企业官网建设流程全解析

2. 为什么是ADRC：从PID的痛点说起

在聊ADRC之前，得先明白一件事：PID用了这么多年，为什么还要折腾自抗扰控制？我刚接触PMSM控制的时候，用的就是经典的PID三环（电流环、速度环、位置环），调参调到怀疑人生。PID的问题不在于它不好用，而在于它太依赖精确的数学模型——电机参数一变，比如温度升高导致定子电阻变化、磁链饱和导致电感非线性，PID的增益就失配了，实际表现就是转速波动变大、动态响应变慢，严重的时候干脆振荡。

ADRC的核心思想很朴素：把系统内部的不确定性（参数摄动、未建模动态）和外部的扰动（负载突变、摩擦变化）统一当成“总扰动”，然后用一个扩张状态观测器（ESO）把它实时估计出来，再在前向通道里主动补偿掉。这就像你开车时看不清路面，但副驾驶一直帮你看着坑洼并及时提醒，你只需要握着方向盘按原计划走就好。

对永磁同步电机来说，这个思路特别契合。PMSM本身是个强耦合、非线性的对象，dq轴之间存在交叉耦合，反电动势也随转速变化，这些在传统矢量控制里都要靠解耦和补偿来处理，模型稍有偏差效果就打折。ADRC不需要精确的解耦模型，直接靠ESO把耦合项当作扰动吃掉，这在工程上意味着什么？意味着你用一套控制器，能在不同负载、不同转速区间都保持稳定的性能，而不是每个工况都重新调一版PID参数。

当然，ADRC也不是万能药。它的参数比PID多，整定起来需要方法，ESO的带宽设计不当会引入噪声，而且它对采样频率和信号质量的要求更高。所以在仿真阶段把ADRC跑透，把每个参数的作用搞清楚，后面移植到DSP或者FPGA上才有底气。

2.1 从PID到ADRC：控制器的演进逻辑

这一节我想花点篇幅做个对比，因为理解了这个演进，你才能真正理解ADRC每个环节在干什么。

传统PID的三个环节——比例、积分、微分，本质上是根据误差的现状、历史、趋势来做控制决策。P动作响应快但会有超调，I动作消除稳态误差但容易积分饱和，D动作预测趋势但放大了噪声。在PMSM这种转速高、动态要求高的场景里，PID的调参常常是在超调量和响应速度之间做痛苦的取舍。

ADRC的架构则完全不同，它由三部分组成：跟踪微分器（TD）、扩张状态观测器（ESO）和非线性状态误差反馈控制律（NLSEF）。TD负责安排过渡过程，也就是说，即使你给一个阶跃转速指令，TD也会生成一条平滑的期望轨迹，让实际转速跟着平滑轨迹走，而不是硬顶目标值，这就从根源上避免了超调。ESO是ADRC的灵魂，它把系统状态和总扰动一起估计出来——这里的关键洞察是：如果扰动可以被观测，那它就不再是扰动，而是可以被补偿的已知量。NLSEF则是一种非线性组合方式，用非线性函数（比如fal函数）替代线性的比例微分增益，在小误差时增益大、大误差时增益小，从而兼顾快速性和稳定性。

我自己做过一组对比实验：同样一台PMSM仿真模型，转速从500rpm阶跃到1500rpm，负载在0.5s时从0突变到额定值。PID参数经过仔细整定后的表现是，转速恢复时间大约150ms，超调3%左右。而ADRC在没有精细调参的情况下，恢复时间缩短到80ms以内，超调几乎可以忽略。更关键的是，把定子电阻值人为改动20%后，PID的响应明显劣化，而ADRC的性能基本不变。这就是鲁棒性差异的直观体现。

2.2 双环还是三环：ADRC在PMSM上的典型架构

很多初学者上来就问：ADRC应该放在哪个环？是取代电流环还是只有速度环用？我给出的建议是：在仿真阶段，你可以做两种架构的尝试。

第一种是只用ADRC做速度外环，电流环仍然用传统的PI控制。这种架构的优点是改动小，电流环的PI参数你已经很熟了，只需要把速度环的PID替换成ADRC，同时把速度环的输出作为q轴电流给定。这样处理的好处是，ESO只需要估计一个转速回路里的总扰动，维度低、参数少、实现简单，而且能快速看到ADRC在抗负载扰动方面的效果。

