高级控制理论
本文档涵盖 LADRC 的进阶内容，包括自适应 ADRC、非线性 ADRC、多变量系统以及与其他控制方法的理论对比。
前置知识：05-何谓自抗扰.md / 06-LADRC算法详解.md
代码实现：07-LADRC代码实战.md
目录
- 自适应 ADRC
- 非线性 ADRC
- 多变量 ADRC
- ADRC 与其他控制方法的对比
1. 自适应 ADRC
1.1 问题背景
标准 LADRC 参数固定，当系统参数大范围变化时性能下降。
1.2 核心思想
在线估计系统参数，实时调整 LADRC 参数。
1.3 主要方法
| 方法 | 原理 | 优点 | 缺点 |
| 参数在线辨识 | 递推最小二乘法估计 b₀ | 简单易实现 | 计算量增加 |
| 模型参考自适应 | 跟踪参考模型响应 | 适应性强 | 设计复杂 |
| 自增益调度 | 根据工作点调整参数 | 工程友好 | 需要经验数据 |
1.4 应用场景
2. 非线性 ADRC
2.1 原始 ADRC vs LADRC
| 特性 | 非线性 ADRC | LADRC |
| ESO | 非线性 fal 函数 | 线性形式 |
| 控制律 | 非线性组合 | 线性 PD |
| 参数整定 | 复杂 | 简单（带宽法） |
| 性能 | 更优（理论） | 够用（工程） |
2.2 fal 函数回顾
\[\text{fal}(e, \alpha, \delta) = \begin{cases} |e|^\alpha \cdot \text{sgn}(e), & |e| > \delta \\ e / \delta^{1-\alpha}, & |e| \leq \delta \end{cases}\]
2.3 何时使用非线性 ADRC
- 对控制性能要求极高的场景
- 系统非线性严重
- 已掌握 LADRC 并想进一步优化
3. 多变量 ADRC
3.1 问题背景
多输入多输出（MIMO）系统中存在耦合。
3.2 解耦思路
| 方法 | 原理 | 复杂度 |
| 静态解耦 | 前馈补偿 | 低 |
| 动态解耦 | 解耦控制器 | 中 |
| 分散控制 | 各回路独立 | 低 |
| 自抗扰解耦 | ESO 估计耦合项 | 中 |
3.3 注意事项
- MIMO 系统阶数确定更复杂
- 观测器带宽设计更困难
- 需要考虑各通道的耦合程度
4. ADRC 与其他控制方法的对比
4.1 与 PID 的对比
| 特性 | PID | ADRC |
| 依赖模型 | 最低，主要靠反馈 | 低，通常需要相对阶和粗略名义模型 |
| 抗扰动 | 一般 | 优秀 |
| 参数调节 | 经验法 | 带宽法（更系统） |
| 实现复杂度 | 低 | 中 |
| 适用范围 | 线性定常 | 非线性/时变 |
4.2 与滑模控制的对比
| 特性 | 滑模控制 | ADRC |
| 抖振 | 存在 | 无 |
| 鲁棒性 | 强 | 强 |
| 实现难度 | 中 | 中 |
| 理论成熟度 | 成熟 | 发展中 |
4.3 与观测器+反馈的对比
| 特性 | 传统方法 | ADRC |
| 扰动处理 | 需分别设计 | 统一打包 |
| 观测器设计 | 复杂 | 简单（带宽法） |
| 物理意义 | 清晰 | 更直观 |
4.4 与 LQR / 状态反馈的关系
| 特性 | LQR / 状态反馈 | ADRC |
| 模型需求 | 更依赖显式模型 | 只需粗略名义模型 |
| 模型精度要求 | 模型越合理，收益越大 | 不要求每一项都建准 |
| 面对不确定性 | 常配合观测器、增益调度 | 直接把未建模部分打包成总扰动 |
| 工程落地 | 更依赖状态定义、离散化和估计 | 更偏带宽设计和扰动补偿 |
更准确地说，LQR 并不是“必须有一个完美精确的大模型”才能用。很多工程实现里，用工作点附近的线性化模型、简化模型，也已经能设计出有效控制器。差别主要在于：LQR 更吃模型质量，ADRC 更强调用观测器去兜模型不确定性。
4.5 组合使用建议
- ADRC + PID: ADRC 内环去扰，PID 外环跟踪
- ADRC + 滑模: ADRC 处理慢扰动，滑模处理快扰动
- ADRC + 模糊: 模糊自适应调整 ADRC 参数
学习建议
- 先熟练掌握标准 LADRC（06-LADRC算法详解.md）
- 根据实际需求选择进阶方向
- 多做仿真和实验验证
文档导航
参考资料
- 韩京清《自抗扰控制技术》
- 高志强教授相关论文
- IEEE Transactions on Industrial Electronics ADRC 系列论文