企业官网建设流程全解析

一直用PI环做永磁同步电机电流控制的老哥们，多少都经历过这种场面：仿真波形漂漂亮亮，一上实机就乱飞；负载一加，转速先掉一大截再慢慢爬回来；电机参数随温度一变，原来调好的增益全得返工。我前两年被这事折腾得不轻，后来把速度环和电流环里的ADRC（自抗扰控制）真正吃透，并在Simulink里把整个控制链跑通，才算是找到了一个不用频繁调参、抗扰动能力又明显更好的方案。

这篇文章不是教科书复读，而是我实际搭建“永磁同步电机ADRC”控制器的过程拆解。我会把ESO（扩张状态观测器）为什么能干活、Simulink里怎么落地、参数怎么整、哪些坑必须躲，一条龙讲透。如果你已经在用Simulink做电机控制仿真，但对ADRC停留在“看过原理、没动过手”的阶段，这篇文章正好能帮你直接跳过大部分人都会踩的那几个坑。

1. 为什么ADRC在永磁同步电机上值得认真上手

1.1 PID的力不从心：参数耦合与外部扰动的双重困境

永磁同步电机的数学模型在dq坐标系下是两套耦合的微分方程，转速和电流之间互相影响，还叠加着反电动势、负载转矩、磁链谐波这些扰动。传统PI调节器把每个环都当成独立的单输入单输出系统来处理，设计时假设对象模型是固定的，但实际上电机参数——尤其是定子电阻和磁链——会随温度和工况明显漂移。

PI环不是不能用，而是每个工况点都需要重新权衡比例增益和积分时间。增益调大了动态响应快，但噪声放大、超调变大；积分调强了能消稳态误差，可一遇到饱和就容易超调甚至振荡。最头疼的是负载突变或参数漂移时，PI全靠误差累积来纠正，反馈明显滞后。

我在某跨平台系统的速度环调试里做过对比：PI环在额定负载下调到临界阻尼，转矩从0阶跃到满载时转速跌落接近200rpm，恢复时间在300ms左右；同一工况换成ADRC后，跌落减小一半以上，恢复时间不到原来的三分之一。这个差距不是调参水平问题，而是控制结构对不同扰动成分的响应方式决定的。

1.2 ADRC的思路：不精确建模，直接估计并抵消扰动

ADRC的核心逻辑很朴素：既然模型不准、扰动又复杂，那不如把“模型偏差+外部扰动+耦合项”统一看成一项总扰动，用一个状态观测器实时估计出来，再在控制量里直接减去。

这个思想落实下来就是三个部分：跟踪微分器（TD）安排过渡过程，扩张状态观测器（ESO）估计状态和总扰动，控制器用误差反馈加扰动补偿。对永磁同步电机来说，最有价值的是ESO——它把那些说不清的摩擦力、负载突变、参数漂移统统塞进一个扩张状态里，然后在前向通道里主动抵消。

正因为不需要精确的电机模型，ADRC在工程上特别适合PMSM这种非线性、强耦合、变参数的对象。你只要知道大致的增益范围，剩下的交给ESO去估计和补偿，控制器的带宽设计相对独立，调参逻辑比PID更直观。

1.3 哪些环节适合上ADRC，哪些没必要

不是每个地方都值得用ADRC。我自己的习惯是：速度环必上，因为负载扰动和机械参数变化主要作用在这里；电流环如果要求不高可以继续用PI，因为电流环带宽高、采样快，ESO的离散化误差容易在高频段引入噪声。但如果你的系统对转矩响应有极高要求，比如伺服主轴、高动态机械臂，那电流环也值得上ADRC。

还有一点很多文章没提：ADRC的观测器对采样噪声敏感。如果你的电流传感器质量一般，或者编码器分辨率偏低，ESO会把测量噪声当成高频扰动来“补偿”，反而让控制量抖得更厉害。这种情况下可以适当降低观测器带宽，或者先对反馈信号做一阶低通滤波，再进ESO。