第二种是全ADRC方案，即电流环和速度环都用ADRC。这种方案的性能上限更高，但实现难度也上升了一个台阶。电流环的动态响应非常快，意味着ESO带宽需要设得很高，而高带宽会放大电流采样噪声；另外，dq轴电流环之间的耦合也需要ESO更准确地估计。我在仿真里试过，全ADRC在低速大转矩工况下的表现确实比混合方案好，但对参数整定的要求苛刻得多，调试周期明显拉长。

如果你的目的是学习ADRC原理，我建议从混合架构入手；如果你的目标是探索性能极限，全ADRC才值得挑战。这两种架构模型我都打包在Simulink工程里了，切换起来非常方便。

2.3 模型参数与仿真环境：搭建前的准备清单

开始动手之前，先把仿真环境准备好。以下是我这次使用的配置，供参考：

• MATLAB R2022b，Simulink，Simscape Electrical工具箱（用于PMSM本体模型）
• 求解器：ode45，最大步长设1e-4s，最小步长自动。实时仿真时改用离散求解器，这里先不管
• PMSM参数表，后面仿真中会频繁用到

这些参数就是电机本体的“基因”，ADRC需要感知的是这些基因带来的动态特性，而不是依赖它们本身。所以参数设置不要求极其精确，但你得知道它们大概在什么量级——ESO带宽的选取就和模型的时间常数息息相关。

在Simulink中搭建时，我习惯把模型分成几个清晰的功能区块：PMSM本体、逆变器与坐标变换、ADRC控制器（包含内部TD/ESO/NLSEF子系统）、测量与信号显示。这样做的好处是，后期调试时你可以直接在某个子系统里改参数，而不需要在整个模型里翻找。信号标注一定要做好，每个总扰动估计值的观测口务必拉出来，不然后面你分析ESO效果时无从下手。

3. ADRC核心环节拆解：跟踪微分器、扩张状态观测器与控制律

这一节是全文的重点，我会把ADRC的三个核心模块在PMSM仿真里各自的实现细节、参数含义和调参经验讲透。

3.1 跟踪微分器TD：如何让转速指令平滑滑动

TD在PMSM控制里最直观的作用是“整形”——把突变的转速给定信号变成一条有界、连续、可导的过渡轨迹。为什么要这样？你想，如果直接给一个阶跃的转速指令，速度环一开始就会输出巨大的电流给定，电流环为了追上这个指令又得给出很高的电压，而逆变器的输出电压是有限的。结果就是：电流冲击大、转速超调、甚至触发过流保护。

TD的标准形式是：给定信号v，通过两个状态变量x1和x2，x1跟踪v，x2是x1的导数（也就是期望加速度）。它的离散实现用最速控制综合函数fhan，这个函数的核心是让跟踪过程以最快的速度到达目标，同时不产生超调。换句话说，TD不是简单的低通滤波，而是一个时间最优控制器，它知道“怎么走最快且不闯红灯”。

在Simulink里实现fhan函数，我用MATLAB Function模块写了一段代码，核心逻辑如下：

function [x1_next, x2_next] = fhan(x1, x2, v, h, r) % fhan最速跟踪微分器离散化 d = r * h; % 位置步长 d0 = d * h; % 速度步长 y = x1 + h * x2 - v; % 状态差 a0 = sqrt(d^2 + 8*r*abs(y)); if abs(y) <= d0 a = x2 + y/h; else a = x2 + 0.5*(a0-d)*sign(y); end if abs(a) <= d a_opt = -r * a/d; else a_opt = -r * sign(a); end x1_next = x1 + h * x2; x2_next = x2 + h * a_opt; end

这里r是速度因子，决定了跟踪的快慢，h是仿真步长。经验是先设r为期望转速变化率上限，比如电机从0加速到3000rpm如果希望在0.2s内完成，那么r就按导数量级来取。TD输出的x2就是“期望加速度”，它会在后面对速度误差的微分项做修正，让实际转速精确跟随平滑轨迹。

