永磁同步电机ADRC控制Simulink仿真：原理、搭建与参数整定实战

1. 为什么做ADRC的PMSM仿真：从传统PI的痛点说起

这两年做永磁同步电机（PMSM）控制，圈子里讨论最多的除了无传感器算法，就是自抗扰控制（ADRC）了。早几年大家用传统PI调节器，转速环和电流环各配一组参数，调试起来也不算麻烦，但随着伺服应用对动态响应和抗扰动能力的要求越来越高，PI的先天短板越来越让人难受：转速在负载突变时容易掉下去一大截才慢慢恢复，而且参数必须来回权衡——想要响应快，超调就压不住；想要稳，带宽又上不去。

ADRC的思路正好是针对这个问题来的。它不靠精确的电机模型来设计控制器，而是把模型不确定性和外部负载扰动统一当成"总扰动"，用一个扩张状态观测器（ESO）实时估计出来，再在前馈通道里主动抵消掉。这在原理层面听起来很理想，但真正动手在Simulink里搭模型时，还是会踩不少坑。这篇博客就把我从零搭建ADRC-PMSM仿真模型的完整过程、参数整定顺序、以及实际仿真中容易翻车的细节都写出来，给想在这个方向做研究的开发者一个可以直接参考的起点。

先说清楚这套仿真能干什么：它能模拟表贴式或内置式永磁同步电机在dq坐标系下的动态行为，用ADRC控制器替代传统速度环PI，实现转速跟踪、负载转矩扰动抑制、参数摄动鲁棒性验证。适合刚接触ADRC的入门者，也适合想在原有矢量控制框架上引入新型控制器做对比研究的工程师。

需要特别提醒的是，ADRC的仿真模型并不能直接说明实际硬件上的所有问题，但它是验证算法逻辑和参数规律的最快路径。我在反复调试中发现，ADRC的调参逻辑和PI完全不同——PI是"调增益"，ADRC是"调带宽"，这两者之间的思维转换，是很多人在仿真阶段卡住的最主要原因。

从整体框架上看，我搭的模型由这几部分组成：PMSM本体模块、逆变器与SVPWM模块、Clark/Park坐标变换模块、电流环PI调节器、速度环ADRC控制器，以及为了对比而保留的一套传统PI速度环结构。模型顶层用了一个简单的使能切换，能在同一个仿真中对比PI与ADRC在同工况下的动态差别。

接下来我按实际动手的顺序，把每一步的关键点和背后的原理拆开讲，这样你不仅能照猫画虎搭出来，还能在遇到异常波形时知道问题可能出在哪里。

2. ADRC三个核心算法组件在Simulink里的落地方式

ADRC并不是一个单一的控制器，它由三部分构成：跟踪微分器（TD）、扩张状态观测器（ESO）和非线性状态误差反馈律（NLSEF）。在Simulink里搭建时，如果理解不透这三个组件各自的离散化方式和输出含义，很容易把模型搭得能跑但结果莫名其妙。

2.1 跟踪微分器：先给参考转速"整形"

TD的作用不是滤波，而是安排过渡过程。它让阶跃给定的转速参考值先经过一个动态环节，变成一条平滑的曲线，避免直接阶跃给定引起的初始冲击。这样做的好处是：在启动阶段，电流不会瞬间冲到极限值，对仿真和实际系统都更友好。

TD的离散形式我建议用最常用的最速离散跟踪微分器：

fh = fhan(x1 - v, x2, r, h) x1 = x1 + h * x2 x2 = x2 + h * fh

这里的v是原始参考速度，x1是安排后的过渡速度，x2是过渡速度的微分。r是速度因子，决定过渡快慢；h是仿真步长。实现fhan函数时，标准算法是：

d = r * h * h a0 = h * x2 y = x1 - v + a0 a1 = sqrt(d * (d + 8 * abs(y))) a2 = a0 + sign(y) * (a1 - d) / 2 a = (a0 + y) * (sign(y + d) - sign(y - d)) / 2 + a2 fh = -r * (sign(a) - sign(a - d)) / 2

