简介这份文档面向控制工程、自动化及相关专业的学习者与研究人员围绕状态观测器设计展开对比研究帮助读者理解高增益观测器、滑模观测器与扩张状态观测器在动态不确定性、干扰和传感器噪声下的性能差异。资源包共1个doc文件约512KB内容涵盖三种观测器的原理推导、非线性增益函数设计、稳态与瞬态跟踪误差分析以及开环与闭环场景下的仿真和实验数据对照并讨论了Luenberger观测器对精确数学模型的依赖问题。已有5915人学习下载适合需要系统梳理观测器选型思路、补充鲁棒性设计方法或为课题研究查找对比依据的读者参考。1. 三种观测器横向拆解一份能直接跑仿真的对比笔记做伺服调试的同行大概都遇到过这种场面模型辨识出来的 A、B、C 矩阵看着挺漂亮一上负载、一加摩擦Luenberger 观测器的估计值就开始飘速度环跟着抖。问题不在控制器在于观测器太信那个数学模型了。这份资料围绕状态观测器这个核心把高增益观测器HGO、滑模观测器SMO、扩张状态观测器ESO/NESO三种方案放在同一套被控对象上做开环与闭环对比还给了非线性增益函数的改进思路和硬件台架验证。它适合正在选观测器方案、或者被模型不确定性和传感器噪声折腾过的控制从业者也适合想把 ESO 真正落到代码里的学生。下面按“先立原理、再动手复现、最后避坑”的顺序拆。2. 三种观测器的数学骨架从 Luenberger 到 ESO 的推导链2.1 为什么经典观测器一遇到扰动就翻车资料开篇给的是线性连续时不变系统状态方程写成 ẋ Ax Bu输出 y CxLuenberger 观测器的标准形式是 ẋ̂ Ax̂ Bu L(y − ŷ)。估计误差 e x − x̂ 的动力学是 ė (A − LC)e只要把 A − LC 的特征值配到左半平面误差就收敛到零。这套推导干净利落但它有个隐含前提A、B、C 必须准确。实际系统里摩擦、惯量变化、未建模动态全都塞不进这三个矩阵误差方程就变成 ė (A − LC)e Δ其中 Δ 是模型偏差和扰动的合力。L 配得再快也只是把 Δ 放大后灌进估计里这就是经典方案在工程上频繁翻车的根子。资料随后引入第二种非线性系统描述ẋ a(t, y, ẏ, w) 这类形式把已知动力学和未知扰动 w 分开写。三种先进观测器的差别本质上就是“怎么对付这个 w 和模型误差 δ”。HGO 靠放大增益把误差压小SMO 靠切换项把扰动顶掉ESO 干脆把扰动扩成一个状态去估。理解这条主线后面看公式就不会迷路。2.2 高增益观测器增益越大越稳吗HGO 的设计思路是把观测器增益写成 1/ε 的形式ε 取 0 到 1 之间的小量。资料里给出的调整形式是让传递函数从扰动 δ 到估计误差的通道被压缩从而对模型误差不敏感。ε 越小收敛越快对扰动的抑制越强。但这里有个反直觉的点增益不是越大越好。ε 压得太小观测器对输出噪声的放大倍数同步上升传感器上那点白噪声会被放大成剧烈抖动闭环里直接表现为执行器啸叫。资料在仿真里把采样频率定在 1kHz、输出叠加白噪声就是为了暴露这个矛盾。我一般会把 ε 当成一个“噪声-带宽”的旋钮来调先按期望收敛速度估一个初值比如希望误差在 50ms 内收敛ε 取 0.02 到 0.05 量级然后逐步减小直到噪声引起的估计抖动刚好不影响控制精度为止。这一步没有解析公式靠扫参数。资料里 ε 0.2 的取值偏保守适合噪声大的台架干净仿真环境可以往 0.05 压。2.3 滑模观测器切换项是双刃剑SMO 的结构是在 Luenberger 骨架上加一个切换项形如 k·sgn(y − ŷ)。切换增益 k 要大于模型误差 δ 的上界这样误差才能被强制拉到滑模面上。资料里明确写了“切换参数基于稳态估计误差大于模型的误差 δ(·)”这句话是设计 SMO 的唯一硬约束。k 取小了滑模面建立不起来鲁棒性无从谈起k 取大了符号函数在零点附近的抖振会被放大硬件上就是执行器的高频颤振。仿真部分给了 SMO 的极点配置在 4.2 rad/s、切换增益相关参数闭环测试里 SMO 控制器出现了明显颤振这是资料反复强调的 SMO 主要缺点。工程上常见的缓解手段是把 sgn 换成饱和函数 sat(s/Φ) 或 sigmoid用边界层 Φ 换掉抖振代价是稳态误差变大。这个取舍在资料里没展开但做硬件的人绕不开。2.4 扩张状态观测器把扰动当成一个状态来估ESO 是这份资料的重头戏。