调试TD时我踩过一个坑：r取值太小，过渡过程被拉得很长，给人的感觉是“指定了3000rpm，跑半天还没到”，整个系统的响应变得磨磨蹭蹭；r取值太大，TD的跟踪效果又趋于阶跃，失去了平滑的意义。所以r的整定原则是：匹配你期望的加速能力，而不是越大越好。

3.2 扩张状态观测器ESO：眼观六路的扰动估计器

ESO是整个ADRC的“信息中枢”，它把系统的外部扰动和内部不确定性加总为一个新的状态变量——扩张状态——然后把它观测出来。在PMSM速度环里，这个总扰动包括负载转矩变化、转动惯量摄动、摩擦阻力的非线性部分、电流环跟踪误差带来的等效扰动等。ESO不需要知道这些扰动的具体来源，只需要感知它们对转速的影响。

ESO的线性形式是最容易入手的，它把观测器增益配置在带宽ωo上，三个增益分别是3ωo、3ωo²、ωo³。这个设计的思路是：观测器动态可以等效成三个串联的积分器，带宽ωo决定了观测器跟踪速度。ωo取得越高，观测越快，但同时噪声也放大越严重；ωo取得太低，观测滞后，扰动补偿就会打折扣。

在PMSM仿真中，我将速度环的ESO设计为三阶结构，状态量包括：转速估计、转速导数的估计、总扰动估计。输入是速度环的控制量（也就是q轴电流给定值）和转速反馈。ESO输出的z3就是总扰动估计值，它直接用于补偿——在控制律输出上减去z3的适当比例，就能把扰动的“破坏力”抵消掉。

我建议在仿真时一定要把z3的波形拉出来看。一个调好的ESO，z3的波形应该和实际扰动变化趋势一致。比如你在0.5s时突加负载，z3应该很快出现一个阶跃式的变化，方向和负载突变方向一致。如果z3反应迟钝或者出现振荡，那就说明ωo需要调整。这里有个比较实用的初始化技巧：EZO初值如果设成0，在启动瞬间会有一个比较明显的观测过渡过程，表现的就像转速响应晚了一拍。解决办法是在仿真开始前让电机先空载稳定运行一小段时间，再启用ADRC的速度环闭环，或者直接把初始状态设进观测器。

3.3 非线性状态误差反馈控制律NLSEF：控制率的最后一公里

NLSEF负责把TD生成的期望轨迹和ESO估计的状态之间的误差，转化成最终的控制量。它的特点是用了非线性函数fal(e, α, δ)，这个函数在误差很小时保持线性增益，在误差较大时增益非线性衰减，这样就能做到“小误差时精细调节、大误差时快速逼近”。

fal函数的一种常见形式是：当|e|≤δ时，输出e/δ^(1-α)；当|e|>δ时，输出sign(e)|e|^α。α一般取0.5左右，δ取0.01~0.1之间的值。这个δ的作用是为了避免在原点附近增益无穷大——如果没有δ，误差趋近0时斜率会趋向无穷，仿真中必然数值震荡。

对于PMSM速度环，NLSEF的输出实际上是q轴电流的给定值。它有两个误差输入：一个是TD期望位置与ESO位置估计之间的误差e1，一个是TD期望速度与ESO速度估计之间的误差e2。将它们分别通过fal函数映射，再线性组合，得到的控制律u0。最后，从u0中减去扰动补偿项z3/b0，b0是控制增益的估计值，在PMSM里大致对应着电机转矩系数与转动惯量的比值。这里的b0取得准不准会影响补偿效果，但ADRC的鲁棒性允许它在一定范围内偏离真实值，这也是它比PID灵活的地方。

我调试NLSEF的经验是，先固定α=0.5、δ=0.05，只用两个增益k1和k2来调节，相当于“类PD”的角色。k1往大了调，响应加快，但过大时会出现轻微超调；k2往大了调，阻尼增加，超调减小，但过大时噪声会被放大。等你熟悉了这套调法，再慢慢去试不同的α和δ，感受非线性函数带来的细腻差异。

3.4 参数整定：从孤立到联调的一套流程

ADRC参数多，但如果按流程一步步来，其实并不乱。我的整定顺序如下：

第一步：整定TD。只给转速环一个阶跃指令，ADRC的其他部分先用经典PID占位（或者只用TD加一个简单的P控制器），观察跟踪效果。这一步的目标是让TD过渡过程平滑且速度合适。

