控制理论基础
本文档为 LADRC 学习的前置知识铺垫,涵盖 PID 控制、控制视角下的最小建模、状态空间和带宽概念。
目录
1. PID 控制原理
比例-积分-微分控制(PID)是工业控制中最广泛使用的控制算法,由比例(P)、积分(I)、微分(D)三个环节组成。
1.1 PID 的局限性
- 参数整定依赖经验
- 对非线性系统效果不佳
- 难以处理模型不确定性
2. 控制视角下的最小建模
这一节只解决一件事:
先把“建模”降到地上。
工程上常说“这是建模问题”,但这句话如果不展开,很容易让人误以为一定要先搞一整套特别完整、特别精确的动力学推导。
更常见、也更实用的做法其实是:
不是追求“真实世界完整模型”,而是追求“控制上够用的模型”。
也就是说,你先把最影响控制效果的部分建出来,用来回答:
- 为什么它加速慢、刹车也慢?
- 为什么低速附近特别别扭?
- 为什么换个姿态表现就不一样?
- 为什么前馈有时候好用,有时候反而发疯?
2.1 单轴控制最小模型
对电机位置-速度控制,最常见的起点就是这三条关系。
1. 位置和速度关系
这表示位置是速度的积分,所以位置环本质上是在管“速度该怎么变化”。
2. 速度和力矩关系
这里:
- \(J\):转动惯量
- \(\tau\):电机输出力矩
- \(B\omega\):粘性阻尼
- \(\tau_f\):摩擦项
- \(\tau_{load}\):外部负载扰动
这条式子直接解释了很多控制现象:
- 惯量大,同样力矩下加速度更小
- 惯量大,起步慢,刹车也慢
- 摩擦会让低速、小误差附近特别难受
- 外部负载会让同一套参数在不同工况下表现不同
3. 电机力矩和电流关系
如果电流环已经闭好,常见近似是:
也就是电流基本直接决定力矩。
如果你直接给的是电压而不是电流,还要再考虑电气模型:
但在很多位置环、速度环的分析里,会先把更快的内层等效掉,只保留最主要的机械侧关系。
2.2 为什么控制里常先用简化模型
先不追求“完整物理世界模型”,而是从一个最小控制对象模型开始,有两个好处:
- 先把主要现象解释通
- 先让控制结构和调参方向有抓手
例如对速度环,如果内层够快,常常可以先近似成:
也就是一个一阶惯性环节。
它已经足够解释很多现象:
- 为什么太激进会抖
- 为什么大惯量会变慢
- 为什么前馈能明显减小滞后
如果速度环已经闭好,那么位置环往里看的对象,常常可以近似成:
也就是“一个一阶速度环,再接一个积分”。
这已经是很多串级控制分析的标准起点。
2.3 非理想因素通常从哪里开始加
当简单模型解释不了现象时,再逐步加复杂度。工程上最值得优先考虑的通常是:
- 摩擦:解释低速爬行、小误差不动、反向切换别扭
- 重力:解释机械臂不同角度表现不一样
- 惯量变化:解释不同姿态、不同负载下手感变化
- 间隙、弹性、共振:解释快速刹车后还会弹一下、某频率特别容易振
- 饱和和死区:解释小命令不动、大命令一上来就顶满
2.4 灰箱建模为什么最实用
对电机、关节、机械臂这类对象,最常用的不是纯理论大推导,也不是纯黑箱乱拟合,而是:
灰箱建模:先写出基本物理结构,再通过实验把参数估出来。
这也是为什么建模常常会和实验辨识绑在一起。
2.5 建模和控制器是什么关系
建模不是 PID、LADRC、LQR 的对立面,而是它们的共同基础,只是依赖程度不同:
- PID:对模型要求最低,哪怕只有很粗的对象认识,也能靠反馈把系统调到可用
- LADRC:不要求精确模型,但通常需要系统相对阶和粗略名义增益,再用观测器去估“没建准的部分”
- LQR / 状态反馈:更依赖显式模型,但常用的也往往是简化模型、线性化模型或工作点附近模型
一句话记住:
建模不是为了“证明自己会公式”,而是为了先建立一个能解释主要现象的最小模型,再决定哪些靠前馈,哪些靠反馈,哪些靠观测器。
3. 状态空间基础
3.1 基本概念
状态变量: 完全描述系统所需的最少变量集合
状态方程: $\(\dot{x} = Ax + Bu\)$
输出方程: $\(y = Cx + Du\)$
3.2 状态空间 vs 传递函数
| 特性 | 传递函数 | 状态空间 |
|---|---|---|
| 适用对象 | 线性定常 | 线性/非线性 |
| 维数 | 单输入单输出 | 多输入多输出 |
| 初始条件 | 零初始 | 可考虑非零 |
| 物理意义 | 不够直观 | 清晰明确 |
4. 带宽概念
带宽指系统能够有效响应的信号频率范围。
举例理解:带宽就像道路的限速——带宽越高,系统响应越快(就像高速上能开120km/h),但更容易受噪声干扰;带宽越低,响应越慢但越稳定(就像市区限速60km/h更平稳)。
在控制系统中,带宽决定了系统跟踪快速变化指令的能力上限。