简介：本资源是一套基于自抗扰控制（ADRC）算法实现的两轮自平衡车MATLAB仿真与嵌入式联合开发方案，面向自动控制、机器人学及智能车方向的本科生、研究生与工程实践者，解决经典倒立摆系统建模、控制器设计与实时闭环控制验证等核心问题。压缩包共28个文件，含11个C/C++头文件（如ADRC.h、ESO.h、TWIP.h）与9个源码文件（如ADRC.cpp、Motor.cpp、KalmanFilter相关实现），支撑状态观测、姿态解算与电机驱动；另有4个.zbak备份文件、2个说明类txt及.gitmodules配置，整体仅1.4MB，轻量易部署。目前已有66人学习下载，适合开展控制算法对比实验、从MATLAB仿真到嵌入式移植的进阶实践。读者可直接复现ADRC对扰动抑制与动态响应的优化效果，获取完整模块化代码结构、传感器融合逻辑（加速度计/陀螺仪）、以及AB平衡车与ADRC双方案对照参考。
1. 为什么两轮平衡车仿真不用PID而选ADRC？——MATLAB里跑通自抗扰控制的真实门槛
两轮平衡车不是玩具，是控制理论的试金石。很多初学者在MATLAB里搭完倒立摆模型、调好PID参数，一上真实小车就抖动失稳——不是模型不准，而是PID对电机延迟、编码器噪声、电池压降这些“看不见的扰动”束手无策。这套ADRC两轮平衡车MATLAB仿真资源，核心价值不在代码行数，而在它把自抗扰控制（ADRC）从论文公式落地为可调试、可替换、可对比的完整闭环：从扩张状态观测器（ESO）实时估计总扰动，到非线性反馈律生成控制量，再到与底层电机驱动接口的C++封装层（TWIP.cpp/Motor.cpp）。它不依赖Simulink物理建模，纯M文件+结构化C++混合架构，适合想吃透ADRC内核又需对接嵌入式硬件的工程师。如果你正卡在“仿真稳、实物飘”的阶段，或需要一份能拆解、能改参、能移植到STM32/FPGA的控制逻辑参考，这份资源比任何教程视频都更接近工程现场。
2. ADRC核心模块拆解：ESO如何实时估计总扰动？从MATLAB函数到C++类实现
ADRC的威力不在“抗扰”，而在“实时估计扰动”。传统PID靠经验凑Kp/Ki/Kd，ADRC则用扩张状态观测器（ESO）把系统内部摩擦、外部风阻、电源波动等所有未知扰动，统一建模为一个“总扰动量”并在线观测。这套资源中，ESO.h和ESO.cpp是理解ADRC本质的关键入口。
2.1 ESO数学结构与MATLAB验证脚本定位
资源包中的ADRC.m主函数调用eso_update()进行状态更新，其离散化形式为：
% ESO核心更新（简化示意，实际代码含滤波与饱和处理） z1(k) = z1(k-1) + h*(z2(k-1) - beta1*(z1(k-1)-y(k))); z2(k) = z2(k-1) + h*(-beta2*sign(z1(k-1)-y(k)));其中z1是被控量（倾角）的估计值，z2是总扰动及其导数的综合估计。beta1、beta2是观测器增益，直接决定响应速度与噪声敏感度。注意：beta1过大导致高频噪声放大，beta2过小则扰动跟踪滞后——这不是理论参数，而是必须在MATLAB里反复试出来的工程值。
提示：打开
main.m，找到% === ESO tuning section ===注释块。这里预置了三组beta参数组合（[10,5]/[20,15]/[40,30]），运行时切换并观察scope_eso窗口中z2曲线的毛刺程度与跟踪延迟，比看论文推导更快建立直觉。
2.2 C++端ESO类与硬件耦合细节
MATLAB仿真最终要迁移到单片机，资源包中ESO.h定义了轻量级C++类：
class ESO { public: float z1, z2; // 状态估计 float beta1, beta2; // 观测器增益（需与MATLAB一致） float h; // 采样周期（单位：秒） float y; // 当前测量值（倾角，弧度） void update(float y_measured) { float e = z1 - y_measured; z1 += h * (z2 - beta1 * e); z2 += h * (-beta2 * sign(e)); // sign()函数在Motor.cpp中已重载 } };2.2.1 为什么用sign()而非线性增益？
sign(e)实现的是非线性观测器，对大误差快速收敛，对小误差抑制抖振。但sign()在数字系统中易引发高频振荡，因此Motor.cpp中实际使用带死区的平滑符号函数：
float sign_smooth(float x, float deadzone=0.001f) { if (x > deadzone) return 1.0f; if (x < -deadzone) return -1.0f; return x / deadzone; // 线性过渡区 }注意：此死区值
0.001f对应倾角约0.057°，需根据你的编码器分辨率（如12位ADC对应0.0879°/LSB）调整，否则ESO在平衡点附近持续震荡。
