环结构简单但应用环境杂，这恰好让LADRC处在一个非常好的平衡点：它不要求精确模型，又不像NLADRC那样难调。

如果让我给一个最直接的结论：正在学习和仿真阶段的同学，LADRC值得精读，它是理解自抗扰思想性价比最高的一条路；在现场做项目且对扰动抑制有真实指标要求的工程师，直接把PI换成LADRC，大概率不会失望；NLADRC则建议在有充分仿真验证和台架调试时间的条件下去挑战——它确实是好东西，但它要求的工程投入，远不止多调两个参数那么简单。最后留一个小经验：无论你最后选了哪一套，先花一天时间把转速反馈信号用示波器录下来看看噪声水平，这个数据决定了你参数能往上推多高，也决定了你后续调试会少走多少弯路。