4. 扰动观测器基本原理：内模原理、等效框图、基本结构

好，咱们今天聊聊扰动观测器的核心原理。说实话，这东西在运动控制里太重要了。我做了十几年伺服驱动，每次遇到系统抖动、跟踪精度上不去，第一个想到的就是它。

扰动观测器，英文叫 Disturbance Observer，简称 DOB。它的思路其实很朴素——把外部扰动和模型误差当成一个“总扰动”，然后想办法把它估计出来，再补偿回去。说白了，就是让系统假装没受到干扰。

4.1 内模原理：扰动观测器的理论根基

先说说内模原理。这个名字听起来挺唬人，其实道理很简单：你想要抑制某种扰动，就得在控制器里“内置”一个跟扰动同频的模型。

举个例子。你想想看，如果扰动是恒定值（比如负载突变），那控制器里就得有个积分环节。为什么？因为积分器能产生一个恒定输出，正好抵消恒定扰动。这就是内模原理的雏形。

我记得有一次调试一个转台系统，低速时总是有周期性波动。查了半天，发现是齿轮啮合产生的周期性力矩扰动。后来我在扰动观测器里加入了对应频率的谐振模型，问题就解决了。嗯，这就是内模原理在实践中的应用。

4.2 等效框图：从物理直觉到数学表达

我个人习惯，先画框图再写公式。这样思路更清晰。

先看一个最基本的运动控制系统：

r → [控制器] → [被控对象 P(s)] → y
                ↑
              扰动 d

被控对象 P(s) 通常是电机加负载的传递函数。理想情况下，我们希望系统输出 y 完全跟随指令 r，不受扰动 d 的影响。

扰动观测器的思路是：把实际系统输出和模型输出做比较，差值就是扰动估计值。

等效框图长这样：

u → [被控对象 P(s)] → y
  → [标称模型 Pn(s)] → y_hat → 减法器 → 扰动估计 d_hat
                                  ↑
                                实际 y

这里 Pn(s) 是标称模型，也就是我们认为系统“应该”是什么样。y_hat 是模型输出，y 是实际输出。两者之差，经过一个滤波器 Q(s)，就得到了扰动估计值。

4.3 基本结构：Q滤波器是关键

扰动观测器的标准结构，我画个 SVG 图给大家看：

这个框图里，最关键的就是 Q(s) 滤波器。它决定了扰动观测器的性能边界。

我常用的 Q 滤波器形式是：

Q(s) = 1 / (τ·s + 1)ⁿ

其中 τ 是时间常数，n 是阶数。阶数越高，高频衰减越快，但相位滞后也越大。我一般用二阶，折中效果不错。

4.4 扰动观测器的数学表达

从框图可以推导出扰动观测器的核心公式：

d_hat = Q(s) · [y - Pn(s) · u]

其中：
  d_hat：扰动估计值
  y：实际输出
  u：控制输入
  Pn(s)：标称模型
  Q(s)：低通滤波器

加上补偿后，实际控制量为：

u = u0 - d_hat

其中 u0 是原始控制器输出

把这两个式子联立，就能得到等效系统：

y = P(s) · [u0 - d_hat] + d
  = P(s) · u0 - P(s) · Q(s) · [y - Pn(s) · u] + d

经过一番推导（这里不展开了），最终可以得到：

y ≈ Pn(s) · u0 + [1 - Q(s)] · d

看到没？扰动 d 被乘以了 [1 - Q(s)]。在低频段 Q(s)≈1，扰动几乎被完全抑制。在高频段 Q(s)≈0，扰动原样通过。这就是扰动观测器的本质——用带宽换取抗扰能力。

4.5 实际应用中的注意事项

说了这么多理论，最后分享几个实战经验：

1. 模型误差不可怕——扰动观测器天生就能补偿模型不准确。但要注意，模型误差太大会导致 Q 滤波器带宽受限。
2. 传感器噪声是敌人——Q 滤波器的高频衰减就是为了对付噪声。如果噪声太大，可以考虑在 Q 后面再加一级低通。
3. 离散化要小心——连续域设计好的 Q 滤波器，离散化后性能可能变差。我习惯用 Tustin 变换，效果比较稳定。
4. 启动阶段要处理——系统刚上电时，扰动观测器的输出可能很大。我一般会加一个软启动，让补偿量慢慢建立起来。

好了，关于扰动观测器的基本原理就聊到这儿。内模原理是理论根基，等效框图帮我们理清信号流向，基本结构中的 Q 滤波器则是设计的核心。掌握了这些，你就能自己搭一个扰动观测器了。

---