它的核心动作是把未知的扰动和模型偏差合并成一个扩展状态 x₃ a(t, y, ẏ, w)然后把原系统升阶成三阶用观测器去估这个 x₃。资料里 Han 给出的非线性观测器形式用了 fal 类非线性增益函数在误差大时给小增益、误差小时给大增益兼顾快速性和超调抑制。这个设计的妙处在于它不要求你知道扰动长什么样只要求扰动有界且变化不太快观测器就能实时估出来并补偿掉。资料还专门讨论了未知初始条件下的瞬态误差问题提出了新的非线性增益函数式 12参数取 k₁ 2.5、k₂ 15、αᵢ {1, 0.5, 0.25}并指出负的 α 指数有助于压制初始瞬态。这部分是整份资料里最有实操价值的内容因为实际系统上电瞬间初始状态几乎总是未知的瞬态估计误差直接决定第一秒会不会撞限位。3. 把三种观测器写成可运行代码参数怎么设、误差怎么看3.1 仿真对象与公共参数先对齐资料用的被控对象来自一个工业运动控制台架的线性模型输出是位置 y输入是驱动电压 u采样 1kHz。为了公平比较三种观测器的参数都调到对噪声敏感度大致相当。复现时我建议先把这个二阶对象写成状态空间再分别挂三种观测器。下面是一段可直接跑的 Python 骨架对象参数用资料里的二阶形式具体数值按你的台架辨识结果替换。import numpy as np # 被控对象二阶位置伺服状态 [位置, 速度] # xdot A x B u ; y C x A np.array([[0.0, 1.0], [0.0, -2.0]]) # 阻尼项按台架辨识改 B np.array([[0.0], [1.0]]) C np.array([[1.0, 0.0]]) dt 1e-3 # 1kHz 采样与资料一致 T 5.0 N int(T / dt) t np.arange(N) * dt # 参考输入阶跃用于看跟踪与收敛 u np.ones(N) * 1.0这段代码只搭了对象和输入没有观测器。逻辑上先把“真值”跑出来后面三种观测器都拿同一组 y 和 u 去估才能横向比。参数说明A 的第二行第二列是阻尼系数资料没给具体值按你台架的速度衰减辨识B 的增益决定输入到速度的换算单位要和电压对齐dt 固定 1ms 是资料里三种观测器共用的采样频率改这个值会直接影响 HGO 的 ε 下限。3.2 高增益观测器实现与 ε 扫描HGO 的实现要点是把增益写成 1/ε 的幂次。对二阶系统观测器增益取 l₁ 2/ε、l₂ 1/ε²这样 A − LC 的特征值都落在 −1/ε 附近。def run_hgo(y, u, eps): xhat np.zeros((N, 2)) xhat[0] [0.0, 0.0] L np.array([[2.0 / eps], [1.0 / eps**2]]) for k in range(N - 1): yhat C xhat[k] dx A xhat[k] B.flatten() * u[k] L.flatten() * (y[k] - yhat) xhat[k 1] xhat[k] dt * dx return xhat # ε 扫描观察噪声放大与收敛速度的权衡 for eps in [0.2, 0.1, 0.05, 0.02]: xh run_hgo(y_noisy, u, eps) err np.abs(xh[:, 0] - y_true) print(feps{eps:.2f} 稳态误差{err[-500:].mean():.4f} 峰值误差{err.max():.4f})逻辑说明L 的两个元素按 1/ε 和 1/ε² 配保证误差动力学是 (s 1/ε)²收敛时间常数就是 ε。参数说明ε 越小收敛越快但 y_noisy 里的噪声被 L 放大得越狠稳态误差反而可能上升。跑这段扫描你会看到一条 U 形曲线最低点就是你这套噪声水平下的最优 ε。资料里 ε 0.2 是偏稳的取值适合噪声大的硬件纯仿真可以压到 0.05 以下。3.3 滑模观测器实现与切换增益下界SMO 在 Luenberger 基础上加切换项实现时把 sgn 换成饱和函数避免数值上的高频抖振。