2. 永磁同步电机控制里ADRC要解决的具体问题

2.1 dq坐标系下的模型回顾：把方程改写成ADRC能用的形式

永磁同步电机在同步旋转坐标系下的定子电压方程为：

ud = Rsid + Ldd(id)/dt - ωeLqiq
uq = Rsiq + Lqd(iq)/dt + ωeLdid + ωe*ψf

其中Rs是定子电阻，Ld、Lq是dq轴电感，ωe是电角速度，ψf是永磁体磁链。如果只看q轴电流环，把交叉耦合项和反电动势都归入扰动，则被控对象可以写成一阶形式：

d(iq)/dt = (1/Lq) * uq + f

这里的f就是“包含反电动势、耦合项、参数偏差的总扰动”。这种写法正是ADRC最喜欢的标准型：一阶系统，控制增益b近似等于1/Lq，其它全交给ESO。

速度环同理，机械方程为：

d(ωr)/dt = (1.5pψf/J) * iq + f_mech

其中p是极对数，J是转动惯量。对于表贴式PMSM，id通常控制为0，转矩和iq近似线性关系，所以速度环也能简化成一阶标准型。

2.2 ESO在电机控制里到底观测什么：状态、扰动、一点小心思

ESO的本质是做一个比实际系统“快一点”的虚拟副本，把输入和输出都接进来，通过反馈校正让副本状态逼近真实状态。对一阶对象：

d(x)/dt = b*u + f

ESO的状态方程是：

e = z1 - y
d(z1)/dt = z2 - β1e + bu
d(z2)/dt = -β2*e

其中z1跟踪系统的输出状态（速度或电流），z2就是扩张出来的“总扰动估计值”。只要观测器带宽足够高，z2就能在几十毫秒内收敛到真实扰动附近。

在电机控制里，z2这个信号特别宝贵。它自动包含了负载转矩、摩擦、磁链变化、甚至机械共振造成的等效扰动，你可以直接用它做前馈补偿，而不需要额外加转矩观测器。我用过传统扰动观测器（DOB），相对比下来ESO不需要单独设计Q滤波器，带宽调节更直接，整个Simulink模型也更好维护。

2.3 控制器设计：用带宽法一步到位

ADRC的反馈控制器不需要积分项，因为ESO已经把扰动补偿掉了，剩下的部分近似为纯积分对象，用一个比例增益就行。对一阶对象：

u0 = kp * (v - z1)

其中v是给定值，kp等于观测器带宽的1/3到1/5左右。注意这里的给定值如果经过跟踪微分器安排过渡过程，则v是平滑后的值，超调量可以压得很小。

总控制量为：

u = (u0 - z2) / b

这个除法补偿了系统增益的不确定性。b的取值很关键，它和真实对象的控制增益偏差太大时，ESO估计出来的扰动会包含这部分偏差，虽然也能补偿一部分，但会牺牲动态性能，所以b还是要尽量取准。

3. Simulink里搭建ADRC控制器的实战拆解

3.1 整体模型结构：速度环ADRC加电流环PI的混合方案

我的做法是速度环用ADRC，电流环继续用PI，这样做模型复杂度可控，又能把ADRC最擅长的抗扰动能力用在刀刃上。整体Simulink结构如下：

• 速度给定经过跟踪微分器（TD），输出平滑给定和微分信号；
• 速度反馈进ESO，ESO输出估计速度和估计扰动；
• 速度误差经过比例控制得到u0，再减去扰动估计并除以b，得到q轴电流给定；
• q轴电流给定和d轴电流给定（通常为0）进传统PI电流环；
• 电流环输出经过反Park变换生成SVPWM控制信号，驱动逆变器模型。

工程上可以在Simulink里建一个“ADRC_Speed”子系统，封装后接口就是：速度给定、速度反馈、输出iq_ref。这样后续想切换到PI速度环做对比实验，只需换一个子系统就行。

3.2 ESO的Simulink实现：连续域和离散域到底选哪个

很多人第一次搭ESO会在连续积分器和离散积分器之间犹豫。我也是从连续域开始搭的，仿真能跑通，但一旦考虑代码生成就完全不够用。连续域模型里随手拖的Integrator模块，在硬件上实际对应的是离散积分器，两者的稳定性边界完全不同。

