超螺旋滑模观测器抑制PMSM无位置传感器控制抖振的Matlab复现

干电机控制的都知道，无位置传感器控制这块，滑模观测器是绕不开的主流。最近我在复现一个基于高速滑模观测器优化抖振问题的永磁同步电机无位置传感器控制算法，Matlab代码从零搭到仿真收敛，中间踩了不少坑，也把传统一阶滑模和超螺旋滑模的差别彻底摸了一遍。这篇就把整个复现过程和调参思路整理出来，给同样被SMO抖振折磨的人一个完整参考。

先说明白这篇文章是什么：不是论文复读，是带代码、带波形、带调参顺序的实操记录。你如果正准备做PMSM无传感器方向，或者在项目里发现滑模观测器估计出来的角度和速度抖得没法用，读这篇会有帮助。整篇会围绕"抖振从哪来、怎么从源头压下去、Matlab/Simulink怎么落地"三条线展开，该给公式的时候给公式，该给代码的时候给代码，最后再聊几个仿真转台架时才会暴露的暗坑。

1. 无位置传感器控制为什么偏偏落在滑模观测器头上

1.1 从"拆掉编码器"说起：成本、可靠性和一个绕不开的技术前提

做电机驱动的都知道，编码器和旋变的成本有时候比驱动器主控芯片还高，而且机械传感器在高温、强振动、油污环境下反而是整个系统里最容易出问题的环节。去掉机械位置传感器，让控制器纯粹通过电机的电压电流信号在线估算转子位置和速度，这就是无位置传感器控制的核心动机。注意，这里说的"无位置传感器"不是真的不要位置信息——位置信息必须要有，只是从硬件传感器变成软件估算。

这个软件估算本质上是一个状态观测问题：已知电机模型、已知输出电流、已知施加的电压，反推看不见的转子位置和速度。既然要反推，第一步就得先明确电机模型里哪一项携带转子位置信息。表面看来电流、电压都包含位置信息，但真正稳定可用的是反电动势项。转子转起来之后，永磁体磁场在定子绕组里感应出的反电动势，其幅值和相位直接由转子位置决定，这就是全部分析的出发点。

1.2 反电动势是唯一的"地图"：中高速域为什么只能靠它

在静止αβ坐标系下，表贴式PMSM的电压方程可以写成：

u_alpha = R_s * i_alpha + L_s * (d i_alpha / dt) + e_alpha u_beta = R_s * i_beta + L_s * (d i_beta / dt) + e_beta

其中反电动势项是：

e_alpha = -psi_f * omega_e * sin(theta_e) e_beta = psi_f * omega_e * cos(theta_e)

psi_f是转子磁链，omega_e是电角速度，theta_e就是我们要找的转子电角度。从这两个式子能看出一件很关键的事：反电动势幅值等于psi_f乘以omega_e，转速越高信号越强。所以基于反电动势的观测方法天然只适合中高速域，低速和零速状态下反电动势趋近于零，信噪比不够，只能换高频注入那类凸极跟踪方案。这也是所有反电动势类无传感器算法的共同边界，滑模观测器也不例外。

既然反电动势是"地图"，怎么从测量到的电压电流里把这张地图准确抠出来，就成了算法设计的核心。也就是要解一个含有未知反电动势项的状态方程组。这类问题有几种常见解法：滑模观测器、模型参考自适应、扩展卡尔曼滤波、龙伯格观测器。它们的思路各不相同，工程结果也差异很大。

1.3 滑模 vs 卡尔曼 vs MRAS vs 龙伯格：为什么我复现时选了滑模

这几种方案我在不同项目里都试过，说句实话，各自有各自的脾气。等模型参考自适应调好往往要花很长时间，扩展卡尔曼的噪声矩阵R、Q没人告诉你怎么给，调起来像开盲盒；龙伯格观测器线性增益设计简单，但遇到电感电阻漂移就露馅。相比之下，滑模观测器结构固定、鲁棒性好，是工业产品里用得最多的一条路线。

