简介本资源是面向控制工程领域研究人员与自动化专业高年级本科生/研究生的Matlab自抗扰控制ADRC专用工具箱聚焦解决实际控制系统中普遍存在的模型不确定性、外部扰动及非线性动态等鲁棒性难题。压缩包共18个文件740KB含6个核心m函数实现ESO设计、参数整定与稳定性分析、6个Simulink模型slx格式覆盖DC-DC变换器、TCLab温控、直流电机、双容水箱等典型被控对象、1个mltbx安装包、2个ini配置文件及配套license与说明文档结构清晰、即装即用。已有952人学习下载资源附带完整工程实例链路从扩展状态观测器在线扰动估计、基于Lyapunov理论的控制器设计到多场景闭环仿真与性能指标评估所有示例均提供可运行模型与注释代码便于理解ADRC原理、快速迁移至电力电子、过程控制或运动控制等实际项目。 自抗扰控制ADRC这几年在工程圈里越来越热从运动控制、电力电子到过程控制到处都能看到它的身影。但说实话ADRC的上手门槛不低理论公式一大堆参数又不像PID那样有明确的物理意义调起来全凭感觉。我自己在做电机调速项目时就被折腾过好几轮后来把常用模块整理成了一个Matlab工具箱才发现效率提升非常明显。这篇就聊聊这套Matlab自抗扰控制工具箱的设计思路、核心模块、实操步骤和排坑经验希望能给正在研究或者准备落地ADRC的朋友一些参考。这套工具箱主要面向这几类人刚接触ADRC、想快速跑通仿真的学生在工程现场需要把ADRC算法部署到实际控制器上的工程师还有想对比ADRC和PID控制效果、做算法研究的开发者。它解决的核心问题很简单——把ADRC从“论文公式”变成“能跑的代码”让使用者不用从零去写离散化、滤波、观测器这些底层逻辑直接关注控制效果和参数整定。1. 内容整体设计与思路拆解1.1 为什么选Matlab作为ADRC的载体先聊聊工具箱为什么做在Matlab里。ADRC算法本身并不复杂C语言、Python都能实现但前期的算法验证和参数探索阶段Matlab的优势非常明显。一个是矩阵运算和微分方程求解是内置能力另一个是Simulink的图形化环境能让人直观看到信号流。更重要的是Matlab的脚本语言特性让“改一个参数、看一组曲线”的迭代效率极高这在算法还没定型的阶段非常宝贵。我在设计工具箱时的定位是不追求像商用软件那样大而全而是把ADRC里最核心、最通用的部分做得足够扎实。包括跟踪微分器TD、扩张状态观测器ESO、非线性状态误差反馈NLSEF三大部分外加一个完整的ADRC控制器封装类。用面向对象的方式写每个模块独立成类既可以单独调用也能组合成完整的ADRC控制器。1.2 ADRC到底解决了什么问题在说工具箱细节之前有必要先清楚ADRC的设计哲学。传统PID的痛点在于误差的积分项容易引起超调微分项对噪声敏感而且它本质上是在“事后纠偏”等误差出来了才动作。而ADRC的思路是“观测扰动、补偿扰动”通过扩张状态观测器把系统内部的不确定性比如模型参数变化和外部扰动比如负载突变统一估计成一个“总扰动”然后用控制量把这个总扰动补偿掉让系统在面对扰动时表现得像一个无扰动的理想积分串联型系统最后用非线性状态误差反馈把这个被“净化”后的系统轻松控制住。这个思路的好处是对模型依赖极低甚至可以直接把对象当作一个未知系统来处理只需要知道它的相对阶次就可以设计控制器。这也是ADRC在工程上被称为“不需要精确模型的控制方法”的原因。1.3 工具箱整体架构规划整个工具箱我分成了四个层次基础函数层包括非线性函数fal函数、fhan函数、离散化辅助工具这是算法的最小单元核心模块层TD、ESO、NLSEF三个类分别实现各自算法控制器封装层一个ADRC类把三大模块组合成完整的控制器对外提供统一的输入输出接口应用示例层包含几个典型的被控对象模型和仿真脚本方便快速理解用法。这样的分层设计有两个好处一是每一层都能独立测试调试时容易定位问题二是使用者可以根据需求替换某个模块比如想用线性ADRCLADRC就把非线性模块换成线性模块不影响其它部分。2. 核心细节解析与实操要点2.1 跟踪微分器TD的原理与离散化实现跟踪微分器的作用是安排过渡过程并提取信号的微分。它解决的是工程里的一个经典矛盾想让系统响应快但突然的阶跃指令会导致初始误差过大引起超调甚至剧烈振荡。TD的做法是给控制信号安排一个平滑的过渡轨迹同时对输入信号求取高质量的微分信号。这里面最关键的是最速控制综合函数fhan。标准的fhan公式在连续域里定义明确但实现时要小心离散化方式。很多初学者直接用欧拉法离散会发现微分信号有明显的抖动这是因为fhan的非线性特性对步长敏感。我在这套工具箱里采用的是“二阶离散最速控制”的经典形式并做了步长相关的归一化处理实际测试下来在1ms到10ms的控制周期内都能稳定工作。一个重要的参数是TD的“速度因子”r它决定了过渡过程的快慢。