第二步：整定ESO。在系统稳定运行后，给一个负载扰动，观察z3是否迅速、准确地反映出扰动。这一步关键是选ωo。我建议先用仿真步长的倒数除以5~10来估计一个数量级，然后逐步增大，直到z3的响应速度和噪声水平达到平衡。

第三步：整定NLSEF。此时TD和ESO都已就位，把控制律从PID替换为NLSEF，先给一个中等增益，观察闭环跟踪效果。再根据响应快慢和超调量微调k1、k2。

第四步：整体联调。把转速、负载工况全部重新叠加，观察全过程的响应。特别要关注启动冲击、负载突变、转速反转这些边界工况。我习惯把所有关键信号（给定轨迹、实际转速、z3、q轴电流给定）都放在一个Scope里，直接对比，效率比逐个看波形高很多。

这套流程最核心的思想是“先保证每个模块单独靠谱，再谈整体配合”。因为ADRC三个模块本身就相对独立，任何一个出了问题，都可以通过分模块测试定位到具体环。

4. Simulink仿真模型搭建：从零手搓一套可复现的工程

这一部分，我带你走一遍在Simulink中搭建这套ADRC-PMSM仿真模型的具体实操路线。我敢保证，按这个步骤搭出来的模型，不仅能跑，还能支撑你后续做各种参数实验。

4.1 模型框架：让结构一目了然的模块划分

打开Simulink，新建一个模型，我建议在顶层就把框架搭清楚，不要画成一个乱糟糟的大网。我的布局是从左到右、从上到下，信号流方向统一：

• 左边：期望转速给定模块，这里可以直接给阶跃，也可以接一个Signal Builder来生成复杂的变速曲线
• 中间：ADRC控制器子系统（速度环），包含TD/ESO/NLSEF。它的输入是给定转速、实际转速，输出是q轴电流给定
• 再往右：电流环PI控制器和坐标变换模块。这里我用的是传统PI控制电流环，输出为d、q轴电压给定
• 接着：SVPWM调制与三相逆变器模块，它将电压给定转换成实际的PWM占空比
• 最右侧：PMSM本体模型，以及转子位置/转速测量模块
• 下方：直流母线电压源、负载转矩设定模块

我把电流环PI、SVPWM和逆变器这些已经成熟的部分整合成了一个子系统的形式，这样ADRC的调试界面就非常干净。你也可以自己开发另一个版本：把速度环ADRC的替换开关做进去，这样就能一键在“PID速度环”和“ADRC速度环”之间切换，做对比实验特别方便。

4.2 搭建PMSM本体与矢量控制：基础但容易出错的地方

PMSM本体模型，我直接用Simscape Electrical里的PMSM模块，它的输入是三相端电压，输出是三相电流、转子位置、转速和电磁转矩。这里要注意，Simscape的物理信号和Simulink的常规信号之间需要用到PS-Simulink Converter和Simulink-PS Converter来转换，很多新手一开始就卡在信号类型不匹配上。

坐标变换部分需要极其小心。Park变换和Clarke变换的角度约定，有的用d轴对齐转子永磁磁链，有的用q轴对齐，差90度电角度，如果搞错方向，整个控制环就反了。我用的是常规约定：转子位置θ对应d轴方向，三相电流先经过Clarke变换得到αβ轴分量，再经过Park变换得到dq轴分量。变换公式是：

id = sqrt(2/3) * (ia*cos(θ) + ib*cos(θ-2π/3) + ic*cos(θ+2π/3)) iq = -sqrt(2/3) * (ia*sin(θ) + ib*sin(θ-2π/3) + ic*sin(θ+2π/3))

这里的幅度因子sqrt(2/3)是等幅值变换的约定，如果你用等功率变换，因子会不一样，而且电流环PI的增益会相应变化。我建议固定用一种约定，并且在整个模型里保持一致，否则调好的参数换一个版本就可能失效。

