1. 自抗扰控制（ADRC）是什么？能解决什么问题？
第一次接触自抗扰控制（ADRC）是在2015年，当时我在一个钢铁厂的热轧生产线改造项目中遇到了大麻烦——传统的PID控制器在应对轧辊间隙的时变负载时，调节效果总是不理想。车间主任天天追着问："这系统怎么老是抖？能不能调稳点？"直到我尝试了ADRC方案，问题才迎刃而解。
ADRC本质上是一种不依赖精确数学模型的控制方法，特别适合工业自动化中常见的三类难题：
- 时变负载：像传送带载重突然变化的情况
- 非线性系统：比如机械臂关节的摩擦死区
- 复合扰动：同时存在内部参数漂移和外部干扰的场景
它的核心思想很巧妙：把系统所有不确定因素（包括模型误差和外部干扰）打包成一个"总扰动"，然后实时观测并补偿。这就好比开车时突然遇到侧风，老司机不会死握方向盘，而是感知风力后顺势微调。ADRC中的扩张状态观测器（ESO）就是这套"感知-补偿"机制的数学实现。
2. ADRC的三大核心算法解析
2.1 跟踪微分器（TD）：给控制指令"踩刹车"
在PLC编程中直接给阶跃信号会让电机剧烈抖动，就像突然把油门踩到底。TD的作用就是生成平滑过渡信号，我常用离散形式实现：
# Python伪代码示例（实际PLC用ST语言） def TD(v0, h, r): v1 = 0 # 跟踪速度 v2 = 0 # 跟踪加速度 while True: fh = fhan(v1-v0, v2, r, h) v1 += h * v2 v2 += h * fh yield v1 def 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 sy = (sign(y+d)-sign(y-d))/2 return -r*(a2/d - sign(a2))*sy - r*sign(a2)关键参数经验：
- 速度因子r：相当于"刹车力度"，一般取5-20，太大易超调
- 滤波因子h：建议设为控制周期的1.5-2倍
2.2 扩张状态观测器（ESO）：系统的"CT扫描仪"
ESO是ADRC最精髓的部分，它能同时观测系统状态和总扰动。在嵌入式C代码中我这样实现二阶ESO：
// 基于STM32的ESO实现片段 void ESO_Update(float y, float u, float h) { float e = z1 - y; // 观测误差 z1 += h * (z2 - beta01 * e); z2 += h * (z3 + b0*u - beta02*fal(e,0.5,delta)); z3 += h * (-beta03*fal(e,0.25,delta)); } float fal(float e, float alpha, float delta) { if(fabs(e) > delta) return pow(fabs(e), alpha) * sign(e); else return e / pow(delta, 1-alpha); }调试技巧：
- beta系列参数：按"带宽法"设置，比如beta01=3w, beta02=3w², beta03=w³
- 非线性函数fal：delta取0.01-0.1，增强抗噪能力
2.3 非线性误差反馈（NLSEF）：智能调节器
传统PID的线性组合在非线性系统会失灵，NLSEF通过非线性函数实现：
- 小误差时高增益——快速调节
- 大误差时低增益——避免超调
在伺服电机控制中，我的参数对照表如下：
| 误差范围 | 增益策略 | 实际效果 |
|---|---|---|
| <5% | 指数型增强(α=1.2) | 消除静差 |
| 5%-15% | 线性区(kp=2.5) | 平稳调节 |
| >15% | 饱和限制 | 防止执行器过冲 |
3. 工业场景实战案例
3.1 注塑机压力控制
某注塑机在保压阶段要求压力波动<0.5MPa，但熔胶粘度变化导致PID参数难以整定。采用ADRC后：
- TD设计：r=15，h=0.01s，平滑设定值跳变
- ESO配置：带宽w=50rad/s，b0=0.8
- NLSEF参数：α=0.7, δ=0.05
实测结果对比：
| 指标 | PID控制 | ADRC控制 |
|---|---|---|
| 超调量 | 12% | 3% |
| 调节时间(s) | 1.2 | 0.6 |
| 抗原料扰动 | 需重新整定 | 自适应 |
3.2 机器人关节摩擦补偿
六轴机械臂的关节静态摩擦会导致0.5°的定位误差。通过ESO观测摩擦扰动：
// 欧姆龙PLC ST语言实现 ESO_Joint( IN := ActualPosition, U := TorqueCmd, H := 0.002, Beta1 := 300, Beta2 := 30000, Beta3 := 1000000, OUT => EstimatedFriction );补偿后重复定位精度从±0.3mm提升到±0.1mm，特别适合精密装配场景。
4. 实现中的常见坑与解决方案
4.1 采样周期选择不当
曾有个项目因把h设为0.1s导致系统震荡，后来总结出经验公式：
h ≤ 1/(10×系统带宽)
比如带宽50Hz的系统，h至少≤2ms。在Codesys平台要注意任务周期配置：
<!-- 错误的周期设置 --> <Task Name="ADRC_Task" Interval="100000"/> <!-- 100ms --> <!-- 正确的周期设置 --> <Task Name="ADRC_Task" Interval="2000"/> <!-- 2ms -->4.2 ESO初始值问题
观测器启动时若z1-z3初始值为0，会导致初期补偿异常。我的处理方法是：
- 上电后先静置100ms
- 用前10个采样值的均值初始化z1
- z2/z3保持为0
4.3 执行器饱和处理
在液压系统调试中发现，当ESO输出超过油缸压力极限时会产生积分饱和。改进方案：
// 抗饱和ESO修改 if(fabs(z3) > Z3_MAX){ z3 = sign(z3) * Z3_MAX; beta03 *= 0.7; // 临时降低观测增益 }5. 不同平台的优化技巧
5.1 嵌入式端（STM32）
- 定点数优化：将ESO的β参数放大1000倍用整数运算
- 查表法：预先计算fal函数值存入Flash
- DMA加速：用DMA搬运ADC采样数据
5.2 PLC平台（西门子SCL）
// 优化后的TD实现 FUNCTION_BLOCK FB_ADRC_TD VAR_INPUT v0 : REAL; h : REAL := 0.001; r : REAL := 10.0; END_VAR VAR_OUTPUT v1 : REAL; v2 : REAL; END_VAR VAR d,a0,a1,a2 : REAL; END_VAR d := r * h * h; a0 := h * v2; v1 := v1 + a0; a1 := SQRT(d*(d + 8*ABS(v1 - v0))); a2 := a0 + SIGN(v1 - v0)*(a1 - d)/2; v2 := v2 + h * (-r*(a2/d - SIGN(a2))*(SIGN(v1 - v0 + d) - SIGN(v1 - v0 - d))/2 - r*SIGN(a2));5.3 工控机（C#实现）
// 多线程安全版本 class ADRC_ThreadSafe { private object _lock = new object(); public void Update(double y, double u) { lock(_lock) { double e = z1 - y; z1 += h * (z2 - beta01 * e); z2 += h * (z3 + b0*u - beta02*Fal(e,0.5,delta)); z3 += h * (-beta03*Fal(e,0.25,delta)); } } }
