ADRC自抗扰控制原理与STM32工程实践

简介：本资源是一个面向自动控制领域初学者与工程实践者的ADRC（自抗扰控制）技术学习包，聚焦于PID控制器在干扰抑制场景下的增强方案，适用于电力电子、运动控制、机电系统等需强鲁棒性调节的工程应用。压缩包共10个文件，含6张公式推导与结构原理图（png）、1个MATLAB函数实现（m）、1个Simulink仿真模型（slx）、1份README说明文档（md）及1份英文技术参考PDF（Adaptive ADRC Abdulmajeed.pdf），整体仅1.25MB，轻量易读，图像与代码协同呈现ESO观测器设计、参数自适应律实现及控制器闭环验证逻辑。已有274人学习下载，资源结构清晰：公式图支撑理论理解，SLX模型支持即开即仿，M文件提供可调试核心算法，PDF文献补充设计依据，特别适合希望从原理到代码落地掌握ADRC控制器设计与PID干扰补偿机制的学习者。

1. ADRC不是PID的升级版，而是用扩张状态观测器重构系统动态的控制范式

很多人第一次看到“adaptive_adrc-master_PID干扰_ADRCCONTROLLER_ADRC_ADRC控制”这个标题时，下意识会以为这是个“带自适应功能的PID控制器”，甚至在MATLAB或STM32工程里直接替换掉原有PID模块就完事。但实际恰恰相反：ADRC（自抗扰控制）从根上就拒绝把被控对象建模为传递函数或差分方程——它不关心你系统是二阶振荡、纯滞后还是非线性饱和，而是把所有未知动态（包括模型误差、外部扰动、参数漂移）统一视为“总扰动”，再用扩张状态观测器（ESO）实时估计并补偿。韩京清教授2001年提出的这一思想，核心构成就是三件套：非线性反馈控制律（NLSEF）、扩张状态观测器（ESO）、跟踪微分器（TD）。所谓“adaptive_adrc-master”中的adaptive，并非指在线调PID参数（如PB/TI/TD），而是指ESO带自适应增益整定、或NLSEF中fal函数的幂次/线性段阈值可随工况切换；而标题里反复出现的“PID干扰”，实则是典型对比实验设计：在相同被控对象（如电机转速环、温度调节回路）上，人为注入阶跃/正弦/脉冲干扰，验证ADRC比传统PID对扰动的抑制能力是否提升3倍以上。适合正在做运动控制、热工调节、电源环路设计的嵌入式工程师与自动化算法工程师——尤其当你发现PID调参已陷入“调好负载响应就恶化抗扰性，稳住抗扰又牺牲动态响应”的死循环时，ADRC提供了一条绕过模型依赖的落地路径。

2. 从零推导ADRC三核心模块：为什么ESO必须用二阶、TD为何不能用普通滤波器

ADRC的工程落地难点不在代码实现，而在理解每个模块存在的物理意义和不可替代性。若跳过原理直接抄GitHub上的adaptive_adrc-master代码，极易在实际部署时因采样率不匹配、噪声放大、相位滞后等问题导致系统震荡。本节将基于一个典型二阶被控对象（如直流电机电枢电压→转速闭环）展开推导，说明各模块参数如何与实际控制需求挂钩。

2.1 跟踪微分器（TD）：不是低通滤波，而是为避免微分爆炸的“信号整形器”

传统PID中对给定信号求微分易放大高频噪声，而TD通过构造一个二阶非线性系统，生成既平滑又快速跟踪输入的信号及其微分。其离散化形式为：

% MATLAB示例：TD实现（h为采样周期） function [x1, x2] = td(x1_k, x2_k, r, r0, h) % r: 给定输入；r0: 速度因子（决定跟踪快慢）；h: 采样周期 fhan = @(x1,x2,r,r0) ... (abs(x1-r) <= r0^2/abs(x2)) * (-r0*sign(x1-r)) + ... (abs(x1-r) > r0^2/abs(x2)) * (-x2 - r0*sign(x1-r+x2*h/2)); x1_next = x1_k + h * x2_k; x2_next = x2_k + h * fhan(x1_k, x2_k, r, r0); x1 = x1_next; x2 = x2_next; end

注意：r0是TD最关键的参数，它决定了过渡过程时间尺度。若r0=0.5且采样周期h=1ms，则TD响应带宽约200Hz；若设为r0=0.05，带宽升至2kHz，但对测量噪声更敏感。实践中应先固定h，再根据给定信号变化率（如位置指令最大加速度）反推r0：r0 ≈ max(|dr/dt|) * h。这与PID中“微分时间Td”概念完全不同——TD不参与闭环控制律计算，只服务于参考信号预处理。