下面这个表是我实际决策时常用的对比维度：

既然滑模观测器优点突出、缺点集中在抖振，这篇复现工作的主线就很明确了：保留滑模本身的强鲁棒性，想办法把抖振从源头上压下来，而不是靠后面接一堆低通滤波器去掩盖。接下来我们先看看抖振究竟是怎么产生的，这一步很关键，因为后面所有改进方案都是奔着这个根源去的。

2. 抖振不是"算法不干净"，而是开关控制律的宿命

2.1 观测器怎么"滑动"：滑模面、等效控制与反电动势的等价关系

滑模观测器设计的逻辑和状态观测器一样：先建立一个电流估计值，让估计电流去跟踪实际电流。基于前面的电压方程，构造如下观测器：

L_s * (d i_alpha_hat / dt) = u_alpha - R_s * i_alpha_hat - v_alpha L_s * (d i_beta_hat / dt) = u_beta - R_s * i_beta_hat - v_beta

把电流估计误差记为s_alpha、s_beta，也就是滑模面。将上面两个式子相减，得到误差动态方程：

L_s * (d s_alpha / dt) = -R_s * s_alpha + e_alpha - v_alpha L_s * (d s_beta / dt) = -R_s * s_beta + e_beta - v_beta

传统滑模观测器取控制律v_alpha = K * sign(s_alpha)，v_beta = K * sign(s_beta)。只要增益K大于反电动势幅值的上界，误差s会在一段时间内收敛到零，完成"滑模运动"。进入滑模面之后，等效控制的概念就出现了：误差不动了，误差导数也为零，这时候上面的误差方程退化成v_eq = e。也就是说，控制律里的切换信号在"平均意义"下正好等于反电动势。

这就是整个算法的底气：不需要知道反电动势的具体值，只需要把它圈在一个足够大的增益范围内，滑模机制会自动把反电动势从方程里逼出来。从数学上看这个过程很漂亮，但工程实现里藏着一个麻烦——符号函数不是理想模拟器件能实现的。

2.2 抖振从哪里冒出来：控制律的高频切换与电流残差的相互放大

符号函数sign(s)的值只有正负两个状态，离散控制器每个采样周期都在这两个状态之间来回翻。理想情况下采样周期无限小，切换频率无限高，等效控制能做到完美平均；但数字控制器的采样周期是有限的，电流误差s永远只能在零附近一个微小范围内来回跳动，控制量v的波形就会变成一串高频方波脉冲，而不是平滑的反电动势。

这一串高频脉冲直接通过电流观测方程进入系统，再叠加到反电动势估计上。我把传统方案的波形拉出来看过，估计出的反电动势根本不是光滑正弦波，而是一条锯齿带刺的毛边曲线。后端再用低通滤波去"磨平"，确实能把波形修得好看一点，但相位已经被破坏了。这里用生活里的例子类比一下：恒温器在目标温度附近启停，室温曲线其实一直在小幅波动，不是一条完美直线。滑模观测器的抖振和这个道理很像，开关动作天生带来高频成分，它是控制律结构的固有代价。

2.3 低通滤波器只是"创可贴"：相位滞后与角度补偿的连锁反应

既然估计出来的反电动势毛刺太多，早期方案的做法是在滑模输出后面加一阶低通滤波器，把高频部分滤掉。一阶低通的截止频率如果设为omega_c，那么在基频omega_e处的相位滞后大约是atan(omega_e / omega_c)，这个滞后角度会直接转化到转子位置估计上。转速越高、滞后越大，位置误差就越明显，等于说最需要无传感器算法的高速区间，传统方案误差反而最大。

要补偿这个滞后，就需要把角度估计值再加上一个动态修正量，而修正量依赖速度估计值本身。速度估计从哪里来？还是从已经被滤波、被延迟的反电动势来。这等于是用一堆依赖关系的量去互相修正，牵一发动全身，只要某个转速点电感或电阻误差大一点，补偿就不准。我见过不少工程案例，最后都是靠查表做角度补偿才勉强压住误差，可查表是一堆标定工作堆出来的，换个电机全得重来。所以真正干净的做法不是在滤波上打补丁，而是换一种不产生大量抖振的控制律。