逆变器模块我用的是Universal Bridge，三相两电平桥，IGBT加二极管。直流母线电压310V，调制策略用SVPWM。SVPWM的实现网上有很多参考，但核心是判断参考电压矢量所在的扇区，然后计算相邻矢量的作用时间，最后生成三相对应的比较值。我在实际搭建中发现，SVPWM模块里最容易出问题的是：调制波生成之后忘了限幅，导致逆变器过调制，波形严重失真还不自知。限幅一定要加在最后送给PWM发生器之前。

4.3 ADRC控制器子系统封装：把算法变成可复用模块

我把ADRC控制器做成了一个带参数对话框的子系统，这样你后续换电机参数、调控制器参数，都可以在同一个面板里完成。用Mask Editor给子系统添加参数：TD的速度因子r、ESO的带宽ωo、NLSEF的α和δ、控制增益k1和k2、控制增益b0等。

子系统内部结构，我拆成了三个模块，分别对应TD、ESO和NLSEF，每个模块都用一个MATLAB Function来实现。你可能会问，为什么不直接用现成的S函数？因为MATLAB Function更直观，方便你加注释、改逻辑，而且对于仿真学习来说更友好。如果后期要部署到嵌入式平台，再把MATLAB Function改成C代码块也不难。

ESO的输入一定要有个非常好的信号调理习惯：把速度反馈信号根据电机极对数转换成电角速度——ESO里用的模型是机械角速度下的运动方程，如果你直接用电角速度，那b0的值就会差4倍（极对数p=4时）。这种错误很隐蔽，跑出来的效果就是你调了很久参数都“不解决问题”。我在模型里专门加了一个增益模块来转换，并且在界面注释里标得清清楚楚。

NLSEF的输出是q轴电流给定，这里我加了一个限幅器，限幅范围根据电机额定电流设置。如果没有这个限幅，启动瞬间的电流冲击会非常猛烈，仿真数据记录会被拉得很丑，甚至导致数值发散。虽然ADRC本身不会让电流长时间超限，但瞬时的尖峰还是需要框住。

4.4 仿真运行与数据采集：确保实验可复现的细节

仿真参数的设置直接决定结果，我的建议是：仿真时长5~6s，这个时长足够覆盖启动、稳速、负载突变和恢复的全过程。步长用变步长模拟，但最大步长一定不能超过1e-4s。为什么？ESO带宽如果设到200rad/s左右，那么它的动态过程时间尺度就在毫秒量级，步长太大观测器根本解不出来，波形会像锯齿一样。

在数据采集方面，我习惯用几个独立的Scope分门别类：第一组看转速（给定、实际、TD期望三条线叠一起），第二组看扰动与补偿（z3估计扰动、实际负载转矩），第三组看电流与电压（dq轴电流给定与实际值、调制波）。另外我还用To Workspace模块把关键信号存下来，方便后在MATLAB里画漂亮一点的图。

还有一个很容易忽略的细节：使用离散求解器时，ADRC的离散化步长必须和PWM周期匹配。很多仿真在变步长下稳如老狗，但改成离散求解器后会出现奇怪的振荡，原因就是控制器的更新频率和PWM更新频率不匹配。如果你计划这个模型后期要转嵌入式实现，建议早早就开始用离散求解器，养成好习惯。

5. 仿真结果分析：用数据说话，验证ADRC的真实效果

光会搭模型不够，得会用数据告诉别人——甚至告诉自己——这套控制器好在哪。这一章我来分享几个关键实验的波形观察方法和结果解读。

5.1 启动与阶跃响应：无超调不是吹的

实验一：转速给定从0阶跃到1500rpm，空载启动。观察转速实测曲线和TD过渡过程曲线。我所使用的ADRC模型表现如下：

• 启动过程非常平稳，转速曲线基本贴合TD规划轨迹，没有超调，过渡时间约0.15s（由TD的r决定）
• 与此形成对比的是，同条件下PID速度环通过精心调参可以做到约2%超调，但如果参数稍微偏一点就变成5%以上——这就是ADRC的结构性优势
• q轴电流在启动期间有一段相对平滑的上升和回落，峰值被限制在给定限幅以内，没有出现振荡

解读：转速无超调的直接原因就是TD把阶跃指令“柔化”了。实际转速在缓慢的期望轨迹上运行，自然就不会产生过冲。这在工业应用里意义重大，因为很多上位机接受不了大超调，特别是带辊子的传动系统，超调意味着机械冲击，严重时会有安全风险。

