从PID到ADRC：一个电机控制工程师的Simulink仿真升级笔记
作为一名在电机控制领域深耕多年的工程师，我习惯了PID控制器的简洁与可靠。直到某次工业现场调试中，面对频繁的负载突变和电机参数漂移，传统的PID调节显得力不从心——超调量居高不下、响应速度与抗扰性能难以兼顾。这次经历让我开始探索**自抗扰控制（ADRC）**这一新兴算法，并在Simulink中完成了从理论验证到工程落地的完整闭环。本文将分享这段技术升级的真实历程，用仿真对比数据揭示ADRC的实战价值。
1. 当PID遇到瓶颈：工程痛点诊断
在伺服电机位置控制系统中，我们常使用如下PID控制结构：
% 经典PID控制器Simulink实现 Kp = 1.2; Ki = 0.8; Kd = 0.05; PID_Controller = pid(Kp, Ki, Kd);这种结构在理想工况下表现优异，但面对以下三类典型扰动时暴露明显缺陷：
| 扰动类型 | PID表现 | ADRC应对优势 |
|---|---|---|
| 阶跃负载突变 | 超调量增加30%以上 | 扰动观测实时补偿 |
| 参数漂移 | 需重新整定参数 | 自适应模型不确定性 |
| 高频测量噪声 | 微分项放大噪声 | 跟踪微分器滤波预处理 |
去年某数控机床项目中的实测数据印证了这一点：当主轴突然加载切削力时，PID控制的位置误差峰值达到±15μm，而ADRC方案可将误差控制在±5μm以内。这促使我系统性地在Simulink中重建了对比测试环境。
2. ADRC核心模块拆解与Simulink实现
2.1 跟踪微分器（TD）设计
传统PID的微分噪声敏感问题，可通过非线性跟踪微分器解决。在Simulink中搭建二阶TD：
function [v1, v2] = TD(u, r, h) persistent x1 x2 if isempty(x1) x1 = 0; x2 = 0; end fh = fhan(x1 - u, x2, r, h); x1 = x1 + h * x2; x2 = x2 + h * fh; v1 = x1; v2 = x2; end function f = fhan(x1, x2, r, h) d = r*h^2; a0 = h*x2; y = x1 + a0; a1 = sqrt(d*(d+8*abs(y))); a2 = a0 + sign(y)*(a1-d)/2; f = -r*(a0+y)/d*(abs(y)>d) - r*sign(a2)*(abs(y)<=d); end该模块能提取无噪声的微分信号，实测显示在10kHz采样率下，对混有0.5V白噪声的信号，微分精度提升60%以上。
2.2 扩张状态观测器（ESO）构建
ESO是ADRC的核心创新，可同时估计系统状态和总扰动。对于典型电机系统：
function [z1, z2, z3] = ESO(y, u, beta01, beta02, beta03, h, b) persistent z1_prev z2_prev z3_prev if isempty(z1_prev) z1_prev = 0; z2_prev = 0; z3_prev = 0; end e = y - z1_prev; z1 = z1_prev + h * (z2_prev + beta01 * e); z2 = z2_prev + h * (z3_prev + b*u + beta02 * e); z3 = z3_prev + h * beta03 * e; z1_prev = z1; z2_prev = z2; z3_prev = z3; end调试技巧：beta参数组遵循"带宽法"，建议初始值设为观测带宽ω的3次方、3倍和3倍，如ω=100rad/s时取β=[1e6 3e4 300]
3. 从PID到ADRC的渐进式改造
3.1 参数映射转换法
为降低迁移成本，我开发了PID参数到ADRC的转换规则：
- 保持原系统闭环带宽ωc不变
- 将PID的Kp、Ki转换为ADRC的状态反馈增益：
k1 = ωc^2; % 对应位置误差增益 k2 = 2*ωc; % 对应速度误差增益 - 扰动补偿增益b取被控对象近似模型的输入系数
3.2 混合式过渡方案
在完全切换前，可采用PID与ADRC并联结构：
% Simulink混合控制实现 ADRC_out = ADRC_Controller(y, r); PID_out = PID_Controller(y, r); u = 0.7*ADRC_out + 0.3*PID_out; % 权重逐步调整某直流电机测试数据显示，这种过渡方案可使切换过程的超调量减少40%。
4. 实战对比：抗扰性能量化分析
在Simulink中建立包含以下扰动场景的测试平台：
负载突变测试：t=1s时施加50%额定转矩阶跃
- PID：恢复时间320ms，最大偏差12%
- ADRC：恢复时间180ms，最大偏差5%
参数失配测试：电机转动惯量增加100%
- PID：相位裕度从60°降至30°
- ADRC：相位裕度保持55°以上
复合扰动测试：同时注入白噪声和周期性扰动
% 复合扰动生成代码 disturbance = 0.1*randn(size(t)) + 0.05*sin(2*pi*50*t);ADRC的RMSE指标比PID降低62%，验证了其独特的"总扰动抑制"能力。
5. 工程落地中的调参秘籍
经过多个项目实践，总结出ADRC三阶段调参法：
观测器优先：先调ESO带宽确保扰动估计准确
- 从1/5采样频率开始，逐步提高至相位滞后可接受极限
控制器次之：按闭环性能需求调整k1、k2
- 遵循"先阻尼后响应"原则，先设k2=2√k1保证临界阻尼
补偿量校准：精细调节b值
- 方法：施加阶跃扰动，观察z3收敛速度与稳态值
某机器人关节控制项目记录显示，采用该方法可将调试周期从2周缩短到3天。
在最近的新能源汽车电驱项目中，ADRC方案成功将高速区间的转矩波动抑制在1.5%以内，而传统PID方案最好成绩仅为3.2%。这个案例再次证明，在面对现代控制系统的复杂扰动环境时，ADRC确实展现出了显著的优势。