3. 超螺旋滑模观测器的设计思路与三种降抖方案

3.1 先分清"高速滑模"到底指什么

标题里的"高速滑模观测器"这个词我第一次看到也犹豫了一下，因为行话里它有两种理解。一种是指高阶滑模或者快速趋近律这类收敛速度更快的滑模算法，另一种是指面向电机高速运行工况设计的滑模观测器。这两种理解在实际复现中是交织的：高速工况下反电动势基频高，传统滤波相位延迟更严重，所以更迫切需要一种抖振小、收敛快的滑模结构。

这篇复现里我采用的落地方案是超螺旋滑模观测器加正交锁相环。超螺旋算法属于典型的二阶滑模，它的"滑模面收敛速度和精度都比一阶滑模高"这一点，正好呼应"高速"这个词。下文把三种抑制抖振的方案逐一拆开讲，从最简单的边界层方案到最终采用的超螺旋加PLL组合，读者可以按自己的需求选型。

3.2 方案A：准滑模边界层——最简单但小心"用鲁棒性换抖振"

最直接的降抖思路是把符号函数换成饱和函数：

v = K * sat(s / delta)

其中饱和函数在|s| ≤ delta的区域等效于高增益线性控制，在|s| > delta的区域才切换。这样电流误差在零附近的微小范围内不再触发高频开关，抖振自然减弱。这个方案实现成本最低，只需要改一行代码，很多入门教程也喜欢用它举例，但它有一个很明显的代价：delta越大，滑模的鲁棒性越差。

delta的物理意义是"边界层厚度"。边界层里控制律退化成线性比例控制，滑模的强鲁棒性就没了，参数失配、反电动势扰动带来的误差会直接反映到位移估计上。delta太小又起不到滤波作用，相当于还是符号函数。我的经验是delta从电流采样噪声幅值的两到三倍开始试，再通过看电流误差波形和位置误差曲线微调。它解决抖振的方式本质上是"花钱买平滑"，花的钱就是鲁棒性，这就是为什么它只是方案A。

3.3 方案B：超螺旋滑模观测器——不连续项进积分器，抖振被"捋平"了

超螺旋滑模观测器是我想重点推荐的方案。它的控制律长这样：

v_alpha = k1 * sqrt(abs(s_alpha)) * sign(s_alpha) + z_alpha dz_alpha / dt = k2 * sign(s_alpha) v_beta = k1 * sqrt(abs(s_beta)) * sign(s_beta) + z_beta dz_beta / dt = k2 * sign(s_beta)

乍一看还是带着符号函数，但注意符号函数的位置变了：它出现在z的导数里，不直接出现在输出里。z是一个积分项，符号函数的高频切换经过积分之后变成了一条平滑的连续曲线。这就是超螺旋抑制抖振的核心机制——把不连续性推到积分器后面，等效控制从积分器的输出里取，而不是直接从开关信号里取。也就是说，抖振里最刺耳的高频分量被积分过程自身平均掉了，不需要额外加低通滤波器去滤。

这里要强调一下，超螺旋不是简单地把符号函数换成积分，它仍然是二阶滑模，保证s和s的导数都收敛到零。相比一阶滑模只能保证s→0的精度，超螺旋的稳态精度在理论上提高了一个阶次，抖振幅度明显下降，同时对扰动依然保持强鲁棒性。参数上只要k2大于扰动导数的上界、k1和k2保持合适的比例，系统就是稳定的。实际整定顺序后面单独讲，这里先记住"不要把k2选太小"这一条。

3.4 方案C：正交锁相环——让角度提取不再依赖"反正切加滤波"

反电动势估计出来之后，传统做法是拿atan2函数算角度，再对角度求导算速度。这个方法简单直观，但有两个明显毛病：一是反正切对噪声敏感，e_alpha和e_beta上一丁点毛刺都会直接映射成角度抖动；二是对角度求导会放大高频噪声，求完导还得再滤波，一来一回相位补偿的账又算不清了。

更好的做法是把反电动势当交流信号，用正交锁相环去锁定它的相位。构造误差信号：

err = -e_alpha * cos(theta_hat) - e_beta * sin(theta_hat)