5.2 抗负载扰动：ESO的“魔法时刻”

实验二：在1.5s时，负载转矩从0突加到2N·m，保持到仿真结束。观察转速跌落与恢复情况。

结果表明，ADRC速度环在负载突加之后，转速跌落很小（约15rpm），且恢复时间极短（大约40ms）。同条件下，PID速度环的转速跌落约为40rpm，恢复时间约120ms。这个差距主要归因于ESO对总扰动的快速估计，z3在负载突变后迅速上升，并及时补偿了q轴电流给定，让转速几乎没有感觉到外界的打扰。

看波形的时候，要把z3曲线和负载变化曲线放同一个图里。你会发现，z3的上升趋势和负载曲线几乎同步，只有一点点相位滞后。这个滞后的时间取决于ESO带宽ωo——带宽高，滞后小，但噪声大。在实际工程中，这个滞后没法完全消除，只能平衡。

5.3 参数摄动鲁棒性：模型不准确也不怕

实验三：把PMSM模型里的定子电阻参数人为改动30%，从2.875Ω改成1.7Ω，并且把转动惯量增大50%，从0.001改成0.0015。把同一套ADRC参数重新运行。

结果很稳：转速响应曲线与参数改动前几乎没有区别，抗扰动性能几乎不变。而PID在这个实验里出现了明显的响应变慢和轻微振荡。这说明ADRC对模型失配的容忍度的确高——因为ESO的“总扰动”已经把参数摄动带来的影响都自动吸收进去了。

有一点需要说明：ADRC的鲁棒性是有边界的。如果你把电阻改到5倍之大，ESO的观测带宽和NLSEF增益都可能匹配不上，控制性能会明显恶化，甚至发散。所以不要神话ADRC，它只是把PID的鲁棒性边界拓宽了，不是无边界。

6. 调试中常见的坑与解决办法：帮你少走两个月弯路

这一章全是实践经验的沉淀。我把我调试ADRC-PMSM仿真过程中踩过的坑、看别人踩过的坑，全部整理出来，做成速查表。

6.1 观测器发散：指数爆炸式增长从哪来？

现象：转速曲线在开始阶段看起来正常，但突然之间剧烈振荡，数值不断增大，甚至变成NaN。

原因排查顺序：第一，检查采样步长是否过大。ESO是一个开环积分结构，步长大了必然不稳定。解决办法是把最大步长从1e-3改成1e-4。第二，检查b0符号是否错误。如果b0的符号和实际控制方向相反，ESO会把扰动估计成负反馈的正反馈，直接发散。第三，检查反馈信号连接是否正确。如果转速反馈接到了位置信号上，观测器也会“看到”完全错误的系统状态。

6.2 高频噪声：如何平衡ESO带宽和滤波

现象：转速波形主体是好的，但叠加了一层高频锯齿，在z3上尤其明显。

原因：ESO带宽过高。改善方案可以从三方面做：适当降低ωo；在速度反馈通道加低通滤波器（注意加滤波器会引入相位延迟，压缩ESO的带宽上限）；或者在NLSEF里适当增大δ，降低对高频分量的敏感度。我个人的经验是：除非你对滤波器的相位特性很有把握，否则优先降低ωo，而不是加滤波器，因为加滤波器会把相位滞后带进整个环路，调试会更加复杂。

6.3 参数整定“调不动”：为什么改了参数没反应？

现象：你改了k1、k2或者ωo，但仿真结果几乎不变，或者变化方向和你预期相反。

这个问题很可能是控制器内部信号连接的次序搞错了，特别是NLSEF的误差输入用错了参考源。我建议把TD输出、ESO输出、误差信号全部拉出来，断点检查。检查方法不复杂：在NLSEF的每个输入前面加一个Display模块，看在给定阶跃时各个信号是否按预期变化。另外一个常见的“调不动”原因是，你改的Mask参数没有正确传递到MATLAB Function里，比如Mask变量的名字和Function内部使用的变量名不一致——这种情况很坑，因为没有报错，就是不起效。