r越大跟踪越快但也会放大噪声r越小跟踪越平缓系统更柔和。实操中的经验是先从系统能接受的输出变化率反推r的初值再微调。比如某个阀门的最大允许变化速率是每秒50%过渡时间期望1秒那么这个r的数量级就在50左右再结合仿真效果微调。2.2 扩张状态观测器ESO的核心地位ESO是整个ADRC的灵魂它的作用是把系统的“总扰动”实时估计出来。所谓扩张状态就是把总扰动当作一个新的状态变量和系统原来的状态一起观测。ESO的设计难点在于观测器带宽ωo的选取。一方面ωo越大扰动估计越快补偿越及时另一方面ωo过大会放大测量噪声甚至导致观测器发散。我在工具箱里实现了三阶ESO和四阶ESO两个版本分别适配二阶系统和三阶系统。对于大多数工程对象力学系统、热工系统等三阶ESO完全够用也就是系统本身是二阶的扩张一个扰动状态。还要特别注意采样噪声的影响。测量信号一旦进入ESO噪声会直接影响扰动估计质量。我的做法是在ESO之前增加一个差分滤波预处理而不是无脑增大观测器带宽。具体来说用一阶惯性环节对测量信号做平滑时间常数取控制周期的3到5倍这样既不会明显滞后又能有效抑制高频噪声。2.3 非线性状态误差反馈NLSEF与fal函数NLSEF的作用是根据状态误差生成控制量。ADRC的非线性特性主要就体现在这里——用非线性函数而不是单纯的线性比例来组合误差。工具箱中默认的fal函数表达式是fal(e, α, δ) e / δ^(1-α) 当 |e| δ fal(e, α, δ) |e|^α * sign(e) 当 |e| δ这个函数的特点是误差小时增益大因为是线性区误差大时增益相对小幂次小于1增益递减兼顾了小误差下的快速收敛和大误差下避免超调的控制需求。两个参数α和δ的取值直接决定控制品质。我在默认参数里把α设为0.5、δ设为0.01这是比较通用的起点。但要注意α太小会导致系统在高频段出现抖动δ太大会让线性区范围过大反而失去了非线性补偿的意义。在实际调参时不要把α调得太极端0.3到0.7之间通常是比较合理的区间。2.4 工具箱代码模块的接口设计每个模块都采用了统一的discrete_update接口输入输出都是列向量这样无论是脚本循环仿真还是集成到Simulink的S-Function里都很方便。举个例子ESO的调用核心逻辑大概是这样的classdef ESO handle properties z; % 状态估计向量 w0; % 观测器带宽 b0; % 控制增益估计 dt; % 控制周期 % 内部参数 beta1; beta2; beta3; end methods function obj ESO(w0, b0, dt) obj.w0 w0; obj.b0 b0; obj.dt dt; obj.z zeros(3, 1); % 带宽法配置增益 obj.beta1 3 * w0; obj.beta2 3 * w0^2; obj.beta3 w0^3; end function z_next update(obj, y, u) % 标准扩张状态观测器离散递推 e obj.z(1) - y; z1_dot obj.z(2) - obj.beta1 * e; z2_dot obj.beta2 * (-e) obj.z(3) obj.b0 * u; z3_dot -obj.beta3 * e; obj.z obj.z obj.dt * [z1_dot; z2_dot; z3_dot]; z_next obj.z; end end end这段代码里的beta参数是按带宽法配置的这是高志强老师提出的经典方法把ESO的增益和三阶系统带宽ωo关联起来大大降低了调参难度。实际使用时只需要给定ωo和b0的粗略值ESO就能正常工作这比手动调三个beta参数不知道方便多少倍。3. 实操过程与核心环节实现3.1 工具箱安装与路径配置把工具箱整体放到某个目录后第一件事是把它加入Matlab搜索路径。我见过很多朋友直接在命令行cd到目录里就开始运行脚本这样如果脚本调用了不同层级的函数经常会报“Undefined function”错误。正确做法是在Matlab主页的“设置路径”对话框里把工具箱根目录和所有子目录一起添加进去。如果希望每次启动Matlab都自动加载可以把保存路径这样一个步骤也做了。具体操作是主页 - 设置路径 - 添加并包含子文件夹 - 选择工具箱根目录 - 保存。这样一劳永逸后面再也不会出现找不到类文件的错误。3.2 从零搭一个二阶对象的ADRC仿真下面用一套标准流程演示如何使用这个工具箱控制一个典型的二阶对象。被控对象选一个带不确定性和扰动的系统传递函数形式为G(s) 100 / (s^2 10s 20)同时叠加一个时变外部扰动模拟真实工况。我们的目标是用ADRC实现对参考阶跃信号的快速无超调跟踪。