简介这份资料包聚焦先进PID控制算法的工程实现面向自动化、机器人学与过程控制领域的工程师及研究者帮助解决传统PID在复杂、不确定系统中鲁棒性不足的问题。内容围绕自抗扰控制ADRC、跟踪微分器TD与扩张状态观测器ESO展开并延伸至差分进化、神经网络等优化与辨识方法覆盖从理论模型到仿真验证的完整链路。压缩包共15个文件以11个m脚本、2个slx仿真模型为主辅以1个md说明与1个gitignore整体约66KB体积轻量却结构紧凑便于直接运行与二次修改。目前已有181人学习下载。读者可从中获取ADRC与LADRC的算法实现、TD控制器与跟踪滤波器的代码范例、差分进化与Rosenbrock测试函数等优化工具以及伺服关节、永磁同步发电机等Simulink仿真模型适合用于课程设计、课题复现与算法对比实验快速建立对先进PID控制策略的直观理解与工程应用能力。1. 从一份 5.5MB 的压缩包说起这套先进 PID 控制算法到底能解决什么如果你调过伺服电机或者做过过程控制大概率经历过这种场景传统 PID 参数刚调好负载一变、摩擦一上来超调立刻炸开积分项疯狂累积系统要么振荡要么响应迟钝。这份名为「先进PID控制算法(ADRC,TD,ESO).zip」的资源包就是冲着这类问题来的。它把自抗扰控制ADRC、跟踪微分器TD、扩张状态观测器ESO以及几种改进型 PID 的 MATLAB 实现打包在一起包含.m脚本和.slx仿真模型适合已经会写基础 PID、但被非线性、强扰动、模型不确定折腾过的控制方向从业者和学生。压缩包不大但里面的文件结构很直白控制器脚本、被控对象模型、优化算法、仿真工程各司其职拿到手就能跑。2. 拆包先看文件清单ADRC、TD、ESO 各自落在哪个脚本里2.1 从文件列表反推模块划分拿到压缩包先别急着双击.slx把目录展开看一眼基本能判断出这套代码的组织逻辑。根目录下大致是这么几类文件文件名推测作用对应算法模块ADRC.m/LADRC.m自抗扰控制器主逻辑线性 ADRC 版本ADRCTD_controller.m/tracer_filter.m跟踪微分器安排过渡过程、提取微分信号TDESO相关逻辑多嵌在 ADRC 脚本内扩张状态观测器估计总扰动ESOPID_controller.m/PID_controller_2.m/PD_Controller_3.m基础与改进 PID 对照实现PID 变体PID_diff_advance.m带微分先行或改进微分项的 PID改进 PIDDifferentail_Evolution.m/Rosenbrock.m差分进化、Rosenbrock 测试函数用于参数寻优优化Servo_Joint.slx/PMS_Generator.slx伺服关节、永磁同步发电机仿真模型被控对象Neural.m神经网络相关脚本可能是补偿或辨识扩展README.md说明文档入口这个清单里最值得先看的是ADRC.m和TD_controller.m因为它们对应了资源标题里最核心的两个缩写。LADRC.m是线性自抗扰的简化版本参数更少适合先跑通再深入。2.2 三个缩写的工程含义别被术语吓住ADRC 的核心思路是把系统里所有说不清道不明的东西——未建模动态、外部扰动、参数摄动——统统塞进一个叫「总扰动」的项里然后用 ESO 去实时估计它再在控制量里把它抵消掉。你不需要精确的物理模型只需要知道系统的大致阶数和输入增益这是它比传统 PID 更鲁棒的根本原因。TD 是 ADRC 的前置环节作用有两个一是把阶跃指令安排成一个平滑过渡过程避免一开始就给系统一个巨大误差导致超调二是提取指令的微分信号。传统 PID 的 D 项直接对误差做差分噪声一大就废了TD 相当于给微分信号加了一层滤波和预测。ESO 是 ADRC 的观测器部分它把系统输出和已知输入作为输入输出状态估计和总扰动估计。你可以把它理解成一个「黑匣子估计器」不管扰动从哪来只要它影响输出ESO 就能在几个采样周期内估个八九不离十。2.3 先跑哪个脚本建议的阅读顺序我一般会按这个顺序拆先打开PID_controller.m确认基础 PID 的接口和仿真框架知道输入输出变量叫什么。再跑TD_controller.m单独看 TD 对阶跃信号的过渡过程安排观察跟踪速度和微分输出。