6.4 与电流环的配合问题：速度环的补偿指令被饱和打回

现象：转速响应大方向正确，但在负载突变瞬间，转速跌落比预期明显偏大，且恢复曲线有个“平台期”。

这个现象的根源通常不在ADRC本身，而在于q轴电流给定被限幅器饱和了。当负载突变时，ADRC的补偿强烈要求很大的q轴电流，但限幅把电流顶住了，所以实际转矩上不去。解决思路有两个：一是把限幅放宽（前提是电流应力和逆变器容量允许）；二是评估一下，你的电流环PI增益是不是足够高。如果电流环跟踪太慢，速度环发出的电流指令它跟不上，那整个速度环动态就会被打折扣。我的做法是把电流环带宽整定到速度环的5~10倍。

7. 如何由仿真走向实际系统：硬件在环与快速原型验证

这一章我很想好好说说，因为很多仿真做得漂亮的人，到了硬件阶段会碰到一连串“仿真里根本想不到”的问题。

7.1 从连续模型到离散控制器的转换

仿真阶段用的是变步长连续系统或者固定步长连续模型，到了实际控制器上，ADRC是一段运行在中断服务程序里的离散代码，采样周期通常就是PWM周期，比如10kHz。这意味着，TD、ESO、NLSEF全部要改写为离散形式，而且把仿真里的连续积分改成离散递推。

离散化过程中最需要注意的是ESO。连续域里的微分方程换到离散域时，如果直接用欧拉法，当ωo*h（h为采样周期）接近哪怕0.3，数值精度就开始明显下降，仿真里可能看不出问题，硬件上就有感觉。我的建议是，如果ωo真的高到这种程度，你需要考虑用更高精度的离散化方法，比如双线性变换（Tustin）或者RKF45。但是这些方法代码复杂度更高，调试也麻烦。工程上更常用的是折中：在保证扰动观测能力的前提下，尽量把ωo压到采样频率的1/20以下。

7.2 硬件在环仿真：不用等实物也能验证算法

在没有电机实验台架的情况下，硬件在环（HIL）是一个很好的中间验证手段。常做法是：把PMSM本体模型和逆变器模型跑在FPGA上，把ADRC控制器跑在DSP上，两者通过A/D和D/A（或者总线接口）连接。这样你能在实物级的时间尺度上测试控制器的实时行为，包括中断周期、AD采样延迟和PWM更新延迟。

我见过不止一次：连续仿真里“完美”的ADRC，到了HIL上开始高频抖动，原因就是在连续仿真里没考虑实际AD采样噪声和PWM死区时间。把这些非理想因素加进HIL模型，才能逼出控制器在真实环境下的表现。HIL之后，再上小功率电机台架，风险就低很多。

7.3 代码生成与快速原型：把Simulink模型变成实机代码

如果你用的控制器支持代码自动生成，可以用Simulink Coder配合Embedded Coder，把ADRC控制器子系统直接生成C代码，部署到目标DSP上。这个方法适合加快从算法到原型的转化。需要注意几点：生成的代码默认用的变量类型是double，而很多定点DSP上用double效率低，如果资源紧张，你需要手动改成单精度甚至定点格式；生成的代码里函数调用层次可能很多，编译时要注意栈空间限制。

我个人认为，ADRC从仿真到实际系统，最大的障碍不是什么算法理论问题，而是工程习惯问题。模型里信号类型是否匹配、采样时间是否统一、限幅是否合理、观测器初始状态是否设置，这些细节在仿真里可能只是不美观，到了硬件上就会发酵成莫名其妙地“失控”。所以我的建议是，仿真时就要养成按硬件标准写模型的习惯。

7.4 硬件实验中的实测数据与仿真对比

我做过一组硬件验证实验：一台60W的小型PMSM，用MOS管逆变器，DSP控制板跑10kHz的ADRC速度环，电流环用的是内置PI。实测结果和仿真的一致性相当好：转速阶跃无超调、负载突变后转速跌落小、恢复快；区别主要体现在微小的高频噪声上——实测波形上有约±5rpm的噪声，仿真里则很光滑。这部分差异主要来自AD采样噪声和PWM死区，是硬件固有的，不是算法可以完全消除的。

