基于ESO与无模型预测电流控制的永磁同步电机仿真解析

拿到“基于自抗扰ESO+无模型预测电流控制MPCC永磁同步电机仿真”这个题目，先别急着打开Simulink开搭。这个方案看着唬人，拆开其实就三件事：对象是永磁同步电机（PMSM），电流环用不依赖精确电机参数的无模型预测电流控制（MPCC），再配一个扩张状态观测器（ESO），把系统里说不清道不明的扰动和参数误差全部实时估出来、补偿掉。这套结构在电机控制方向的论文里出现频率很高，核心卖点就两个词：鲁棒、非模型依赖。做毕业设计、发小论文、或者给控制方案预研做对比，这套组合都是相当能打的选择。

整篇内容我会按“为什么这么组合——原理怎么理解——仿真怎么搭——参数怎么调——坑怎么躲”的顺序讲。不会只贴几张波形图，而是把每个模块的离散化公式、整定思路、调试现场都写出来，让你照着能复现出一套可运行的PMSM控制仿真，并且知道出了问题往哪个方向查。

1. 项目拆解：ESO和MPCC到底在解决什么问题

1.1 标题里三块核心，到底谁管谁

先把这个题目里的三个关键词定位清楚，很多人一开始就是栽在概念混在一起。

PMSM是控制对象。永磁同步电机在d-q坐标系下的电流方程大家都很熟，包含定子电阻、电感、极对数、永磁磁链这些参数。问题是这些参数在实际运行时并不是固定值：电感会随电流变化，磁链会随温度变化，电阻更是随温度剧烈漂移。传统依赖精确数学模型的控制算法，一旦模型参数和实际不匹配，性能下降是必然的。

ESO是观测器。它干的事情很纯粹：把“电阻压降、交叉耦合项、反电动势、参数摄动、负载突变带来的影响”全部打包成一个总扰动状态，用输出误差反馈把它实时观测出来。观测出来的这个值，可以前馈补偿，也可以直接交给控制器用。它不关心扰动到底是哪来的、物理机理是什么，只关心它作用在系统上的总效果是什么。

MPCC是电流环控制器。它替代传统PI调节器，通过预测模型对候选电压矢量逐个做“试算”，选出一个让未来电流最接近给定值的开关组合。这里有一个关键：预测电流需要模型。传统的模型预测电流控制直接用PMSM的d-q方程做预测，参数不准，预测就不准；而“无模型”的MPCC，是用一个超局部模型来做预测，核心参数只有一个输入比例系数，剩下未知部分完全交给ESO去估计。

三个东西的分工可以概括成一句话：PMSM是“被控对象”，MPCC是“做决策的人”，ESO是“给决策人提供实时情报的情报员”。情报越准，决策越稳。

1.2 为什么要把这两个技术绑在一起

单独用ESO，能估计扰动，但控制器还是PI，动态响应速度和限幅处理能力有限；单独用MPCC，动态响应快，但预测精度受模型参数影响很大。组合起来就是一个互补结构：MPCC负责快速滚动优化，ESO负责把模型误差和外部扰动实时兜住，让预测模型的未知项不再是缺点。

我用一个简单的对照表来说明这个组合的价值。传统PI电流环需要整定两个增益，参数适应性差；传统模型预测电流控制（MPC）需要知道精确的L、R、磁链，并且参数偏差会直接导致预测误差和静差；滑模控制鲁棒性强，但抖振问题在数字实现里很头疼；而“ESO+MPCC”这个组合，名义上只需要一个输入比例系数，剩下的模型信息全部由ESO在线观测和补偿，把最麻烦的参数依赖问题绕开了。

这里想特别说清楚：所谓的“无模型”，不是真的完全没有模型，而是把精确的被控对象模型替换成一个含未知项的简单增量模型，未知项交给观测器去实时估计。这是一套系统工程思维——不要试图建立完美的模型，而是把“不知道的部分”作为一个状态去观测和处理。这个思路在过去几年学术论文里大量出现，而且工程应用价值确实明显。

2. 核心原理不绕弯：ESO怎么估、MPCC怎么“无模型”