第一步初始化控制器参数% 控制周期 dt 0.001; % 被控对象相对阶次为2b0取对象增益的近似值 b0 100; % 控制器带宽 wc 30; % 观测器带宽通常为控制器带宽的3~10倍 w0 150; % 控制量限幅 u_max 100; % TD过渡过程速度因子 r 100;这里b0的取值值得多说一句。ADRC理论里b0是对控制增益的估计在实际工程中不可能精确知道工具箱的设计允许b0存在较大误差哪怕差50%ESO都能把剩余部分当作扰动估计并补偿掉。这是ADRC非常实用的特性——不像模型预测控制那样对模型精度要求苛刻。第二步创建TD、ESO、NLSEF三个模块td TD(r, dt); eso ESO(w0, b0, dt); nlsef NLSEF(0.5, 0.01, b0, dt);第三步编写仿真主循环。这里我用for循环来模拟离散控制每次迭代完成采样、控制计算、对象更新三个步骤% 仿真时长和步数 T_total 5; N T_total / dt; % 初始化存储 t_array zeros(1, N); y_array zeros(1, N); u_array zeros(1, N); % 对象初始状态 x1 0; x2 0; y 0; % 参考信号 ref 1; % 阶跃 % 闭环主循环 for k 1:N % 采样 y_measure y; % 控制量计算 v1 td.update(ref); % 参考信号的过渡过程 e1 v1(1) - eso.z(1); % 状态误差 e2 v1(2) - eso.z(2); u0 nlsef.calc(e1, e2); % 非线性组合 % 扰动的补偿 z3 eso.z(3); u (u0 - z3) / b0; % 限幅 u max(-u_max, min(u_max, u)); % 对象更新这里用欧拉法示例 d 0.5 * sin(3 * t_array(k)); % 外部扰动 x1_next x1 dt * x2; x2_next x2 dt * (-10 * x2 - 20 * x1 100 * u d); x1 x1_next; x2 x2_next; y x1; % 更新ESO注意使用上一次的控制量u和当前测量值y eso.update(y_measure, u); % 记录 t_array(k) k * dt; y_array(k) y; u_array(k) u; end注意这里的一个关键细节ESO的更新用的是本次采样得到的测量值和上一次计算得到的控制量。这是因为在实际系统中控制律的计算需要时间数字控制器输出的是“上一拍”的控制量。如果仿真中让ESO先于控制量更新就会出现“代数环”问题导致结果不真实。这是很多仿真和实际代码对应不起来的重要原因。3.3 参数整定的三板斧ADRC的参数虽然比PID多但真正需要工程整定的就那么几个控制器带宽wc、观测器带宽w0、控制增益估计b0、TD速度因子r。我自己总结的整定顺序是先定b0再定w0然后调wc最后微调TD这个顺序不能乱。b0的估算可以从对象的物理性质出发。比如电机调速电机的电压到转速的增益大致可以通过额定电压和额定转速算出来温度控制则可以参考加热功率到温升速率的关系。实在无法估算时也可以采用“试凑法”先给一个保守值观察控制量幅值是否合理再做调整。b0偏小时控制偏“猛”b0偏大时控制偏“软”经验上b0偏差一倍以内ESO都能自动消化。w0的经验法则是控制器带宽的3到10倍。w0太小扰动估计滞后系统会残留静差w0太大噪声会被放大控制量抖动明显。判断w0是否合适的直观标志是观察ESO的扰动估计曲线如果里面有明显的高频毛刺说明w0偏大需要回调或者加强输入滤波。wc的调整逻辑比较像PID的比例增益但它不会对稳定性造成那么大的威胁因为相位裕度由TD和ESO保障了。你可以大胆地把wc从小到大扫一遍观察系统响应的快速性和超调之间的权衡。用工具箱的话说直接在脚本里写个循环把wc从10到100跑几组仿真画出对比曲线一步到位。3.4 在Simulink中集成工具箱如果你习惯了Simulink的图形化建模工具箱也能无缝集成。做法是封装一个S-Function模块在mdlInitializeSizes里定义输入输出维度和连续/离散状态在mdlUpdate或者mdlOutputs里调用工具箱的类方法来计算控制量。Matlab提供了Level-2 MATLAB S-Function的模板我封装好的ADRC块可以直接在库浏览器里引用。它有两个输入参考信号和测量反馈两个输出控制量和扰动估计。参数对话框里可以填wc、w0、b0、r这些值运行时通过block.DialogPrm来读取。用S-Function的好处是可以直接利用Simulink的仿真引擎做多步固定步长仿真完全没问题。