2.2 扩张状态观测器（ESO）：用“状态扩张”把扰动变成可观测变量

ESO是ADRC区别于所有传统控制器的本质。以一阶被控对象y' = f(x,u) + w(t)为例，其中w(t)为总扰动（含建模误差+外扰），ESO将其扩张为二阶系统：

z1' = z2 + β1·(y − z1) z2' = β2·(y − z1) + u_estimated

其中z1≈y,z2≈y',z3≈w（三阶ESO才显式估计w）。关键在于：β1, β2决定了ESO带宽，必须远高于被控对象带宽才能快速跟踪扰动。常见误用是直接套用经验公式β1=3ω0, β2=3ω0²（ω0为期望闭环带宽），但实际需满足：β1 > 10×ω_obj且β2 > 100×ω_obj²。例如电机转速环对象带宽为50Hz，则β1>500, β2>250000。若用adaptive_adrc-master中默认的β1=100, β2=10000，在50Hz对象上必然导致ESO响应滞后，扰动补偿失效。

2.3 非线性状态误差反馈（NLSEF）：用fal函数替代线性比例-微分

NLSEF将误差e1=z1−y和误差微分e2=z2−y'映射为控制量，其核心是fal函数：

function u = fal(e, alpha, delta) % e: 误差；alpha: 幂次（通常0.5或0.25）；delta: 线性段阈值 if abs(e) <= delta u = e / (delta^(1-alpha)); else u = sign(e) * abs(e)^alpha; end end

alpha<1使小误差时增益更高（提升稳态精度），大误差时增益降低（避免超调）；delta决定线性/非线性切换点。对比PID的u=Kp·e+Kd·e'，NLSEF天然具备抗饱和特性——当e极大时，u增长趋缓，不会像PID那样因积分饱和引发严重超调。这也是ADRC在电机堵转、加热棒冷启动等强非线性场景中表现更鲁棒的根本原因。

3. 在STM32F407上部署ADRC：从Simulink建模到裸机C代码移植的关键转换

将ADRC从MATLAB/Simulink仿真迁移到资源受限的MCU（如STM32F407）时，90%的问题源于浮点运算、内存布局与实时性约束的错配。adaptive_adrc-master虽提供C语言实现，但未说明如何适配具体硬件平台。本节以电机转速控制为例，给出可直接复用的移植方案。

3.1 Simulink到C代码的三大陷阱及规避方法

3.2 STM32裸机ADRC核心结构体定义（C语言）

// adrc_controller.h typedef struct { // TD参数与状态 float r0; // TD速度因子 float x1, x2; // TD输出：跟踪值及其微分 // ESO参数与状态 float beta1, beta2; // ESO增益（已按float缩放） float z1, z2; // ESO估计值：输出及其微分 float w_est; // 总扰动估计值（z2 - f(x,u)隐含项） // NLSEF参数 float alpha; // fal幂次 float delta; // fal线性段阈值 float b0; // 控制量增益（补偿对象增益） // 运行时变量 uint32_t last_tick; // 上次执行时间戳（用于精确计算h） } ADRC_ControllerTypeDef; extern ADRC_ControllerTypeDef motor_adrc;

3.3 定时器中断中的ADRC计算流程（关键代码）

// adrc_controller.c - 在TIM1_UP中断中调用 void ADRC_Update(ADRC_ControllerTypeDef *adrc, float y_measured, float u_control) { uint32_t now = HAL_GetTick(); float h = (now - adrc->last_tick) * 0.001f; // 单位：秒 adrc->last_tick = now; // 1. TD更新：生成v1（跟踪值）和v2（其微分） float v1, v2; TD_Update(&adrc->x1, &adrc->x2, adrc->r0, h, &v1, &v2); // 2. ESO更新：z1≈y, z2≈y', z2-z1≈w float e1 = y_measured - adrc->z1; adrc->z1 += h * (adrc->z2 + adrc->beta1 * e1); adrc->z2 += h * (adrc->beta2 * e1 + u_control * adrc->b0); // b0补偿对象增益 adrc->w_est = adrc->z2 - (y_measured - adrc->z1) * adrc->beta1; // 扰动估计 // 3. NLSEF：计算控制量 float e1_n = v1 - adrc->z1; // 跟踪误差 float e2_n = v2 - adrc->z2; // 微分误差 float u_nl = fal(e1_n, adrc->alpha, adrc->delta) + fal(e2_n, adrc->alpha, adrc->delta); float u_final = u_nl - adrc->w_est / adrc->b0; // 扰动补偿 // 4. 输出限幅（防止PWM溢出） if (u_final > 100.0f) u_final = 100.0f; if (u_final < -100.0f) u_final = -100.0f; // ... 写入PWM寄存器 }