这段代码看起来复杂，但在Simulink里可以封装成MATLAB Function模块直接使用。我最初图省事直接用的阶跃给定跳过TD，结果发现ESO的估计误差在启动阶段特别大，电流峰值超出预期。加上TD之后，问题基本消失，这说明在仿真阶段也不能省掉过渡过程安排，它直接影响闭合回路的初始瞬态。

2.2 扩张状态观测器：整个ADRC的心脏

ESO是ADRC能工作的核心。它把系统的总扰动作为扩张状态进行估计，用被控对象的输出（也就是当前转速反馈）和控制器输出（也就是q轴给定电流）作为输入，在线估计出系统状态和总扰动。

二阶系统的ESO离散形式可以写成：

e = z1 - y z1 = z1 + h * (z2 - beta1 * e) z2 = z2 + h * (z3 - beta2 * e + b0 * u) z3 = z3 - h * beta3 * e

这里z1跟踪转速，z2跟踪转速的微分，z3跟踪总扰动。beta1、beta2、beta3是观测器增益，传统整定方法把它们和观测器带宽wo联系起来：

beta1 = 3 * wo beta2 = 3 * wo^2 beta3 = wo^3

这个带宽参数化的方式非常好用，把三个增益的整定简化为只有一个wo要调。但要注意，wo也不是越大越好，在离散仿真中，观测器带宽过大会放大噪声，在离散系统中尤其明显，后续有一章专门讲这个问题。

建好ESO之后，我用几个Scope分别看了z1和实际转速的重合度，以及z3对负载扰动的估计情况。实测下来在负载阶跃时，z3能在一两个采样周期内跟上真实扰动值，这是PI不可能做到的，也是ADRC抗扰能力强的直接原因。

2.3 非线性误差反馈律：纯粹的比例微分控制

ADRC的控制律部分其实就是PD控制加扰动补偿：

u0 = kp * (v1 - z1) + kd * (v2 - z2) u = u0 - z3 / b0

其中kp、kd对应控制器带宽wc的参数化：

kp = wc^2 kd = 2 * wc

控制器输出u是q轴电流给定值。这里需要特别注意的是b0，也就是控制量增益的估计值。在电机控制中，b0对应的是电机的机械部分参数，理论上等于1.5 * p * flux / J，但实际上因为转动惯量J很难精确获得，b0通常作为可调参数来处理。

输出限幅一定要做。我给u加了限幅，对应电流环的允许最大电流。如果忽略限幅，在转速阶跃初期控制器输出可能冲到几十安培，让仿真时间骤增，而且电流环饱和会造成系统性能骤降——这是很多初版ADRC模型"跑飞"的罪魁祸首。

3. 从零搭建Simulink模型的完整步骤与模块细节

前面把算法组件拆开了，这一章说清楚这些组件在Simulink模型里到底怎么摆放、怎么连。通常我推荐按这样的层级结构搭建：

顶层模型：包含PMSM本体、逆变器、SVPWM、坐标变换、电流环PI、速度环ADRC、负载转矩信号源。

3.1 PMSM本体模块的处理

Simulink自带的Permanent Magnet Synchronous Machine模块可以直接用，但要注意它的机械输入和电气接口形式。我用的版本里，PMSM模块的输入是负载转矩TL，输出是转速wm（机械角速度，单位rad/s）和theta_m（机械角度），电气侧是三相电流接口。这些信号单位需要在后续坐标变换里仔细处理，wm是机械角速度，而Park变换需要的是电角度和电角速度，要乘以极对数p。

内置式PMSM和表贴式PMSM的区别主要体现在d轴电感与q轴电感是否相等。表贴式电机通常Ld=Lq，控制上一般用id=0策略；内置式电机需要用最大转矩电流比（MTPA）控制来分配id和iq。我的仿真用的是表贴式电机，所以电流环策略比较直接。