要注意的是S-Function里不能使用类似pause、input这样交互式命令控制器的状态需要用DWork向量保存。4. 常见问题与排查技巧实录4.1 ESO发散或振荡严重这是ADRC调参时最常见的问题。现象是仿真运行到某一步控制量突然跳到巨大值随后整个系统发散。排查思路按优先级排列第一检查dt设置是否合理。ESO的离散化对步长非常敏感如果控制周期和系统动态时间尺度不匹配观测器很容易不稳定。经验上控制周期应至少比系统最小时间常数的1/10还要小。第二检查w0是否过大把w0降到wc的3倍试试。第三检查b0的正负号是否正确这个错误特别隐蔽b0符号反了系统一定发散。我遇到过一种情况对象是液压系统存在延迟环节而我把对象相对阶次当作2处理ESO一直发飘。后来才意识到延迟等效为额外的高阶动态需要提高ESO的阶次或者用预估补偿方法处理。ADRC处理大延迟系统时要格外小心纯ADRC并不适合大纯滞后对象需要结合Smith预估器或其他时滞补偿手段。4.2 控制量高频抖动如果系统稳定但控制量上有明显的毛刺大概率是噪声问题。无论是仿真里的测量噪声还是实际系统的传感器噪声都会通过ESO的观测通道进入控制量。一个有效的办法是降低w0但这样会损失扰动抑制能力。更聪明的办法是在测量输入端做滤波。我在工具箱里集成了一阶低通滤波函数时间常数建议设为控制周期的3到5倍。再一个细节是滤波会带来相位滞后如果lag严重可以在NLSEF里适当补偿相位或者使用超前校正。实践中还有一种情况抖动来自于fal函数的非线性特性。在稳态附近误差小幅变化时fal函数在δ邻域内的增益变化非常剧烈容易激发高频振荡。解决方法是适当增大δ把线性区范围变大一些或者改用光滑化处理的fal变体。4.3 有静差怎么调都消不掉ADRC理论上对常值扰动有完全的抑制能力所以出现静差基本可以确定是ESO的扰动估计没有完全补偿掉。可能的原因有三个一是b0误差太大导致补偿幅度不对尽管观测器估计出来扰动合理但除以b0之后补偿量就不匹配了这时重新估计b0就能解决二是ESO的阶次不够如果对象是三阶系统但用了三阶ESO只能扩张一阶扰动对斜坡类的扰动会有稳态误差需要升级到四阶ESO三是控制量饱和如果控制量已经顶到限幅值那么无论观测器估计得多么准确物理上已经没有余量去补偿扰动了。还有一个容易被忽略的地方如果ESO的更新频率低于控制频率相当于在观测器中引入了额外的延迟也会削弱扰动补偿能力。我在实际使用中一般保证ESO和控制器运行在同频甚至在资源允许的条件下让ESO跑更高的频率。4.4 表格汇总常见报错和对应的解决办法现象可能原因解决方法运行时报“Undefined function”工具箱未加入搜索路径在Matlab中设置路径并保存ESO状态发散w0过大、dt过大、b0符号错误减小w0减小仿真步长检查b0正负控制量高频毛刺测量噪声大、w0偏大增加输入滤波降低w0增大fal的δ稳态误差无法消除b0误差大、ESO阶次不足重新估计b0升级ESO阶次系统响应太慢wc偏小、TD的r偏小增大wc和r观察过渡过程改善情况大阶跃响应超调TD速度因子r过大或过渡过程设置过近减小r让过渡轨迹更平缓与Simulink联合仿真时出错S-Function接口维数不匹配检查输入输出端口维度和DWork向量定义4.5 工具箱的边界与替代方案最后聊一点我觉得很重要的工具终归是工具ADRC也不是万能的。对于纯滞后大、模型高度非线性、约束极强的情况比如化工精馏塔的大滞后温度控制ADRC并不比PID配合Smith预估器有明显优势反而可能因为参数多而显得更难调。此时要考虑的可能是预测控制或者更高级的智能控制方法。另外如果你的最终目标是把算法部署到单片机或者嵌入式设备上Matlab只是中间验证环节。工具箱生成的离散化算法代码可以方便地翻译成C语言我自己就是这么干的把ESO、TD、NLSEF三个模块的更新公式一对一翻译过去配合嵌入式实时系统运行效果跟在Matlab里仿真几乎一致。有一点要提醒仿真用的浮点精度在嵌入式平台可能变成单精度需要重新验证稳定性尤其是ESO的积分环节在float32下容易出现累积误差。我在实际做这个工具箱的过程里体会最深的一点ADRC的调试最大的坑往往不是算法本身而是对系统特性的理解不到位。工具箱把算法细节封装掉了反而逼着使用者去思考“我的对象到底是几阶的b0大概是多少采样周期怎么选”这几个问题。把这三个问题想清楚ADRC的参数整定就成功了一大半。如果后续打算深入这个方向还有几个可以扩展的点一是把线性ADRCLADRC也集成进来它只有三个参数调参更友好适合工程落地二是加入参数自适应模块让b0和w0能根据运行工况在线调整三是增加与硬件在环仿真的接口把工具箱生成的控制代码直接输出为C源文件配合嵌入式编译器实现快速原型开发。这些方向我在后续的版本里会陆续加入也希望使用这个工具箱的朋友能多提宝贵意见。本文还有配套的精品资源点击获取 Matlab自抗扰控制工具箱：从原理到实战的完整指南