2.1 扩张状态观测器：把“总扰动”变成可观测状态

自抗扰控制的核心思想是“先把系统简化，再把简化带来的误差观测掉”。对于一个一阶电流环系统，PMSM的d轴电流方程可以写成这样：

$$L_d \frac{di_d}{dt} = -R_s i_d + \omega_e L_q i_q + v_d$$

q轴也类似。如果把右边那些带R、L、ω的项目全部归到一个总扰动项F里，方程就变成：

$$\frac{di_d}{dt} = F_d + b_0 v_d$$

这里的b0是输入增益的标称值，最直接取b0=1/Ln，Ln是名义电感。Fd里面包括了电阻压降、交叉耦合、反电动势、参数误差、未建模动态。你不需要知道Fd具体是什么，只要ESO能把它的实时值观测出来就行。

线性扩张状态观测器对一阶系统的标准形式是：

$$\dot{z}_1 = z_2 + b_0 u + \beta_1 (y - z_1)$$ $$\dot{z}_2 = \beta_2 (y - z_1)$$

z1是电流观测值，z2就是总扰动F的估计值，y是实际采样电流。β1和β2是观测器增益，按带宽法配置：

$$\beta_1 = 2\omega_0, \quad \beta_2 = \omega_0^2$$

ω0就是观测器带宽。这个配置方式的好处是，把两个增益的整定问题降维成了一个参数ω0的整定问题。带宽越高，估计越快，但对测量噪声越敏感；带宽太低，估计滞后，补偿效果差。这个平衡是调试里最核心的手感。

用一个生活化例子帮助理解。你在嘈杂的火锅店听朋友说话，背景音就是“总扰动”。ESO做的事情是，靠你听到的只言片语（输出）和你知道朋友大概在说什么话（输入），不断估计出背景噪声当前有多大，然后把噪声“抠掉”，只留下清晰的对话。观测器没有把每句话都建模，它只关心“噪声大概多少”，这就是扩张观测的精髓。

2.2 无模型预测电流控制：超局部模型替代精确电机模型

传统MPC在电机控制里要“显式”地用电机方程预测未来电流。无模型控制走的是另一条路：不区分内核模型，直接用一个超局部模型来描述输入输出关系：

$$\frac{di}{dt} = F + \alpha u$$

这个式子对每一拍都成立，F可以用ESO实时估计出来，α是一个近似恒定的输入比例系数。你看，它既不要求你知道电阻电感，也不要求你推导复杂的耦合方程，形式简单到不可思议，但背后有一套完整的自洽逻辑：所有模型信息都被压缩进了F这个“未知项”里。

在MPCC里，给定一组候选电压矢量u_candidate，电流预测就是：

$$i_{d,pred}(k+1) = i_d(k) + T_s [\hat{F}d(k) + \alpha v_d(k)]$$ $$i{q,pred}(k+1) = i_q(k) + T_s [\hat{F}_q(k) + \alpha v_q(k)]$$

其中Ts是控制周期。这里d、q轴的F分别由两个独立的ESO观测。然后定义一个代价函数：

$$g = (i_d^* - i_{d,pred})^2 + (i_q^* - i_{q,pred})^2$$

对两电平三相逆变器，有8个候选开关状态（6个非零矢量+2个零矢量），逐一计算预测值，选出让g最小的那组开关信号输出。这就是有限集模型预测电流控制的完整逻辑，区别仅在预测模型变成无模型形式。

我建议在做仿真时把“传统模型预测MPC”和“无模型MPCC”放到同一个模型里对比跑一遍。传统MPC在参数准确时效果很好，但一旦把电感参数人为改偏30%，电流波形就明显恶化，而ESO+MPCC几乎无感知。这个对比实验在论文里是非常有力的论据。

2.3 两者如何协同：一个完整的电流环控制链路

ESO和MPCC不是两个独立的模块各干各的，它们是一条流水线。信号流向是这样的：三相电流采样，经过Clark变换和Park变换得到d、q轴电流，送进两个ESO；ESO输出两路扰动估计Fd_hat和Fq_hat，连同当前电流、电角度、给定电流一起交给MPCC；MPCC内部用“当前电流+Ts*(F_hat+αv)”做预测，枚举8个电压矢量，选择代价函数最小的开关状态，作用于逆变器。

这个协同结构的点睛之笔在于：预测方程里唯一需要名义值的参数是α。α可以取成1/Ln，即使Ln和真实L偏差很大，ESO也能把这个偏差带来的影响吸收到F估计里，控制性能不会被参数问题拖垮。实测下来，α偏差20%以内系统稳定性和动态性能都不会有质变，这在传统MPC里是不可想象的容错能力。

