做电机控制仿真这些年，被问得最多的一个问题不是“PID怎么调”，而是“负载突变一下，转速到底能不能抗住”。传统PID在标称工况下确实稳，可一旦转动惯量变了、或者负载突然加上来，控制器表现就有点狼狈。这也是我最后把目光放在自抗扰控制ADRC上的原因。这篇文章就以一台永磁同步电机（PMSM）为对象，在Simulink里完整搭建一套ADRC调速系统的仿真模型，从原理推导到参数整定、从模块搭建到抗扰验证，全程把关键细节摊开来讲，希望能帮你少走几周弯路。
如果你正在做电机驱动、伺服系统或者电力电子相关的仿真，甚至准备把ADRC移植到硬件上，这篇文章都适合你。内容偏工程实践，不搞纯理论堆砌，所有数字和调试经验都来自我实际跑过的模型。
1. 为什么PMSM调速要引入ADRC：从PID的痛点说起
1.1 PMSM控制难在哪：非线性、耦合和参数摄动
永磁同步电机的数学模型，如果写在dq旋转坐标系下，其实是这样的：
定子电压方程：
- 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·(dω/dt) = Te - Tl - B·ω
这里有个关键点，很多初学者容易忽略：PMSM是一个强耦合、非线性、多变量的对象。id轴和iq轴之间有交叉耦合，转速又反过来影响电压方程里的反电动势项。更麻烦的是，参数不是固定的——Ld、Lq会随电流饱和程度变化，永磁磁链ψf会随温度漂移，负载转矩Tl更是完全未知的时变量。
我们通常用矢量控制（FOC）把问题简化，在id = 0的控制策略下，转矩变成Te = 1.5·pn·ψf·iq，相当于把电机“伪装”成一个线性对象。但注意，这只是把电气耦合解耦了，机械侧的扰动、参数摄动一点都没有消失，它们仍然会通过运动方程直接影响转速。
1.2 传统PID在负载扰动和参数失配下的挣扎
PID的原理本质上是“看到误差再动手”。负载转矩一突加，转速先跌下去，误差变大，积分项才开始慢慢把转速拉回来。这个过程中的动态跌落幅值和恢复时间，就成了PID的硬伤。
具体来说有三个问题我特别有体会：
- 扰动辨识滞后：PID只能通过误差感知外界变化，误差没出现之前，控制器什么都做不了。所以负载突变必然伴随明显动态转速跌落。
- 积分饱和：转速大偏差时积分项拼命累积，等转速回来了，积分还在“泄洪”，超调随之而来。
- 参数失配：PID参数是按标称工况整定的。转动惯量J一旦变了，原本的阻尼比和带宽全变，轻则动态变差，重则系统振荡。
很多人用PI速度环时，把Kp、Ki调到某一组负载下很好看，换个负载工况就拉了。这不是PI不行，而是它天生缺乏“主动感知扰动”的能力。
1.3 ADRC的思路：把“不确定的东西”统一看成扰动
自抗扰控制的核心思想，说出来其实很朴素：与其费尽心思精确建模，不如把“所有没建模的东西”统一打包成一项总扰动，然后用观测器把它实时估计出来，在控制量里直接补偿掉。
ADRC创始人韩京清先生那句“把未知当成扰动，而不是把扰动当成未知”，我第一次看到的时候觉得像哲学，做完仿真才体会到这话的工程分量。
ADRC处理的对象可以写成这样一行方程：
- dω/dt = b0·u + f
其中u是控制量，b0是控制增益的粗略估计值，f就是“总扰动”——负载转矩、摩擦、磁链漂移、未建模动态、交叉耦合，全都在f里面。控制器要做的事情就两件：
- 通过扩张状态观测器（ESO）把f估计出来；
- 在控制律里把f抵消掉。
打个比方，PID像是一个“撞见偏差再反应”的司机，ADRC则是一个“提前感知路面颠簸、实时修正方向盘”的司机。差别不在脚法，而在有没有对未知干扰的感知通道。
2. ADRC三个核心组件在PMSM转速环里的作用
2.1 扩张状态观测器：电机模型里最关键的“黑盒猜测”
扩张状态观测器（ESO）是ADRC的核心，也是我觉得最值得多花时间理解的部分。
对于转速环的一阶模型dω/dt = b0·u + f，我们把总扰动f当成一个额外的状态变量x2，于是系统变成：
- x1_dot = x2 + b0·u
- x2_dot = h（h是扰动变化率，未知但有限）
然后构建观测器：
- z1_dot = z2 + β1·(ω - z1) + b0·u
- z2_dot = β2·(ω - z1)
