企业官网建设流程全解析

1. 从一个让人头疼的温控场景说起

去年帮一个做小型热处理炉的朋友调温控，炉子不大，加热功率3kW，热电偶反馈，原本用的是经典PID。问题出在升温段：设定值从室温直接跳到600℃，PID输出瞬间饱和，超调能冲到80℃以上，等它慢慢回落再稳定下来，一批工件的时间窗口已经错过了。更麻烦的是，炉门偶尔要开一下放料，一开一关，温度掉个几十度，PID重新追上去又是一次振荡。

这个场景其实很典型：被控对象有惯性、有延迟、有外部扰动，而且设定值还会大范围跳变。经典PID在这种工况下不是不能用，而是需要反复折中——调大比例带响应慢，调小比例带超调大，积分时间短了振荡，长了消除静差又慢。工程师大部分时间花在“拆东墙补西墙”上。

自抗扰控制（ADRC，Active Disturbance Rejection Control）就是冲着这类问题来的。它的核心思路跟PID完全不同：不去精确建模被控对象，而是把对象内部所有说不清、道不明的动态，加上外部扰动，统统打包成一个“总扰动”，然后用扩张状态观测器（ESO）实时估计它，再在控制量里把它抵消掉。剩下的部分，就变成一个近似积分串联型的简单系统，用最简单的比例控制就能搞定。

我第一次接触ADRC是看韩京清先生的那篇《从PID技术到“自抗扰控制”技术》，当时觉得这套东西有点“反直觉”——不建模反而能控好？后来在几个电机调速和温控项目里实际用下来，发现它在抗扰、解耦、设定值跟踪这三个维度上的表现确实比调好的PID更省心。当然，它也不是银弹，参数多了、整定有门槛、工程化落地需要一些技巧。

这篇内容就围绕ADRC这套算法，从设计思路、核心模块拆解、参数整定、实操实现到常见坑，完整讲一遍。适合已经用过PID、想找一个更抗扰方案的控制工程师，也适合刚学ADRC、被那一堆公式绕晕的学生。我会尽量用生活化的类比把原理说清楚，同时给出可以直接抄的代码和参数整定流程。

2. ADRC整体设计思路与方案选型

2.1 为什么放弃“精确建模”这条路

传统控制里，如果你要控好一个对象，第一步通常是建模：机理建模或者系统辨识，拿到传递函数或者状态空间。然后基于模型设计控制器，比如极点配置、LQR、内模控制。这套流程在对象清楚、扰动可控的场合非常有效。

但工程现场往往不是这样。我做过一个伺服平台，负载会换、摩擦会变、传动间隙随磨损增大，你花两周辨识出来的模型，过一个月就不准了。这时候基于模型设计的控制器性能会明显下降，甚至不稳定。

ADRC的哲学是：与其花大力气去追一个永远追不准的模型，不如承认“我不知道的部分”存在，然后实时估计并补偿它。这个“不知道的部分”就是总扰动，包括：

• 对象内部未建模动态（比如高阶模态、非线性摩擦）
• 参数摄动（质量变化、电阻随温度变化）
• 外部扰动（负载突变、风扰、电网波动）
• 通道间耦合（多变量系统里其他回路对本回路的影响）

把这些全部归入一个扩张状态，用观测器估计出来，控制量里减掉它，系统就“净化”了。这个思路的好处是：控制器设计不再依赖精确模型，鲁棒性天然就强。

2.2 ADRC与PID的本质区别

很多人第一次看ADRC会觉得它就是“PID加了个观测器”。这个说法对了一半。区别在于：

最关键的一点：PID的积分项是在误差出现之后才起作用，属于“事后补救”；ADRC的ESO是在扰动影响输出之前就估计出来，属于“事前补偿”。这个时间差，在快速性要求高的场合就是性能差距的来源。

2.3 ADRC的典型结构选型

标准ADRC由三部分组成：

1. 跟踪微分器（TD）：为设定值安排过渡过程，提取微分信号
2. 扩张状态观测器（ESO）：估计系统状态和总扰动
3. 非线性状态误差反馈（NLSEF）：根据误差和扰动估计生成控制量