2.3 MATLAB与C++参数一致性校验表
| 参数名 | MATLAB位置 | C++位置 | 典型值 | 修改影响 |
|---|---|---|---|---|
h（采样周期） | main.m中Ts=0.01 | TWIP.h中#define CONTROL_PERIOD_MS 10 | 0.01s | 周期变短→ESO响应快但CPU负载高；需匹配ADC采样率 |
beta1 | ADRC.m中beta1=20 | ESO.cpp构造函数赋值 | 15~40 | 过大→z1噪声大；过小→z1跟踪慢，角度超调 |
beta2 | ADRC.m中beta2=15 | ESO.cpp构造函数赋值 | 10~30 | 过大→z2剧烈跳变；过小→z2无法跟踪突加扰动（如推车） |
b0（控制增益） | ADRC.m中b0=0.8 | ADRC.cpp中float b0 = 0.8f | 0.5~1.2 | 直接缩放控制量，影响电机响应强度 |
实操验证：在MATLAB命令行执行test_eso_convergence.m（资源包内附），输入不同beta组合，观察z1收敛时间（理想<0.5s）与z2稳态波动（应<0.02 rad/s²）。若波动超标，优先降低beta2而非beta1——这是ADRC调试的第一铁律。
3. 从MATLAB仿真到硬件部署：TWIP结构体与电机驱动接口映射
仿真再准，不连电机就是纸上谈兵。这套资源的亮点在于TWIP.h定义的硬件抽象层（HAL），它把MATLAB里的theta_dot、motor_pwm等变量，映射到真实小车的传感器读取与PWM输出流程。理解这个映射，是避免“仿真OK、实物飞车”的关键。
3.1 TWIP结构体：控制环路的数据中枢
TWIP.h中定义的核心结构体：
struct TWIP { // 传感器数据（来自Encoders.cpp/Gyroscope.cpp） float theta; // 倾角（弧度），融合陀螺仪与编码器 float theta_dot; // 角速度（rad/s），主要来自陀螺仪微分 float x; // 水平位移（米），由编码器累计 float x_dot; // 水平速度（m/s） // 控制输出 int16_t left_pwm; // 左轮PWM占空比（-1000~+1000） int16_t right_pwm; // 右轮PWM占空比（-1000~+1000） // 状态标志 bool is_balanced; // 平衡态标志（theta < 0.1rad） uint32_t timestamp; // 控制周期计时（ms） };3.1.1 为什么theta_dot不直接用编码器微分？
编码器每转脉冲数（如1000PPR）经齿轮比（如1:19）后，角度分辨率仅≈0.019°，微分后噪声极大。theta_dot实际由Gyroscope.cpp读取MPU6050的角速度原始值（gyro_z），经低通滤波（截止频率15Hz）后得到。验证方法：在main.cpp中临时添加printf("gyro:%.3f, enc_diff:%.3f\n", gyro_z, (theta-theta_prev)/h);，对比两者差异——你会看到编码器微分在静止时跳变±0.5 rad/s，而陀螺仪稳定在±0.02 rad/s。
3.2 电机驱动协议与PWM安全机制
Motor.cpp实现了双轮独立控制，并内置硬限幅：
void Motor::setPWM(int16_t left, int16_t right) { // 安全限幅：防止启动电流冲击 left = constrain(left, -800, 800); // 实际限制±800而非±1000 right = constrain(right, -800, 800); // PWM极性适配：部分驱动板高电平有效，部分低电平有效 if (MOTOR_POLARITY == 1) { analogWrite(LEFT_PWM_PIN, abs(left)); digitalWrite(LEFT_DIR_PIN, left >= 0 ? HIGH : LOW); } else { analogWrite(LEFT_PWM_PIN, 1023 - abs(left)); digitalWrite(LEFT_DIR_PIN, left >= 0 ? LOW : HIGH); } }提示：
MOTOR_POLARITY宏定义在Motor.h中，必须根据你所用驱动板（如L298N、TB6612FNG）的实际逻辑电平设置。错误会导致电机反转或不转——这是实物调试中最常卡住的环节。
3.3 MATLAB与C++数据流对照表
| MATLAB变量 | C++来源 | 更新时机 | 注意事项 |
|---|---|---|---|
theta | TWIP.theta←Fusion::update() | 每个控制周期（10ms） | 融合算法在Fusion.cpp中，权重alpha=0.98表示陀螺仪主导 |