这里的z1用来跟踪实际转速ω，z2用来跟踪总扰动f。β1、β2是观测器增益，通常用带宽法取：
- β1 = 2·ωo
- β2 = ωo²
其中ωo叫做观测器带宽。这个参数一上去，整个ESO的收敛速度就定下来了。
我在调试过程中最直观的感受是：z2曲线就像电机的“扰动心电图”。负载突变时，z2立刻跳变，比转速误差信号来得更早更直接。控制器正是靠这个信号才做到“扰动刚出现、补偿就到位”。
2.2 跟踪微分器：让给定信号平滑过渡
跟踪微分器（TD）负责给参考转速安排一个过渡过程。它接收阶跃形式的转速给定，输出一条平滑的跟踪轨迹v1和它的近似微分v2：
- v1_dot = v2
- v2_dot = -r·sat(v1 - ωref, v2, r)
如果不要TD，直接把阶跃给定丢给控制器，转速追一个阶跃，超调几乎难免。ADRC里的TD相当于给阶跃信号“提前化妆”，让它变成一个平滑加速曲线，转速自然无超调。
不过这里我要说一句实际经验：很多工程化LADRC方案里TD是可以省略的。只要ESO带宽足够、观测器收敛快，转速环本身对给定阶跃的响应也比较平滑。TD的作用更多体现在“大给定变化+极短加速时间”的场景，比如伺服点位控制。做PMSM仿真时，我建议先不加TD，跑通了再看需求决定是否补上。
2.3 状态误差反馈：线性和非线性两种路线
ADRC的最后一块拼图是状态误差反馈控制律。它把给定信号的状态和观测器估计的状态做差，然后进行反馈控制。
线性风格（LSEF）非常简单：
- u0 = kp·(v1 - z1) + kd·(v2 - z2)
非线性风格（NLSEF）则引入fal函数：
- u0 = k1·fal(e1, a1, δ) + k2·fal(e2, a2, δ)
其中fal(e, a, δ)的定义是：当|e| > δ时取|e|^a·sign(e)，否则取e / δ^(1-a)。
非线性的好处是小误差时高增益、大误差时增益自动受限，鲁棒性更强；代价是参数多、线性度差、整定难度上升。而线性ADRC（LADRC）可以用带宽法直接给出全部参数，工程上极其方便。
我在仿真里先跑通LADRC，再对比NLADRC，两者的性能差距在PMSM这个对象上其实没有理论文章里说的那么神秘——线性结构调好了，抗扰效果已经很能打。这点值得提醒：不要一上来就迷信非线性版本，线性版本能让你更快理解ADRC的工程本质。
2.4 转速环ADRC的数学模型推导
现在把ADRC落到PMSM转速环上。从运动方程出发：
- J·(dω/dt) = 1.5·pn·ψf·iq - Tl - B·ω
整理成标准形式：
- dω/dt = (1.5·pn·ψf/J)·iq + (-Tl/J - B·ω/J)
如果我们把控制量u定义为iq的参考值，并取b0 = 1.5·pn·ψf/J，那么：
- dω/dt = b0·u + f
- f = -Tl/J - B·ω/J + (b0真实值 - b0估计值)·u
最后这一项很重要，它意味着即使你J、ψf猜得不准，这部分误差也会被折进f里，交由ESO去估计并补偿。这就是ADRC对参数失配宽容的数学根源。
注意一个细节：ADRC转速环的输出是iq的参考值，不是直接给电压。电流环仍然用PI（或者内模控制）去快速跟踪这个电流指令。ADRC负责机械动态，电流环负责电气动态，两者带宽拉开，系统才有稳定的大前提。
3. Simulink仿真模型搭建实操
3.1 模型整体架构与模块划分
Simulink里搭这个系统，我推荐按功能把模型拆成几个子系统，方便排查问题：
- 给定与测量子系统：转速给定、转速反馈、电流测量；
- ADRC速度环子系统：输入为转速给定和实测转速，输出为iq参考值；
- 电流环PI子系统：内环，输出uq参考值；
- 坐标变换子系统：Clark、Park变换，把三相电流变到dq轴；
- PMSM本体子系统：dq方程积分得到id、iq、转矩、转速；
- 逆变器与调制子系统：SVPWM或简化的PWM调制，把dq电压指令变成三相电压。
我实际建模时用数学方程直接搭PMSM本体，不用大库里的封装模块。这样做的最大好处是每一个中间变量都能拉出来看波形，对理解电机内部动态非常有帮助。等模型验证成熟，再切换到Simscape的电机模块也不迟。
