1. 自抗扰控制(ADRC)算法概述
自抗扰控制(Active Disturbance Rejection Control, ADRC)是一种新兴的非线性控制策略，由韩京清教授在1990年代提出。它最大的特点是能够实时估计并补偿系统内外的各种扰动，包括模型不确定性、参数变化和外部干扰等。与传统的PID控制相比，ADRC不需要精确的数学模型，具有更强的鲁棒性和适应性。
在工业控制领域，ADRC已经成功应用于电机控制、飞行器姿态控制、机器人运动控制等多个场景。特别是在处理非线性、强耦合、时变特性的系统时，ADRC展现出了明显优势。根据IEEE Control Systems Magazine的统计，近年来ADRC相关论文发表量年均增长超过30%，显示出学术界和工业界对这一技术的持续关注。
2. ADRC核心原理解析
2.1 基本结构组成
ADRC主要由三个核心部分组成：
- 跟踪微分器(Tracking Differentiator, TD)：用于安排过渡过程并提取微分信号
- 扩张状态观测器(Extended State Observer, ESO)：估计系统状态和总扰动
- 非线性状态误差反馈(Nonlinear State Error Feedback, NLSEF)：生成控制量
这三个部分协同工作，构成了ADRC的完整控制框架。其中ESO是ADRC的灵魂所在，它能够将系统内部动态和外部扰动统一视为"总扰动"进行估计和补偿。
2.2 数学表达形式
以一个二阶系统为例，ADRC的数学表达可以描述为：
code复制ẋ1 = x2
ẋ2 = f(x1,x2,w,t) + bu
y = x1
其中f(x1,x2,w,t)代表系统的总扰动，包括内部动态和外部干扰。ESO将其扩张为一个新的状态变量x3=f(x1,x2,w,t)，并通过观测器实时估计这个总扰动。
3. Matlab/Simulink实现步骤
3.1 开发环境准备
在开始ADRC实现前，需要确保：
- 安装Matlab R2018b或更高版本
- Simulink基础模块库可用
- 控制系统工具箱(Control System Toolbox)已安装
- 推荐使用64位Windows系统，内存8GB以上
提示：Matlab版本差异可能导致某些函数不兼容，建议团队统一开发环境。
3.2 ESO模块实现
在Simulink中创建ESO子系统：
- 新建Blank Model
- 添加3个Integrator模块，分别对应x1、x2、x3
- 使用Gain模块设置观测器带宽参数
- 通过Sum模块实现状态反馈
- 添加适当的非线性函数（如fal函数）
关键参数设置示例：
matlab复制beta01 = 100; % 观测器带宽参数1
beta02 = 300; % 观测器带宽参数2
beta03 = 1000; % 观测器带宽参数3
delta = 0.01; % 线性区间宽度
3.3 完整ADRC控制器搭建
将TD、ESO和NLSEF三个子系统集成：
- 使用From/Goto模块简化信号连接
- 添加适当的Scope模块用于观测信号
- 设置固定步长求解器，步长建议0.001s
- 配置适当的输入输出接口
典型连接结构：
code复制参考输入 → TD → |误差计算| → NLSEF → 控制量输出
↑ ↓
被控对象输出 → ESO → 扰动估计
4. 参数整定技巧
4.1 带宽参数化方法
ADRC参数整定可采用带宽参数化方法：
- 首先确定ESO带宽ωo
- 根据ωo计算ESO增益β
- 控制器带宽ωc通常取ωo/3~ωo/5
- 非线性参数α一般取0.5~1，δ取0.01~0.1
经验公式：
code复制β1 = 3ωo
β2 = 3ωo²
β3 = ωo³
4.2 实际调试步骤
- 先关闭NLSEF，调试ESO单独工作
- 观察扰动估计是否准确及时
- 逐步引入非线性反馈
- 最后微调TD参数优化响应速度
注意：参数调整应循序渐进，每次只修改1-2个参数，观察系统响应变化。
5. 典型应用案例
5.1 电机转速控制
在某直流电机控制项目中，采用ADRC替代传统PID：
- 转速波动从±15rpm降低到±3rpm
- 负载突变时的恢复时间缩短60%
- 参数适应性明显提升
Simulink模型特点：
- 使用PMSM模块作为被控对象
- 添加负载转矩作为外部扰动
- 采用S-Function实现ADRC算法
5.2 无人机姿态控制
四旋翼无人机姿态控制难点：
