伺服控制观测器选型指南：高增益、滑模与扩张状态观测器对比

简介这份文档面向控制工程、自动化方向的学习者与研究人员围绕状态观测器设计展开横向比较帮助读者在模型不确定、存在扰动与噪声的实际场景中理清选型思路。内容以高增益观测器、滑模观测器和扩张状态观测器为主线梳理三者的提出背景、设计方程与鲁棒性差异并引入非线性增益函数讨论未知初始条件下的瞬态误差问题配合仿真与实验数据对比开环、闭环场景下的跟踪表现。压缩包共1个doc文件约512KB为完整论文文本含摘要、观测器原理推导、非线性增益方案与仿真比较等章节便于按节查阅公式与结论。已有5915人学习适合需要快速建立三类观测器性能认知、为课题或工程选型做参考的读者。1. 三种观测器选谁先给结论再讲依据去年帮一个做伺服台架的朋友调控制器位置环一加负载就抖换了三套观测器参数都没压住。最后把高增益、滑模、扩张状态三种方案在同一套模型上跑了一遍开环和闭环才发现问题不在参数而在选型——滑模在摩擦突变时抖振根本压不干净高增益对噪声又太敏感。这件事让我意识到状态观测器选型不是比谁理论漂亮而是比谁在你手上的不确定性面前还能稳住。这篇就按我实际比过的顺序讲三种观测器各自吃什么假设、在标称/摩擦/惯量突变/未知初值四类场景下谁先崩、非线性增益函数怎么改才能救回瞬态误差最后给一张能直接照着调的参数对照表。做运动控制、搞状态估计、或者正被“模型不准但还得估状态”卡住的同行可以照着往下看。2. 三种观测器的底层假设谁依赖模型谁不依赖2.1 经典观测器的死穴A、B、C 必须准Luenberger 观测器的误差动力学是e_dot (A - LC)e只要 A-LC 的特征值全在左半平面误差就收敛到零。这个结论干净但前提是 A、B、C 三个矩阵得跟真实对象对得上。实际台架上惯量会随负载变、摩擦是非线性的、放大器还有静区模型误差直接进到误差方程里极点配置配得再漂亮也白搭。我一般会先问一句你手上的模型误差有多大如果超过 10%经典观测器的收敛速度就得打对折来看。2.2 高增益观测器用增益换鲁棒代价是噪声放大高增益观测器HGO的思路是把观测器增益推到很大让误差收敛速度远快于扰动变化速度从而对模型误差不敏感。原文里给的形式是带小参数 ε 的调整# HGO 误差方程的核心结构示意非可执行脚本 # e_dot (1/ε) * A0 * e δ(.) # ε 越小收敛越快但对输出噪声的放大倍数约等于 1/ε # 工程上 ε 一般取 0.01 ~ 0.1再小噪声就吃掉估计精度关键参数就一个 ε。ε 越小收敛越快但输出端的白噪声会被放大 1/ε 倍进到状态估计里。原文仿真里 ε 取 0.2采样 1kHz这个组合在标称情况下误差和另外两种差不多。我自己的经验是如果你的编码器分辨率一般、输出噪声肉眼可见ε 别低于 0.05否则速度估计基本没法用。HGO 适合的场景是模型大致可信、但存在有界扰动且你对瞬态收敛速度有硬要求。2.3 滑模观测器切换项压扰动抖振是天生缺陷滑模观测器SMO在误差方程里加一个切换项切换增益大于模型误差上界 δ(.)就能把误差逼到滑模面上。原文的写法是# SMO 结构示意 # x_hat_dot A*x_hat B*u L*(y - y_hat) K_sw * sign(y - y_hat) # K_sw |δ(.)|_max 时误差在有限时间到达滑模面 # sign 函数在离散实现里必然产生抖振频率与采样率相关切换增益 K_sw 必须大于扰动上界这是硬约束。问题是 sign 函数在 1kHz 采样下切换频率有限抖振会通过观测器传到控制量里。原文硬件测试里 SMO 控制器在库伦摩擦下出现明显颤振就是这个原因。SMO 的强项是故障检测和强扰动下的鲁棒估计弱项是精密运动控制里的平滑性。2.4 扩张状态观测器把不确定性和扰动当成一个状态来估扩张状态观测器ESO最不一样的地方是把未知动态、扰动、模型误差全部打包成一个扩张状态 x3然后实时估计它。