企业官网建设流程全解析

做电机控制这几年，有一个方向我一直强烈建议身边做伺服驱动的朋友关注，就是永磁同步电机的自抗扰控制（ADRC）。前几年大家聊FOC、聊SVPWM，都默认用PI把电流环、转速环压住就完事了。但只要你实际跑过重载工况、试过参数漂移，就会明显感觉到PI那套“误差驱动”的瓶颈：负载突变时转速掉下去再拉回来，动态响应和超调之间永远是取舍。ADRC把扰动用扩张状态观测器估出来再补偿掉，思路完全不一样。这篇就围绕永磁同步电机ADRC控制策略优化，从韩京清老师那套理论框架，一直落到Simulink里怎么搭、怎么调、怎么排查发散问题。

这篇内容适合两类人：一类是刚接触ADRC、只知道它能抗扰动但不知道从哪下手的控制方向研究生或工程师；另一类是已经在用PI跑PMSM矢量控制，想看看换ADRC到底能带来多大差别、值不值得动手改造的实践者。我会把原理、架构设计、Simulink实现细节、参数整定和常见坑一次性讲透，尽量让看完的人能直接回自己电脑上操作。

1. ADRC核心思想与PMSM控制需求分析

1.1 为什么PMSM控制需要从PI走向ADRC

先聊一个很朴素的感受。矢量控制里，dq轴电流环用PI控制已经非常成熟，转速环也一样，绝大多数商用伺服驱动器出厂默认就是PI。但PI本质上是靠误差的过去和当前信息做调节，它并不知道这个误差究竟是因为给定变化引起的，还是因为负载突变、电阻温度升高、磁钢退磁引起的。控制器只能“被动”跟随误差。

永磁同步电机是个典型的多变量、强耦合、非线性对象。转子磁场定向之后，d轴和q轴之间仍然存在交叉耦合项，转速变化会引起反电动势扰动，负载转矩扰动直接作用在机械方程上。更麻烦的是，电机参数并不是恒定的：绕组电阻会随温度变化，磁链会随温度变化，电感在不同电流下会饱和。这些都是PI控制器眼中的“干扰”。

ADRC的思路是，把所有这些不确定性和外部扰动都并成一个“总扰动”，然后通过扩张状态观测器（ESO）实时估计它，在控制律里主动补偿。比例控制在ADRC里不是主角，主角是扰动估计和补偿。这意味着只要扰动观测得准，系统对参数变化和外部负载变化的抵抗能力就天然比PI强一个档次。

1.2 ADRC三大部分原理拆解：TD、ESO、NLSEF

韩京清先生提出的ADRC框架，核心是三块：跟踪微分器（TD）、扩张状态观测器（ESO）、非线性状态误差反馈（NLSEF）。要理解ADRC，三块都得吃透。

先看跟踪微分器TD。它的作用是安排过渡过程，给参考输入“整形”。比如转速给定从0突变到1500rpm，直接丢给控制器会让误差瞬间很大，系统猛出力，容易超调甚至引发机械冲击。TD会生成一条平滑过渡的参考轨迹，以及它的微分信号。这样控制器跟踪的是一个渐进的目标，起步阶段就不会那么暴力。有人觉得TD可有可无，但在转速环里它真能明显改善启动和加减速阶段的表现。

再看扩张状态观测器ESO，这是ADRC的灵魂。普通的观测器只能观测量本身，ESO把系统的“总扰动”作为扩张出来的状态一起观测。以转速环为例，如果你把负载转矩、摩擦、参数变化这些统统视为一个等效扰动项，那么ESO输出的扩张状态就是对这个总扰动的实时估计。这一项补偿进控制量，相当于把被扰动的系统拉回“积分串联型”的标称模型。ESO本质上是个状态观测器，但它不要求扰动模型已知，这一点在工程上杀伤力极大。