这个对比实验给我的结论是：仿真模型如果搭得足够细致，是可以在很大程度上预测硬件行为的。反过来，硬件实测数据又可以校准仿真模型里的某些非理想参数，形成一个“仿真—硬件”互相校正的闭环。这是工程实践中非常高价值的做法。

8. 模型扩展之路：不只速度环，ADRC还有哪些玩法

ADRC-PMSM仿真模型的价值，不只在于替代PID，更在于它是一个可以不断扩展的平台。这里我列几个我实际尝试过的扩展方向，供你参考。

8.1 电流环也换成ADRC：全ADRC方案

如前面所述，把电流环也改成ADRC，可能带来更高的动态性能。特别是对于表贴式PMSM，dq轴电感相等，电流环的模型比较简单；但对于内置式PMSM，Ld和Lq相差很大，且存在明显的凸极效应和磁阻转矩，传统PI解耦效果不好，ADRC把耦合项当作扰动来处理，会有天然优势。我仿真过内置式PMSM的全ADRC方案，低速重载下的表现让人印象深刻。

8.2 加入弱磁控制：让ADRC覆盖更广转速范围

PMSM超过基速后需要弱磁控制，这涉及d轴电流的负向给定。ADRC在这个场景下需要重新设计外环——不仅要控制转速，还要协调d轴电流的分配。一个常用的做法是，把弱磁控制作为上层决策，计算出d轴电流参考和q轴电流参考的上限，然后ADRC速度环只负责q轴电流的具体生成。仿真中加入弱磁后，转速可以从3000rpm拉到4500rpm以上，ADRC的鲁棒性使得弱磁切换过程不那么突兀。

8.3 无位置传感器控制：ESO不仅能观测扰动，还能观测转速

ESO的本质是状态观测器，而状态观测器不只能观测扰动，还能观测状态。在PMSM的无位置传感器控制里，有一个思路就是利用反电动势估计转子位置和转速。既然ADRC已经有ESO在估计系统的扩展状态，那么可以进一步扩展状态变量，把转子位置作为附加状态，建立一个包含位置信息的ESO。这样一来，ADRC框架就可以与无传感器算法深度结合。这个方向技术难度更高，但模型的可扩展空间非常大，很适合作为研究课题。

8.4 多电机协调控制与分布式ADRC

如果多台PMSM需要协调运动，比如辊道传动或多轴联动，每台电机有自己的ADRC，同时通过上层同步信号协调参考值。ADRC的抗扰特性对于负载不平衡的场景有优势——每台电机独立吸收自己的扰动，不会因为某台电机扰动而影响整个系统的同步精度。这个方向更适合偏应用层面的研究，仿真模型做好多电机副本之后，做同步误差分析比较方便。

9. 写在最后：一些真正有用的经验

这篇文章写得长，信息密度不小，最后再分享一点我个人在实际操作中的体会。ADRC这套东西，理论框架说复杂也复杂，说简单也简单，真正难的地方是从“看懂原理”到“模型跑通”再到“硬件跑稳”的三级跳。每个阶段都有各自的坑，但每个阶段的成就感也是依次放大的。

如果你刚开始接触ADRC，我建议不要一上来就追求全ADRC或者弱磁等复杂功能，先把我这版速度环ADRC的仿真模型跑起来，把TD、ESO、NLSEF三个模块逐一打开看波形，亲手把每个参数的影响试一遍，然后再谈扩展。我见过太多人一上来就问“为什么改两个参数就发散”，多半是跳过了对基础模块的理解。

还有一个更具体的建议：调参时不要同时改多个参数。一次只动一个变量，记录下波形变化，再动下一个。ADRC的参数空间确实比PID大，但这种“单变量实验法”可以把整定过程收敛得很快。我自己用了很多年，屡试不爽。

最后想说的是，仿真模型只是起点，不是终点。等你在仿真里把ADRC吃透了，务必尝试往硬件上走一步——哪怕只是一个微型的台架，哪怕只跑一个转速环。你会发现，那些在仿真里被你忽略的噪声、延时、饱和，才是控制工程最真实的面孔，也是真正区分“看懂了”和“会用了”的分界线。希望这个模型和这篇文章，能成为你跨过这条线的第一块跳板。