ADRC参数整定实战：从理论到工业控制应用的最佳实践

共计 1555 个字符，预计需要花费 4 分钟才能阅读完成。

为什么需要 ADRC 参数整定？

在伺服电机控制中，传统 PID 遇到两个典型问题：

1. 参数敏感性问题：当负载惯量突然变化时（如机械臂抓取不同重量物体），需要重新整定 PID 参数才能维持性能
2. 扰动抑制不足：齿轮间隙、摩擦力等非线性扰动会导致常规 PID 出现稳态误差

ADRC 通过独特的自抗扰机制，将系统内部动态和外部扰动统一视为 ” 总扰动 ” 进行实时估计补偿。这就像给控制系统装上了 ” 智能眼镜 ”，能主动识别并抵消各种干扰。

ADRC vs PID：参数敏感性对比

通过伯德图分析两者的频域特性差异：

• PID 控制：
  $$ G_{PID}(s) = K_p + \frac{K_i}{s} + K_ds $$
  三个参数相互耦合，调整 $K_p$ 时会影响相位裕度

• ADRC 控制：
  $$ G_{ADRC}(s) = \frac{b_0s^2 + k_1s + k_2}{s^2 + \omega_os} $$
  关键参数 $\omega_o$（观测器带宽）和 $\omega_c$（控制器带宽）解耦设计

图：PID(红线)在高频段增益下降更快，ADRC(蓝线)保持更宽的平坦频带

核心部件 ESO 的整定规则

扩张状态观测器 (ESO, Extended State Observer) 是 ADRC 的 ” 大脑 ”，其参数整定遵循：

1. 带宽参数化原则：
   $$ \omega_o = 3\sim10\times\omega_c $$
   观测带宽需高于控制带宽 3 -10 倍

2. 无量纲化公式推导：

   % 二阶系统 ESO 参数计算
   beta1 = 3*omega_o;    % 一阶增益系数
   beta2 = 3*omega_o^2;  % 二阶增益系数
   beta3 = omega_o^3;    % 扩张状态增益

3. 抗扰补偿实现：

   % 扰动补偿量计算
   u_comp = z3 / b0;  % z3 是 ESO 估计的总扰动

完整 MATLAB 实现示例

%% 被控对象建模（直流电机模型）J = 0.01;   % 转动惯量(kg·m²)
B = 0.1;    % 阻尼系数(N·m·s/rad)
Kt = 0.5;   % 转矩常数(N·m/A)

% 传递函数模型
s = tf('s');
P = Kt/(J*s^2 + B*s);

%% ESO 参数设计
omega_c = 20;       % 控制器带宽(rad/s)
omega_o = 5*omega_c; % 观测器带宽

% 离散化 ESO（Tustin 变换）Ts = 0.001; % 采样周期
[Ad,Bd,Cd,Dd] = ...
    c2dm([0 1 0;0 0 1;0 0 0],...
         [0;b0;0],[1 0 0],0,Ts,'tustin');

代码注释说明：b0 为系统增益先验值，实际工程中可取标称值

性能验证数据

图：ADRC(蓝) vs PID(红)的阶跃响应对比

工程避坑指南

• 采样周期选择：
  $$ T_s \leq \frac{1}{10\omega_o} $$
  建议初始取 $\omega_o$ 的 1 /10~1/20

• 噪声处理三招：

• 在 TD（跟踪微分器）前加低通滤波器
• 适当降低 ESO 高频增益

• 采用非线性 ESO 形式

• 非线性环节调试：

  % 齿轮间隙补偿示例
  if abs(u_actual - u_cmd) > deadzone
      u_comp = u_comp + sign(u_cmd)*0.5*deadzone;
  end

进阶思考方向

1. 时变系统如何实现参数自适应？可考虑将 $\omega_o$ 与系统特征参数在线关联
2. MIMO（多输入多输出）系统如何解耦设计？需要研究耦合扰动观测方法
3. 在带宽受限的嵌入式系统如何简化算法？推荐使用 LESO（线性 ESO）结合查表法

实践心得

经过多个伺服控制项目的验证，ADRC 在以下场景表现突出：
– 负载变化频繁的机器人关节控制
– 存在未知摩擦的精密定位平台
– 需要强抗扰的无人机姿态控制

建议初次使用者从线性 ADRC 入手，掌握核心思想后再尝试非线性改进型。参数整定本质上是在响应速度与鲁棒性之间寻找平衡点。