参数设置在模块参数面板里完成。以下是一组我常用的仿真参数：

这组参数的来源其实是某型伺服电机的典型值，你可以换成目标论文里的参数，不影响模型结构。

3.2 SVPWM与逆变器的搭建：别在这里栽跟头

SVPWM在Simulink里搭起来有两种方案：一是用三个正弦调制波加三角载波的SPWM近似，二是在MATLAB Function里写SVPWM算法生成六路PWM信号。我强烈建议直接用手写的SVPWM函数模块，因为电压利用率更高，而且能更好地复现实际电机控制中的调制效果。

SVPWM的核心步骤是：根据Vα、Vβ计算扇区号，然后计算相邻矢量的作用时间T1、T2和零矢量作用时间T0，最后生成占空比。这个函数代码量不大，却极其容易出错。最关键的是扇区判断那一行，我见过不少版本用atan2判断扇区，但更高效的实现是用代数不等式组合判断：

if (Vbeta > 0) if (Valpha > 0) sector = 2; else if (Vbeta > -sqrt(3)*Valpha) sector = 2; else sector = 5; ...

这种根据三相线电压约束条件判断扇区的方法比三角函数快得多，也更接近工程实现。调制波频率（也就是PWM开关频率）我设为10kHz，采样时间设为2e-6秒，注意这个采样时间要和后面控制器的离散采样时间区分开——PWM子系统的采样时间通常更小，用来模拟载波计数效果。

逆变器用Universal Bridge模块，选择IGBT类型，直流母线电压给300V。在实际仿真中，如果出现逆变器输出电压波形和SVPWM给定偏差较大，先检查是不是导通压降参数没有设为零。仿真里为了理想化，我一般把导通压降设为0，否则波形上会出现削顶效应，容易干扰对控制算法的评估。

3.3 坐标变换方向的坑：Clark/Park变换正负号不能搞反

坐标变换看似简单，实际上方向搞反是最常见的低级故障。Clark变换把三相静止坐标系转换到两相静止坐标系：

Ialpha = (2/3) * (Ia - 0.5*Ib - 0.5*Ic) Ibeta = (2/3) * (sqrt(3)/2 * Ib - sqrt(3)/2 * Ic)

注意这里的系数是2/3还是sqrt(2/3)取决于等幅值还是等功率变换。电机控制里常用等幅值变换，系数取2/3，这样变换后的幅值与相电流幅值一致。如果用了等功率变换，后面Inverter的电压计算会差一个sqrt(3/2)的系数，电流PI参数也要调整，容易产生莫名其妙的偏差。

Park变换则是从静止αβ坐标系到旋转dq坐标系的转换，正转方向定义为q轴超前d轴90度。有一个简单判断方法：给电机通一个正向q轴电流，它会沿正方向转动；如果发现驱动方向和预期相反，一般是Park变换的符号反了。

3.4 电流环PI与ADRC速度环的级联结构

电流环我用的带宽是1000 rad/s左右，PI参数直接按标准内模控制公式计算：

Kp = L * bw Ki = R * bw

其中bw是电流环带宽，L是d/q轴电感，R是定子电阻。因为Lq=Ld，d轴和q轴电流环PI参数一致。电流环采样时间设为1e-4秒，也就是10kHz控制频率。

速度环ADRC的控制步长可以设得大一些，我用的是1e-3秒。仿真模型总体结构就是这样一个级联关系：速度环ADRC输出iq_ref → 电流环PI输出uq、ud → 逆Park变换 → SVPWM → 逆变器 → PMSM。速度环输出限幅限制在±10A以内，以避免电流环饱和。

这里要特别说一句：ADRC的IO采样时间是速度环周期，ESO内部积分步长用的是Simulink的变步长积分器支持的连续状态形式。也就是说，ESO在速度环控制器模块内部是连续时间建模，由Simulink求解器自动选择步长。这种做法比较省事，但后续做实时仿真时最好改成固定步长离散形式，并检验离散化误差。

4. 参数整定的核心逻辑：先把wo和wc的关系理顺

ADRC的参数整定是这门技术真正劝退大部分人的地方。它不像PI有两个参数还能试凑，ADRC阶梯上至少有wo、wc、b0、r四个参数，让它们在仿真里各司其职、互不干扰，需要一套系统化的方法。

