4、基于扰动观测器的前馈补偿：扰动观测器（DOB）原理、设计方法、与PID的融合

各位做电机控制的朋友，咱们继续往下聊。

上一节我们讲了前馈补偿，用模型去抵消已知的扰动。但现实世界哪有那么完美？负载突变、摩擦力变化、参数漂移……这些未知扰动才是真正的“拦路虎”。

那怎么办？

我的答案是：给它装一个“扰动观测器”（DOB）。说白了，就是让控制器自己学会“看”到扰动，然后主动去抵消它。这招我在做伺服驱动器时屡试不爽，今天就把核心干货倒给你们。

4.1 扰动观测器（DOB）原理：从“被动挨打”到“主动防御”

先问个问题：传统PID为什么怕负载突变？

因为PID是“事后诸葛亮”。它只能等误差出来了，才去调整输出。扰动来了，转速先掉下去，PID再慢慢拉回来。这个过程，就是“被动挨打”。

扰动观测器的思路完全不同——它估算出扰动的大小，然后直接在前馈路径上把它抵消掉。就像你开车时，前面有个坑，你提前打方向盘，而不是等轮子掉进去再猛打。

数学上怎么理解？

假设电机系统的传递函数为 P(s)，标称模型为 Pn(s)。实际输出 y 与模型输出 yn 的差值，经过一个低通滤波器 Q(s)，就得到了扰动估计值 d_hat。

d_hat = Q(s) * [ P(s)^(-1) * y - u ]

嗯，这里要注意：P(s)^(-1) 是系统的逆模型。实际中我们不会直接求逆，而是用标称模型的逆 Pn(s)^(-1) 来近似。

我个人习惯把DOB看作一个“虚拟传感器”。它不直接测量扰动，而是通过输入输出数据“反推”出扰动。我在项目中遇到过，当负载从空载突然跳到满载时，DOB能在1-2个控制周期内就估算出扰动大小，比PID快了一个数量级。

4.2 设计方法：三步走，稳如老狗

设计DOB，其实就三步。别被那些论文吓到，咱们工程师讲究实用。

第一步：确定标称模型 Pn(s)

这是DOB的“基准”。通常取系统的简化模型，比如一阶惯性环节或二阶振荡环节。我建议用系统辨识的方法，扫频得到频率响应，然后拟合出模型。别偷懒用理论计算，实际参数差很多。

第二步：设计低通滤波器 Q(s)

Q(s) 是DOB的灵魂。它决定了扰动观测的带宽和噪声抑制能力。

• Q(s) 的阶次：通常取2阶或3阶。阶次太低，高频噪声滤不干净；阶次太高，相位滞后大，影响稳定性。
• Q(s) 的截止频率：这是关键参数。我一般取速度环带宽的3-5倍。比如速度环带宽100Hz，Q(s)截止频率就设在300-500Hz。
• Q(s) 的形式：常用巴特沃斯滤波器或贝塞尔滤波器。巴特沃斯幅频特性平坦，贝塞尔相频特性线性。我个人偏爱贝塞尔，因为相位滞后小，对系统稳定性影响小。

// 以二阶巴特沃斯低通滤波器为例
// 截止频率 fc = 300 Hz, 采样周期 Ts = 0.0001 s
// 离散化后的差分方程系数
float b0 = 0.0201;
float b1 = 0.0402;
float b2 = 0.0201;
float a1 = -1.5610;
float a2 = 0.6414;

// 滤波函数
float Q_filter(float input) {
    static float x[3] = {0, 0, 0};
    static float y[3] = {0, 0, 0};
    
    x[2] = x[1];
    x[1] = x[0];
    x[0] = input;
    
    y[2] = y[1];
    y[1] = y[0];
    
    y[0] = b0*x[0] + b1*x[1] + b2*x[2] - a1*y[1] - a2*y[2];
    
    return y[0];
}

第三步：实现扰动补偿

将估计出的扰动 d_hat 叠加到控制器的输出上：

u_total = u_pid + u_dob
其中 u_dob = -d_hat

注意符号！是负反馈。扰动是正的，我们就加一个负的补偿量去抵消它。

4.3 与PID的融合：1+1 > 2

DOB不是要取代PID，而是给PID当“助手”。两者融合，效果远胜单独使用。

怎么融合？我总结了两种主流架构：

架构类型	结构描述	适用场景	我的评价
串联型	PID输出作为DOB的输入，DOB再输出补偿量	对扰动抑制要求极高，且系统模型较准确	效果好，但调试复杂，容易引入振荡
并联型	PID和DOB独立计算，输出直接相加	通用场景，模型不精确时更鲁棒	我推荐新手先用这个，稳定第一

我个人更常用并联型。为什么？因为调试起来更“温柔”。你可以先调好PID，再慢慢加入DOB的权重，不会出现“一加DOB系统就崩”的尴尬。

具体实现时，我会在DOB输出端加一个增益系数 K_dob，从0开始慢慢往上加：

u_total = u_pid + K_dob * u_dob

你想想看，这样做的好处是什么？

• 如果系统模型不准，K_dob小一点，DOB只起辅助作用，不会破坏稳定性。
• 如果模型很准，K_dob可以调到1.0甚至更高，实现近乎完美的扰动抑制。

4.4 实战效果：一个真实案例

说个我自己的经历。之前做一款工业缝纫机伺服，要求布料厚度突变时，转速波动小于±5转/分。纯PID根本做不到，负载一上来，转速掉30转，再慢慢恢复。

后来我加了DOB，Q(s)截止频率设在400Hz，K_dob从0.2开始调，最终稳定在0.7。结果呢？负载突变时，转速波动控制在±3转/分以内，而且恢复时间从原来的200ms缩短到50ms。

说白了，DOB就是给PID装了一双“透视眼”。它让控制器提前看到扰动，而不是等误差出来了再补救。

4.5 核心逻辑图：DOB与PID融合框架

下面这张图，是我自己画的DOB与PID融合的完整框架。你看一眼，就能明白整个信号流。

从图中可以看到，DOB从系统输出 y(t) 和控制器输出 u 中提取信息，经过逆模型和Q滤波器，估算出扰动 d_hat，然后叠加到PID的输出上。这样，PID只需要处理残余的误差，而大部分扰动已经被DOB提前抵消了。

好了，关于DOB的原理、设计和融合，我就讲这么多。记住一句话：DOB不是银弹，但它绝对是电机控制工具箱里最锋利的刀之一。下次遇到负载突变的问题，别急着调PID参数，先想想能不能用DOB“看”到扰动。