简介本资源是面向控制工程领域研究人员与自动化专业高年级本科生/研究生的Matlab自抗扰控制ADRC专用工具箱聚焦解决实际控制系统中普遍存在的模型不确定性、外部扰动及非线性动态等鲁棒性难题。压缩包共18个文件740KB含6个核心m函数实现ESO设计、参数整定与稳定性分析、6个Simulink模型slx格式覆盖DC-DC变换器、TCLab温控、直流电机、双容水箱等典型被控对象、1个mltbx安装包、2个ini配置文件及配套license与说明文档结构清晰、即装即用。已有952人学习下载资源附带完整工程实例链路从扩展状态观测器在线扰动估计、基于Lyapunov理论的控制器设计到多场景闭环仿真与性能指标评估所有示例均提供可运行模型与注释代码便于理解ADRC原理、快速迁移至电力电子、过程控制或运动控制等实际项目。 自抗扰控制ADRC这几年在工程圈里越来越热从运动控制、电力电子到过程控制到处都能看到它的身影。但说实话ADRC的上手门槛不低理论公式一大堆参数又不像PID那样有明确的物理意义调起来全凭感觉。我自己在做电机调速项目时就被折腾过好几轮后来把常用模块整理成了一个Matlab工具箱才发现效率提升非常明显。这篇就聊聊这套Matlab自抗扰控制工具箱的设计思路、核心模块、实操步骤和排坑经验希望能给正在研究或者准备落地ADRC的朋友一些参考。这套工具箱主要面向这几类人刚接触ADRC、想快速跑通仿真的学生在工程现场需要把ADRC算法部署到实际控制器上的工程师还有想对比ADRC和PID控制效果、做算法研究的开发者。它解决的核心问题很简单——把ADRC从“论文公式”变成“能跑的代码”让使用者不用从零去写离散化、滤波、观测器这些底层逻辑直接关注控制效果和参数整定。1. 内容整体设计与思路拆解1.1 为什么选Matlab作为ADRC的载体先聊聊工具箱为什么做在Matlab里。ADRC算法本身并不复杂C语言、Python都能实现但前期的算法验证和参数探索阶段Matlab的优势非常明显。一个是矩阵运算和微分方程求解是内置能力另一个是Simulink的图形化环境能让人直观看到信号流。更重要的是Matlab的脚本语言特性让“改一个参数、看一组曲线”的迭代效率极高这在算法还没定型的阶段非常宝贵。我在设计工具箱时的定位是不追求像商用软件那样大而全而是把ADRC里最核心、最通用的部分做得足够扎实。包括跟踪微分器TD、扩张状态观测器ESO、非线性状态误差反馈NLSEF三大部分外加一个完整的ADRC控制器封装类。用面向对象的方式写每个模块独立成类既可以单独调用也能组合成完整的ADRC控制器。1.2 ADRC到底解决了什么问题在说工具箱细节之前有必要先清楚ADRC的设计哲学。传统PID的痛点在于误差的积分项容易引起超调微分项对噪声敏感而且它本质上是在“事后纠偏”等误差出来了才动作。而ADRC的思路是“观测扰动、补偿扰动”通过扩张状态观测器把系统内部的不确定性比如模型参数变化和外部扰动比如负载突变统一估计成一个“总扰动”然后用控制量把这个总扰动补偿掉让系统在面对扰动时表现得像一个无扰动的理想积分串联型系统最后用非线性状态误差反馈把这个被“净化”后的系统轻松控制住。这个思路的好处是对模型依赖极低甚至可以直接把对象当作一个未知系统来处理只需要知道它的相对阶次就可以设计控制器。这也是ADRC在工程上被称为“不需要精确模型的控制方法”的原因。1.3 工具箱整体架构规划整个工具箱我分成了四个层次基础函数层包括非线性函数fal函数、fhan函数、离散化辅助工具这是算法的最小单元核心模块层TD、ESO、NLSEF三个类分别实现各自算法控制器封装层一个ADRC类把三大模块组合成完整的控制器对外提供统一的输入输出接口应用示例层包含几个典型的被控对象模型和仿真脚本方便快速理解用法。这样的分层设计有两个好处一是每一层都能独立测试调试时容易定位问题二是使用者可以根据需求替换某个模块比如想用线性ADRCLADRC就把非线性模块换成线性模块不影响其它部分。2. 核心细节解析与实操要点2.1 跟踪微分器TD的原理与离散化实现跟踪微分器的作用是安排过渡过程并提取信号的微分。它解决的是工程里的一个经典矛盾想让系统响应快但突然的阶跃指令会导致初始误差过大引起超调甚至剧烈振荡。TD的做法是给控制信号安排一个平滑的过渡轨迹同时对输入信号求取高质量的微分信号。这里面最关键的是最速控制综合函数fhan。标准的fhan公式在连续域里定义明确但实现时要小心离散化方式。很多初学者直接用欧拉法离散会发现微分信号有明显的抖动这是因为fhan的非线性特性对步长敏感。我在这套工具箱里采用的是“二阶离散最速控制”的经典形式并做了步长相关的归一化处理实际测试下来在1ms到10ms的控制周期内都能稳定工作。一个重要的参数是TD的“速度因子”r它决定了过渡过程的快慢。