3.2 PMSM数学本体与坐标变换搭建
PMSM本体的核心是dq坐标系电压方程加运动方程。用Simulink标准模块就能搭：
- 电压方程右侧的反电动势项ωe·Lq·iq、ωe·(Ld·id + ψf)要单独计算；
- 积分出id、iq后，再算出Te；
- 运动方程J·(dω/dt) = Te - Tl - B·ω积分出机械角速度ωm，再乘极对数pn得到电角速度ωe；
- 电角度θ = ωe的积分，作为Park变换的夹角。
坐标变换我给一个常用写法，等幅值变换：
Clark变换：
- iα = ia - 0.5·ib - 0.5·ic
- iβ = (√3/2)·(ib - ic)
Park变换：
- id = iα·cosθ + iβ·sinθ
- iq = -iα·sinθ + iβ·cosθ
在Simulink里用Fcn模块写这些公式，再配合Gain模块和Sum模块，几分钟就能搭完。实测一个容易踩的坑是：Park变换和反Park变换用的角度必须是电角度，机械角度要乘以极对数pn，否则电流波形完全对不上。我最初就错在这里，id、iq全是振荡的交流量，一度以为换向角算错了。
3.3 逆变器和PWM调制的基本处理方式
逆变器部分我有两种做法，取决于当前仿真阶段：
- 理想受控电压源模式：直接把ud、uq经过反Park变换得到uα、uβ，再用“电压源+电机模型”喂给定子相电压。省掉PWM开关过程，模型跑起来非常快，适合先验证ADRC控制逻辑。
- 真实PWM调制模式：用Universal Bridge加PWM Generator，加入直流母线电压和开关频率，模拟真实开关过程。这时候电磁转矩会带高频纹波，转速环的观测器设计需要留出滤波余量。
我的建议很明确：第一次做ADRC仿真，先用理想模式把算法逻辑跑通，别让PWM的开关毛刺干扰你观察ESO的特性。等控制参数整定得差不多了，再切换PWM模式验证实际效果，这样排查问题会快很多。
3.4 ADRC子系统的Simulink实现细节
ADRC速度环子系统的输入输出定义我这样安排：
- 输入1：转速参考值ωref
- 输入2：实测转速ω
- 输出：iq参考值
子系统内部的ESO部分，用两个积分器串联：
- z1积分器前：z2 + β1·(ω - z1) + b0·u
- z2积分器前：β2·(ω - z1)
积分器初值设置有个细节：z1的初值应设为电机的初始转速，否则启动瞬间ESO会有一个收敛过程；z2初值设为0即可。控制律部分：
- u0 = kp·(ωref - z1) + kd·(0 - z2) （如果不加TD，直接把ωref当作给定）
- u = (u0 - z2) / b0
注意kp、kd和带宽的关系，后面参数整定章节再说。
搭建时还要小心一个高频问题：如果子系统内部ESO输出和控制量u之间存在直接代数回路，Simulink会报代数环。解决办法是在iq参考值输出之后加一个Memory或Unit Delay模块，打破这个回路；或者干脆把ADRC做离散化，用离散积分器实现。
4. 参数整定：带宽法与实操调参流程
4.1 基于带宽的LADRC参数化方法
LADRC能流行，一个关键原因是参数少且好整定。对转速环这种一阶对象，ADRC需要定的参数只有三个：
- 控制增益估计b0
- 控制器带宽ωc
- 观测器带宽ωo
带宽法给的标准取法：
- 观测器增益：β1 = 2·ωo，β2 = ωo²
- 控制器增益：kp = ωc，kd = 2·ωc（如果控制律用P+扰动补偿，一个ωc就够）
刹车逻辑记住一条原则：观测器带宽要比控制器带宽快3到10倍。控制器带宽决定了期望的闭环响应速度，观测器带宽决定了扰动估计的收敛速度。观测器太慢，补偿总是慢半拍；观测器太快，噪声被放大，电流指令全是毛刺。
电流环PI可以先用标称参数跑通，作为速度环的“内部执行器”。常见做法是让电流环带宽比转速环带宽高5到10倍，保证内环不拖外环后腿。
4.2 一组可直接跑的初始参数示例
我用一台典型的小功率PMSM做过验证，参数如下，大家可以先用这组数把模型跑起来再调。
电机参数：
| 参数 | 符号 | 取值 | 单位 |
|---|---|---|---|
