自抗扰控制 (ADRC) Simulink 模型 包括跟踪微分器 非线性反馈控制器 扩张状态观测器 基于扩张状态观测器ESO的扰动估计与补偿控制方法

最近在调试一个电机控制系统，被各种未知扰动折腾得够呛。偶然翻到韩京清教授的自抗扰控制（ADRC）方案，发现它处理扰动的思路特别有意思——不是跟扰动死磕，而是直接通过扩张状态观测器（ESO）把系统内外扰动打包收拾了。今天咱们就拆解一个典型的ADRC Simulink模型，重点看看它的三件套怎么配合干活。

先上模型整体架构（敲黑板）：

1. 跟踪微分器TD：给参考信号加个缓启动buff
2. 非线性反馈NLSEF：玩转误差的非线性组合
3. ESO：系统状态的读心术大师

重点说说这个ESO，它可是ADRC的灵魂。传统观测器忙着观测系统状态，ESO却把整个系统的内外扰动打包成一个新的扩张状态来观测。举个例子，当我们建模时总有些参数不准或者有外部干扰，ESO直接把它们当作系统的一个新状态来跟踪。

% ESO核心状态更新方程
function dx = eso_update(x, u, y, h, beta)
    e = x(1) - y;  % 观测误差
    dx(1) = x(2) - beta(1)*e;            % 状态1导数
    dx(2) = x(3) - beta(2)*fal(e,0.5,h) + 10*u; 
    dx(3) = -beta(3)*fal(e,0.25,h);      % 扩张状态
end

% 非线性函数
function f = fal(e,alpha,delta)
    if abs(e) > delta
        f = abs(e)^alpha * sign(e);
    else
        f = e / (delta^(1-alpha));
    end
end

这段代码里藏着几个设计玄机：

• beta参数阵决定了ESO的收敛速度，取值过大会引发震荡
• fal函数在误差较小时保持线性特性，大了就开启非线性模式
• 扩张状态x(3)就是打包后的总扰动估计值

再来看控制器的非线性组合部分。传统PID是线性加权，ADRC则用fal函数玩起了变结构：

% 非线性反馈控制器
function u = nlsef(e1, e2, beta, h)
    u0 = beta(1)*fal(e1, 0.5, h) + beta(2)*fal(e2, 0.25, h);
    u = (u0 - z3)/b0;  % 补偿ESO估计的扰动
end

这里的beta参数需要和ESO的参数协同整定，实际操作中我习惯先用线性参数启动系统，再逐步引入非线性因素。有个小技巧：把h参数设为采样周期的2-3倍，能有效避免高频颤振。

自抗扰控制 (ADRC) Simulink 模型 包括跟踪微分器 非线性反馈控制器 扩张状态观测器 基于扩张状态观测器ESO的扰动估计与补偿控制方法

模型跑起来后，在Simulink里能看到明显的抗扰效果。比如突然给系统加个阶跃扰动，ESO估计值会在0.1秒内跟上，控制器随即补偿掉扰动带来的影响。不过要注意ESO带宽不能无脑调高，否则会放大测量噪声——这就好比用望远镜看风景，调焦太猛反而看不清细节。

调试时遇到过个坑：电机启动瞬间ESO估计值飙到离谱。后来发现是TD的过渡过程没设计好，给参考信号加了速度限幅后才稳定。这也说明ADRC各个模块需要协同工作，单独调某个环节容易翻车。

最后说下参数整定的经验法则：

1. 先调TD的过渡时间，让指令跟踪曲线不超调
2. 调ESO的beta使估计误差快速收敛
3. 最后调非线性反馈的beta平衡响应速度与鲁棒性
4. 整个过程记得用参数扫描工具辅助验证

ADRC这套方法在工程实践中确实能省不少建模时间，特别是对付那些机理复杂、扰动多的被控对象。不过也别指望它是银弹——上次在时变延迟系统里用这方法就翻车了。说到底，控制算法还是要结合实际工况灵活运用。