r越大跟踪越快但也会放大噪声r越小跟踪越平缓系统更柔和。实操中的经验是先从系统能接受的输出变化率反推r的初值再微调。比如某个阀门的最大允许变化速率是每秒50%过渡时间期望1秒那么这个r的数量级就在50左右再结合仿真效果微调。2.2 扩张状态观测器ESO的核心地位ESO是整个ADRC的灵魂它的作用是把系统的“总扰动”实时估计出来。所谓扩张状态就是把总扰动当作一个新的状态变量和系统原来的状态一起观测。ESO的设计难点在于观测器带宽ωo的选取。一方面ωo越大扰动估计越快补偿越及时另一方面ωo过大会放大测量噪声甚至导致观测器发散。我在工具箱里实现了三阶ESO和四阶ESO两个版本分别适配二阶系统和三阶系统。对于大多数工程对象力学系统、热工系统等三阶ESO完全够用也就是系统本身是二阶的扩张一个扰动状态。还要特别注意采样噪声的影响。测量信号一旦进入ESO噪声会直接影响扰动估计质量。我的做法是在ESO之前增加一个差分滤波预处理而不是无脑增大观测器带宽。具体来说用一阶惯性环节对测量信号做平滑时间常数取控制周期的3到5倍这样既不会明显滞后又能有效抑制高频噪声。2.3 非线性状态误差反馈NLSEF与fal函数NLSEF的作用是根据状态误差生成控制量。ADRC的非线性特性主要就体现在这里——用非线性函数而不是单纯的线性比例来组合误差。工具箱中默认的fal函数表达式是fal(e, α, δ) e / δ^(1-α) 当 |e| δ fal(e, α, δ) |e|^α * sign(e) 当 |e| δ这个函数的特点是误差小时增益大因为是线性区误差大时增益相对小幂次小于1增益递减兼顾了小误差下的快速收敛和大误差下避免超调的控制需求。两个参数α和δ的取值直接决定控制品质。我在默认参数里把α设为0.5、δ设为0.01这是比较通用的起点。但要注意α太小会导致系统在高频段出现抖动δ太大会让线性区范围过大反而失去了非线性补偿的意义。在实际调参时不要把α调得太极端0.3到0.7之间通常是比较合理的区间。2.4 工具箱代码模块的接口设计每个模块都采用了统一的discrete_update接口输入输出都是列向量这样无论是脚本循环仿真还是集成到Simulink的S-Function里都很方便。举个例子ESO的调用核心逻辑大概是这样的classdef ESO handle properties z; % 状态估计向量 w0; % 观测器带宽 b0; % 控制增益估计 dt; % 控制周期 % 内部参数 beta1; beta2; beta3; end methods function obj ESO(w0, b0, dt) obj.w0 w0; obj.b0 b0; obj.dt dt; obj.z zeros(3, 1); % 带宽法配置增益 obj.beta1 3 * w0; obj.beta2 3 * w0^2; obj.beta3 w0^3; end function z_next update(obj, y, u) % 标准扩张状态观测器离散递推 e obj.z(1) - y; z1_dot obj.z(2) - obj.beta1 * e; z2_dot obj.beta2 * (-e) obj.z(3) obj.b0 * u; z3_dot -obj.beta3 * e; obj.z obj.z obj.dt * [z1_dot; z2_dot; z3_dot]; z_next obj.z; end end end这段代码里的beta参数是按带宽法配置的这是高志强老师提出的经典方法把ESO的增益和三阶系统带宽ωo关联起来大大降低了调参难度。实际使用时只需要给定ωo和b0的粗略值ESO就能正常工作这比手动调三个beta参数不知道方便多少倍。3. 实操过程与核心环节实现3.1 工具箱安装与路径配置把工具箱整体放到某个目录后第一件事是把它加入Matlab搜索路径。我见过很多朋友直接在命令行cd到目录里就开始运行脚本这样如果脚本调用了不同层级的函数经常会报“Undefined function”错误。正确做法是在Matlab主页的“设置路径”对话框里把工具箱根目录和所有子目录一起添加进去。如果希望每次启动Matlab都自动加载可以把保存路径这样一个步骤也做了。具体操作是主页 - 设置路径 - 添加并包含子文件夹 - 选择工具箱根目录 - 保存。这样一劳永逸后面再也不会出现找不到类文件的错误。3.2 从零搭一个二阶对象的ADRC仿真下面用一套标准流程演示如何使用这个工具箱控制一个典型的二阶对象。被控对象选一个带不确定性和扰动的系统传递函数形式为G(s) 100 / (s^2 10s 20)同时叠加一个时变外部扰动模拟真实工况。我们的目标是用ADRC实现对参考阶跃信号的快速无超调跟踪。