然后进ADRC.m或LADRC.m把 ESO 的带宽、控制器带宽这两个关键参数找出来。最后打开Servo_Joint.slx把 ADRC 模块替换进去对比 PID 和 ADRC 在同一被控对象上的响应差异。这个顺序的好处是每一步只引入一个新概念不会一上来就被 ESO 的增益矩阵和 TD 的滤波因子同时卡住。3. 把 ADRC 跑起来参数整定与 ESO 带宽的实操细节3.1 线性 ADRC 的参数化把三个增益变成两个带宽以LADRC.m为例一个二阶线性自抗扰控制器的可调参数通常只有三个控制器带宽wc、观测器带宽wo、输入增益b0。传统 ADRC 里那一堆非线性函数和多个整定参数在 LADRC 里被压缩成了带宽概念调参难度直线下降。% LADRC.m 核心参数示例根据脚本实际变量名调整 b0 1.2; % 输入增益估计影响控制量幅值 wc 15; % 控制器带宽决定响应速度 wo 3 * wc; % 观测器带宽通常取控制器带宽的 3~5 倍 Ts 0.001; % 采样周期需与仿真步长一致 % 观测器增益由带宽配置 beta1 2 * wo; beta2 wo^2; % 控制器增益 kp wc^2; kd 2 * wc;逻辑说明b0是最关键的参数它代表你对系统输入到输出增益的粗略估计。估大了控制量偏小、响应慢估小了控制量偏大、容易振荡。wo取wc的 3 到 5 倍是经验做法观测器必须比控制器快否则估计出来的扰动跟不上控制节奏。Ts必须和 Simulink 模型的固定步长一致否则 ESO 的离散化会出问题。参数说明如果你不知道b0怎么取可以先给一个 1 左右的数跑一次阶跃响应看控制量是否饱和。如果控制量一开始就顶到限幅说明b0给小了如果响应软绵绵说明b0给大了。这个试凑过程比传统 PID 的三参数试凑要快得多因为b0的物理意义明确。3.2 ESO 的离散实现与初值设置ESO 在脚本里通常是一个差分方程组。以二阶系统为例ADRC.m里会有类似这样的结构% ESO 离散迭代示意变量名以实际脚本为准 e z1 - y; % 输出估计误差 z1 z1 Ts * (z2 - beta1 * e); z2 z2 Ts * (z3 - beta2 * e b0 * u); z3 z3 Ts * (-beta3 * e); % 控制量计算 u0 kp * (v1 - z1) kd * (v2 - z2); u (u0 - z3) / b0;逻辑说明z1估计输出z2估计输出的导数z3估计总扰动。beta3是扩张状态对应的增益通常取wo^3。控制量u里减去z3/b0就是扰动补偿项这是 ADRC 抗扰的核心动作。参数说明ESO 的初值一般设为零但如果系统初始状态远离零可以在仿真开始前把z1初始化成实际输出初值减少初始估计误差带来的冲击。beta3不要盲目加大它和采样噪声直接相关wo太高会把噪声放大进控制量。3.3 在 Simulink 里替换控制器以Servo_Joint.slx为例打开Servo_Joint.slx后找到原来的 PID 模块把它替换成 ADRC 的 MATLAB Function 模块或者子系统。操作步骤在 Simulink 库浏览器里找到MATLAB Function模块拖到模型里。双击模块把ADRC.m里的核心迭代逻辑粘贴进去注意输入输出端口要和原 PID 模块对齐。把b0、wc、wo设为模块参数方便在外部用 MATLAB 变量赋值。仿真步长设为固定步长和脚本里的Ts保持一致。先跑 PID 版本记录超调量和调节时间再跑 ADRC 版本对比同一指标。常见做法是给阶跃指令加一个 TD 前置这样指令本身变得平滑ADRC 的过渡过程会更干净。TD_controller.m里的滤波因子h和速度因子r需要根据指令幅值调整r越大跟踪越快但太大就失去了安排过渡过程的意义。4. 避坑与排查TD 滤波、ESO 噪声、仿真步长这三处最容易翻车4.1 TD 输出微分信号噪声大控制量抖动现象把 TD 的微分输出接到示波器上看到毛刺很重ADRC 的控制量也跟着抖。原因TD 的滤波因子h设得太小或者仿真步长和 TD 内部积分步长不一致。TD 本质上是一个带滤波的微分器h决定了滤波强度。解决把h增大到采样周期的 5 到 10 倍或者改用tracer_filter.m里的滤波版本。