4、龙伯格观测器仿真：基于MATLAB/Simulink的仿真实现

好，咱们前面把龙伯格观测器的理论讲透了。说实话，理论再漂亮，不上手跑一遍仿真，心里总是不踏实。我个人习惯是，先搭个简单的模型，看看状态估计到底能不能跟上实际值。这一章，我就带你手把手把仿真搭起来。

4.1 仿真环境与模型准备

我用的是MATLAB R2020b，Simulink版本差别不大。你想想看，咱们要仿真的是一个电机系统，核心就是那三个状态：电流、转速、位置。嗯，这里要注意，仿真模型里一定要把实际系统和观测器分开建，不然你分不清哪个是真实值，哪个是估计值。

我建议你新建一个模型，结构大概这样：

• 实际电机模型：用状态空间方程搭，输入是电压，输出是电流和转速
• 龙伯格观测器：复制一份电机模型，但输入是电压+电流反馈
• 增益矩阵L：这个就是咱们上一章算出来的极点配置结果

我在项目中遇到过一个问题：有人直接把实际模型和观测器用同一个模块，结果仿真跑出来两条线完全重合。这其实不对，因为观测器的意义就在于有误差时能收敛。所以一定要给实际模型加一点初始偏差。

4.2 核心参数设置

咱们用一个永磁同步电机的简化模型来做演示。参数如下：

参数	符号	数值	单位
定子电阻	Rs	0.5	Ω
d轴电感	Ld	0.008	H
q轴电感	Lq	0.008	H
永磁磁链	ψf	0.175	Wb
转动惯量	J	0.001	kg·m²
阻尼系数	B	0.0001	N·m·s

观测器的增益矩阵L，我按极点配置法算出来是这样的：

% 极点配置代码
A = [ -R/Ld,  w*Lq/Ld,  0;
      -w*Ld/Lq, -R/Lq,  -psi_f/Lq;
       0,      0,       0 ];

C = [1 0 0; 0 1 0];  % 测量电流

% 期望极点：比系统极点快3-5倍
poles = [-200, -250, -300];
L = place(A', C', poles)';

为什么选这三个极点？说白了，观测器的收敛速度要比系统本身的动态快。我曾经试过把极点设得太快，结果仿真直接发散——因为增益太大，把测量噪声也放大了。这个坑我踩过，你一定要注意。

4.3 Simulink模型搭建步骤

咱们一步步来。打开Simulink，新建一个空白模型。

1. 拖入State-Space模块：作为实际电机模型。矩阵A、B、C、D填好，初始状态设成[0; 0; 0]。
2. 再拖一个State-Space模块：作为观测器。矩阵A、B、C、D完全一样，但初始状态设成[1; 0.5; 0.1]——故意给个偏差。
3. 加入增益矩阵L：用Gain模块，把L矩阵填进去。注意维度，L是3×2的矩阵。
4. 反馈回路：实际模型的电流输出减去观测器的电流输出，乘以L，再加到观测器的状态导数上。

嗯，这里有个细节。观测器的输入有两路：一路是控制电压u，另一路是电流误差反馈。你需要在观测器的输入端加一个Sum模块，把这两路加起来。

4.4 仿真结果分析

跑一下仿真，时间设0.5秒。你会看到什么？

• 电流估计：大概0.02秒内，估计电流就追上实际电流了。因为电流动态快，极点又设得高。
• 转速估计：慢一点，大概0.1秒左右收敛。毕竟转速是机械量，惯性大。
• 位置估计：这个最慢，因为位置是转速的积分，误差累积需要时间消除。

为什么会这样？你想想看，观测器的收敛速度取决于极点位置。电流对应的极点我设了-200，转速对应的极点-250，位置对应的-300。按理说位置应该最快，但实际仿真中位置误差的初始值最大，所以看起来收敛慢。

4.5 常见问题与避坑指南

仿真过程中，你可能会遇到这些问题：

4.6 代码实现参考

如果你不想用Simulink，也可以用m脚本跑。我个人更喜欢脚本，因为调试方便。下面是一个完整的仿真代码：

% 龙伯格观测器仿真 - m脚本版本
clear; clc;

% 电机参数
Rs = 0.5; Ld = 0.008; Lq = 0.008;
psi_f = 0.175; J = 0.001; B = 0.0001;
w = 100; % 电角速度

% 状态空间矩阵
A = [-Rs/Ld, w*Lq/Ld, 0;
     -w*Ld/Lq, -Rs/Lq, -psi_f/Lq;
     0, 0, 0];
B = [1/Ld, 0; 0, 1/Lq; 0, 0];
C = [1 0 0; 0 1 0];

% 观测器增益
poles = [-200, -250, -300];
L = place(A', C', poles)';

% 仿真参数
dt = 1e-4; T = 0.5;
N = T/dt;
t = linspace(0, T, N);

% 初始化
x_real = [0; 0; 0];  % [id; iq; omega]
x_obs = [1; 0.5; 0.1]; % 故意给偏差
u = [10; 10]; % 电压输入

% 存储数据
x_real_log = zeros(3, N);
x_obs_log = zeros(3, N);

% 仿真循环
for k = 1:N
    % 实际系统
    y_real = C * x_real;
    dx_real = A * x_real + B * u;
    x_real = x_real + dx_real * dt;
    
    % 观测器
    y_obs = C * x_obs;
    dx_obs = A * x_obs + B * u + L * (y_real - y_obs);
    x_obs = x_obs + dx_obs * dt;
    
    % 记录
    x_real_log(:, k) = x_real;
    x_obs_log(:, k) = x_obs;
end

% 画图
figure;
subplot(3,1,1);
plot(t, x_real_log(1,:), 'b', t, x_obs_log(1,:), 'r--');
legend('实际id', '估计id');
subplot(3,1,2);
plot(t, x_real_log(2,:), 'b', t, x_obs_log(2,:), 'r--');
legend('实际iq', '估计iq');
subplot(3,1,3);
plot(t, x_real_log(3,:), 'b', t, x_obs_log(3,:), 'r--');
legend('实际转速', '估计转速');

跑完这个代码，你会看到三条曲线，估计值从初始偏差开始，逐渐收敛到实际值。嗯，这就是龙伯格观测器在干活了。

4.7 小结

这一章咱们把仿真跑通了。说白了，龙伯格观测器的仿真就三步：搭模型、设增益、看收敛。你在实际项目中，可能会遇到参数不准、噪声干扰等问题，但核心原理不变。

下一章，咱们会讨论观测器在实际嵌入式系统里怎么实现——毕竟仿真跑得再好，代码写不对也是白搭。