跳转至

LADRC快速上手

最近修改日期：2026-02-07 参与者：Jackrainman 配套代码：07-LADRC代码实战.md

一、LADRC是什么

1.1 核心公式

LADRC（线性自抗扰控制）就记住这一个公式：

\[ u = (u₀ - ẑ₃) / b₀ \]
  • u₀：PID算出来的控制量
  • ẑ₃：观测器估计的总扰动
  • b₀：系统控制效率系数

人话：PID只管追踪目标，LADRC额外做一件事——实时估计干扰并把它干掉。

1.2 核心思想（扰动估计+补偿）

LADRC的精髓就一句话：把所有不确定性打包成"总扰动"，实时估计并补偿。

PID的思路：看到偏差 → 调整输出
LADRC的思路：看到偏差 → 判断是目标变了还是扰动了 → 分别处理
  • 内环（LESO）：快速估计"总扰动"（包括外部干扰+模型误差）
  • 外环（LSEF）：像PID一样追踪目标

补偿后，复杂系统变成简单的积分器串联型，控制变得超简单。

flowchart LR
    subgraph Disturbance["扰动源 Disturbance Sources"]
        D1["外部干扰"]
        D2["模型误差"]
        D3["参数变化"]
    end
    TD["总扰动"]
    LESO["LESO 扩张观测器"]
    Controller["控制器"]
    Sum1["相加"]
    Plant["被控对象 Plant"]
    Ideal["理想积分器串联型"]
    D1 --> TD
    D2 --> TD
    D3 --> TD
    TD -->|"f(t)"| LESO
    LESO -->|"估计总扰动 f^(t)"| Sum1
    LESO -->|"估计"| Controller
    Controller --> Sum1
    Sum1 -->|"u(t)"| Plant
    Plant -->|"y(t)"| Ideal
    Plant --> LESO
    style Disturbance fill:#f9f9f9,stroke:#333
    style LESO fill:#e1f5fe,stroke:#01579b,stroke-width:2px
    style Controller fill:#fff3e0,stroke:#e65100
    style Plant fill:#f3e5f5,stroke:#4a148c
    style Ideal fill:#e8f5e9,stroke:#1b5e20,stroke-width:2px
    style TD fill:#ffebee,stroke:#b71c1c

而 PID 的串联就可以简单理解为带追踪的积分器串联型，有时候会陷入“调参地狱”

物理对象的本质：对很多位置控制对象来说，如果先忽略一部分非理想因素，常常可以先近似看成 “双积分器” 或“积分器串联”模型

  • 输入（力/电流） \(\rightarrow\) 产生加速度 \(\ddot{x}\)
  • 加速度积分一次 \(\rightarrow\) 产生速度 \(\dot{x}\)
  • 速度再积分一次 \(\rightarrow\) 产生位置 \(x\)

这就是所谓的“积分器串联型”受控对象。韩京清教授认为：控制的本质，就是把一个带有扰动的积分器串联型系统，变成一个理想的积分器串联型系统。

二、LADRC vs PID

2.1 原理对比

对比项 PID LADRC
核心机制 看到误差再调整 主动估计并抵消扰动
模型依赖 最低，主要靠反馈 低，但通常需要相对阶和粗略名义增益
抗干扰 靠积分器慢慢压 观测器实时估计补偿
响应速度 快，但超调大 快，且超调小

2.2 结构对比

PID结构：

LADRC结构：

  • TD：把跳变目标平滑化（防冲击）
  • LSEF：类似PID，计算虚拟控制量
  • LESO：观测器，估计状态和总扰动
  • 扰动补偿：把估计的扰动抵消掉