如果还抖检查 Simulink 的求解器是不是用了变步长改成固定步长ode4或ode1。4.2 ESO 估计的扰动发散控制量饱和现象仿真跑几秒后z3越来越大控制量顶到限幅系统失控。原因wo给得太高或者b0和实际输入增益差了一个数量级。ESO 在高带宽下会把噪声和未建模高频动态当成扰动放大。解决先把wo降到wc的 2 倍跑通后再慢慢加。同时检查b0的符号符号错了 ESO 的补偿方向就反了必然发散。4.3 替换控制器后仿真报代数环现象Simulink 提示代数环错误仿真无法启动。原因ADRC 的控制量u直接依赖 ESO 的z3而z3的更新又用了当前步的u形成代数环。解决在 ESO 迭代里把u换成上一步的u_prev或者在控制量输出后加一个单位延迟模块。这是离散实现的常见处理代价是引入一步延迟采样够快时影响可以忽略。4.4 差分进化寻优跑得慢结果还不如手动调现象Differentail_Evolution.m跑了几百代得到的参数代进模型里效果一般。原因适应度函数设计得太简单或者寻优范围没设对。差分进化对种群规模和变异因子敏感默认参数不一定适合你的被控对象。解决先把b0用手动试凑确定一个大致范围再把这个范围传给差分进化缩小搜索区间。适应度函数里除了超调量把控制量变化率也加进去避免寻优出一组让执行器疯狂动作的参数。5. 从跑通到用顺用 Rosenbrock 函数验证优化链路再回到伺服模型5.1 先用Rosenbrock.m确认优化脚本本身没问题Rosenbrock.m是一个标准测试函数它的作用不是控制而是验证Differentail_Evolution.m能不能正常收敛。在把差分进化用到控制器参数寻优之前先跑一遍 Rosenbrock 测试% 验证差分进化链路 fobj (x) Rosenbrock(x); lb [-2, -2]; ub [2, 2]; [xopt, fval] Differentail_Evolution(fobj, 2, lb, ub, 50, 200); disp([最优解: , num2str(xopt)]); disp([最优值: , num2str(fval)]);逻辑说明如果这个测试跑出来fval接近零说明优化脚本的迭代逻辑、边界处理、种群更新都没问题。如果跑出来离零很远先别急着调控制器参数把优化脚本本身排查一遍。参数说明种群规模 50、迭代 200 代是保守设置跑通后再根据控制器仿真的耗时决定要不要加大。Rosenbrock 函数的最优解在(1,1)处值为零可以作为收敛判据。5.2 把优化目标换成伺服关节的跟踪误差确认优化链路正常后把适应度函数换成Servo_Joint.slx的仿真输出。常见做法是让差分进化调用 Simulink 模型跑一次仿真取跟踪误差的积分作为适应度。这里有个坑每次仿真都要编译模型速度很慢。我一般会先把模型设成快速加速模式或者把被控对象简化成一个.m函数等参数大致收敛后再代回 Simulink 验证。% 适应度函数示意调用仿真并计算 ITAE function cost servo_cost(params) assignin(base, wc, params(1)); assignin(base, wo, params(2)); sim(Servo_Joint.slx); error ref - yout; cost sum(abs(error) .* time); end逻辑说明ITAE 指标对长时间的小误差惩罚更重适合跟踪问题。assignin把优化变量写进基础工作区Simulink 模型里直接引用同名变量。参数说明wc和wo的搜索范围建议设在手动试凑值的 0.5 到 2 倍之间不要放开太大否则差分进化会浪费大量时间在明显不合理的区域。5.3 一个容易被忽略的细节b0不要交给优化去搜b0的物理意义是输入增益它和硬件直接相关优化算法搜出来的b0可能让仿真好看但换到实际设备上完全不能用。我的习惯是b0手动确定只把wc和wo交给优化。这样得到的参数至少在实际系统上有物理依据不会变成纯数学拟合。从那以后我每次拿到新的被控对象都强制先手动跑一组b0的阶跃响应确认控制量幅值合理再开优化。这个习惯帮我省掉了好几次「仿真完美、上机炸裂」的后悔药。希望帮到你。本文还有配套的精品资源点击获取