4.1 b0的确定：最像"物理量"的参数

b0在ADRC里表示控制量到被控对象动态之间的增益系数。对速度环来说，它约等于1.5 * p * flux / J。把电机参数代进去，理论值约在1000左右。

在实践中我发现，把b0直接设成理论值时，扰动估计量z3的量级才会有物理意义——大约在几百到上千的加速度量级。如果把b0调大，相当于系统认为同样大小控制量能产生更大的加速度，那么实际产生的加速度就被误判为外部扰动，z3的值会偏大；反之b0偏小，控制器给出的控制量会偏大。这个关系很难测量，只能靠仿真对比。我建议先设理论值，然后通过给一个已知阶跃负载转矩来观察z3是否准确，微调b0让z3的稳态值等于理论计算值。

4.2 带宽分配的原则：分离性原理

ADRC有一个重要性质，就是ESO和状态误差反馈可以独立整定，只要ESO收敛得足够快，闭环特性主要取决于wc；而ESO的收敛速度由wo决定。于是整定顺序就很简单了：先固定wc在一个较小值，增大wo直到估计跟随良好且无明显噪声；再固定wo，增大wc来提升动态响应。

具体的量级建议：wc从20 rad/s开始往上加，观察阶跃响应的上升时间——控制器带宽越高，上升越快，噪声越明显。wo通常取wc的3到10倍。比如wc=50、wo=300是比较安全的起点。但要小心，离散系统里wo和采样周期之间存在上限约束，这个我在下一节专门讲。

4.3 TD速度因子r的选取：不是越大越好

很多初学者把r调得很大，认为过渡越快响应越好，其实这样就完全失去TD的意义了。r的本质是在响应速度和初始冲击之间做权衡。对于转速阶跃从0到1500rpm的情况，我一般把r设为1000到3000，观察q轴电流的峰值。如果峰值低于电流限幅值的80%，可以继续增大r；反过来如果电流饱和，说明过渡太快了。

r和wc之间有一个值得注意的配合关系：TD安排的过渡速度，决定了速度误差信号的初始变化率，从而决定了误差反馈的控制量初值。如果r远大于wc^2能提供的带宽，速度环会在过渡段末尾出现震荡，此时就算再增大wc也压不住——这是ADRC系统特有的一种"过渡过程振荡"现象，在PI系统里是看不到的。

4.4 我自己的一轮完整整定示例

下面给一个我实际用过的整定过程和结果，作为参照。电机参数用上表，给定转速阶跃从0到1500rpm，在0.5s时突加5N·m负载转矩。

第一步，设wo=300、wc=50、r=1000，先跑一遍，看转速跟踪情况。此时通常转速能跟上但上升略慢，负载突变时转速跌落约100rpm，恢复时间约0.1s。

第二步，把wo提高到500，重复仿真。z3对负载扰动的估计速度加快，恢复时间缩短到约0.05s，转速跌落降到80rpm。

第三步，增大wc到100，转速上升速度明显加快，但负载跌落后的恢复段出现小幅过冲。继续增大wc到150时，系统开始出现高频振荡——这个振荡频率接近wo对应的观测器带宽，说明ESO的噪声放大开始主导。

第四步，回到wc=120，微调b0从理论值上浮10%，转速跌落进一步降低到50rpm左右，整个响应已经几乎无超调。

调整顺序的本质是：先用wo决定观测器能"看到"多快的扰动，再用wc决定控制器能"消除"多快，最后用b0校准扰动估计的绝对精度。这条路子走通了，后面移植到任何被控对象都可以复用。

5. 仿真中常见的异常波形与排查方法

根据我调试ADRC-PMSM模型的经验，即使算法原理完全正确，仿真过程中总会遇到几类典型的异常现象。这里我给出一份"症状—原因—对策"对照表，可以减少大量试错时间。