我建议直接从离散域开始搭。采用零阶保持器近似，设定控制周期Ts，比如速度环用1e-4秒，电流环用1e-4秒或更小。ESO离散化后的形式为：

z1[k+1] = z1[k] + Ts*(z2[k] - β1e[k] + bu[k])
z2[k+1] = z2[k] - Tsβ2e[k]

在Simulink里用Unit Delay（单位延迟）模块实现状态更新，用Gain和Sum搭建反馈修正路径。这样做的最大好处是，模型结构和你要写进MCU的C代码几乎一一对应，后面做代码生成或者手工移植都省事。

3.3 跟踪微分器（TD）和控制器模块的参数设置

TD的作用是“安排过渡过程”。我用的是最经典的最速跟踪微分器，离散形式为：

fh = fhan(v1 - v, v2, r, h)
v1[k+1] = v1[k] + Tsv2[k]
v2[k+1] = v2[k] + Tsfh

fhan是最速控制综合函数，工程实现里可以直接用文献里那个两段式公式。参数r是速度因子，决定过渡过程快慢；h是滤波因子，影响对噪声的抑制。对速度环，r取100到500都能用，想要响应硬朗就取大值，但太大会让给定变化接近阶跃，失去TD的意义。

控制器部分其实就一个比例模块加一个扰动补偿模块，但有几个细节值得注意：

• 比例增益kp优先取5到20，具体和观测器带宽挂钩；
• 扰动补偿通道一定要经过饱和处理，防止输出iq_ref超出电流环承受范围；
• 如果b值取得和实际差距太大，建议在仿真里做一次参数扫描，画几条b不同取值下的阶跃响应曲线再定。

3.4 封装子系统的端口设计与代数环回避

ADRC子系统内部的反馈路径里，ESO使用了当前时刻的控制量u，这会让模型产生代数环。解决办法有几个，我实践中最好用的是：在ESO更新时使用上一时刻的u，也就是在控制输出到ESO的路径上插入一个Unit Delay。

这一点特别容易忽略，但非常重要。代数环会让Simulink在仿真时迭代求解，严重拖慢速度，在代码生成时甚至直接报错。我第一次搭的时候没注意，模型仿真一步要半分钟，排查了半天才发现是这里的问题。往控制输出路径上放一个Unit Delay后，模型立刻顺畅了，仿真速度也恢复正常。

4. 从“能跑”到“跑得稳”：参数整定与离散化细节

4.1 带宽法整定：观察器带宽、控制器带宽怎么配

ADRC最主流的参数整定方法是带宽法，核心思路是把观测器特征方程配置成二重极点：

s² + β1*s + β2 = (s + ωo)²

于是 β1 = 2*ωo，β2 = ωo²。控制器带宽ωc和观测器带宽ωo的经验比例是：ωo ≈ 5～10倍的ωc。对于速度环，如果期望闭环带宽20Hz左右，那么ωc取100rad/s上下，ωo取800到1000rad/s。

这个配比背后的逻辑是：观测器必须先于控制器响应，才能有足够时间把扰动估计出来。如果ωo取得太小，ESO看到的扰动滞后，补偿效果就会打折；取得太大，高频噪声又被放大。我一般先从ωo/ωc=5起步，看仿真里的扰动估计波形是否干净，再逐步往上升。

4.2 离散化对高频段稳定性的影响：一个被忽略的问题

离散ESO的稳定带宽和采样周期直接相关。理论上只要Ts*ωo小于某个阈值，离散观测器就是稳定的，但实际工程中你会发现，当ωo超过0.2/fs附近时，观测器会开始出现高频振荡，这和连续域分析得到的结论完全不同。

这一点很多教程不会提，因为连续域的Bode图看不出来。我踩过一次：某图像处理Demo的控制系统里，我把ωo设到了3000rad/s，采样频率10kHz，仿真波形看起来一切正常，但硬件实验时电流噪声明显增大，电机还伴随轻微啸叫。后来把ωo降到1500，问题立刻消失。建议你在定参数前用Simulink的离散仿真把输出频谱跑一遍，确认没有明显的高频毛刺。