简介这份资料包聚焦先进PID控制算法的工程实现面向自动化、机器人学与过程控制领域的工程师及研究者帮助解决传统PID在复杂、不确定系统中鲁棒性不足的问题。内容围绕自抗扰控制ADRC、跟踪微分器TD与扩张状态观测器ESO展开并延伸至差分进化、神经网络等优化与辨识方法覆盖从理论模型到仿真验证的完整链路。压缩包共15个文件以11个m脚本、2个slx仿真模型为主辅以1个md说明与1个gitignore整体约66KB体积轻量却结构紧凑便于直接运行与二次修改。目前已有181人学习下载。读者可从中获取ADRC与LADRC的算法实现、TD控制器与跟踪滤波器的代码范例、差分进化与Rosenbrock测试函数等优化工具以及伺服关节、永磁同步发电机等Simulink仿真模型适合用于课程设计、课题复现与算法对比实验快速建立对先进PID控制策略的直观理解与工程应用能力。1. 从一份 5.5MB 的压缩包说起这套先进 PID 控制算法到底能解决什么如果你调过伺服电机或者做过过程控制大概率经历过这种场景传统 PID 参数刚调好负载一变、摩擦一上来超调立刻炸开积分项疯狂累积系统要么振荡要么响应迟钝。这份名为「先进PID控制算法(ADRC,TD,ESO).zip」的资源包就是冲着这类问题来的。它把自抗扰控制ADRC、跟踪微分器TD、扩张状态观测器ESO以及几种改进型 PID 的 MATLAB 实现打包在一起包含.m脚本和.slx仿真模型适合已经会写基础 PID、但被非线性、强扰动、模型不确定折腾过的控制方向从业者和学生。压缩包不大但里面的文件结构很直白控制器脚本、被控对象模型、优化算法、仿真工程各司其职拿到手就能跑。2. 拆包先看文件清单ADRC、TD、ESO 各自落在哪个脚本里2.1 从文件列表反推模块划分拿到压缩包先别急着双击.slx把目录展开看一眼基本能判断出这套代码的组织逻辑。根目录下大致是这么几类文件文件名推测作用对应算法模块ADRC.m/LADRC.m自抗扰控制器主逻辑线性 ADRC 版本ADRCTD_controller.m/tracer_filter.m跟踪微分器安排过渡过程、提取微分信号TDESO相关逻辑多嵌在 ADRC 脚本内扩张状态观测器估计总扰动ESOPID_controller.m/PID_controller_2.m/PD_Controller_3.m基础与改进 PID 对照实现PID 变体PID_diff_advance.m带微分先行或改进微分项的 PID改进 PIDDifferentail_Evolution.m/Rosenbrock.m差分进化、Rosenbrock 测试函数用于参数寻优优化Servo_Joint.slx/PMS_Generator.slx伺服关节、永磁同步发电机仿真模型被控对象Neural.m神经网络相关脚本可能是补偿或辨识扩展README.md说明文档入口这个清单里最值得先看的是ADRC.m和TD_controller.m因为它们对应了资源标题里最核心的两个缩写。LADRC.m是线性自抗扰的简化版本参数更少适合先跑通再深入。2.2 三个缩写的工程含义别被术语吓住ADRC 的核心思路是把系统里所有说不清道不明的东西——未建模动态、外部扰动、参数摄动——统统塞进一个叫「总扰动」的项里然后用 ESO 去实时估计它再在控制量里把它抵消掉。你不需要精确的物理模型只需要知道系统的大致阶数和输入增益这是它比传统 PID 更鲁棒的根本原因。TD 是 ADRC 的前置环节作用有两个一是把阶跃指令安排成一个平滑过渡过程避免一开始就给系统一个巨大误差导致超调二是提取指令的微分信号。传统 PID 的 D 项直接对误差做差分噪声一大就废了TD 相当于给微分信号加了一层滤波和预测。ESO 是 ADRC 的观测器部分它把系统输出和已知输入作为输入输出状态估计和总扰动估计。你可以把它理解成一个「黑匣子估计器」不管扰动从哪来只要它影响输出ESO 就能在几个采样周期内估个八九不离十。2.3 先跑哪个脚本建议的阅读顺序我一般会按这个顺序拆先打开PID_controller.m确认基础 PID 的接口和仿真框架知道输入输出变量叫什么。再跑TD_controller.m单独看 TD 对阶跃信号的过渡过程安排观察跟踪速度和微分输出。然后进ADRC.m或LADRC.m把 ESO 的带宽、控制器带宽这两个关键参数找出来。