工程上常见的几种变体：

• 线性ADRC（LADRC）：把TD和NLSEF都线性化，只保留ESO的扩张状态思想。参数少、整定有解析公式、频域分析方便，是目前工业落地最多的形式。
• 非线性ADRC：保留fal函数等非线性环节，性能潜力更大，但参数多、整定靠经验。
• 降阶ADRC：针对一阶对象，省掉TD，直接用一阶ESO加比例控制，结构极简。
• 模型辅助ADRC：如果知道对象的大致增益b0，把它放进控制量里，ESO只需要估计“剩余扰动”，估计压力小，性能更好。

我个人的建议：新手从一阶LADRC入手，把ESO和b0这两个概念吃透，再往上加TD和非线性环节。一阶LADRC能解决大部分温控、流量、压力这类一阶惯性对象的问题，代码不到50行，参数只有三个（观测器带宽wo、控制器带宽wc、增益b0），整定有公式可循。

3. 核心模块拆解与实操要点

3.1 跟踪微分器：给设定值“踩刹车”

设定值跳变是超调的主要来源之一。你让一个惯性系统瞬间追上一个大阶跃，它必然冲过头。TD的作用就是把阶跃信号变成一条平滑的过渡曲线，同时给出这条曲线的微分。

生活类比：你开车要停到车位，如果一脚刹车踩死，车会点头、乘客不舒服；老司机是提前松油门、轻踩刹车，让车平缓滑进去。TD就是那个“老司机”。

最常用的TD形式是韩京清提出的非线性跟踪微分器：

x1(k+1) = x1(k) + h*x2(k) x2(k+1) = x2(k) + h*fhan(x1(k)-v(k), x2(k), r, h0)

其中v是设定值，x1跟踪v，x2是v的微分估计，r是速度因子（越大跟踪越快），h0是滤波因子（越大滤波越强）。

实操要点：

• r的选取：r越大，过渡过程越快，但太大就失去“安排过渡”的意义。一般取r = 4~10倍的控制带宽对应的值。我通常先取r=100试，看过渡时间是否合适再调。
• h0的选取：h0一般取采样周期的5~20倍。太小滤波不够，微分噪声大；太大过渡过程变慢。
• 离散实现：fhan函数里有符号函数和饱和判断，离散实现时要注意避免除零和数值抖动。

如果你用LADRC，TD可以简化成线性形式，甚至直接用一个一阶惯性环节代替：

x1(k+1) = x1(k) + h*(v - x1(k))/T

T是过渡时间常数。这个形式更简单，参数物理意义明确，我实际用下来在温控场合完全够用。

注意：TD不是必须的。如果你的设定值本身就是缓变的，或者你对超调不敏感，可以省掉TD，直接把设定值送进误差反馈。省掉TD后ADRC就退化成“ESO+比例控制”，结构更简单。

3.2 扩张状态观测器：ADRC的心脏

ESO是整个ADRC最核心、也最值得花时间理解的部分。它的任务是：根据控制量u和输出y，估计出系统的状态x1、x2，以及扩张状态x3（总扰动）。

以二阶对象为例，原系统可以写成：

x1' = x2 x2' = f(x1,x2,w) + b0*u y = x1

其中f是总扰动，b0是控制增益的估计值。把f扩张成状态x3，得到：

x1' = x2 x2' = x3 + b0*u x3' = h y = x1

然后设计线性ESO：

e = z1 - y z1' = z2 - beta1*e z2' = z3 - beta2*e + b0*u z3' = -beta3*e

z1、z2、z3分别是x1、x2、x3的估计。beta1、beta2、beta3是观测器增益。

参数整定有解析公式：把ESO的特征方程配置成(s+wo)^3，得到：

beta1 = 3*wo beta2 = 3*wo^2 beta3 = wo^3

wo是观测器带宽，物理意义是“ESO跟踪扰动的速度”。wo越大，估计越快，但对噪声越敏感。工程上一般取wo = 3~10倍的控制带宽wc。

实操要点：

• b0的选取：b0是控制增益的估计值，不需要精确，但数量级要对。比如你的对象是G(s)=K/(Ts+1)，b0大约取K/T。如果b0取大了，控制量偏小，响应慢；取小了，控制量偏大，容易振荡。我一般先估算一个值，然后在这个值上下调2~3倍看效果。
• 离散实现：用欧拉法离散时，采样周期h要足够小，一般h*wo < 0.1，否则离散化误差会导致ESO性能下降甚至发散。
• 噪声处理：如果输出噪声大，可以在ESO前面加一个低通滤波器，或者降低wo。我做过一个流量控制，传感器噪声很大，wo从50降到15才稳定下来。