4.3 饱和与抗积分饱和处理：ADRC的另一个隐性需求

ADRC结构里没有积分器，常规的反积分饱和设计不适用，但ESO本身存在“饱和抗扰”问题。当控制量u碰到限幅时，ESO的输入已经不是控制器计算出来的u，而是被截断后的实际值。如果ESO继续拿未饱和的u来更新，z2会错误地认为扰动增大，最终导致补偿量持续堆高，等退出饱和后出现明显的反向过冲。

解决办法是：ESO更新的u必须取自限幅后的实际输出。实现上很简单，把饱和模块放在控制量输出路径上，然后从饱和模块的输出端引信号进ESO。有些人图省事直接从控制器输出引，这种错误模型仿真的波形初期很接近正常，但一遇到饱和工况就会暴雷。

我排查过的一个实际案例：速度环在满载启动时明显超调，起始怀疑ESO参数不对，折腾了一整天，后来才发现ESO用的是未限幅的控制量。改掉这个问题后，超调直接降到5%以内。

5. 仿真实验与波形解读：三个让我印象深刻的实测案例

5.1 案例一：满载启动，ADRC和PI的抗扰对比

我在某跨平台系统里分别搭了PI速度环和ADRC速度环，做了一组相同条件下的满载启动对比。电机给定转速1000rpm，负载转矩从0阶跃到额定值，两个模型都用10kHz采样，仿真时间1秒。

PI的结果：转速跌落约180rpm，恢复时间约320ms，动态过程中q轴电流峰值约1.6倍额定。ADRC的结果：转速跌落约70rpm，恢复时间约120ms，q轴电流峰值约1.3倍额定。波形上ADRC的恢复曲线更平滑，没有PI那种明显的“拉回-超调-再拉回”过程。

这里面最值得关注的是ESO输出的z2波形——它能清晰地看出ESO在负载突变后约10ms内就跟踪到了转矩变化，这比PI通过误差积分慢慢“爬”上去要直接得多。

5.2 案例二：参数漂移场景下的鲁棒性表现

我把电机模型的定子电阻人为增加了50%，磁链减小10%，模拟温升后的参数变化。PI系统在新建模下出现了约15rpm的稳态误差，而ADRC系统稳态转速几乎不受影响，只在动态过程中多了一点瞬时偏差。

原因正是我在第2节提到的：参数变化被ESO归入总扰动并从控制量里主动补偿掉了。这个优势在实机上特别明显——电机跑热之后，不需要重新整定就能维持基本性能。

不过要说清楚，ADRC不是万能的。如果参数偏差大到b值严重失真，比如实际控制增益和模型b差了3倍以上，系统动态性能仍会下降，只是稳定性通常还能维持。用b做参数扫描时，我能明显看到响应从欠阻尼逐步变为过阻尼的过渡。

5.3 案例三：仿真发散排查，一场和代数环与初始值较劲的记录

还有一个让我印象深刻的排错过程。模型能跑但波形发毛，转速上有高频锯齿，ESO的z2跟踪不上，电流响应颠簸。当时所有参数的带宽都符合经验值，仿真步长也足够小，就是找不出问题。

后来逐一拆分模块才发现，ESO状态量的初始值和真实系统起始状态差得太远，z2初始给的是0，但真实扰动初始值很大，观测器在收敛过程中产生了大幅超调。更麻烦的是，由于模型里有代数环，收敛过程在每一步迭代里被反复干扰，波形就一直是毛糙的。

解决方法是：把ESO的z1初始值设为系统初始速度，即仿真开始时的实际转速；z2初始值设为0但把观测器增益先降低，让ESO“软启动”，运行0.1秒后再切到正式增益。我做了个简单的InitCtrl信号来控制这个切换，效果立竿见影，波形在启动阶段立刻干净了。

6. 从Simulink到实机移植的“骚操作”经验

6.1 模型里就该提前铺好的软同步与归一化

Simulink里物理量直接用实际单位，比如电压是V、电流是A、转速是rpm，但MCU控制程序里通常会用标幺值或者ADC的原始码值。移植时如果只改单位，很容易出现增益差几个数量级的问题。

我的经验是，在仿真模型里就提前做归一化：电压基值用直流母线电压，电流基值用额定电流，转速基值用额定转速。这样ESO的参数在仿真中和实机中保持一致，不需要重新整定。这类在仿真阶段多花半小时做的事，通常能省下实机阶段好几天的时间。