最后打开Servo_Joint.slx把 ADRC 模块替换进去对比 PID 和 ADRC 在同一被控对象上的响应差异。这个顺序的好处是每一步只引入一个新概念不会一上来就被 ESO 的增益矩阵和 TD 的滤波因子同时卡住。3. 把 ADRC 跑起来参数整定与 ESO 带宽的实操细节3.1 线性 ADRC 的参数化把三个增益变成两个带宽以LADRC.m为例一个二阶线性自抗扰控制器的可调参数通常只有三个控制器带宽wc、观测器带宽wo、输入增益b0。传统 ADRC 里那一堆非线性函数和多个整定参数在 LADRC 里被压缩成了带宽概念调参难度直线下降。% LADRC.m 核心参数示例根据脚本实际变量名调整 b0 1.2; % 输入增益估计影响控制量幅值 wc 15; % 控制器带宽决定响应速度 wo 3 * wc; % 观测器带宽通常取控制器带宽的 3~5 倍 Ts 0.001; % 采样周期需与仿真步长一致 % 观测器增益由带宽配置 beta1 2 * wo; beta2 wo^2; % 控制器增益 kp wc^2; kd 2 * wc;逻辑说明b0是最关键的参数它代表你对系统输入到输出增益的粗略估计。估大了控制量偏小、响应慢估小了控制量偏大、容易振荡。wo取wc的 3 到 5 倍是经验做法观测器必须比控制器快否则估计出来的扰动跟不上控制节奏。Ts必须和 Simulink 模型的固定步长一致否则 ESO 的离散化会出问题。参数说明如果你不知道b0怎么取可以先给一个 1 左右的数跑一次阶跃响应看控制量是否饱和。如果控制量一开始就顶到限幅说明b0给小了如果响应软绵绵说明b0给大了。这个试凑过程比传统 PID 的三参数试凑要快得多因为b0的物理意义明确。3.2 ESO 的离散实现与初值设置ESO 在脚本里通常是一个差分方程组。以二阶系统为例ADRC.m里会有类似这样的结构% ESO 离散迭代示意变量名以实际脚本为准 e z1 - y; % 输出估计误差 z1 z1 Ts * (z2 - beta1 * e); z2 z2 Ts * (z3 - beta2 * e b0 * u); z3 z3 Ts * (-beta3 * e); % 控制量计算 u0 kp * (v1 - z1) kd * (v2 - z2); u (u0 - z3) / b0;逻辑说明z1估计输出z2估计输出的导数z3估计总扰动。beta3是扩张状态对应的增益通常取wo^3。控制量u里减去z3/b0就是扰动补偿项这是 ADRC 抗扰的核心动作。参数说明ESO 的初值一般设为零但如果系统初始状态远离零可以在仿真开始前把z1初始化成实际输出初值减少初始估计误差带来的冲击。beta3不要盲目加大它和采样噪声直接相关wo太高会把噪声放大进控制量。3.3 在 Simulink 里替换控制器以Servo_Joint.slx为例打开Servo_Joint.slx后找到原来的 PID 模块把它替换成 ADRC 的 MATLAB Function 模块或者子系统。操作步骤在 Simulink 库浏览器里找到MATLAB Function模块拖到模型里。双击模块把ADRC.m里的核心迭代逻辑粘贴进去注意输入输出端口要和原 PID 模块对齐。把b0、wc、wo设为模块参数方便在外部用 MATLAB 变量赋值。仿真步长设为固定步长和脚本里的Ts保持一致。先跑 PID 版本记录超调量和调节时间再跑 ADRC 版本对比同一指标。常见做法是给阶跃指令加一个 TD 前置这样指令本身变得平滑ADRC 的过渡过程会更干净。TD_controller.m里的滤波因子h和速度因子r需要根据指令幅值调整r越大跟踪越快但太大就失去了安排过渡过程的意义。4. 避坑与排查TD 滤波、ESO 噪声、仿真步长这三处最容易翻车4.1 TD 输出微分信号噪声大控制量抖动现象把 TD 的微分输出接到示波器上看到毛刺很重ADRC 的控制量也跟着抖。原因TD 的滤波因子h设得太小或者仿真步长和 TD 内部积分步长不一致。TD 本质上是一个带滤波的微分器h决定了滤波强度。解决把h增大到采样周期的 5 到 10 倍或者改用tracer_filter.m里的滤波版本。如果还抖检查 Simulink 的求解器是不是用了变步长改成固定步长ode4或ode1。