2.3 参数对比（⭐重点）

控制器 参数 物理意义
PID Kp, Ki, Kd 比例/积分/微分增益
LADRC ωc, ωo, b₀ 控制器带宽/观测器带宽/控制效率

关键区别： - PID的3个参数耦合严重，调一个影响全局 - LADRC的3个参数物理意义清晰，按顺序调能解决大部分问题 注：这只是理论经验，目前暂没有实战经验

三、LADRC的优势

3.1 抗扰能力强

PID抗干扰主要靠积分器，但积分器有滞后，突变扰动时反应慢。

LADRC通过LESO实时估计扰动，在扰动影响输出前就补偿掉。

图3-1 PID vs LADRC 抗扰动响应对比

3.2 不依赖精确模型

更准确地说，LADRC 不依赖精确模型，但也不是完全不要模型。

PID 对模型依赖最低，很多时候靠经验模型和实验感觉就能调到可用；而 LQR、MPC 这类模型驱动方法更依赖显式模型，但常用的也不一定是“完美精确大模型”，线性化模型和简化模型往往也能工作。

LADRC 通常至少需要知道这些信息：

  • 系统相对阶数（输入到输出经过几次积分）
  • 输入作用方向
  • 名义增益 \(b_0\) 的大概量级

常见例子： - 电机位置控制 → 二阶（电压→速度→位置） - 温度控制 → 一阶（功率→温度） - 电流控制 → 一阶（电压→电流）

其他那些不容易建准的部分，例如惯性变化、摩擦、外部负载、部分未建模动态，通常会被打包成“总扰动”，由 LESO 在线估计并补偿。

3.3 参数整定简单

LADRC把复杂参数整定变成带宽设计：

ωc = 控制器带宽（决定响应快慢）
ωo = 观测器带宽（决定估计快慢）
b₀ = 控制效率（从阶跃响应估算）

控制器带宽衡量的是：你希望系统跟踪目标（Setpoint）或者修正误差的速度有多快。 如果你在开车，\(\omega_c\) 就是你打方向盘的果断程度。\(\omega_c\) 越高，你过弯就越激进，车头指向目标的速度就越快。

观测器带宽衡量的是：观测器“感知”系统真实状态和“捕捉”外部扰动的速度。 还是假设你在开车， \(\omega_o\) 就是你的眼睛和大脑处理路况信息的速度。即使你手打方向盘很快（\(\omega_c\) 大），如果你的眼睛反应慢（\(\omega_o\) 小），当你看到障碍物时，车可能已经撞上去了

经验公式：ωo = (3~5) × ωc，调好ωc再按比例调ωo即可。

图3-2 带宽设计类比示意图

什么要这样设计？

因为感知必须领先于行动：控制器（手）是根据观测器（眼）提供的信息来工作的。如果眼睛还没看清扰动到底有多大，手就开始乱动，系统必然震荡。并且，观测器在提取状态时不可避免会产生相位滞后。为了不影响控制环路的稳定性，观测器的滞后必须远小于控制环路的动态时间常数。

四、参数详解（TD + LADRC）

4.1 TD参数

跟踪微分器（TD）用于平滑目标信号和提取微分。

参数 名称 作用 怎么调
r 速度因子 决定跟踪速度 目标跳变超调大 → 减小r；响应慢 → 增大r
h₀ 滤波因子 决定平滑程度 噪声大 → 增大h₀；相位滞后大 → 减小h₀
h 积分步长 采样周期 就是控制周期，一般不动

口诀： - r越大，跟踪越快，但可能超调 - h₀越大，滤波越强，但滞后越大

图4-1 TD跟踪效果对比图

4.2 LADRC参数

b₀（扰动补偿系数）

物理意义：控制效率，单位控制量能产生多大加速度。

怎么估： 

给被控对象一个阶跃输入U，测初始加速度a
b₀ = a / U

图4-2 阶跃响应法测b₀示意图

调参： - 系统振荡 → b₀设大了，减小10% - 响应迟缓 → b₀设小了，增大10% - 不需要很准，±30%误差都能接受

基于电机参数的精确计算方法

如果有电机的详细参数，可以通过理论计算得到更准确的 b₀ 值。

1. 确定物理参数

首先，你需要明确手头有哪些电机参数。通常需要的参数包括：

  • J：转动惯量（Moment of Inertia），单位 kg·m²
  • K_t：转矩常数（Torque Constant），单位 N·m/A
  • R：电枢电阻（Armature Resistance），单位 Ω（如果是电压控制）
  • B：粘性摩擦系数（Viscous Friction Coefficient），通常很小可忽略，单位 N·m·s/rad