def sat(s, phi): return np.clip(s / phi, -1.0, 1.0) def run_smo(y, u, pole, k_sw, phi): xhat np.zeros((N, 2)) xhat[0] [0.0, 0.0] # 二阶极点配置pole 为期望观测器极点 L np.array([[2.0 * pole], [pole**2]]) for k in range(N - 1): yhat C xhat[k] e y[k] - yhat sw k_sw * sat(e, phi) dx A xhat[k] B.flatten() * u[k] L.flatten() * e dx[1] sw # 切换项注入速度通道 xhat[k 1] xhat[k] dt * dx return xhat逻辑说明切换项只注入到速度通道因为位置通道由输出直接校正注入切换项会破坏滑模面的定义。参数说明pole 是线性部分的观测器极点资料里取 4.2 rad/sk_sw 必须大于模型误差上界工程上先估一个 δ_max取 k_sw 1.5 到 2 倍 δ_maxphi 是边界层厚度越小越接近理想滑模但抖振越大一般取 0.01 到 0.05 量级。跑的时候重点看 k_sw 从 0.5 倍 δ_max 往上加误差收敛速度的变化拐点就是合理下界。3.4 ESO 实现与非线性增益函数选择ESO 要把系统升到三阶第三阶状态就是扰动估计。资料里的 fal 函数形式是 fal(e, α, δ) |e|^α · sgn(e)|e| δ 时否则 e / δ^(1−α)。下面给一个离散实现同时把资料提出的新增益函数作为可选项。def fal(e, alpha, delta): if abs(e) delta: return (abs(e) ** alpha) * np.sign(e) return e / (delta ** (1.0 - alpha)) def run_eso(y, u, k1, k2, k3, alphas, delta): # 状态[位置估计, 速度估计, 扰动估计] z np.zeros((N, 3)) z[0] [0.0, 0.0, 0.0] b0 1.0 # 输入增益按台架标定 for k in range(N - 1): e y[k] - z[k, 0] # 非线性增益误差大时用 alpha 小的通道误差小时用 alpha 大的 f1 fal(e, alphas[0], delta) f2 fal(e, alphas[1], delta) f3 fal(e, alphas[2], delta) dz0 z[k, 1] k1 * f1 dz1 z[k, 2] b0 * u[k] k2 * f2 dz2 k3 * f3 z[k 1] z[k] dt * np.array([dz0, dz1, dz2]) return z # 资料推荐参数k12.5, k215, alpha{1,0.5,0.25} z run_eso(y_noisy, u, 2.5, 15.0, 30.0, [1.0, 0.5, 0.25], 0.01)逻辑说明z[2] 就是扰动估计闭环里把它前馈补偿掉控制律写成 u (u₀ − z[2]) / b0其中 u₀ 是 PD 输出。参数说明k₁、k₂、k₃ 决定观测器带宽资料给的 2.5/15 是位置和速度通道的增益k₃ 资料没直接给按带宽比例取 30 左右再微调alphas 三个指数分别对应三个通道误差大时 α 小增益平缓、防超调误差小时 α 大增益陡、收敛快delta 是线性区宽度取 0.01 量级太小会让 fal 在零点附近数值不稳。资料特别指出负 α 指数能压制未知初始条件下的瞬态误差复现时可以把 alphas 改成 [−0.5, 0.25, 0.5] 对比第一秒的估计曲线。4. 开环闭环对比怎么做才算公平噪声、扰动、初始条件三组实验4.1 开环三工况标称、库伦摩擦、惯量翻倍资料的开环测试设计得很克制同一组观测器参数跑三种工况——纯标称、标称加 0.5 N·m 库伦摩擦、标称加 100% 惯量变化。这个设计的好处是只改被控对象、不改观测器能直接看出谁对模型误差更敏感。复现时把摩擦项写成 −F_c·sgn(ẋ) 注入速度方程惯量变化直接把 A 矩阵的速度通道系数翻倍。