把之前反电动势的表达式代进去，当theta_hat越接近真实theta_e时，这个误差越接近零，而且误差随角度差近似成正比。也就是说，PLL把"估计角度和真实角度之差"变成了一个可被PI调节器处理的标量，PI输出电角速度，再积分出电角度。PLL本身就是一个窄带跟随器，它能过滤掉反电动势里的高频残留，同时保持着相位跟踪能力，不需要像一阶低通那样做随速度变化的相位补偿。

4. Matlab/Simulink搭建：从PMSM模型到观测器回路

4.1 仿真平台整体结构

这一节直接讲代码怎么落地。Simulink模型从上到下分四层：PMSM电机本体、逆变器与坐标变换、双闭环控制器、滑模观测器与PLL。为了验证观测器性能，我把传统SMO+LPF+atan2和超螺旋SMO+PLL两套方案并行搭建，输入同一组实际电流电压信号，输出接到同一个示波器上对比，这样不用跑两遍仿真就能直接看差异。

模型里的电机本体我建议初学者用Simulink自带的PMSM模块，省时省力；但如果想完全掌控参数，或者后面要研究电感饱和、交叉耦合，最好在S-Function里手写d-q轴方程。逆变器部分先不要上带死区的详细PWM模型，用平均模型把算法跑通，等观测器调稳定了再换成详细模型，否则死区谐波会把调参过程搅成一锅粥。

下面这行是观测器模块的信号连接关系，按这个顺序排就不会接错：

三相电流/电压 -> Clarke变换 -> alpha/beta分量 alpha/beta电流电压 -> 滑模观测器 -> e_alpha/beta估计 e_alpha/beta估计 -> 正交锁相环 -> theta_hat, omega_hat theta_hat -> Park变换角度 -> 电流环反馈与电压前馈 omega_hat -> 速度环反馈

4.2 超螺旋滑模观测器的S-Function实现代码

核心代码用Matlab Function封装，方便在Simulink里直接调用。下面这段代码是把超螺旋滑模观测器和PLL合在一起写的，每一步都和前面的公式一一对应，建议直接从模型里复制改成自己的参数：

function [theta_hat, omega_hat, e_alpha_hat, e_beta_hat] = sta_smo_estimator(... u_alpha, u_beta, i_alpha, i_beta, Ts, R_s, L_s, k1, k2, kp_pll, ki_pll) persistent i_alpha_hat i_beta_hat z_alpha z_beta theta_hat omega_hat pll_int if isempty(i_alpha_hat) i_alpha_hat = 0; i_beta_hat = 0; z_alpha = 0; z_beta = 0; theta_hat = 0; omega_hat = 0; pll_int = 0; end % 1. 滑模面：电流估计值与实测电流的误差 s_alpha = i_alpha_hat - i_alpha; s_beta = i_beta_hat - i_beta; % 2. 超螺旋控制律 % z项是积分项，符号函数不直接输出，抖振在这里被积分磨平 v_alpha = k1 * sqrt(abs(s_alpha)) * sign(s_alpha) + z_alpha; z_alpha = z_alpha + Ts * k2 * sign(s_alpha); v_beta = k1 * sqrt(abs(s_beta)) * sign(s_beta) + z_beta; z_beta = z_beta + Ts * k2 * sign(s_beta); % 3. 电流观测器状态更新，欧拉离散 i_alpha_hat = i_alpha_hat + Ts / L_s * (u_alpha - R_s * i_alpha_hat - v_alpha); i_beta_hat = i_beta_hat + Ts / L_s * (u_beta - R_s * i_beta_hat - v_beta); % 4. 反电动势估计值：积分项z基本等于等效控制 e_alpha_hat = z_alpha; e_beta_hat = z_beta; % 5. 正交锁相环提取位置和速度 % 反电动势满足： % e_alpha = -psi_f * omega_e * sin(theta_e) % e_beta = psi_f * omega_e * cos(theta_e) err = -e_alpha_hat * cos(theta_hat) - e_beta_hat * sin(theta_hat); % 用反电动势幅值归一化，避免PLL增益随转速变化 emag = sqrt(e_alpha_hat^2 + e_beta_hat^2) + 1e-6; err_norm = err / emag; % PI调节器得到电角速度估计值 pll_int = pll_int + Ts * ki_pll * err_norm; omega_hat = kp_pll * err_norm + pll_int; % 积分得到电角度估计值并限定在0~2pi theta_hat = theta_hat + Ts * omega_hat; theta_hat = mod(theta_hat, 2 * pi); end