2. 根据控制场景计算 b₀

场景 A：电流控制（或力矩控制）

如果你的驱动器工作在力矩模式，即控制器输出 u 直接对应电流 i。

物理方程：根据牛顿第二定律 T = J·α（力矩 = 惯量 × 角加速度），以及电机力矩公式 T = K_t·i。

\[ J \ddot{\theta} = K_t \cdot i - T_{load} - B\dot{\theta} \]

整理为最高阶导数形式（忽略扰动项，因为它们会被 ESO 观测并抵消）：

\[ \ddot{\theta} = \frac{K_t}{J} \cdot i - \dots \]

LADRC 模型形式：ẏ = f + b₀·u

计算公式：对比系数可知：

\[ b_0 = \frac{K_t}{J} \]

场景 B：电压控制（PWM 占空比模式）

如果你的驱动器工作在电压模式，即控制器输出 u 对应电机端电压 U。这时需要考虑电压方程。

物理方程： - 电压平衡方程：U = iR + K_e·θ̇ （K_e 为反电动势常数，在国际单位制下数值通常等于 K_t） - 力矩方程：J·θ̈ = K_t·i - B·θ̇

将 i = (U - K_e·θ̇)/R 代入力矩方程：

\[ J \ddot{\theta} = K_t \left( \frac{U - K_e \dot{\theta}}{R} \right) - B\dot{\theta} \]

整理得到：

\[ \ddot{\theta} = -\left( \frac{K_t K_e}{J R} + \frac{B}{J} \right)\dot{\theta} + \frac{K_t}{J R} \cdot U \]

LADRC 模型形式：在 LADRC 中，我们将与 θ̇ 相关的项视为总扰动的一部分，只关注控制量 U 前的系数。

计算公式：

$$ b_0 = \frac{K_t}{J \cdot R} $$ 注：该场景尚未验证，仅为理论推导

3. 针对不同阶次的 LADRC

b₀ 的物理意义随着控制器阶数的变化而略有不同：

一阶 LADRC（通常用于速度环）

如果你控制的是转速 ω（即 θ̇），系统方程降阶为一阶：

\[ \dot{\omega} = \dots + b_0 \cdot u \]

此时 b₀ 的值与上述计算相同： - 电流控制：b₀ = K_t/J - 电压控制：b₀ = K_t/(J·R)

二阶 LADRC（通常用于位置环）

如果你控制的是位置 θ，系统是二阶的：

\[ \ddot{\theta} = \dots + b_0 \cdot u \]

计算公式依然保持不变，因为 b₀ 始终是控制量 u 到最高阶导数（加速度）的传递增益。

4. 无法获取准确参数时的估算技巧

LADRC 对 b₀ 的精度要求并不极其严苛。b₀ 的偏差在 ±20% 甚至更大范围内，LADRC 通常仍能保持稳定，只是带宽和抗扰能力会受影响。

如果参数未知，可以使用频率响应法或阶跃响应法估测：

阶跃响应法（近似）： 1. 给电机施加一个小的阶跃输入 u_step（如 1V 或 1A） 2. 测量电机角加速度的最大值 α_max（即速度曲线在启动瞬间的斜率） 3. 计算：b₀ ≈ α_max / u_step

调节原则： - 如果 b₀ 设得过大：系统会认为控制能力很强，从而输出较小的控制量，导致系统响应变慢 - 如果 b₀ 设得过小：系统会认为控制能力很弱，从而输出很大的控制量，可能导致系统震荡或超调