| 极对数 | pn | 4 | - |
| 定子电阻 | Rs | 2.875 | Ω |
| d轴电感 | Ld | 8.5 | mH |
| q轴电感 | Lq | 8.5 | mH |
| 永磁磁链 | ψf | 0.175 | Wb |
| 转动惯量 | J | 0.001 | kg·m² |
| 阻尼系数 | B | 0 | N·m·s |
ADRC初始参数：
| 参数 | 取值 | 说明 |
|---|---|---|
| b0 | 1050 | 由1.5·pn·ψf/J估算 |
| ωc | 30 rad/s | 转速环期望带宽 |
| ωo | 150 rad/s | 观测器带宽，5倍ωc |
| β1 | 300 | 2·ωo |
| β2 | 22500 | ωo² |
对应MATLAB初始化脚本可以这样写：
% PMSM参数 pn = 4; Rs = 2.875; Ld = 8.5e-3; Lq = 8.5e-3; psi_f = 0.175; J = 0.001; B = 0; % ADRC速度环参数（LADRC） b0 = 1.5 * pn * psi_f / J; % 实际=1050 omega_c = 30; % 控制器带宽 omega_o = 5 * omega_c; % 观测器带宽 beta1 = 2 * omega_o; beta2 = omega_o^2; kp = omega_c^2; % 若用二阶误差反馈 kd = 2 * omega_c; % 电流环PI参数（标称工况下先给一组可用值） Kp_i = 15; Ki_i = 2500;注意b0的计算公式里，如果按标准一阶LADRC模型，控制量是iq，那么b0 ≈ 1.5·pn·ψf/J，单位是rad/(s²·A)。算出来确实在1000量级，这个数量级在仿真和硬件调试里都很典型。
4.3 从PID参数“迁移”到ADRC的经验
很多从PID转过来的同学，第一反应是把ωc设得和PI的穿越频率差不多大。这个直观感觉是对的，但我吃过亏：把ωc一把拧到100以上，转速环立刻开始抖动，iq波形高频振荡，ESO的z2也跟着抖。
原因在于ωc只是“理想控制带宽”，实际能跑多大，还要看电流环响应和转速反馈噪声。我更推荐的整定流程是：
- 先把电流环PI调稳，确保iq对指令的跟踪带宽足够；
- 速度环ωc从20开始，给一个1000rpm阶跃，看转速上升时间；
- 逐步增大ωc，每次加20%，观察转速响应和iq纹波；
- 一旦出现高频抖动，退回到上一个稳定值，然后保持ωc不变；
- 再增大ωo，观察抗扰能力的边际收益，直到噪声开始变得刺眼为止。
这套流程本质上是在“响应速度”和“噪声容忍度”之间找平衡点。实测下来，把ωo取到3～8倍ωc通常比较均衡，5倍是最常用的起步值。
5. 仿真验证与抗扰测试结果分析
5.1 空载阶跃响应测试
第一个验证场景是空载阶跃。给定转速从0直接跳到1000rpm，观察ADRC和传统PI控制下的转速响应差异。
我模型里设置的仿真条件：定步长，步长取1e-6s，算法用ode4（四阶龙格库塔），保证数值精度足够。在这个条件下：
- PI控制：转速超调约8%，调节时间约0.2s，iq电流启动时有明显大电流冲击；
- LADRC：转速基本无超调，上升时间约0.1s，调节时间约0.15s，启动电流峰值更低。
更让我注意的是ESO的z2输出。启动瞬间，z2从0开始迅速偏转到一个正值然后回落，它实际上是在“观察”启动阶段那些未建模的转矩项。把这个曲线拉出来和实际扰动对比，你会直观感受到什么叫“观测器把看不见的东西看见了”。
5.2 负载突变与扰动补偿效果
第二个场景是抗扰能力的核心测试：在0.5s时突加50%额定负载转矩，0.8s时突卸。我把PI和LADRC的转速动态放在一起对比：
| 指标 | PI控制 | LADRC |
|---|---|---|
| 突加负载时转速跌落 | 约30rpm | 约5rpm |
| 恢复时间 | >0.3s | 约0.08s |
| 突卸负载时转速抬升 | 约25rpm | 约4rpm |
LADRC之所以抗扰强，靠的就是ESO的z2。负载突加瞬间，z2立刻跳变捕捉到扰动变化，控制律马上在iq参考里增加补偿分量，相当于“扰动刚有苗头就被压下去”，这已经超出了传统PID“先偏差后补偿”的时序逻辑。