原文里 Han 给出的非线性形式用了一个修正指数增益函数 fal# NESO 非线性增益函数 fal(e, alpha, delta) 的分段逻辑 # |e| delta 时fal e / delta^(1-alpha) 线性区抑制小误差噪声 # |e| delta 时fal |e|^alpha * sign(e) 非线性区大误差高增益 # alpha 取 0~1越小非线性越强delta 是线性区宽度 # 原文仿真取 alpha {1, 0.5, 0.25}delta 1e-3这个设计的妙处在于小误差时走线性区不放大噪声大误差时走非线性区快速拉回。所以 ESO 不需要精确的 A、B、C只需要知道系统阶数和控制增益的大致量级。代价是收敛速度比 HGO 慢一些原文开环仿真里 NESO 到达稳态的时间明显更长这是它“不假设模型知识”换来的。3. 四类场景逐项对比标称、摩擦、惯量、未知初值3.1 标称场景三者精度接近差别在收敛速度原文开环仿真在标称模型下三种观测器的稳态估计误差和噪声敏感度大致相当。这是预期内的——模型准的时候经典方法本来就够用先进观测器的优势体现不出来。差别在瞬态HGO 收敛最快SMO 次之NESO 最慢。如果你的工况基本是标称的上 ESO 属于杀鸡用牛刀HGO 配好 ε 就够。3.2 库伦摩擦NESO 鲁棒性明显胜出SMO 抖振暴露加 0.5 N·m 库伦摩擦后差距拉开了。原文图 4 显示 NESO 的估计误差收敛得又快又稳因为它把摩擦当成扩张状态的一部分直接估掉了。SMO 靠切换增益硬压压得住但抖振明显。HGO 则因为摩擦不在模型里误差收敛变慢。这一轮 NESO 赢在结构不是赢在调参。3.3 惯量 100% 突变NESO 最好SMO 次之HGO 最吃力惯量翻倍相当于 A 矩阵里的参数全变了模型误差极大。原文图 6、图 7 的结果是 NESO 表现最好SMO 次之。原因还是同一个ESO 不依赖模型参数惯量变了它只当成扩张状态变了重新估就行HGO 的增益是按标称模型设计的惯量一变收敛速度假设就不成立了。这一轮对做变负载台架的人最有参考价值。3.4 未知初始条件NESO 的软肋靠非线性增益函数补NESO 不是没缺点。原文 3.2 节专门测了未知初始条件y(0)10 rev、y_dot(0)0 的情况下标准 fal 函数会产生明显的瞬态估计误差。原文提了几种新的非线性增益方案结论是带负激励的增益函数在较小跟踪误差上表现更好。我一般会这么处理初始条件已知就用标准 fal未知就把 delta 调大、alpha 调小让线性区宽一点牺牲一点大误差收敛速度换瞬态平滑。场景HGOSMONESO判断依据标称模型好收敛最快好好收敛最慢稳态误差与噪声敏感度相当库伦摩擦 0.5 N·m一般收敛变慢压得住但抖振好摩擦被估掉扩张状态直接吸收扰动惯量 100% 突变吃力次之最好不依赖 A 矩阵参数未知初始条件敏感较敏感需调增益函数fal 线性区宽度决定瞬态噪声敏感度高1/ε 放大中切换抖振低小误差线性区增益函数分段设计4. 非线性增益函数怎么调从 fal 到改进型的参数路径4.1 fal 函数两个参数的实际含义很多人调 ESO 就是试 alpha 和 delta但不知道在调什么。alpha 决定非线性区的增益曲线形状alpha1 退化成线性观测器alpha 越小大误差时增益越高、收敛越快但太小会在误差过零时产生类抖振。delta 决定线性区宽度delta 越大小误差时越平滑、抗噪越好但大误差进入非线性区越晚。原文取 alpha{1, 0.5, 0.25}、delta1e-3这个组合适合输出噪声不大的场合。噪声大的话 delta 往上走到 1e-2 量级再试。4.2 未知初值下的改进增益负激励的作用原文 3.2 节的核心发现是在 fal 函数里引入负激励项能明显缩小未知初始条件下的瞬态误差。直观理解是初始误差很大时标准 fal 给的是单向大增益容易冲过头负激励相当于在误差很大时先把增益压一压等误差进入合理区间再放开。