theta_dot | TWIP.theta_dot←Gyroscope::read() | 同上 | 未使用编码器微分，避免噪声 |
left_pwm | ADRC::compute_control()→Motor::setPWM() | 同上 | 输出值需经constrain()限幅，否则烧毁MOSFET |
is_balanced | if (abs(theta) < 0.1) ... | 同上 | 0.1rad≈5.7°，是平衡态判定阈值，过大会导致频繁启停 |
实操步骤：
- 打开
main.cpp，定位while(1)循环内的twip.update_sensors();→adrc.compute(twip);→motor.setPWM(twip.left_pwm, twip.right_pwm); - 在
adrc.compute()前插入Serial.print("theta:"); Serial.println(twip.theta, 3); - 上电后用串口监视器观察
theta值：静止时应在0±0.02rad内波动，若持续漂移＞0.1rad，说明陀螺仪零偏未校准（见Gyroscope.cpp中calibrate_gyro()函数）。
4. ADRC参数整定实战：三步法调出不抖不飘的平衡效果
ADRC参数不是“算出来”的，是“试出来”的。这套资源提供了完整的MATLAB/C++双平台调试路径，但新手常陷入盲目调参。以下三步法，基于真实调试记录提炼，可将调参时间从3天压缩到2小时。
4.1 第一步：冻结ESO，只调b0与omega_c
在ADRC.m中注释掉ESO更新，用理想扰动补偿：
% 注释掉原有ESO调用 % [z1,z2] = eso_update(y, z1, z2, beta1, beta2, h); z2 = 0; % 强制扰动为0，验证基础控制性能 u = b0 * ( -omega_c^2 * (y - y_ref) - 2*omega_c*y_dot ); % 二阶TD+NLSEF此时系统退化为带微分的PD控制。目标：让小车在无扰动下稳定直立，且无明显低频晃动（<1Hz）。
- 若小车缓慢倒下 → 增大
omega_c（如从15→25） - 若小车高频抖动（>5Hz） → 减小
b0（如从0.8→0.5） - 关键指标：用示波器抓取电机电流，纹波应＜额定电流的15%，否则
b0过大。
4.2 第二步：激活ESO，分频段调beta1/beta2
恢复ESO后，用test_disturbance.m注入阶跃扰动（模拟推车）：
% 在t=2s时施加0.1rad阶跃扰动 if t > 2 && t < 2.01 y = y + 0.1; end观察z2曲线：
- 低频段（0~2Hz）：
z2应平滑跟踪扰动趋势 → 调beta1（增大加快跟踪） - 中频段（2~10Hz）：
z2出现锯齿 →beta2过大，减小10%再试 - 高频段（>10Hz）：
z2剧烈毛刺 →beta1过大，需同步降低
注意：
beta1与beta2存在耦合关系。经验公式：beta2 ≈ 0.6 * beta1。若按此比例仍抖动，检查h是否过小（如5ms）——采样率过高会放大量化噪声。
4.3 第三步：硬件联调中的“抖动-飘移”诊断树
| 现象 | 最可能原因 | 快速验证 | 解决方案 |
|---|---|---|---|
| 小车左右摇摆（1~3Hz） | omega_c过小或b0过小 | 在MATLAB中临时omega_c=30，观察仿真是否改善 | 增大omega_c至25~35，同步微调b0 |
| 小车缓慢前倾/后仰（<0.1Hz） | 陀螺仪零偏漂移 | 静止时读取gyro_z平均值，若≠0则修改Gyroscope.cpp中gyro_offset | 执行calibrate_gyro()并写入EEPROM |
| 启动瞬间猛冲 | b0过大或theta初始值偏差 | 断开电机，手动扶正小车，读取theta初始值 | 在main.cpp中添加if(!is_calibrated) theta = 0;强制归零 |
| 平衡时电机嗡嗡响 | PWM频率过低或ESO高频噪声 | 用示波器测PWM波形，频率应≥10kHz | 修改Motor.cpp中analogWriteFrequency()为31250 |
终极验证指令：在MATLAB命令行运行validate_adrc_stability.m，该脚本自动执行：
- 施加0.05rad正弦扰动（0.5Hz）→ 检查
theta响应相位滞后＜30° - 突加0.1rad阶跃 → 检查超调量＜15%，调节时间＜1.2s
- 持续运行300s → 统计
theta标准差，应＜0.008rad（≈0.46°）
若三项全通过，你的ADRC参数已达工业级可用水平——此时再把ADRC.h中的参数固化到C++代码，即可烧录到STM32。
5. 进阶技巧：用MATLAB实时绘图监控ESO状态，替代万用表查信号
调试实物平衡车时，最耗时的不是写代码，而是“猜”信号在哪出错。与其用万用表测电机引脚，不如用MATLAB的udp通信实时绘图——这套资源已预留接口，只需三步启用。