外环方面，如果标题里强调的是“自抗扰”，我更推荐速度外环也用一套ADRC，和电流环的ESO形成完整的两级自抗扰结构。仿真模型里可以这么组织：速度环的ADRC输出iq给定，电流环的ESO+MPCC输出开关信号。这个结构写论文时候的表达是“基于ADRC-PMSM的无模型预测电流控制”，比单纯电流环用ESO更有完整感。

3. 从零搭仿真：参数整定与模块实现

3.1 仿真平台与PMSM模型准备

仿真平台就用Matlab/Simulink加Simscape Electrical的电机库。版本差别不大，关键是理解每个模块的内部逻辑，别做黑盒用户。

PMSM电机模型可以直接用库里的“PMSM”模块，也可以自己搭d-q方程。我建议第一次做还是用库模块，省时间，等后面要做参数敏感性分析时再自己写方程。电机参数用一个典型小功率表贴式永磁同步电机，示例参数如下：

控制周期选择上，MPCC这类算法对计算步长敏感，仿真步长我建议设到1e-6秒，控制周期Ts取1e-4秒或更小。如果Ts太大，预测误差和电流纹波都会明显上升；但Ts太小，ESO噪声放大问题会凸显。10kHz采样、开关频率对于一套论文级仿真来说是中规中矩的选择。

模型里还要有逆变器部分。可以直接用带开关逻辑的三相两电平桥式电路，MPCC输出的开关信号要经过信号类型转换再接入桥臂。不建议用平均值模型，因为MPCC选矢量的过程本身就依赖逆变器的离散特性，用平均值模型会把预测控制的核心特征抹掉。

3.2 ESO模块离散化实现

ESO在仿真里可以用连续模块搭积分器，但更推荐写在MATLAB Function里做离散化，这样和实际DSP代码是等价的，也更清晰。用前向欧拉离散，对一阶对象的标准线性ESO离散方程为：

$$z_1(k+1) = z_1(k) + T_s [z_2(k) + b_0 u(k) + \beta_1 (y(k) - z_1(k))]$$ $$z_2(k+1) = z_2(k) + T_s [\beta_2 (y(k) - z_1(k))]$$

MATLAB Function示例代码：

function [z1, z2] = eso_discrete(y, u, Ts, w0, b0) % 线性扩张状态观测器，一阶对象 % y: 电流反馈; u: 电压指令; Ts: 控制周期; w0: 观测器带宽; b0: 输入增益 persistent z1_p z2_p if isempty(z1_p) z1_p = 0; z2_p = 0; end beta1 = 2 * w0; beta2 = w0 * w0; e = y - z1_p; z1 = z1_p + Ts * (z2_p + b0 * u + beta1 * e); z2 = z2_p + Ts * (beta2 * e); z1_p = z1; z2_p = z2; end

这段代码里有一个非常容易犯错的地方：b0*u这一项必须在e观测更新时同步使用，丢了这一项，ESO就不是在观测“总扰动+输入效果”，观测结果会明显失真。第二个容易错的地方是初始值：z1初值可以设0，z2初值最好根据工况估一下。如果仿真一开始转速就很高，反电动势很大，z2从0开始爬升会有一段明显的电流偏差。我的做法是仿真开始先给一段启动时间，或者在ESO里初始化z2到大概的扰动幅值量级，波形会好看很多。

两个轴的ESO各用一份这个函数，d轴和q轴分别调用。虽然d、q轴之间有耦合，但耦合项会被各轴自己的F估计吸收，所以两个ESO可以独立工作，不需要做交叉项。

3.3 MPCC模块实现：候选矢量与代价函数

两电平逆变器的8个开关状态对应8个电压矢量。给定母线电压Vdc，在静止αβ坐标系下，每个开关组合对应的输出电压可以按表直接算。然后在MPCC内部，根据当前电角度θe把候选矢量从αβ坐标转到d-q坐标，再代入预测方程。