代码里有几个地方要特别说一下。滑模面的定义用的是"估计电流减实测电流"，对应误差方程里v会收敛到e。实际接线时只要保证反馈极性对，方向问题用示波器看一眼theta_hat能不能跟上参考角度就能判断。PLL的误差我做了一步除以幅值的归一化，这么做的原因是反电动势幅值和转速成正比，如果不归一化，同一角度误差在高速时产生的err比低速时大好几倍，PI参数会很尴尬；归一化之后err_norm只在正负一之间变化，PI参数在全速域都有效。

还有一个仿真初值的问题：persistent变量里theta_hat初始化为0，如果电机在仿真启动时已经有位置角，PLL会从零开始拉角度，这个过程会有短暂的位置偏差，如果不加处理，电流环可能会在启动瞬间冲击一下。我的做法是在仿真模型里先加一个I/F强制同步启动段，让转子转起来后PLL锁住，再切换到无传感器闭环。这个切换逻辑是工程落地的必备环节，后面还会再提。

4.3 与Simulink主回路的接口设计

把这段代码封装成一个Matlab Function块，输入接alpha/beta轴电压电流，输出接theta_hat和omega_hat，再把这个角度接到坐标变换模块里。为了后续对比，建议把e_alpha_hat和e_beta_hat也引出来接到示波器，看反电动势波形比看转速波形更能判断观测器内部收敛状态。

采样周期Ts建议直接取PWM周期，比如10kHz开关频率对应Ts=1e-4秒。不要把观测器采样周期设得太小，小的采样周期会让超螺旋的积分项对噪声更敏感，反而不利于稳定。我用1e-4秒做过，收敛和抖振抑制效果都正常。电压电流信号如果是标幺值，注意把R_s、L_s、psi_f也换算到标幺制，否则公式里的惯性项会差一个数量级，这是新手最容易犯的错。

如果跑起来发现theta_hat在零点附近周期性跳变，先别怀疑算法，检查一下mod(theta_hat, 2*pi)这行代码有没有被注释掉。角度不归一会让cos和sin在连续跨周期时产生突变，PLL明明锁住了，后面坐标变换却以为角度跳了半圈。这个问题我在第一次搭仿真时被坑过，后来把角度规约加回去再没出现。

5. 参数整定路线与三种方案的仿真对比

5.1 滑模增益怎么给才不出问题

传统滑模观测器的增益K理论上必须满足K大于反电动势峰值，也就是K > psi_f * omega_e_max。工程上一般再乘1.5到2倍裕量。但这句话实际操作起来很苦涩：K给小了进不了滑模面，电流误差不收敛，位置估计偏差大；K给大了抖振剧烈，转速波形全是毛刺。传统SMO的调节空间就这么窄，这也是大家忍受滤波相位延迟也要硬着头皮用它的原因。

超螺旋的增益给法比传统SMO友好。第一步先定k2，它对应积分项的收敛强度，取值要大于扰动导数的上界。我通常从一个中等偏小的值开始试，比如把k2设成电机额定电压对应系数的一到两倍，观察z_alpha/z_beta能否在一个电周期内跟上反电动势形状。第二步再调k1，k1决定到达阶段的收敛速度，从较小值往上加，看到电流估计误差波形快速收敛、没有明显振荡就停。最后再回调k2，看能不能进一步压噪点。整个顺序的核心判断依据是电流误差波形和反电动势波形，不要只看最终的速度波形。

实测下来，k1给太大时反电动势估计波形上会出现密集的高频尖刺，k2太小时积分项收敛慢，位置估计在动态加载时会有一段明显的滞后拖尾。这两条经验可以帮你少走不少弯路。

5.2 PLL带宽和电流环带宽怎么配合

PLL的PI参数设计可以直接套二阶系统公式。PLL闭环传递函数近似为：

G(s) = (kp_pll * s + ki_pll) / (s^2 + kp_pll * s + ki_pll)