第二类异常值得单独说明：电流环PI和速度环ADRC的采样时间如果差异过大，会出现一种"半拍延迟"效果——电流环先响应一个周期，速度环在一个多周期后才看到效果，导致等效相位裕度下降。我在实验里把速度环采样周期从1ms减小到0.2ms时，系统的稳定性明显改善，但缺点是调节量变化太快，噪声敏感度上升。仿真阶段可以设得保守一些，不追求极致的控制周期，而把精力集中在算法逻辑正确性上。

第三类是解决不了的"虚拟噪声"：Simulink变步长求解器在ESO快速动态段会产生局部极小步长，而电流环PI跨采样周期求和时步长不一致，导致电流环输出出现微小锯齿。这种情况下，把模型切换到固定步长求解器，步长设1e-6秒，能消除大部分杂波。固定步长仿真虽然速度慢，但结果更真实，尤其在研究ADRC这种高增益控制器时值得付出这个代价。

6. 从仿真到实机移植前值得注意的工程细节

仿真能跑通以后，往真实控制器上移植时还有几道坎。ADRC是模型相关的算法，仿真里的完美状态到硬件上往往会打折扣，提前理解这些折扣的来源，能省下一大段现场调试时间。

6.1 离散化形式要提前统一

Simulink里默认连续时间积分器可以自由取步长，但嵌入式控制器是固定采样周期运行的。ESO和TD必须在目标采样周期下做离散化，并且验证离散化误差不破坏性能。常见的做法是把ESO的状态转移表示为矩阵形式，用零阶保持器离散化后变成差分方程。

特别是ESO的带宽上限在离散系统中会受限：理论上wo乘以采样周期Ts需要小于约0.5，否则离散化会让观测器不稳定。假设速度环周期为0.5ms，那么wo上限约为1000rad/s——这和我在仿真里发现的高频频振边界基本吻合。也就是说，仿真中那些需要wo超过1500的工况，在实机上并非直接可行。

6.2 噪声和量测延迟是ADRC的天敌

ESO把量测噪声直接映射为状态估计的抖动，进而放大成控制量的抖动。硬件上电机编码器带来的速度量化噪声在大带宽下很容易让q轴电流出现"毛刺"。仿真阶段想提前验证这一影响，可以给转速反馈加一个小幅高斯噪声，再观察速度环输出是否被放大。我在仿真中加入幅值0.5rpm的噪声后，wc超过150就开始出现明显抖动。

应对方法有两种：一是降低观测器带宽，这是最简单但牺牲性能的做法；二是在ADRC前端加一级合理的速度滤波器，保持控制器带宽不变，同时减轻噪声对ESO的影响。注意不要用过于滞后的低通滤波器，否则让ESO看到的相位滞后过多，反而削弱抗扰性能。我通常用带宽约10倍ESO带宽的Butterworth滤波器，折中效果比较好。

6.3 参数自适应：ADRC的"锦上添花"

如果追求更强的鲁棒性，可以在ADRC框架上加入参数自适应。常见思路是让b0在线估计——通过最小二乘或扩展状态重构出转动惯量变化，动态调整b0。我做过的简单版本：在ESO估计出的总扰动变化率较大时，用梯度法让b0向减小估计误差的方向调整，能改善大惯量变化工况下的动态响应。但自适应律本身也带来收敛性问题，初学者不建议一上来就做，先把手动整定的固定参数模型吃透，再扩展。

这部分已经超出纯仿真模型的范畴，更像是把ADRC作为平台算法后的进阶路线。先记录在这里，等后续有时间我单独写一篇专门讲b0在线辨识的文章。

7. 仿真结果怎么看：几个必须检验的关键指标

搭完模型、调完参数，不等于仿真就结束了。作为研究者或开发者，你还需要系统地记录并检验仿真结果，否则无法判断ADRC是否真的比PI好，也无法支撑后续论文或项目报告中的结论。

首先看给定转速阶跃响应曲线。重点关注启动时刻的q轴电流峰值，它反映了过渡过程安排的合理性；再看转速上升时间和超调量，这两个指标能直接反映wc选得是否合适。正常情况下，ADRC配合TD能实现无超调或极小超调的阶跃响应，这是它和传统PI相比最直观的差异。