function [Sa, Sb, Sc] = mpcc_controller(id_ref, iq_ref, id, iq, theta_e, Fd_hat, Fq_hat, Ts, alpha) % 有限集无模型预测电流控制器 % 输出为三相开关信号 Vdc = 311; % 8个开关状态: [Sa Sb Sc] vectors = [0 0 0; 1 0 0; 1 1 0; 0 1 0; 0 1 1; 0 0 1; 1 0 1; 1 1 1]; % 静止坐标下的电压矢量 Valpha = Vdc/3 * (2*vectors(:,1) - vectors(:,2) - vectors(:,3)); Vbeta = Vdc/3 * (2*vectors(:,2) - vectors(:,1) - vectors(:,3)); cost_best = 1e9; best_idx = 1; for j = 1:8 % 旋转坐标变换到dq vd = Valpha(j) * cos(theta_e) + Vbeta(j) * sin(theta_e); vq = -Valpha(j) * sin(theta_e) + Vbeta(j) * cos(theta_e); % 超局部模型预测 id_pred = id + Ts * (Fd_hat + alpha * vd); iq_pred = iq + Ts * (Fq_hat + alpha * vq); g = (id_ref - id_pred)^2 + (iq_ref - iq_pred)^2; if g < cost_best cost_best = g; best_idx = j; end end Sa = vectors(best_idx, 1); Sb = vectors(best_idx, 2); Sc = vectors(best_idx, 3); end

这个代码是单步预测版本，实际工程中还要考虑一拍延时补偿，也就是“先根据上一拍作用的电压矢量，把当前电流外推一拍，再做候选矢量的两步预测”。不加延时补偿，电流纹波会明显恶化，这是MPCC在DSP上实现的常识性问题。在Simulink里可以先不加，跑通基本逻辑后再加，加了以后波形会再上一个台阶。

代价函数里还可以加一个开关切换惩罚项，用来降低平均开关频率。如果加了权重λ，表示对开关动作次数的抑制。代价函数变成：

$$g = (i_d^* - i_{d,pred})^2 + (i_q^* - i_{q,pred})^2 + \lambda n_{sw}$$

nsw是本次候选矢量相对上一拍开关状态变化的开关次数。λ取0时开关频率最高、动态最快；λ取大值后开关次数下降，但电流跟随会被拖延。具体取多少要靠仿真扫一遍，没有通用值，主要看你在论文里想要什么样的对比效果。

3.4 参数整定流程：从外环到内环

讲到参数整定，我踩过不少弯路，这里给出一个比较稳的顺序。

第一步，先不要上ESO。电流环直接用“理想模型MPC+PI外环”，把所有模块跑通，确认电流环能稳定跟随、转速能建立。这一步的目的是确认坐标变换、逆变器模型、采样环节没有问题。很多后面看起来像控制算法的问题，其实都是坐标变换符号错了或信号类型没转换。

第二步，把传统MPC的精细模型替换成超局部模型。预测方程里用上ESO的F估计，先给F一个很小的初始值，此时系统应该仍能稳住。这一步是在验证ESO和MPCC之间接口是否正确。

第三步，按“电流环ESO→速度环ADRC”的顺序逐步加大观测器带宽。电流环ESO的ω0可以从500开始，以200为步长往上加，观察i_d、i_q的跟踪波形和F估计波形的噪声水平。速度环ADRC带宽一般比电流环低5到10倍。我用的典型组合是：电流环采样10kHz，电流环ESO带宽ω0=800，速度环ADRC带宽100，MPCC的α取200（即1/5mH），效果比较平衡。

整定的时候盯三个指标：启动超调量、突加负载后的转速跌落量和恢复时间、稳态电流纹波大小。这三个指标基本能覆盖一套控制方案的所有核心性能评价。不要一上来就追求纹波最小，那是把控制器往极限上逼，后面任何参数扰动都会让系统不安定。

4. 仿真结果怎么看、怎么调

4.1 三类关键波形的读法

仿真跑完，最怕的就是对着满屏波形不知道看什么。我一般把观测窗口分成三个阶段：启动阶段、稳态阶段、负载突变阶段，每个阶段有不同的读法。

启动阶段，重点关注d轴电流是否稳定在0附近、q轴电流是否进入限幅、转速是否快速且无超调地到达给定值。ESO+MPCC结构因为在启动初期F估计还没收敛，经常会出现一次小的电流冲击，这是正常现象。如果冲击过大，多半是z2初值离实际扰动太远，可以先调整初值而不是改控制器参数。

稳态阶段，看d、q轴电流的纹波幅值。因为MPCC输出的是离散电压矢量，纹波天生会比连续调制的PI大一些，但一般控制在额定电流的3%以内是可接受的。如果纹波呈现明显的周期振荡，且频率接近几十赫兹而不是开关频率，那大概率不是MPCC的问题，而是速度和电流环之间存在动态耦合。此时把速度环带宽降低一点，纹波往往就好了。