取阻尼比zeta等于0.707，那么自然角频率omega_n满足：

kp_pll = 2 * zeta * omega_n = 1.414 * omega_n ki_pll = omega_n^2

omega_n取多少合适？我的经验是取电流环带宽的十分之一到五分之一。PLL带宽过高会把反电动势里的高频分量直接放大到速度估计上，带宽过低又会让位置估计在动态过程中明显滞后。这一点很容易被忽视，因为PLL看起来只是一个位置提取器，实际上它承担着整个无传感器环路的滤波角色，带宽设计直接决定了转速波动的底噪水平。

5.3 三种方案的仿真对比

下面这个表是我在某一组电机参数下跑出来的相对结果，具体数值和电机额定值有关，但趋势基本一致，可以用来判断不同方案的差距量级：

这个表的结论和理论分析完全对得上：传统方案靠后级滤波硬压，代价是相位误差；边界层方案用鲁棒性换平滑，参数一失配就现原形；超螺旋方案从源头重塑了控制律，既保留鲁棒性又压低抖振，位置误差明显小一截。如果你的项目对位置精度要求不高、电机参数很稳，边界层方案确实够用；但只要涉及宽速域或重载工况，我建议直接上超螺旋，省得后面反复返工。

6. 从仿真相机到台架实测容易踩的坑

6.1 电流采样噪声比你想的更致命

仿真模型里的电流是理想的，但实际台架上电流传感器有偏置、有噪声，AD采样还有量化误差。这些噪声直接灌进滑模面s，超螺旋里的sign函数对高频噪声相当敏感，符号会在噪声过零附近乱跳，积分项z会把这部分噪声慢慢累积起来，最后出现在反电动势估计的毛刺里。我在仿真阶段怎么调都顺滑，一上台架转速波动立刻大了一圈，就是这个原因。

对策可以分硬件和软件两层。硬件上把PWM触发和ADC采样时刻对齐，确保采到的是逆变器开关中间段的电流平均值；软件上对电流采样做滑动平均，或者加截止频率远高于电流环带宽的FIR滤波。另外，超螺旋增益在台架上要整体比仿真调低一档，因为真实系统里扰动没有仿真模型里那么"干净"，过大的增益除了放大噪声没有别的好处。

6.2 电感参数失配的表现

滑模观测器对电阻失配的容忍度比较高，因为滑模项本身能吸收一部分慢变扰动，但电感参数的失配会直接改变电流观测方程里的斜率估计。电感偏大时估出来的电流变化慢，需要更大增益去追；电感偏小时估计电流变化太快，容易追逐噪声。书上常说SMO鲁棒性强，但鲁棒性是有边界的，电感差到一定程度，位置误差就不是几度而是崩掉。

内置式PMSM还要多留一个心眼：这类电机d轴和q轴电感不等，直接在αβ系里套单电感模型会产生交叉耦合项误差。我的建议是第一版先用表贴式样机把算法跑顺，如果目标电机是内置式，至少要在模型里把等效电感结构改成更接近实际的形式，否则低速到中速切换那一段位置误差会特别难受。

6.3 实测中一次"转速波动查了一周"的复盘

最后讲一个我在台架调试时的真实经历。某个项目里转速反馈波动始终在正负15转左右，怎么调增益、怎么加滤波都压不下去。最初以为是滑模观测器参数不对，来回改了三四天毫无起色。后来把d-q轴电流波形抓出来看，发现电流波形上有规律性的六倍频扰动，才反应过来是逆变器死区时间造成的电压误差，和PLL带宽凑在一起形成了共振。死区补偿加上以后，转速波动直接掉到正负3转以内。

这段经历给所有人的教训是：无传感器算法调试遇到抖振问题时，不要只盯着观测器本身。逆变器死区、PWM更新延时、电流采样偏置、PLL带宽耦合，这些环节都会对最终转速波形产生影响。超螺旋滑模把观测器层面的抖振压下去之后，系统暴露出来的往往是其他环节的问题。把这几个坑记住，基本能省掉大半的调试时间。