其次做负载转矩阶跃扰动实验。在稳态运行中给一个TL的阶跃变化，记录转速跌落深度、恢复时间、以及z3对扰动的估计情况。一个有说服力的对比是：同一时刻分别保存PI速度环和ADRC速度环的转速曲线，放在同一张图里。一般调好的ADRC能把转速跌落压到PI方案的20%到30%，恢复时间缩短一个数量级。这种对比图既是验证算法价值的最有力工具，也是答辩和论文材料的重要素材。

第三个重要指标是ESO估计的准确性。把z3的输出和理论计算的总扰动放在一个图里对比。对速度环来说，总扰动包含负载转矩项和转动惯量变化项。在已知负载转矩的情况下，理论总扰动大约为(p * TL) / J，单位是rad/s^2。两者重合程度越高，说明ESO的模型补偿越准。也可以故意把b0设偏20%，看ESO能否快速修正，这是检验ADRC鲁棒性的标准做法。

最后不要忘记做参数摄动鲁棒性验证。把电机的转动惯量在仿真中途突然增大一倍，或者磁链下降10%，看ADRC的速度响应是否仍然令人满意。这是ADRC对比PI的最大卖点所在——PI在参数变大后往往出现振荡或响应恶化，而ADRC通过ESO的在线补偿能维持几乎一致的动态性能。仿真阶段就能把这些结果量化出来，对理解ADRC的真正优势和局限有很大帮助。

有个细节要注意：做对比实验时，PI参数的调优质量会直接影响对比公平性。很多人随意给了一组PI参数就宣称ADRC更优，这不太有说服力。我建议先把PI参数认真调好（参考带宽法得到标准PI），让PI方案的性能达到它自己的最佳水平，再和ADRC对比，这样的结论才是可靠的。我在实际对比中，PI方案和ADRC方案在同一转速阶跃和负载扰动条件下，性能差距已经足够明显，不需要刻意压低PI参数来获得优势。

8. 当下ADRC在电机控制中的定位与未来延伸

到了这一步，你手上应该已经有一份可以反复改参数、跑对比实验的ADRC-PMSM仿真模型了。最后我想聊聊我在做完这个项目后，对ADRC这门技术在整个电机控制版图中所处方位的理解。

从技术谱系看，ADRC的位置很微妙：它不像鲁棒H无穷那样需要复杂的不确定模型，也不像自适应控制那样需要实时参数辨识机制，它走的是一条"用结构简单换取在线估计能力"的路线。相比传统的PI级联控制，ADRC带来了明确可量化的抗扰提升，尤其在负载突变频繁的场合（比如机械臂关节、伺服进给系统），这种优势非常实际。

但它也有明确的局限性：观测器在高带宽需求与噪声/离散化限制之间的天平难有万全解，对量测质量要求普遍偏高，且多参数整定对工程师的物理理解提出了更高的要求。在工业界，它并不完全是"替代PI者"，更多时候是作为PI方案的增强项，或者被用在一些PI实在顶不住的特定工况中。

如果打算继续往深做，我个人觉得值得探索的方向有几个：一是将ADRC与无位置传感器控制结合，用ESO代替传统的滑模观测器来做反电动势估计；二是ADRC前端加入模型参考前馈，让它在大范围转速变化下保持一致性能；三是真正在嵌入式平台上跑一遍离散化ADRC实验，体会仿真和实物的差异。这几个方向每一步都存在大量可实验、可原创的空间，完全值得独立做成一个长期项目。

我自己的体会是，把ADRC从论文公式变成能跑的仿真模型，只是第一步；真正有价值的是在调节参数、观察波形、定位异常的过程中建立起来的那个"直觉"——什么时候该动wo，什么时候该动wc，什么时候意识到b0的偏差在误导估计。这种直觉无法从任何公式推导中获得，只能在反复实验中沉淀。希望这篇博客能帮你少走我走过的弯路，更快地到达那个能独立判断、独立调参的状态。