ADRC参数调节实战指南：从理论到精准调参

1次阅读

共计 1633 个字符，预计需要花费 5 分钟才能阅读完成。

在工业控制领域，PID 控制器因其结构简单、易于实现而被广泛使用。然而，面对非线性、强耦合或时变的被控对象时，传统 PID 控制往往显得力不从心。主要表现在：

对系统参数变化敏感，鲁棒性不足
难以有效补偿外部扰动和未建模动态
参数整定依赖经验，缺乏系统化方法

ADRC（Active Disturbance Rejection Control，自抗扰控制）通过独特的架构设计，有效解决了上述问题。其核心思想是将系统内部不确定性和外部扰动统一视为 ” 总扰动 ”，并通过扩张状态观测器（ESO）实时估计和补偿。这种主动抗扰的理念，使得 ADRC 在复杂工业场景中展现出显著优势。

ADRC 控制器主要包含三个关键环节，每个环节都有其特定的参数需要调节：

TD 负责安排过渡过程，其核心参数是速度因子 r：

r 值越大，跟踪速度越快，但过大的 r 会引起系统超调
一般从较小值开始，逐步增加直至获得满意的跟踪速度

ESO 是 ADRC 的核心，其带宽 ωo 直接影响扰动估计能力：

ωo 越高，扰动估计越快，但过高会放大测量噪声
经验法则是 ωo 设为系统带宽的 3~5 倍

NLSEF 中的 α 和 δ 决定了控制律的非线性特性：

α 控制误差的权重，通常取 0.5~1 之间
δ 是线性区间宽度，防止在小误差时增益过高

通过分析系统 Bode 图确定 ESO 带宽：

获取被控对象的频率响应
确定系统主要工作频带
设置 ωo 为该频带上限的 3~5 倍

基于阶跃响应曲线调整参数：

先调节 TD 的 r，获得平滑的过渡过程
然后调整 ESO 的 ωo，优化扰动抑制
最后微调 NLSEF 的 α 和 δ，改善稳态性能

以下是一个简单的 MATLAB 实现示例：

% ADRC 参数初始化
r = 10;         % TD 速度因子
h = 0.01;       % 步长
delta = 0.01;   % 线性区间
beta01 = 100;   % ESO 参数
beta02 = 300;
beta03 = 1000;
alpha1 = 0.5;   % 非线性因子
alpha2 = 0.25;

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

% 仿真主循环
for k = 1:N
    % TD 跟踪
    v1(k+1) = v1(k) + h*v2(k);
    v2(k+1) = v2(k) + h*fhan(v1(k)-r(k),v2(k),r,h);

    % ESO 估计
    e = z1(k) - y(k);
    z1(k+1) = z1(k) + h*(z2(k) - beta01*e);
    z2(k+1) = z2(k) + h*(z3(k) - beta02*fal(e,0.5,delta) + b*u(k));
    z3(k+1) = z3(k) - h*beta03*fal(e,0.25,delta);

    % NLSEF 计算
    e1 = v1(k) - z1(k);
    e2 = v2(k) - z2(k);
    u0 = -fal(e1,alpha1,delta) - fal(e2,alpha2,delta);
    u(k) = (u0 - z3(k))/b;
end

在实际调试中，有几个常见问题需要注意：