最后是非线性状态误差反馈NLSEF。传统PI是误差的线性组合，NLSEF则用了非线性函数，比如fal函数。它的特点是：误差大的时候增益低一点避免过冲，误差小的时候增益高一点把稳态误差压住，相当于一种变增益控制，比固定参数的线性PID更“聪明”。不过需要提醒的是，非线性环节在工程调试和理论分析上难度更大，所以现在很多工程落地会退化成线性ADRC（LADRC），只保留LESO加线性反馈，效果也足够好。

1.3 永磁同步电机的数学模型与“总扰动”的提取

要把ADRC用到PMSM上，得先把对象的数学模型写明白。同步旋转坐标系下，表贴式永磁同步电机的电压方程是：

ud = Rs*id + Ld*did/dt - ωe*Lq*iq
uq = Rs*iq + Lq*diq/dt + ωe*(Ld*id + ψf)

电磁转矩方程：Te = 1.5*pn*[ψf*iq + (Ld - Lq)*id*iq]

运动方程：J*dωm/dt = Te - TL - B*ωm

对表贴式电机，Ld = Lq = Ls，电磁转矩可以简化为Te = 1.5*pn*ψf*iq。这就意味着交轴电流iq和电磁转矩是近似线性关系的，控制iq就等于控制转矩。转速环ADRC的对象就是运动方程，把它改写一下：

dω/dt = (1.5*pn*ψf/J)*iq - (TL + B*ω)/J

这里令b0 = 1.5*pn*ψf/J，代表控制增益的标称值，然后把后面那一坨非线性的、不确定性的东西全归为总扰动f，即f = -(TL + B*ω)/J + (b - b0)*iq_actual。这样一来，系统就变成了一个标准的积分器串联形式，dω/dt = f + b0*iq，ESO的使命就是把f实时估出来。

实际项目里，电机的J、ψf、Rs等参数很难精确获取，这也是ADRC的优势——只要b0的大致范围对了，剩下的不确定量都会被ESO当作扰动估计出来并补偿，不需要把模型参数辨识得极其精确。

2. ADRC控制策略整体方案设计

2.1 转速环用ADRC、电流环用PI的混合架构

在实际工程中，我并不建议一上来就把电流环和转速环全部换成ADRC。原因有两个。第一，电流环的时间尺度远小于转速环，它在控制周期内需要极快的响应，ADRC的ESO在高速离散化下观测效果虽然可以，但参数敏感性会放大，调试难度陡增。第二，电流环用PI已经非常成熟，dq轴解耦后PI性能足够好，没必要为了“全ADRC”而增加系统的复杂度。

所以最稳妥的架构是：外环转速环采用ADRC，内环电流环仍然用PI加解耦前馈。这样既能把抗负载扰动的能力提升，又不至于让整个系统失控难调。电流环带宽通常取转速环带宽的5到10倍以上，内环响应足够快，外环ADRC看到的对象就近似成一阶积分环节加惯性，控制效果非常理想。

有些论文会做双环ADRC，确实能进一步提升性能，但工程上我更倾向于循序渐进。先在外环验证ADRC的收益，如果现场效果满意，再考虑是否扩展。

2.2 一阶LADRC与非线性ADRC的选择权衡

ADRC在具体实现上有两个流派：变形的非线性ADRC和线性ADRC。韩京清原始版本大量使用fal函数，非线性味道很足。fal(e, α, δ)的定义是：当|e|>δ时，fal = |e|^α*sign(e)；当|e|≤δ时，fal = e/δ^(1-α)。这个函数在原点附近是线性的，远离原点是非线性的，既保证了误差大时增益合理，又避免了原点附近抖动。

非线性ADRC理论上在小误差段增益高，稳态性能好，但也带来了两个麻烦。第一，参数变多了，α、δ都需要整定，而且这些参数物理意义没那么直观。第二，非线性函数的引入让系统稳定性分析变得更复杂，在做Lyapunov分析或者频域分析时会遇到很大困难。