6.2 采样与执行时序：别让离散化假设在硬件上失效

Simulink模型里默认所有模块都在同一时刻触发，采样间隔均匀，但实际MCU程序里电流环和速度环往往在不同频率下执行，PWM中心对齐采样还存在延迟。如果你用离散ESO模型生成代码，务必确认ESO的更新时刻和PWM采样时刻对齐，否则相当于给ESO反馈路径上额外串联了一个延迟环节。

我在某电机控制项目里做过一次实验：ESO更新频率从10kHz降到5kHz，观测器带宽保持1500rad/s，结果转速波形出现明显振荡。后来把观测器带宽按比例降到800才稳定。这说明移殖时不能只看仿真参数，采样频率变了，观测器带宽必须跟着调整，建议按Ts*ωo不超过0.15来控制。

6.3 在线切换PI和ADRC：调试阶段的保命手段

最后分享一个我在实际调试中非常依赖的技巧：在Simulink模型里做一个“PI/ADRC切换开关”，同时把两套控制器的输出都算出来，通过一个切换模块选择哪一路接入电流环。切换到ADRC之前先把PI输出清零，切换到ADRC后让ESO在线运行一段时间再接通控制通道，这样能避免切入瞬间的冲击。

这个设计看起来简单，但价值很大。实机调试时你不可能一上来就信任新控制器，保留PI通道作为安全备份，任何时候波形异常都能一键切回PI，不用反复刷固件。我的做法是：先用PI跑到稳定工况，然后切ADRC并观察z2估计是否平稳，确认无误后再增加负载测试。

7. 收尾前再聊聊我踩过的几个常见坑

7.1 别把观测器带宽拉太高：性能与噪声的取舍

这是我在多个项目里反复被教育的一条。ADRC的ESO带宽越高，估计越快，抗扰越强，但代价是噪声放大。对速度环来说，机械速度信号如果来自低分辨率编码器，带宽超过1000rad/s以后，噪声会直接体现在q轴电流给定上。

我个人习惯的做法是：先把观测器带宽拉到目标值，然后观察iq_ref的功率谱密度，如果有明显的噪声基底抬升，就逐步降低带宽，直到噪声可接受。不要为了仿真指标好看而牺牲实机的平稳性。

7.2 b值的确定不能拍脑袋：离线辨识和在线修正

b值代表控制增益的倒数，很多人直接用1/Lq或者用J估算一下就扔进模型，结果动态性能不如预期。建议在搭ADRC之前先做一次开环阶跃响应辨识：给电机一个固定占空比电压，记录电流或转速变化率，反推出实际增益，然后再用这个值做b的初值。

如果条件允许，还可以写一个简单的在线修正逻辑：在稳态运行中比较ESO估计扰动和实际转矩估算值，两者的差值可以用来修正b。这种方法不需要额外硬件，就是纯软件处理，很实用。

7.3 跟踪微分器的滤波作用比你想象的重要

TD不只是让给定平滑，更关键的作用是避免阶跃给定对ESO的冲击。没有TD时，速度给定阶跃会让速度误差瞬间很大，控制器输出饱和，ESO状态被强行拉偏，出现“首拍效应”。有了TD之后，给定按最速轨迹过渡，ESO和控制器都能从容跟上。

有些人觉得TD会拖慢响应，其实不会，过渡过程的时间通常只有实际上升时间的几分之一，只要r调得合适，动态性能完全可以兼顾。我只能说，在Simulink里拖动r滑块看波形变化，比看任何公式都能更快建立直觉。

ADRC控制器我在不同平台上也试过好几轮了，最大的感受是“仿真越顺利，实机越容易，反过来也是成立的”。如果你只是想让波形好看，PI加滤波在仿真里已经能做得很漂亮，但真到负载变化、参数漂移这种硬场景下，ADRC的差距就能一眼看出来。这篇文章里的每一个模块我都按实际调试顺序写下来的，你照着搭一遍，应该能完全复现。如果卡在哪一步，多半是代数环或初始值问题，优先检查这两处。