第一步初始化控制器参数% 控制周期 dt 0.001; % 被控对象相对阶次为2b0取对象增益的近似值 b0 100; % 控制器带宽 wc 30; % 观测器带宽通常为控制器带宽的3~10倍 w0 150; % 控制量限幅 u_max 100; % TD过渡过程速度因子 r 100;这里b0的取值值得多说一句。ADRC理论里b0是对控制增益的估计在实际工程中不可能精确知道工具箱的设计允许b0存在较大误差哪怕差50%ESO都能把剩余部分当作扰动估计并补偿掉。这是ADRC非常实用的特性——不像模型预测控制那样对模型精度要求苛刻。第二步创建TD、ESO、NLSEF三个模块td TD(r, dt); eso ESO(w0, b0, dt); nlsef NLSEF(0.5, 0.01, b0, dt);第三步编写仿真主循环。这里我用for循环来模拟离散控制每次迭代完成采样、控制计算、对象更新三个步骤% 仿真时长和步数 T_total 5; N T_total / dt; % 初始化存储 t_array zeros(1, N); y_array zeros(1, N); u_array zeros(1, N); % 对象初始状态 x1 0; x2 0; y 0; % 参考信号 ref 1; % 阶跃 % 闭环主循环 for k 1:N % 采样 y_measure y; % 控制量计算 v1 td.update(ref); % 参考信号的过渡过程 e1 v1(1) - eso.z(1); % 状态误差 e2 v1(2) - eso.z(2); u0 nlsef.calc(e1, e2); % 非线性组合 % 扰动的补偿 z3 eso.z(3); u (u0 - z3) / b0; % 限幅 u max(-u_max, min(u_max, u)); % 对象更新这里用欧拉法示例 d 0.5 * sin(3 * t_array(k)); % 外部扰动 x1_next x1 dt * x2; x2_next x2 dt * (-10 * x2 - 20 * x1 100 * u d); x1 x1_next; x2 x2_next; y x1; % 更新ESO注意使用上一次的控制量u和当前测量值y eso.update(y_measure, u); % 记录 t_array(k) k * dt; y_array(k) y; u_array(k) u; end注意这里的一个关键细节ESO的更新用的是本次采样得到的测量值和上一次计算得到的控制量。这是因为在实际系统中控制律的计算需要时间数字控制器输出的是“上一拍”的控制量。如果仿真中让ESO先于控制量更新就会出现“代数环”问题导致结果不真实。这是很多仿真和实际代码对应不起来的重要原因。3.3 参数整定的三板斧ADRC的参数虽然比PID多但真正需要工程整定的就那么几个控制器带宽wc、观测器带宽w0、控制增益估计b0、TD速度因子r。我自己总结的整定顺序是先定b0再定w0然后调wc最后微调TD这个顺序不能乱。b0的估算可以从对象的物理性质出发。比如电机调速电机的电压到转速的增益大致可以通过额定电压和额定转速算出来温度控制则可以参考加热功率到温升速率的关系。实在无法估算时也可以采用“试凑法”先给一个保守值观察控制量幅值是否合理再做调整。b0偏小时控制偏“猛”b0偏大时控制偏“软”经验上b0偏差一倍以内ESO都能自动消化。w0的经验法则是控制器带宽的3到10倍。w0太小扰动估计滞后系统会残留静差w0太大噪声会被放大控制量抖动明显。判断w0是否合适的直观标志是观察ESO的扰动估计曲线如果里面有明显的高频毛刺说明w0偏大需要回调或者加强输入滤波。wc的调整逻辑比较像PID的比例增益但它不会对稳定性造成那么大的威胁因为相位裕度由TD和ESO保障了。你可以大胆地把wc从小到大扫一遍观察系统响应的快速性和超调之间的权衡。用工具箱的话说直接在脚本里写个循环把wc从10到100跑几组仿真画出对比曲线一步到位。3.4 在Simulink中集成工具箱如果你习惯了Simulink的图形化建模工具箱也能无缝集成。做法是封装一个S-Function模块在mdlInitializeSizes里定义输入输出维度和连续/离散状态在mdlUpdate或者mdlOutputs里调用工具箱的类方法来计算控制量。Matlab提供了Level-2 MATLAB S-Function的模板我封装好的ADRC块可以直接在库浏览器里引用。它有两个输入参考信号和测量反馈两个输出控制量和扰动估计。参数对话框里可以填wc、w0、b0、r这些值运行时通过block.DialogPrm来读取。用S-Function的好处是可以直接利用Simulink的仿真引擎做多步固定步长仿真完全没问题。