所以如果做工程落地，我非常推荐从线性ADRC起步，也就是高志强老师推广的LADRC。它的核心控制器和观测器都是线性的，把观测器带宽ωo和控制器带宽ωc作为两个核心参数，整定思路非常清晰：先定ωc，再看扰动抑制需求定ωo，一般ωo取3到10倍ωc。

在我自己的Simulink仿真实践里，LADRC的参数规律远比非线性ADRC好摸，效果已经超过了PI。如果你是想毕业或者发论文，非线性ADRC可以作为研究亮点；但如果追求工程可靠性和现场落地，LADRC是更聪明起点。

2.3 前馈补偿与扩张状态观测器的协同

在设计转速环ADRC时，有一个细节值得单独说：给定前馈要不要用。ADRC本身包含扰动补偿，但是给定前馈是另一码事。转速阶跃响应时，如果只靠TD追踪参考，响应会有明显的滞后。在LADRC控制律里，通常写成u = (k_p*(v1 - z1) + v2 - z2)/b0，这里的v2如果直接从TD取，就起到前馈的作用，相当于把参考信号的微分信息利用起来了。这让系统对给定变化更敏感，而对扰动仍然保持原有的抗性。

我在搭建仿真时，TD的v2是否送进控制量，确实会影响阶跃响应的快速性。建议送进去，这样阶跃响应更利落。但要注意的是，如果实际测量信号噪声很大，ESO的z2本身就比较吵，再叠加v2前馈，控制量初始段会冲击偏大。这时候可以把v2路径上加一个低通滤波，或者干脆不用前馈，只靠PI结构的反馈项。

3. Simulink仿真模型搭建全流程

3.1 PMSM矢量控制框架与坐标变换模块

进入Simulink实操阶段。先说整体模型结构。还是经典的三闭环拓扑：外环转速环ADRC，中间电流环PI，最内层是SVPWM加三相逆变器。整体模型由几个子系统构成：

电源和逆变器子系统：直流母线电压、三相全桥逆变器、PWM脉冲生成逻辑。

PMSM电机本体：直接使用Simscape Electrical里自带的永磁同步电机模型。如果你没有Simscape Electrical，也可以用Simulink里面PMSM的简化模型，甚至自己写dq坐标下的状态方程。自带的Physical模型更接近真实，仿真速度和稳定性也都能接受，我建议直接用。

坐标变换模块：这就要说热词里那个“simulink矩阵运算”了。Clarke变换和Park变换本质上就是矩阵乘法，在模型里用Gain模块或者Fcn模块都能实现。Clarke变换矩阵是[1 0; -1/2 √3/2; -1/2 -√3/2]，Park变换矩阵是[cosθ sinθ; -sinθ cosθ]。这些矩阵我建议做成Constant常量存到MATLAB工作空间里，模型里直接用Gain模块引用，这比把每个元素输入到Fcn里反复书写要清晰得多。

3.2 用MATLAB Function编写ADRC核心算法

ADRC算法我推荐用MATLAB Function/S-Function来实现，而不是用一大堆积分器、加法器搭建。原因很实际：ADRC的离散化递推公式如果用纯模块搭建，连线极其复杂，排查问题的时候会让你欲哭无泪。写成代码之后，参数一目了然，调试完全是文本操作，效率高得多。

比如一个离散化的一阶LADRC转速环，控制周期Ts，观测器带宽ωo，控制器带宽ωc，扩张状态观测器LESO的离散形式写成：

z1(k+1) = z1(k) + Ts*(z2(k) + b0*u(k) + l1*(y(k) - z1(k)))
z2(k+1) = z2(k) + Ts*(l2*(y(k) - z1(k)))

其中l1 = 2*ωo，l2 = ωo^2。

控制律：u(k) = (k_p*(v1(k) - z1(k)) - z2(k))/b0，k_p = ωc。

这里有一个关键的细节：你如果直接在Simulink的MATLAB Function里写这段代码，要注意它默认在工作空间里是持久的，所以你必须用persistent关键字声明z1、z2为持久变量，并在每个采样周期结束时更新它们。采样周期用sample time模块或者状态机的触发来控制，避免异步更新导致观测器发散。