5.1 启用串口数据转发
修改main.cpp中setup()函数：
void setup() { Serial.begin(115200); // 确保波特率与MATLAB一致 // 添加：发送关键变量到MATLAB Serial.print("START:"); Serial.println(TWIP_VERSION); }并在主循环末尾添加：
void loop() { // ...原有控制逻辑... // 每100ms发一次数据（避免串口拥塞） static unsigned long last_send = 0; if (millis() - last_send > 100) { Serial.print("DATA:"); Serial.print(twip.theta, 3); Serial.print(","); Serial.print(twip.theta_dot, 3); Serial.print(","); Serial.print(adrc.z2, 3); Serial.print(","); Serial.print(twip.left_pwm); Serial.println(); last_send = millis(); } }5.2 MATLAB端实时接收与绘图
创建realtime_monitor.m：
% 初始化UDP接收 u = udp('LocalHost', 12345, 'LocalPort', 12345); fopen(u); % 创建实时图 figure('Name','ADRC Realtime Monitor'); ax1 = subplot(2,1,1); hold on; grid on; h1 = plot(NaN, NaN, 'b-', 'LineWidth',1.5); xlabel('Time (s)'); ylabel('Angle (rad)'); title('Theta & Theta_dot'); ax2 = subplot(2,1,2); hold on; grid on; h2 = plot(NaN, NaN, 'r-', 'LineWidth',1.5); xlabel('Time (s)'); ylabel('Z2 (disturbance)'); title('ESO Estimated Disturbance'); t_data = []; theta_data = []; theta_dot_data = []; z2_data = []; tic; while isvalid(u) && toc < 60 % 运行60秒 try data = fscanf(u, '%s'); % 读取一行 if startsWith(data, 'DATA:') parts = strsplit(data(6:end), ','); if length(parts) >= 4 t_data(end+1) = toc; theta_data(end+1) = str2double(parts{1}); theta_dot_data(end+1) = str2double(parts{2}); z2_data(end+1) = str2double(parts{3}); % 动态更新图形 set(h1, 'XData', t_data, 'YData', theta_data); set(h2, 'XData', t_data, 'YData', z2_data); drawnow limitrate; end end catch break; end end fclose(u);5.2.1 关键参数说明
fscanf(u, '%s')：按行读取，避免数据粘连drawnow limitrate：限制绘图帧率，防止MATLAB卡死t_data用toc而非millis()：确保时间轴绝对准确
提示：若图形闪烁，将
limitrate改为nodrawnow，并在循环末尾加pause(0.01)。实时性稍降，但界面更稳。
5.3 用Z2曲线诊断真实扰动源
当小车平衡时，观察z2曲线：
- 平稳直线（≈0）：系统干净，无持续扰动
- 缓慢上升斜线：电池电压下降（电机负载增加）→ 检查电源纹波
- 周期性尖峰（≈10Hz）：机械共振（如轮轴松动）→ 拧紧螺丝或加阻尼
- 随机毛刺：编码器接触不良或电源干扰 → 检查地线连接
案例：某次调试中z2出现2Hz正弦波动，幅度0.15 rad/s²。用手机慢镜头拍摄发现车轮有0.5mm偏心——更换轮毂后z2回归平稳。这比用示波器查电源纹波快10倍。
至此，你已掌握从MATLAB公式推导、到C++硬件部署、再到实时信号诊断的全链路ADRC调试能力。下一步，可尝试将ESO.cpp中的sign_smooth()替换为saturation()函数，或引入KalmanFilter替代陀螺仪融合——这些进阶改造，代码骨架已在KalmanFilter子目录中备好。
本文还有配套的精品资源，点击获取