负载突变阶段，在模型里加一个阶跃负载转矩，比如0.4秒时从0突加到额定转矩。观察转速跌落深度和恢复时间。ESO对这个突变应该反应迅速，转速跌落控制在2%以内、恢复时间在几十毫秒内，都算合格。如果转速跌落明显，首先检查电流环ESO带宽是不是太低，其次检查速度环ADRC的观测器带宽和控制器增益。不要一上来就动MPCC的代价权重，这个问题和预测器关系不大。

4.2 参数漂移时的表现与调整规律

仿真模型里做参数敏感性分析，是论文里让人信服的加分项，也是理解这套方案的关键。把PMSM模块里的定子电阻改成实际值的两倍，或者把电感改成实际值的0.7倍，分别跑一遍，记录波形变化。

电感参数偏移对传统MPC的打击是毁灭性的，但ESO+MPCC基本不受影响，因为ESO会把“模型错了”这件事当作一种扰动吸收掉。能明显看出区别的指标是q轴电流预测误差：传统MPC在电感偏差时预测值持续偏小或偏大，而ESO+MPCC的预测值和实际值始终贴合，这是整个方案最值得截图展示的部分。

电阻偏移的影响相对小一些，因为电阻压降在低压大电流工况外占比不高。但要注意，如果这个系统以后做低速大扭矩工况，电阻偏移的影响会被放大，ESO对速度环和电流环的补偿能力需要更大的带宽来支撑。仿真时可以用一个极端场景验证：把电阻值改成5倍，看F估计波形是否仍然光滑、电流是否仍能稳住在给定值。

α的偏差则要特别小心。前面说ESO能吸收α偏差带来的影响，但α如果偏离真实值太多，比如偏小50%，ESO的收敛速度会变慢甚至丧失部分补偿能力。原因是α直接参与了ESO的输入通道，偏差过大会等效成观测器输入通道的增益错误。实践中建议α在名义电感基础上只做±20%以内的容差测试，超出这个范围就应该修正名义值。

4.3 与传统PI控制和经典MPC的对比

写论文或做汇报时，对比实验是核心证据。我建议在同一个模型里做三套方案：经典PI电流环、传统模型预测电流控制、ESO+无模型预测电流控制。三套方案用相同的速度外环、相同开关频率、相同电压母线，唯一区别是电流内环。

对比表格建议如下：

波形图里注意加局部放大：启动段放大看超调，稳态段放大看纹波，负载突变段放大看恢复过程，三个放大窗口各占一列，放在同一张图里排版。这套图和表格放出去，方案价值就能立住。

有些人在写对比时长篇大论堆文字，实际上搞控制的人更愿意看波形和数字。你要做的是让读者一眼看出“ESO+MPCC在抗扰和参数鲁棒性上肉眼可见地优于另外两个方案”，然后后面讨论部分再解释为什么。

5. 仿真跑不通？几个高频坑位按顺序查

这一章我直接写排查清单，每一条都是自己和团队真实踩过的。按出问题的频率排序。

第一个坑：仿真中途发散。这是最高频的。先别怀疑算法，按顺序检查仿真步长。MPCC的电流预测公式里有一个Ts乘α再乘电压的项，Ts=1e-4、α=200、电压300V时，这一项有6A的调整能力，如果仿真步长是1e-3甚至更大，数值积分误差会把ESO的观测方程带发散。还有观测器带宽ω0设得过高，前向欧拉离散下的ESO极点会跑出单位圆。经验法则是：ω0不要超过0.1/Ts的1/10，也就是Ts=1e-4时ω0保守取1000以内。

第二个坑：电流环稳态纹波大得离谱。先确认用的逆变器是否保留了离散开关特性，再看代价函数里有没有把两个轴的电流误差写成平方和。如果d、q轴电流一直有持续几个周期的偏差，检查一下电角度θe进入MPCC的坐标变换式子是否和电流采样路径里的Park变换完全一致。坐标变换不一致引起的纹波会呈现出明显的空间周期特征，跟开关频率纹波很容易区分。

第三个坑：ESO估计波形抖动严重。这是测量噪声放大导致的。把电流反馈端加一个一阶低通滤波，但要注意滤波带来的相位滞后，所以滤波截止频率不要低于开关频率的20倍。也可以把线性ESO里的β1做饱和处理，防止大误差瞬间导致估计突跳，实测下来对抖动抑制效果很好。非线性fal函数也是一种选择，但在电流环这种高带宽场景里，线性ESO加饱和限幅已经够用，非线性反而增加了整定难度。