我强烈建议把这个MATLAB Function封装成带Enable端口的子系统，外面接一个采样时间触发源。电流环PI和坐标变换都在一个连续时间域里跑，转速环ADRC则按照固定Ts离散更新。这样写出的模型不仅逻辑清晰，还能直接为后续生成嵌入式代码铺路。

3.3 逆变器与SVPWM调制实现细节

再往下是SVPWM。这块网上教程多如牛毛，但真要在Simulink里搭出一个能跑的版本，有几个地方必须小心。扇区判断、矢量作用时间、占空比分配这三步缺一不可。某些教程直接用一个Function模块把整个SVPWM算法写进去，这也是最省事的方式。

如果你用电机自带的Three-Phase Inverter模块，那只需要给定占空比信号，自带桥臂逻辑。但如果你自己搭建IGBT桥臂，就得注意死区时间和开关逻辑。初学者最容易在这地方翻车。三相断路器的热词我猜你搜过，其实Simulink里Three-Phase Breaker是给电网仿真用的，需要配合相序和时间逻辑，不能直接拿来模拟电机驱动器的开关，这个坑我和几个朋友都踩过。

SVPWM的调制波和载波比较生成PWM脉冲，我建议直接用三角载波与调制波比较再输出到逆变器，这样简单可靠。载波频率我常用10kHz，和实际伺服驱动器的开关频率一致，仿真里既能跑出纹波，又不会慢到让人崩溃。

3.4 离散化与采样周期的匹配问题

ADRC是数字控制器，Simulink里有两种建模方式：连续模型和离散模型。如果你只跑纯仿真，可以在MATLAB Function内部用数值积分离散化LESO，然后整个系统用定步长ODE4（Runge-Kutta）求解器跑。采样周期设为Ts=1e-4秒，也就是10kHz，这个频率和我们的PWM频率保持一致，逻辑上是最顺的。

千万不要在同一个模型里混用连续和离散求解器时不做处理，Simulink会自动处理，但有时会导致一些诡异的报警。经验做法是：整个模型用定步长，所有离散模块的采样时间统一设置，连续模块比如电机本体由ODE4自动积分。这样不会有代数环或者采样时间不匹配的问题。

3.5 参数辨识辅助模块的作用

既然热搜里有“永磁同步电机参数辨识”这个词，我在这里也说一句。ADRC虽然对参数不敏感，但b0需要大致准确，因为它直接参与控制量的标定。b0 = 1.5*pn*ψf/J，只要你把ψf和J的初值估得不太离谱（比如偏差20%以内），ESO都能把误差当扰动补偿掉。但如果你连电机极对数都填错了，控制器必然发散。

仿真里获取参数的常用方式：在恒转速下给一个q轴电流阶跃，记录扭矩平衡时的电流和转速变化斜率，推算J和ψf。也可以利用Simscape模型里已知参数反过来校准你的ADRC标称值。这步建议在做模型前就先完成，省得后面调ESO时反复怀疑是观测器问题还是参数问题。

4. 核心参数整定方法与仿真调试实录

4.1 控制器带宽ωc与观测器带宽ωo怎么定

LADRC整定第一步是定控制器带宽ωc。想象一下你希望转速环有多快，比如从给定突变到转速上升的上升时间大概t_r，那么ωc大约可以取3到5/t_r。对PMSM转速环，我常用的ωc在30到100 rad/s之间，具体看电机惯量和负载。

定了ωc之后，观测器带宽取ωo = 3到10倍的ωc。观测器带宽越大，估计扰动越快，但也会把测量噪声放大，严重时会引起观测值高频抖动。如果转速测量信号没有经过特别好的滤波，ωo取3到5倍就行。如果你用了高精度编码器或者做了高带宽滤波，可以拉到8到10倍。