ωc（控制器带宽）

物理意义：闭环系统响应速度，类似PID的Kp但物理意义更清晰。

初始值： 

期望调节时间T（如0.1s）→ ωc ≈ 10 / T = 100

调参： - 响应慢 → 增大ωc（每次+20%） - 超调/振荡 → 减小ωc（每次-20%）

ωo（观测器带宽）

物理意义：LESO估计扰动的速度，必须快于控制器才能及时补偿。

经验公式： 

ωo = (3 ~ 5) × ωc

场景 推荐比例 说明
噪声大 3× 滤波效果好，估计略慢
通用 4× 平衡性能，推荐
快速响应 5× 估计快，但对噪声敏感

图片占位符：图4-3 带宽参数调节效果对比图

调参： - 估计滞后明显（扰动后很久才补偿）→ 增大ωo - 噪声敏感（输出抖动）→ 减小ωo

4.3 参数调节建议

调节顺序： 

步骤1: 估计b₀（阶跃法）
步骤2: 设ωc为期望带宽的50%（保守起步）
步骤3: 设ωo = 4×ωc
步骤4: 测试响应，调ωc到满意
步骤5: 调ωo优化抗扰性能
步骤6: 微调b₀消除振荡或迟缓


flowchart LR
    %% 定义六个步骤节点，使用不同形状代表不同图标类型
    S1([步骤1: 测量对象参数]):::measure
    S2[步骤2: 设置控制器带宽 ωc]:::setting  
    S3[步骤3: 设置观测器带宽 ωo]:::setting
    S4[[步骤4: 调整 b 估计值]]:::adjust
    S5[[步骤5: 补偿器参数优化]]:::adjust
    S6>步骤6: 噪声抑制优化]:::adjust

    %% 定义提示注释节点
    N1{"30%误差<br/>可接受"}:::note
    N3{"ωo = (3~5)ωc"}:::note

    %% 主流程连接
    S1 --> S2 --> S3 --> S4 --> S5 --> S6

    %% 提示虚线连接
    S1 -.-> N1
    S3 -.-> N3

    %% 样式定义：三个阶段用不同配色
    classDef measure fill:#e3f2fd,stroke:#1565c0,stroke-width:3px,color:#0d47a1
    classDef setting fill:#fff3e0,stroke:#ef6c00,stroke-width:2px,color:#e65100
    classDef adjust fill:#e8f5e9,stroke:#2e7d32,stroke-width:2px,color:#1b5e20
    classDef note fill:#fafafa,stroke:#616161,stroke-dasharray: 5 5,font-size:13px,color:#424242

    %% 添加图例说明
    subgraph 图例
        direction TB
        L1([测量图标]):::measure
        L2[设置图标]:::setting  
        L3[[调整/优化图标]]:::adjust
    end

    %% 调整图例位置（可选，某些渲染器支持）
    style S1 fill:#e3f2fd
    style S6 fill:#e8f5e9

图4-4 LADRC参数调节流程图

五、参数调节原则

四句话： 

响应慢 → 增ωc
有振荡 → 减ωc或减b₀
估计慢 → 增ωo
噪声大 → 减ωo

调试技巧： 1. 先调ωc让响应速度满意 2. 再调ωo优化抗扰性能 3. 最后微调b₀消除初始状态的振荡 4. TD参数（r、h₀）用来优化目标跟踪的平滑性

避坑提醒： - ωo不要超过10×ωc（会噪声爆炸） - b₀不准没关系，LESO在跑起来之后会补偿，但是要小心上电瞬间的大幅震荡

代码参考

完整代码实现、调试技巧、常见问题排查，详见：

→ 07-LADRC代码实战.md

最后提醒：LADRC不是万能的，但它把工程中最头疼的"不确定性"和"干扰"问题用统一框架解决了。先跑通代码，再理解原理，最后根据实际系统调参，你会发现它比PID更"省心"。

评论