提示：ESO的估计能力是有限的。如果总扰动变化太快，超过wo的带宽，ESO就跟不上。这时候要么提高wo（但受噪声限制），要么用模型辅助ADRC，把已知部分前馈掉，减轻ESO负担。

3.3 状态误差反馈：把估计的扰动“抵消掉”

有了ESO的估计，控制量就很好设计了。以二阶LADRC为例：

u0 = kp*(v - z1) - kd*z2 u = (u0 - z3)/b0

其中v是设定值（或TD的输出），kp、kd是控制器增益。把u代入系统方程，如果z3估计准确，那么：

x2' = f + b0*u = f + u0 - z3 ≈ u0

系统就变成了一个双积分串联型：x1'=x2, x2'=u0。对这个简单系统，用PD控制就能任意配置极点。

参数整定：把闭环特征方程配置成(s+wc)^2，得到：

kp = wc^2 kd = 2*wc

wc是控制器带宽，决定响应速度。wc越大响应越快，但控制量越大，对执行器要求越高。

实操要点：

• wc和wo的关系：一般wo = 3~10倍wc。wo太小，扰动估计跟不上，补偿效果差；wo太大，噪声放大。我通常先定wc（根据响应时间要求），然后wo取5倍wc试。
• 控制量限幅：ADRC的输出u一定要限幅，否则在设定值跳变或大扰动时，u可能超出执行器范围，导致积分饱和或执行器损坏。限幅值根据实际执行器能力定。
• 抗积分饱和：LADRC本身没有积分项，但ESO的z3估计在限幅期间会累积误差。可以在限幅时暂停ESO更新，或者用条件积分法处理。

3.4 一阶LADRC：最简可落地形式

很多对象（温控、流量、压力）可以近似成一阶惯性：

y' = f + b0*u

这时候ADRC可以简化成：

e = z1 - y z1' = z2 - beta1*e + b0*u z2' = -beta2*e u = (kp*(v - z1) - z2)/b0

参数只有三个：wo、wc、b0。整定公式：

beta1 = 2*wo beta2 = wo^2 kp = wc

这个形式代码极短，我下面给一个C语言实现，可以直接移植到单片机或PLC里。

typedef struct { float wo; // 观测器带宽 float wc; // 控制器带宽 float b0; // 控制增益估计 float z1; // 状态估计 float z2; // 扰动估计 float h; // 采样周期 float u_max; // 输出限幅 float u_min; } LADRC1; float ladrc1_update(LADRC1 *adrc, float v, float y) { float e = adrc->z1 - y; float beta1 = 2 * adrc->wo; float beta2 = adrc->wo * adrc->wo; // ESO更新 adrc->z1 += adrc->h * (adrc->z2 - beta1 * e + adrc->b0 * adrc->u_last); adrc->z2 += adrc->h * (-beta2 * e); // 控制量计算 float u0 = adrc->wc * (v - adrc->z1); float u = (u0 - adrc->z2) / adrc->b0; // 限幅 if (u > adrc->u_max) u = adrc->u_max; if (u < adrc->u_min) u = adrc->u_min; adrc->u_last = u; return u; }

这段代码里有个细节：ESO更新用的是上一拍的u_last，而不是当前拍算出来的u。这是离散实现的标准做法，保证因果性。如果你用当前拍的u，会引入代数环，可能导致数值问题。

4. 完整实操流程与参数整定实录

4.1 对象分析与阶数确定

拿到一个对象，第一步不是写代码，而是确定用几阶ADRC。方法很简单：

• 给对象一个阶跃输入，看输出响应。如果输出单调上升、没有明显过冲和振荡，近似一阶，用一阶ADRC。
• 如果输出有S形、或者有振荡，近似二阶，用二阶ADRC。
• 如果对象有纯延迟，把延迟时间折算成等效惯性时间，或者用Smith预估器补偿后再上ADRC。