有几个参数需要特别注意：

• b0值：注意单位，转速是rpm还是rad/s。如果你在仿真里用rpm，那b0公式里的转速也得是rpm，否则控制量会差一个系数60/(2π)，直接导致扰动补偿失效。
• 限幅：转速环输出的iq给定一定要限幅，通常限在1.5倍额定电流以内。ESO对控制量输入也需要限幅，否则控制量积分会在饱和边界上累积，出现windup现象。
• TD参数：如果使用非线性ADRC中的跟踪微分器，还有速度因子r需要整定。它限制了给定过渡过程的斜率，直接决定启动电流峰值。我建议r从电机允许的加速度上限反推。

4.2 参数整定的“先内后外，先观测后反馈”顺序

在实际调参时，我总结了一个顺序可以避免来回折腾：先确保底层PI电流环稳定且带宽足够，然后只让ADRC做转速环，把负载设为零，先调ωc让阶跃响应满足基本要求。此时如果电流只有轻微超调，就可以认为ωc合适。真正检验ωc的是，给一个阶跃负载电流扰动，看转速跌落和恢复时间。

然后调ωo。增大ωo，扰动抑制会增强，但如果你看到转速波形出现高频毛刺，就是观测器带宽过高在放大噪声，适当再降。注意，观测器增益变化对稳定性影响很大，可以做一个扫参实验：把ωo设为ωc的2倍、4倍、6倍、8倍分别跑一遍，画在一张图上对比，这是最快的方式。

4.3 仿真发散问题排查

如果在仿真中出现变量发散，绝大多数原因是数值不稳定。解这个问题的顺序我建议按照下面的优先级：

• 第一步，检查求解器类型。一定要用定步长求解器。我遇到不少朋友默认用变步长ode45，然后发现ESO根本收敛不了。原因很简单，LESO的离散化是基于固定Ts的，变步长求解器会认为你的离散模块连续可导，两者完全对不上。先把求解器改成Fixed-step，步长设为1e-4或更小。
• 第二步，检查LESO增益是否太大。增益太大时，观测器本身的极点会跑到单位圆外，导致z1和z2震荡直至发散。这个可以通过把ωo减小一半来验证。
• 第三步，检查b0符号和数量级。b0的符号错误会让控制量补偿方向相反，比如你给正iq，系统反而加速反向。b0数量级差太远，比如实际是100结果你填了1，那控制量会放大100倍，系统也会飞掉。这是最容易被忽视的坑。
• 第四步，检查信号速率与单位匹配。转速给定用rpm，反馈也是rpm，PI输出限幅单位是A，必须保证整个环路单位一致。跨模块用kW、N·m、A等不同单位时最容易出问题。
• 第五步，检查初始条件。电机本体模型的初始转子位置、初始转速和观测器的初始值如果不一致，仿真最初几个步长内会产生大扰动引发震荡。

4.4 ADRC与PI控制效果的横向对比

我建议在你的Simulink模型里做一次对比，这能让ADRC的优势变得可视。搭两个完全相同的PMSM模型：一个用传统PI转速环，一个用ADRC转速环。负载扰动信号设置为一个阶跃或者周期性脉冲，例如在0.5秒时突加额定负载，对比两个模型的转速波形。

我之前实测的一组典型数据如下（以一台额定转速1500rpm、额定转矩2.39N·m的PMSM为例）：

这个对比结果很说明问题：ADRC不是全方面碾压PI，但它对负载扰动的抑制能力确实是数量级的提升。如果你的应用场景是频繁加减载或者负载波动大的场合，ADRC的收益非常直观。