第四个坑：转速在给定值附近缓慢振荡。这个现象经常被误判为电流环问题，实际是速度环和电流环采样率不匹配导致的。如果速度环控制频率和电流环都是10kHz，速度环带宽又设得高，外环的动态会和内环预测控制器的有限集选择产生交互。建议速度环频率降到1kHz，或者速度环带宽控制在内环的四分之一以下。

下面是问题现象、可能原因、解决手段的速查表，方便直接对照。

排查时有个原则：一次只改一个变量。很多人出了问题同时调ω0、α、Ts和代价权重，最后系统稳了也不知道是哪一改生效的。我是吃过这个亏的，因为改多了以后写论文的“调参记录”这一节根本没法写，每个参数变化造成的影响全被其他改动污染了。

6. 参考文献路径与进阶方向

6.1 文献怎么找、怎么筛

标题里明确带了“附参考文献”，这里分享一套高效的找文献方法。不要一上来就按“无模型预测电流控制”这种大词去搜，搜出来的结果要么太散要么太泛。我习惯用组合检索关键词，中英文并行：

中文检索：永磁同步电机、无模型预测电流控制、扩张状态观测器、有限集模型预测控制、参数鲁棒性。

英文检索：PMSM、model-free predictive current control、extended state observer、finite-control-set MPC、ultra-local model。

优先筛近五年的期刊论文和高质量的博士论文。筛的时候看摘要里的三个点：是否提出了超局部模型+观测器的融合框架、是否有参数失配实验、是否给出了和传统MPC的对比波形。同时命中这三点才值得下载精读。经典理论部分不用翻太多，一两篇综述加几篇源头性文献足够建立框架。

从一篇文章出发找引文链条也是高效路径。先读一篇最近的高质量综述，把综述里的经典引用挑出来，再看这些经典文献被哪些新研究引用，这样能在两轮内把整个研究方向的地图摸清。

6.2 参考文献格式模板

写论文时参考文献格式按期刊模板来，这里给一个通用的中文期刊条目格式做参考：

[序号] 作者. 文献题目[J]. 期刊名, 年, 卷(期): 页码.

[序号] 作者. 文献题目[D]. 学位授予单位, 年份.

在实际建参考文献表时，按“经典理论文献在前、方法研究居中、最新应用研究在后”排列。引用正文里第一次出现文献的位置要对应编号，这个细节在校稿时最容易漏，建议最后统一检查一遍。

6.3 可以用来发文的几个扩展方向

如果这套仿真做完后想进一步做成论文或毕业设计，以下几个方向都值得投时间。第一个方向是双矢量无模型预测电流控制。单矢量MPCC在一个控制周期只输出一个电压矢量，纹波是固有短板，扩展成“一个周期内输出两个矢量+分配占空比”后，稳态纹波能显著下降，这是很容易出对比效果的一个改进点。

第二个方向是参数在线辨识与ESO协同。虽然无模型方法不需要精确参数，但如果能把阻力、磁链在线辨识出来用于效率优化或弱磁控制，价值会翻倍。把递推最小二乘和ESO融合到同一套仿真里，在论文里属于“机理+数据”结合的有新意的工作。

第三个方向是把这套方法扩展到同步磁阻电机或PMSM弱磁区。弱磁区磁链、电感变化更剧烈，传统MPC在高速区更容易失真，而ESO+MPCC的容错能力恰好在这里最能体现优势。仿真工况从恒转矩区扩展到恒功率区，说服力会大幅增强。

第四个方向是实验验证。如果实验室有DSP控制板和PMSM对拖平台，把这套仿真代码转成C代码跑实测，即使实验结果有些瑕疵，也比纯仿真论文更有分量。转代码时ESO和MPCC的离散实现几乎可以原样搬运，本仿真里写的MATLAB Function可以直接作为移植的蓝图。

最后想分享一个我自己的习惯：这类复杂控制仿真，我从来都是先搭能工作的简单版本，再逐步往里面加“高级”模块。这看起来慢，但排查问题的成本最低。先把传统MPC跑通、把基准趋势摸清楚，再切到ESO+无模型结构，每一步都确认没有引入新问题。一上来就追求最终形态，很容易陷入“波形不对但找不到原因”的泥潭。对ESO+MPCC这套组合，建议你也按这个顺序走一遍，稳扎稳打比什么都重要。