一、前馈控制概述：什么是前馈控制、前馈与反馈的区别、前馈补偿的数学本质

各位工程师朋友，咱们今天聊聊前馈控制。

说实话，我刚开始做运动控制那会儿，对前馈的理解也停留在「提前给点信号」这个层面。直到有一次调试一台高速贴片机，反馈怎么调都追不上目标轨迹，我才真正意识到——光靠反馈，有些活真干不了。

1.1 什么是前馈控制

前馈控制，说白了就是「提前补偿」。

你想想看，反馈控制是等误差出来了再纠正。前馈不一样，它直接根据你想要的运动轨迹，提前算好需要多大的力、多大的电流，然后直接给出去。

举个例子。你开车下坡，如果等车速快了再踩刹车，那就是反馈。但如果你看到坡道，提前松油门、轻点刹车，这就是前馈。

在运动控制里，前馈通常长这样：

// 速度前馈示例
double velocity_feedforward = Kff * target_velocity;
// Kff 是前馈增益，target_velocity 是目标速度
motor_current = velocity_feedforward + feedback_correction;

嗯，代码很简单。但实际调起来，坑不少。我后面会讲。

1.2 前馈与反馈的区别

这两者的区别，我用一张表说清楚：

对比项	反馈控制	前馈控制
触发条件	误差出现后	误差出现前
依赖信息	实际输出	目标输入
稳定性	可能振荡	不影响稳定性
抗干扰	能抑制	不能抑制
响应速度	慢（等误差）	快（提前给）

这里有个关键点，我特别想强调：前馈不影响系统稳定性。

为什么？因为前馈信号是开环给的，不参与闭环的反馈回路。你想想看，反馈回路里加增益，调大了容易振荡。但前馈你给多大，它都不会让系统振荡——当然，前提是你的模型别太离谱。

1.3 前馈补偿的数学本质

好，咱们来点硬核的。

前馈补偿的数学本质，其实就是系统逆模型。

什么意思？

假设你的被控对象传递函数是 G(s)，你想要输出 Y(s) 完美跟踪目标 R(s)。那理想情况下，你给系统的输入 U(s) 应该满足：

Y(s) = G(s) * U(s)
想要 Y(s) = R(s)
则 U(s) = G(s)^(-1) * R(s)

看到了吗？前馈控制器本质上就是 G(s) 的逆。

但问题来了——实际系统哪有那么完美的逆？

我举个例子。一个简单的电机加负载，传递函数可能是：

G(s) = K / (J*s + B)

它的逆是：

G(s)^(-1) = (J*s + B) / K

这里面有个 s 项，也就是微分项。你想想看，如果目标轨迹有噪声，微分一下，噪声会被放大多少倍？

我曾经在一个项目中，直接用了理想微分前馈。结果电机高频抖动，声音都变了。后来加了截止频率 50Hz 的低通滤波，才压住。

1.4 前馈的几种常见形式

实际工程中，前馈不只有一种。我归纳了三种最常见的：

• 速度前馈：根据目标速度，提前给电流。适合匀速段跟踪。
• 加速度前馈：根据目标加速度，提前给力。适合加减速段。
• 摩擦前馈：根据速度方向，补偿静摩擦和库仑摩擦。适合低速换向。

这三种前馈，我一般会同时用。但要注意，每种前馈的增益要单独调。

1.5 前馈的局限性

前馈不是万能的。我遇到过不少工程师，觉得加了前馈就万事大吉。其实不然。

前馈有三个硬伤：

1. 依赖模型精度。模型不准，前馈反而帮倒忙。
2. 不能抑制扰动。突加负载、摩擦力变化，前馈管不了。
3. 对噪声敏感。尤其是加速度前馈，噪声放大很厉害。

所以我的建议是：前馈做「粗调」，反馈做「精调」。前馈把 80% 的误差吃掉，剩下的 20% 交给反馈去收尾。

嗯，这一节就到这里。下一节咱们聊聊前馈的工程实现，包括怎么建模、怎么辨识参数、怎么调增益。到时候我会拿一个实际的伺服系统案例来讲。