要注意的是S-Function里不能使用类似pause、input这样交互式命令控制器的状态需要用DWork向量保存。4. 常见问题与排查技巧实录4.1 ESO发散或振荡严重这是ADRC调参时最常见的问题。现象是仿真运行到某一步控制量突然跳到巨大值随后整个系统发散。排查思路按优先级排列第一检查dt设置是否合理。ESO的离散化对步长非常敏感如果控制周期和系统动态时间尺度不匹配观测器很容易不稳定。经验上控制周期应至少比系统最小时间常数的1/10还要小。第二检查w0是否过大把w0降到wc的3倍试试。第三检查b0的正负号是否正确这个错误特别隐蔽b0符号反了系统一定发散。我遇到过一种情况对象是液压系统存在延迟环节而我把对象相对阶次当作2处理ESO一直发飘。后来才意识到延迟等效为额外的高阶动态需要提高ESO的阶次或者用预估补偿方法处理。ADRC处理大延迟系统时要格外小心纯ADRC并不适合大纯滞后对象需要结合Smith预估器或其他时滞补偿手段。4.2 控制量高频抖动如果系统稳定但控制量上有明显的毛刺大概率是噪声问题。无论是仿真里的测量噪声还是实际系统的传感器噪声都会通过ESO的观测通道进入控制量。一个有效的办法是降低w0但这样会损失扰动抑制能力。更聪明的办法是在测量输入端做滤波。我在工具箱里集成了一阶低通滤波函数时间常数建议设为控制周期的3到5倍。再一个细节是滤波会带来相位滞后如果lag严重可以在NLSEF里适当补偿相位或者使用超前校正。实践中还有一种情况抖动来自于fal函数的非线性特性。在稳态附近误差小幅变化时fal函数在δ邻域内的增益变化非常剧烈容易激发高频振荡。解决方法是适当增大δ把线性区范围变大一些或者改用光滑化处理的fal变体。4.3 有静差怎么调都消不掉ADRC理论上对常值扰动有完全的抑制能力所以出现静差基本可以确定是ESO的扰动估计没有完全补偿掉。可能的原因有三个一是b0误差太大导致补偿幅度不对尽管观测器估计出来扰动合理但除以b0之后补偿量就不匹配了这时重新估计b0就能解决二是ESO的阶次不够如果对象是三阶系统但用了三阶ESO只能扩张一阶扰动对斜坡类的扰动会有稳态误差需要升级到四阶ESO三是控制量饱和如果控制量已经顶到限幅值那么无论观测器估计得多么准确物理上已经没有余量去补偿扰动了。还有一个容易被忽略的地方如果ESO的更新频率低于控制频率相当于在观测器中引入了额外的延迟也会削弱扰动补偿能力。我在实际使用中一般保证ESO和控制器运行在同频甚至在资源允许的条件下让ESO跑更高的频率。4.4 表格汇总常见报错和对应的解决办法现象可能原因解决方法运行时报“Undefined function”工具箱未加入搜索路径在Matlab中设置路径并保存ESO状态发散w0过大、dt过大、b0符号错误减小w0减小仿真步长检查b0正负控制量高频毛刺测量噪声大、w0偏大增加输入滤波降低w0增大fal的δ稳态误差无法消除b0误差大、ESO阶次不足重新估计b0升级ESO阶次系统响应太慢wc偏小、TD的r偏小增大wc和r观察过渡过程改善情况大阶跃响应超调TD速度因子r过大或过渡过程设置过近减小r让过渡轨迹更平缓与Simulink联合仿真时出错S-Function接口维数不匹配检查输入输出端口维度和DWork向量定义4.5 工具箱的边界与替代方案最后聊一点我觉得很重要的工具终归是工具ADRC也不是万能的。对于纯滞后大、模型高度非线性、约束极强的情况比如化工精馏塔的大滞后温度控制ADRC并不比PID配合Smith预估器有明显优势反而可能因为参数多而显得更难调。此时要考虑的可能是预测控制或者更高级的智能控制方法。另外如果你的最终目标是把算法部署到单片机或者嵌入式设备上Matlab只是中间验证环节。工具箱生成的离散化算法代码可以方便地翻译成C语言我自己就是这么干的把ESO、TD、NLSEF三个模块的更新公式一对一翻译过去配合嵌入式实时系统运行效果跟在Matlab里仿真几乎一致。有一点要提醒仿真用的浮点精度在嵌入式平台可能变成单精度需要重新验证稳定性尤其是ESO的积分环节在float32下容易出现累积误差。我在实际做这个工具箱的过程里体会最深的一点ADRC的调试最大的坑往往不是算法本身而是对系统特性的理解不到位。工具箱把算法细节封装掉了反而逼着使用者去思考“我的对象到底是几阶的b0大概是多少采样周期怎么选”这几个问题。把这三个问题想清楚ADRC的参数整定就成功了一大半。如果后续打算深入这个方向还有几个可以扩展的点一是把线性ADRCLADRC也集成进来它只有三个参数调参更友好适合工程落地二是加入参数自适应模块让b0和w0能根据运行工况在线调整三是增加与硬件在环仿真的接口把工具箱生成的控制代码直接输出为C源文件配合嵌入式编译器实现快速原型开发。这些方向我在后续的版本里会陆续加入也希望使用这个工具箱的朋友能多提宝贵意见。本文还有配套的精品资源点击获取