我那个热处理炉的例子，阶跃响应是单调上升的，时间常数大约300秒，纯延迟约20秒。延迟相对时间常数很小，直接按一阶处理，b0取加热功率除以时间常数对应的增益。

4.2 b0的估算方法

b0是ADRC里唯一需要“知道一点对象信息”的参数。估算方法有三种：

1. 机理法：如果知道对象物理模型，直接算。比如温控炉，b0 = P/(C*T)，P是加热功率，C是热容，T是时间常数。
2. 阶跃法：给一个已知阶跃u_step，测输出稳态变化y_step，b0 ≈ y_step/(u_step*T)。T是时间常数。
3. 试凑法：先取一个数量级差不多的值，然后看控制效果。b0偏大，响应慢、控制量小；b0偏小，响应快、控制量大、容易振荡。

我一般用阶跃法，简单可靠。实测下来，b0允许有2~3倍的误差，ADRC都能稳住，这也是它鲁棒性的体现。

4.3 带宽整定流程

参数整定我总结了一个“三步法”：

第一步：定wc。根据你对响应时间的要求。如果希望闭环响应时间约等于对象时间常数的1/5，那么wc ≈ 5/T。比如T=300秒，wc ≈ 0.017 rad/s。实际调试时，先取一个保守值，然后逐步加大，直到响应速度满意但控制量不超限。

第二步：定wo。wo = 5~10倍wc。先取5倍，看扰动抑制效果。如果负载突变后恢复慢，加大wo；如果控制量抖动明显，减小wo。

第三步：微调b0。b0主要影响控制量的幅值。如果控制量长期饱和，说明b0偏小，适当加大；如果控制量很小但响应慢，说明b0偏大，适当减小。

下面是我在热处理炉上的一组实际参数：

实测效果：设定值从室温跳到600℃，超调小于5℃，稳定时间约120秒。开炉门扰动后，温度掉30℃，约40秒恢复。对比之前PID的超调80℃、恢复2分钟，提升明显。

4.4 离散实现与代码移植

ADRC的离散实现有几个坑：

• 采样周期选择：h要满足h*wo < 0.1，否则ESO离散化误差大。如果wo=0.1，h<1秒，我取1秒刚好。如果wo更大，h要相应减小。
• 数据类型：单片机上用float，PLC上用REAL。注意z3可能累积到较大值，要防止溢出。
• 初始化：z1初始化为当前输出y，z2初始化为0，u_last初始化为0。这样启动时不会有大跳变。
• 抗饱和：限幅时，ESO的更新可以暂停，或者把限幅前后的差值反馈回ESO。我用的是简单暂停法，效果可以。

移植到PLC的ST语言，结构类似，只是语法不同。关键是把ESO的差分方程写对，注意运算顺序。

4.5 与PID的对比测试

为了验证ADRC的效果，我在同一个炉子上做了对比测试：

PID的参数是花了2天反复折中调出来的，ADRC半天就整定好了。这个对比不是说PID不好，而是说在抗扰和设定值跟踪兼顾这个需求下，ADRC的调参负担更小。

5. 常见问题与排查技巧实录

5.1 ESO估计发散怎么办

这是新手最常遇到的问题。现象是z1、z2、z3越来越大，控制量饱和，系统失控。原因通常有三个：

• h*wo太大：离散化不稳定。解决：减小h或减小wo。
• b0符号搞反：如果b0应该是正，你写成负，ESO会往错误方向估计。解决：检查b0符号，确保u增大时y增大。
• 输出反馈极性错误：y的符号或量纲不对。解决：检查传感器标定和接线。

排查顺序：先查b0符号，再查h*wo，最后查传感器。

5.2 控制量抖动严重怎么处理

抖动通常来自噪声。ESO的z3对噪声最敏感，因为它是通过两次积分得到的。处理方法：

• 降低wo，牺牲一点扰动估计速度换平稳。
• 在y进入ESO之前加一阶低通滤波，截止频率取wo的2~5倍。
• 用非线性ESO，fal函数对小误差有线性区，能抑制噪声。

我一般先加低通滤波，简单有效。滤波会引入相位滞后，但温控这种慢过程影响不大。

5.3 设定值跟踪有静差

LADRC理论上没有积分项，但ESO的z3估计包含了稳态扰动，补偿后静差应该为零。如果有静差，检查：

• z3是否收敛到了正确的扰动值。如果z3一直在变，说明wo太小，估计不准。
• b0是否准确。b0偏差会导致控制量标定错误，产生静差。
• 限幅是否长期生效。如果u长期饱和，系统处于开环，静差无法消除。