4.2 ESO 估计的扰动发散控制量饱和现象仿真跑几秒后z3越来越大控制量顶到限幅系统失控。原因wo给得太高或者b0和实际输入增益差了一个数量级。ESO 在高带宽下会把噪声和未建模高频动态当成扰动放大。解决先把wo降到wc的 2 倍跑通后再慢慢加。同时检查b0的符号符号错了 ESO 的补偿方向就反了必然发散。4.3 替换控制器后仿真报代数环现象Simulink 提示代数环错误仿真无法启动。原因ADRC 的控制量u直接依赖 ESO 的z3而z3的更新又用了当前步的u形成代数环。解决在 ESO 迭代里把u换成上一步的u_prev或者在控制量输出后加一个单位延迟模块。这是离散实现的常见处理代价是引入一步延迟采样够快时影响可以忽略。4.4 差分进化寻优跑得慢结果还不如手动调现象Differentail_Evolution.m跑了几百代得到的参数代进模型里效果一般。原因适应度函数设计得太简单或者寻优范围没设对。差分进化对种群规模和变异因子敏感默认参数不一定适合你的被控对象。解决先把b0用手动试凑确定一个大致范围再把这个范围传给差分进化缩小搜索区间。适应度函数里除了超调量把控制量变化率也加进去避免寻优出一组让执行器疯狂动作的参数。5. 从跑通到用顺用 Rosenbrock 函数验证优化链路再回到伺服模型5.1 先用Rosenbrock.m确认优化脚本本身没问题Rosenbrock.m是一个标准测试函数它的作用不是控制而是验证Differentail_Evolution.m能不能正常收敛。在把差分进化用到控制器参数寻优之前先跑一遍 Rosenbrock 测试% 验证差分进化链路 fobj (x) Rosenbrock(x); lb [-2, -2]; ub [2, 2]; [xopt, fval] Differentail_Evolution(fobj, 2, lb, ub, 50, 200); disp([最优解: , num2str(xopt)]); disp([最优值: , num2str(fval)]);逻辑说明如果这个测试跑出来fval接近零说明优化脚本的迭代逻辑、边界处理、种群更新都没问题。如果跑出来离零很远先别急着调控制器参数把优化脚本本身排查一遍。参数说明种群规模 50、迭代 200 代是保守设置跑通后再根据控制器仿真的耗时决定要不要加大。Rosenbrock 函数的最优解在(1,1)处值为零可以作为收敛判据。5.2 把优化目标换成伺服关节的跟踪误差确认优化链路正常后把适应度函数换成Servo_Joint.slx的仿真输出。常见做法是让差分进化调用 Simulink 模型跑一次仿真取跟踪误差的积分作为适应度。这里有个坑每次仿真都要编译模型速度很慢。我一般会先把模型设成快速加速模式或者把被控对象简化成一个.m函数等参数大致收敛后再代回 Simulink 验证。% 适应度函数示意调用仿真并计算 ITAE function cost servo_cost(params) assignin(base, wc, params(1)); assignin(base, wo, params(2)); sim(Servo_Joint.slx); error ref - yout; cost sum(abs(error) .* time); end逻辑说明ITAE 指标对长时间的小误差惩罚更重适合跟踪问题。assignin把优化变量写进基础工作区Simulink 模型里直接引用同名变量。参数说明wc和wo的搜索范围建议设在手动试凑值的 0.5 到 2 倍之间不要放开太大否则差分进化会浪费大量时间在明显不合理的区域。5.3 一个容易被忽略的细节b0不要交给优化去搜b0的物理意义是输入增益它和硬件直接相关优化算法搜出来的b0可能让仿真好看但换到实际设备上完全不能用。我的习惯是b0手动确定只把wc和wo交给优化。这样得到的参数至少在实际系统上有物理依据不会变成纯数学拟合。从那以后我每次拿到新的被控对象都强制先手动跑一组b0的阶跃响应确认控制量幅值合理再开优化。这个习惯帮我省掉了好几次「仿真完美、上机炸裂」的后悔药。希望帮到你。本文还有配套的精品资源点击获取
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