我一般会这么比先跑标准 fal 看瞬态峰值再把负激励项加上跑一遍峰值降 30% 以上就保留。参数不用一次调到位先固定 delta 调 alpha再反过来微调 delta。4.3 调参顺序先开环看收敛再闭环看稳定我的习惯是三步走。第一步开环阶跃只看估计误差的收敛时间和超调把 alpha、delta 定在“收敛够快且不过冲”的区间。第二步加摩擦和惯量扰动看扩张状态 z3 能不能跟上真实扰动跟不上就说明观测器带宽不够回头把 alpha 调小或 delta 调小。第三步才上闭环因为闭环里观测器误差和控制量耦合开环没调好直接上闭环抖振来源都分不清是观测器还是控制器。原文也是先开环后闭环的顺序这个顺序不是随便排的。5. 避坑记录我踩过的五个观测器选型坑5.1 坑一HGO 的 ε 调太小速度估计全是毛刺现象位置估计看着还行速度估计像噪声发生器闭环一加 D 项就啸叫。原因ε 取到 0.01输出白噪声被放大 100 倍进到状态估计。解决ε 回到 0.05 以上或者在观测器输出后加一级低通但低通会引入相位滞后得在带宽上留余量。我现在的习惯是 ε 先按采样周期的 5~10 倍取再往下试。5.2 坑二SMO 切换增益按标称扰动整定一加负载就抖现象空载运行平滑一挂负载控制量开始高频颤振。原因切换增益 K_sw 只按空载扰动上界设的负载一加扰动超界切换项饱和进出滑模面。解决K_sw 按最大工况扰动上界的 1.5 倍留余量同时接受抖振幅值会变大必要时用饱和函数代替 sign 做边界层。原文硬件测试里 SMO 的颤振问题本质就是这个。5.3 坑三ESO 的 b0 估错扩张状态一直有偏现象稳态时 z3 不为零估计误差有一个固定偏置。原因ESO 里的控制增益 b0 跟真实系统对不上扩张状态把 b0 的误差也当成扰动估进去了但估出来的是错的。解决b0 先用阶跃响应粗测误差控制在 20% 以内偏差大就先把 b0 校准再调 alpha、delta否则调参是在补偿一个错误的基准。5.4 坑四未知初值直接上标准 fal瞬态冲过头现象系统从非零初始位置启动估计误差先反向冲一大截再回来。原因标准 fal 在大误差时给单向高增益没有负激励约束。解决按 4.2 节的思路换改进增益函数或者启动前用已知信息给观测器一个初始状态能给就给比调函数省事。5.5 坑五开环没调好就上闭环抖振来源分不清现象闭环抖换观测器参数、换控制器增益都压不住不知道是谁的问题。原因观测器误差和控制量耦合两个不稳定源叠在一起。解决退回开环单独看估计误差收敛曲线开环干净了再闭环。这个顺序我吃过亏后来每次都强制先开环。6. 落到台架上的选型结论与一套可复用的验证流程把三种观测器在同一套 1kHz 采样、带白噪声输出的伺服模型上比完我的结论很直接如果你的核心痛点是模型不准、负载和摩擦变化大选 NESO别在 HGO 的 ε 和 SMO 的切换增益上反复挣扎那是拿调参去补结构性的短板。如果工况基本标称、只要求快速收敛HGO 配好 ε 最省事。如果任务是故障检测、要的是强扰动下的鲁棒判别而不是平滑估计SMO 的切换结构反而合适抖振在检测场景里不是致命伤。具体到 NESO 的落地我一般按这个顺序走一遍先粗测 b0 控制在 20% 误差内再开环阶跃定 alpha 和 deltaalpha 从 0.5 起、delta 从 1e-3 起然后加摩擦和惯量扰动看 z3 跟踪最后才闭环。未知初值的场合启动前能给初始状态就给给不了就换带负激励的增益函数别硬用标准 fal。原文的仿真和硬件结果都指向同一个判断NESO 的优势来自结构上把不确定性当状态估而不是来自某一组神奇参数——这也是为什么它在惯量突变那一轮赢得最干脆。回过头看我最早调观测器最大的毛病是“先调参再想结构”结果在错误的观测器上耗了两周。从那以后我每次选型都强制先跑一遍四场景对比表结构选对了再谈参数希望这个顺序也能帮你少走一段弯路。本文还有配套的精品资源点击获取