- 强耦合非线性特性
- 外部风扰明显
- 模型参数不确定
ADRC解决方案：
- 设计三通道ADRC控制器
- 各通道独立估计耦合项作为扰动
- 飞行测试表明抗风性能提升40%
6. 性能优化技巧
6.1 离散化实现
在实际工程应用中，需要将连续时间ADRC离散化：
- 使用欧拉法或零阶保持器离散
- 注意采样时间选择，一般取控制周期的1/5~1/10
- 离散化后检查数值稳定性
离散ESO示例代码：
matlab复制function [x1_hat, x2_hat, x3_hat] = eso_discrete(y, u, Ts)
persistent x1 x2 x3
if isempty(x1)
x1 = 0; x2 = 0; x3 = 0;
end
e = y - x1;
x1 = x1 + Ts*(x2 + beta01*e);
x2 = x2 + Ts*(x3 + beta02*fal(e,0.5,delta) + b*u);
x3 = x3 + Ts*beta03*fal(e,0.25,delta);
x1_hat = x1;
x2_hat = x2;
x3_hat = x3;
end
6.2 抗饱和处理
实际系统中的执行器饱和问题：
- 在NLSEF后添加抗饱和补偿
- 采用变结构方法调整ESO增益
- 设计适当的参考轨迹平滑过渡
Simulink实现技巧：
- 使用Saturation模块限制控制量
- 添加Anti-Windup补偿回路
- 调整TD参数减缓参考信号变化率
7. 常见问题排查
7.1 观测器发散
可能原因及解决方案：
- 初始状态偏差过大 → 调整初始值或添加过渡过程
- 带宽参数设置过高 → 降低ωo重新调试
- 采样时间不合适 → 减小离散化步长
- 数值计算溢出 → 检查数据类型和范围
7.2 控制效果不佳
典型表现及对策：
- 稳态误差 → 检查ESO扰动补偿是否生效
- 超调过大 → 调整NLSEF非线性参数
- 响应迟钝 → 提高控制器带宽ωc
- 高频抖动 → 适当减小ωo并检查噪声
调试记录表示例：
| 现象 | 可能原因 | 检查步骤 | 解决方案 |
|---|---|---|---|
| 输出振荡 | 观测器带宽过高 | 检查ESO估计误差 | 降低β参数 |
| 响应慢 | TD参数保守 | 分析参考信号跟踪 | 增大TD速度因子 |
| 抗扰差 | ESO增益不足 | 注入阶跃扰动测试 | 提高β3增益 |
8. 进阶开发方向
8.1 自适应ADRC
实现参数自整定的方法：
- 基于Lyapunov稳定性理论设计自适应律
- 采用模糊逻辑在线调整带宽
- 应用神经网络学习非线性特性
8.2 分布式ADRC
多智能体系统控制方案：
- 设计一致性协议协调各子系统
- 扰动估计信息在智能体间共享
- 分层ADRC架构处理不同时间尺度动态
在实际微电网控制项目中，分布式ADRC实现了：
- 电压恢复时间缩短45%
- 负荷分配误差小于2%
- 即插即用兼容性良好
9. 工程实践建议
- 先仿真后实机：在Simulink中充分验证后再部署到实际系统
- 数据记录分析：保存调试过程中的所有参数和响应曲线
- 安全保护机制：务必添加限幅、看门狗等保护措施
- 文档规范：详细记录参数意义和调整范围
从实际项目经验看，成功的ADRC应用需要：
- 70%精力用于理解被控对象特性
- 20%精力设计控制器结构
- 10%精力进行参数微调
10. 资源推荐
10.1 学习资料
- 书籍：
- 《自抗扰控制技术》韩京清著
- 《Active Disturbance Rejection Control for Nonlinear Systems》Springer出版社
- 论文：
- "From PID to Active Disturbance Rejection Control" (IEEE TIE, 2009)
- "ADRC应用研究进展" (自动化学报, 2013)
10.2 开源项目
- Matlab中央文件交换：
- ADRC Toolbox by Gao Zhiqiang
- LADRC Simulink Blockset
- GitHub资源：
- adrc4slx (完整的Simulink实现库)
- python_ADRC (Python移植版本)
在实际开发中，我通常会先研究这些开源实现，然后根据具体需求进行修改。特别是对于初学者，参考成熟的代码结构可以避免很多基础性错误。