这个测试是ADRC价值的试金石，建议大家一定不要跳过。我会把z2曲线和实际负载波形放在同一个Scope里看，那种“z2几乎同步跟随负载趋势”的画面，比任何理论分析都有说服力。
5.3 参数失配鲁棒性对比
第三个场景我要重点说，因为它最能体现ADRC的工程价值。把转动惯量J从0.001直接放大5倍到0.005，控制器结构参数不动：
- PI控制：转速响应变得迟钝，突加负载时跌落更大，恢复时间翻倍，甚至可能出现轻微振铃；
- LADRC：转速响应几乎不变，抗扰性能下降幅度很小。
原因就在于ADRC把未建模动态全部视为总扰动f。J变化后，真实控制增益偏离b0的差异会被计入f，ESO主动补偿掉。仿真里我还试过把磁链ψf在运行中人为改变20%，LADRC照样能维持稳定。这种对参数漂移的“钝感力”，在电机发热、磁钢退磁、机械连接松动等实际场景里非常实用。
6. 调试过程中的三个坑与解决方案
6.1 代数环问题：为什么仿真跑不动
第一次搭ADRC模型时我遇到了一个典型问题：变步长仿真起始就报“代数环”错误，或者仿真运行极慢、步长自动缩小到几微秒。
原因在于ESO的输出间接参与了控制量u的计算，而u又作为ESO输入，形成了一个围绕ADRC子系统的代数回路。Simulink检测到这种没有延迟的闭环，就只能靠数值迭代硬解。
解决办法有两个：
- 在ADRC子系统输出iq_ref后串一个Memory或Unit Delay模块，打破代数回路；
- 把ESO和控制律做离散化，用离散积分器实现，从根本上避免代数环。
我的建议是后者，因为离散化ADRC更贴近后续嵌入式移植的写法，跑仿真也更稳。
一个容易忽略的细节：如果加了Unit Delay，相当于控制量滞后了一个仿真步长，这会降低相位裕度。离散化时建议把控制律里的计算顺序重排一下，让补偿量先算、再更新观测器状态，这样滞后影响最小。
6.2 ESO带宽过大引起的高频噪声
市面上的ADRC资料都会提醒“ωo不能太大”，但实际踩坑的体验不太一样：刚开始总嫌扰动估计不够快，一鼓作气把ωo调到300、500，结果转速波形没问题，iq指令上却出现密密麻麻的高频毛刺。
这是因为转速反馈信号里本来就包含测量噪声、数值噪声和PWM开关纹波，ESO带宽越高，对这些高频分量的放大越严重。z2本来应该平滑跟踪扰动，结果变成了噪声放大器。
我的处理经验：
- 先把ωo降回3～5倍ωc的水平，确认噪声消失；
- 如果确实需要更高观测带宽，在转速测量通道加一阶低通滤波器，截止频率放在电流环带宽附近；
- 更彻底的办法是在iq_ref输出端加一个限速或一阶滤波，抑制控制量的高频分量。
要记住一个工程原则：观测器带宽不是越高越好，而是“够用就行”。扰动的主要成分频率通常远低于噪声频率，留出足够裕量即可。
6.3 b0与J取不对时的表现
b0是ADRC里唯一跟模型有关的参数，它的准确性会直接影响控制品质。仿真里故意试错会发现两种典型表现：
- b0取大（比如取实际值的1.5倍）：等效控制器增益偏高，系统会趋向振荡，iq波形出现明显振铃；
- b0取小（比如取实际值的0.5倍）：扰动补偿强度不足，抗扰响应变慢，转速跌落变大。
怎么判断需不需要改b0？我的经验是看z2的“工作状态”。理想情况下z2应该主要反映负载等外部扰动，如果z2波形与iq指令高度相关、控制量一变化z2立刻大幅波动，很可能b0偏差过大。
实际工程中很难拿到精确的J和ψf，我的做法是把b0按标称参数的70%～100%之间取值，故意留出一点补偿余量。因为b0略小时系统还能靠ESO补，b0过大则容易出现不稳定振荡。这个“保守取b0”的经验在仿真和硬件里都帮我省了不少事。
最后再说一点个人的调试体会：ADRC最大的魅力不在于参数有多神奇，而在于它让你从“拼命建精确模型”转向“认真看待未知扰动”。我在把转速环从PI切到LADRC之后，最大的改变是养成了一个习惯——每次调完参数，都会盯着ESO的z2曲线看一会儿。那根曲线几乎能把电机的“真实处境”都讲出来：负载变化、参数漂移、非线性摩擦，全写在上面。对做电机控制的人来说，这种“看得见扰动”的能力，比任何漂亮的理论都让人踏实。