提示：b0是ADRC中唯一需标定的模型参数，代表被控对象静态增益。例如电机在10V电压下稳态转速为1000rpm，则b0 = 1000/10 = 100。它不参与ESO设计，仅用于扰动补偿项的量纲统一。若完全未知，可先设b0=1，观察u_final幅值，再按实际输出范围反推。

4. 对比PID与ADRC的抗扰性能：用阶跃干扰实验量化“PID干扰”下的控制品质差异

验证ADRC价值的最直接方式，是在同一硬件平台、同一被控对象、同一采样周期下，对比其与经典PID在相同干扰下的响应曲线。标题中强调的“PID干扰”，正是指这种受控对比实验——而非贬低PID。本节给出可复现的测试方案与量化指标。

4.1 实验设计：三组干扰注入与四维评估矩阵

在电机转速环中，设置三类典型干扰：

• Type-A：在1.5s时刻施加+200rpm阶跃负载（模拟皮带打滑）；
• Type-B：在2.0s时刻注入5Hz/±50rpm正弦扰动（模拟机械振动）；
• Type-C：在2.5s时刻叠加100ms/±100rpm脉冲扰动（模拟瞬时冲击）。

对每组干扰，记录PID与ADRC的四项关键指标：

4.2 STM32实测数据对比表（电机转速环，采样率1kHz）

注意：ADRC在Type-B正弦干扰下“稳定跟踪”指输出y(t)与给定r(t)的相位差<15°，而PID因相位滞后导致明显振荡。此结果证实：ADRC的抗扰本质是前馈补偿（ESO估计扰动后直接抵消），而PID是反馈校正（误差积累后才动作），前者响应速度天然快一个数量级。

5. ADRC参数整定实战技巧：用“带宽匹配法”替代试凑，3步完成现场调试

面对新设备时，工程师最怕打开adaptive_adrc-master的配置文件看到beta1=120.0, beta2=15000.0, alpha=0.5, delta=0.01却不知如何修改。本节提供一套无需数学建模、仅凭示波器和阶跃响应即可完成整定的现场方法，已在伺服驱动器、变频器、温控仪等十余种设备上验证有效。

5.1 第一步：用开环阶跃响应确定对象带宽ω₀

断开ADRC闭环，在被控对象输入端施加10%幅值阶跃电压（如电机加2V阶跃），用示波器捕获输出响应。测量输出从10%上升到90%所需时间t_r，则对象带宽估算为：

ω₀ ≈ 2.2 / t_r （单位：rad/s）

例如电机转速从0升到900rpm耗时0.12s →ω₀ ≈ 18.3 rad/s ≈ 2.9 Hz。此值是后续所有参数的基准。

5.2 第二步：ESO增益按“带宽匹配”设定

ESO带宽ω_eso应为对象带宽ω₀的5~10倍。取中间值7倍：

ω_eso = 7 × ω₀ = 7 × 18.3 = 128.1 rad/s

则ESO参数设为：

• beta1 = 3 × ω_eso = 384.3→ 取整380.0f
• beta2 = 3 × ω_eso² = 3 × (128.1)² ≈ 49200→ 取整49000.0f

提示：若实测ESO输出z2噪声过大，将beta1降为2.5×ω_eso，beta2同步降为2.5×ω_eso²；若响应迟钝，则反向提升。

5.3 第三步：NLSEF与TD参数按“响应速度-抗噪”平衡设定

例如h=0.001s，ω₀=18.3→r0=0.0018；若PID测试中e1峰值为±50rpm →delta=2.5。将这些值填入结构体，运行后观察z1与y_measured的跟随误差，若误差持续>5rpm，微调beta1向上；若u_final剧烈抖动，降低beta2或增大delta。

最终，当你在示波器上看到ADRC的y_measured曲线在干扰注入后几乎无超调、0.2秒内回归设定值，且u_final输出平滑无毛刺时，就完成了从“调参”到“用控制律理解系统”的跨越——这正是韩京清先生所言“让控制器自己学会对付未知”的工程实现。

本文还有配套的精品资源，点击获取