5.4 多变量耦合怎么处理

ADRC天然有解耦能力，因为每个回路的ESO会把其他回路的影响当成扰动估计并补偿。但前提是每个回路的wo足够大，能跟上耦合扰动的变化。如果耦合很强，wo需要取很大，可能受噪声限制。这时候可以考虑：

• 用模型辅助ADRC，把已知的耦合项前馈掉。
• 用分散ADRC加解耦补偿器。
• 如果耦合特别强，考虑多变量ADRC，但参数整定复杂很多。

5.5 常见问题速查表

5.6 几个独家避坑技巧

技巧一：先开环测b0，再闭环调参。不要一上来就闭环，先用开环阶跃测出对象增益和时间常数，算出b0，这样闭环调试起点就准了。

技巧二：wo从大到小调。先取一个较大的wo，看ESO估计是否快速跟上，然后逐步减小到噪声可接受的程度。反过来调容易一开始就被噪声干扰。

技巧三：用z3的波形诊断。z3是总扰动的估计，正常情况下应该平稳。如果z3大幅波动，说明wo太大或噪声太大；如果z3长期偏离零，说明有稳态扰动未补偿。

技巧四：限幅值留余量。u限幅不要设到执行器极限，留10%~20%余量，给扰动补偿留空间。

技巧五：采样周期不要随意改。ADRC的参数和h是绑定的，改了h，wo和wc都要重新调。如果必须改h，按比例调整wo和wc。

6. 从一阶到高阶的扩展思路

一阶LADRC能解决大部分慢过程的问题，但如果你遇到的是伺服、无人机、机器人这类快速对象，一阶就不够了。这时候需要二阶甚至高阶ADRC。

二阶ADRC的结构在前面已经讲过，参数整定公式是：

beta1 = 3*wo beta2 = 3*wo^2 beta3 = wo^3 kp = wc^2 kd = 2*wc

参数多了一个kd，但整定逻辑和一阶一样：先定wc，再定wo，最后微调b0。

高阶ADRC（三阶以上）一般不建议用，因为参数多、整定难、对噪声敏感。如果对象确实是高阶，更好的做法是用降阶ADRC加一个前置滤波器，或者用模型辅助ADRC把已知的高阶动态前馈掉。

我在一个伺服转台项目上用过二阶LADRC，对象是电机加负载，有弹性连接，近似二阶。wc取50 rad/s，wo取300 rad/s，b0取电机转矩常数除以转动惯量。效果比PID好，尤其是在负载变化时，PID需要重新调参，ADRC不用。

7. 工程落地的一些个人体会

ADRC这套东西，理论文章很多，但工程落地的细节往往没人讲。我踩过的坑里，最大的一个是把b0当成“必须精确”的参数。早期我花大量时间辨识b0，后来发现b0差2~3倍根本不影响稳定性，只是控制量幅值有变化。ADRC的鲁棒性就体现在这里：它不靠精确模型，靠的是ESO的实时估计。

第二个坑是wo取得太大。理论上wo越大估计越快，但实际系统里噪声是无处不在的。wo大到一定程度，z3就被噪声淹没，控制量抖得没法用。我现在的习惯是：先取一个理论值，然后砍一半，看效果，再慢慢加。

第三个坑是忽略执行器动态。ADRC算出来的u是理想控制量，但执行器（阀门、加热器、电机驱动器）本身有延迟和饱和。如果执行器响应比ADRC带宽还慢，整个闭环性能就被执行器限制了。这时候要么降低wc，要么换更快的执行器。

最后分享一个小技巧：用Simulink先仿真再上实物。ADRC的代码不长，但在实物上调试风险高。我一般先在Simulink里搭一个对象模型，把ADRC代码用MATLAB Function块实现，调好参数再移植到嵌入式。这样能省很多现场调试时间。

这个内容后续还可以往几个方向扩展：一是自适应ADRC，让wo和wc根据工况自动调整；二是ADRC和MPC的结合，用ADRC做底层抗扰，MPC做上层优化；三是多变量ADRC的解耦设计。这些我还在摸索，有新的心得再分享。