4.5 Simulink模型中的常见错误速查表

每次看到群友在调试中卡住，其实问题就那么几类，我整理成一张表，方便对照排查。

5. 从仿真走向实物前还要做的事

5.1 代码生成与硬件在环的初步考量

Simulink模型调通之后，下一步都会考虑往实物上搬，这就有个“simulink模型c代码生成”的话题。ADRC算法用MATLAB Function写的，转成C代码很方便。配置Embedded Coder时，要特别注意选择离散定步长求解器、将MATLAB Function中的持久变量正确映射为全局变量或结构体字段。你可以先在Simulink Desktop Real-Time或者Speedgoat这类目标机上做硬件在环测试，在真实I/O延迟下看ADRC的实时表现。

关于“simulink如何导出fmu模型”和“simulink怎么生成sdf文件”，这些是与协同仿真相关的高级话题。FMU导出主要面向异构工具链，比如把PMSM的ADRC控制器导出到其他仿真环境中做联合验证；SDF则常用于机器人仿真。它们是同一个思路：把调试好的模型封装成交互标准格式发布出去。这些操作和ADRC本身没有直接关系，但如果你在团队协作或跨部门配合，导出格式问题迟早会碰上。

5.2 测量噪声与执行器饱和的现实约束

仿真之所以比实物容易，是因为Simulink里的转速反馈是理想信号，没有量化噪声，也没有通信延迟。实际编码器反馈的信号有分辨率限制，电流采样有偏置和温漂，逆变器有死区。这些在仿真里不存在的因素，在实物上会立刻打击ADRC的表现。

所以在仿真阶段就应该有意识地加噪声模拟。给转速反馈叠加上高斯白噪声，幅值设为转速量程的0.5%左右；给电流反馈叠加1%的噪声。然后在这样的噪声水平下重新整定ωo和ωc，看看系统还能不能保持稳定。如果仿真里加了噪声就发散，说明你的观测器带宽过于激进，在实物上一定会出问题。

另外执行器饱和是另一个被低估的问题。ADRC控制律计算出来的iq如果超过驱动器电流限制，你需要在代码里做限幅，并且最好把限幅信息反馈到观测器里（就是用限幅后的u去更新z1、z2），否则观测器很快进入“假饱和”状态，实际电流达不到期望值，控制器却以为已经给出去了，这个过程会不断累积误差导致系统振荡。这一点是工程上最常见的ADRC失效场景。

5.3 关于“外部模式”调试与在线调参

如果你用的是Speedgoat或者Desktop Real-Time跑PMSM控制，那你可以使用Simulink的“外部模式”进行在线调参。外部模式允许你在Simulink界面里直接修改ADRC的实时参数（比如ωc、ωo、b0），不需要重新编译。对于ADRC这类参数整定需求很高的算法来说，在线调参体验极为关键。我的建议是，把ADRC的仿真初版就设计成参数可调：在MATLAB Function里不要硬编码数字，而是通过输入端口把b0、ωc、ωo、Ts作为外部信号传入。这样后期不管是做扫描实验还是硬件在线调参，都不用改一处代码。

我这里再强调一下：很多人会把参数写死在MATLAB Function里，然后反复点击“编辑”重新编译模型，效率极低。如果你一开始就设计成参数外输，整个调试体验会完全不同。

6. 我的一点心得与后续扩展方向

说回ADRC本身。从韩京清老师的原始论文到今天Simulink里的工程实现，这套理论的魅力就在于它把“扰动不确定性”从负担变成了可观测的量。对于PMSM这样参数容易漂移的对象，ADRC在转速环上的收益确实立竿见影。仿真做得再多，也不如在实际电机台架上看一次突加负载的波形，那种“转速几乎不动”的体验会立刻让你信服。

我还建议把ADRC的思想延伸到其他领域，比如位置环、张力控制、风力发电机的转速控制，甚至是PMSM无位置传感器控制中的反电动势观测。ESO本质上就是一个广义扰动观测器，只要你能把对象写成积分串联形式，它就能起作用。后续有时间，我打算再写一篇关于ADRC与滑模观测器结合的文章，把PMSM无感控制中的扰动估计也纳入到同一个框架里。到时候再跟大家继续分享。