跑完你会看到标称下三者稳态误差接近因为都没有模型误差可补加摩擦后 HGO 和 SMO 的估计误差明显抬升ESO 的 z[2] 快速收敛到摩擦值位置估计几乎不受影响惯量翻倍时 SMO 靠切换项还能顶住HGO 因为增益固定、等效带宽随惯量变化而失配误差最大。这里有个容易忽略的细节资料强调“相同的观测器参数被用于所有仿真”。很多人复现时每个工况重新调参那就失去了对比意义。公平比较的前提是参数冻结让对象变、观测器不变。4.2 未知初始条件下的瞬态误差对比第二组实验专门打 ESO 的软肋初始条件设成 y(0) 10 rev、ẏ(0) 0观测器初始状态全零。这时候 ESO 的误差在头几百毫秒会很大因为扩展状态要从零开始追。资料用三种非线性增益函数做对比结论是带负 α 激励的增益函数瞬态误差最小。复现方法很简单把 3.4 节代码里的 alphas 换成三组——经典 fal 的 [1, 0.5, 0.25]、全线性增益、以及带负指数的组合画前 0.5 秒的位置估计误差曲线。你会看到经典 fal 在初始段有一个明显的过冲负指数组合把过冲压下去但收敛稍慢。这个取舍在实际上电场景里很关键宁可慢 100ms 也别让估计值冲出去触发保护。4.3 闭环对比PD 控制律下的颤振与鲁棒性闭环部分资料用状态反馈加 PD 的形式控制律 u (u₀ − z₃)/b₀u₀ k_p(r − z₁) − k_d·z₂。SMO 版本只能用位置和速度估计做 PD因为切换项本身不提供扰动估计。资料给的闭环参数是控制器极点 −15 rad/s、观测器极点 −12 rad/sNESO 和 SMO 用同一套控制增益。仿真结果里标称工况两者输出几乎重合加库伦摩擦后 NESO 的跟踪误差明显更小SMO 出现颤振。复现闭环时最容易翻车的地方是控制增益和观测器带宽的匹配。观测器带宽低于控制器带宽估计滞后会直接吃掉相位裕度观测器带宽过高噪声又灌进控制量。我一般让观测器带宽是控制器带宽的 3 到 5 倍再在这个区间里扫。资料里 12 对 15 的比例偏保守适合噪声大的台架干净环境可以拉到 30 以上。5. 避坑与排查五条血泪经验5.1 HGO 的 ε 调小后闭环反而啸叫现象把 ε 从 0.2 压到 0.02开环估计看着更准了一上闭环执行器就高频啸叫。原因ε 减小等于观测器带宽抬高输出噪声被 L 放大后直接进控制量激励了机械谐振或放大器带宽。解决先测输出噪声的 RMS按噪声水平反推 ε 下限或者在高频段给观测器输出加一阶低通截止频率取控制器带宽的 2 到 3 倍。别迷信“ε 越小越好”这是最常见的翻车点。5.2 SMO 切换增益取小了鲁棒性形同虚设现象加了摩擦后 SMO 的估计误差和没加切换项差不多滑模面根本没建立。原因k_sw 小于模型误差上界 δ_max切换项顶不动扰动。解决先做一次开环辨识估出摩擦和惯量偏差的合力上界k_sw 取 1.5 到 2 倍。判断滑模面是否建立的实用方法是看切换项的等效值是否在边界层内高频切换如果它一直贴着饱和值不动说明增益不够。5.3 ESO 的 b₀ 标定错了扰动估计整体偏移现象ESO 的 z₃ 收敛到一个非零常值补偿后稳态误差反而变大。原因输入增益 b₀ 和实际台架不匹配观测器把输入通道的增益误差也算进了扰动里。解决b₀ 必须单独标定给一个已知幅值的阶跃输入测稳态速度增量b₀ Δẏ/Δu。标定完再跑 ESOz₃ 在无扰动工况下应该收敛到零附近。这个参数错了后面所有调参都是白费。5.4 未知初始条件下 ESO 瞬态冲过限位现象上电第一秒估计位置从 0 冲到实际值附近时过冲闭环输出跟着冲撞限位。原因扩展状态初值为零观测器要用大误差把 z₁ 拉上来非线性增益在大误差区给的是小增益拉得慢中间过程控制量偏大。解决按资料思路换带负 α 的增益函数或者给 z₁ 一个基于编码器初值的合理初始化别全零起步。硬件上再加一个上电前 200ms 的输出限幅双保险。5.5 采样频率和观测器带宽不匹配导致数值发散现象仿真步长 1ms 跑得好好的换到 0.5ms 或 2ms 就发散或精度骤降。原因HGO 的 1/ε 增益和离散化步长耦合ε 接近 dt 时离散观测器特征值跑出单位圆。解决保持 ε 至少是 dt 的 5 到 10 倍或者改用离散域直接设计观测器增益。资料里 1kHz 采样配 ε 0.2 是安全的想压 ε 就得同步提采样率这两件事必须一起动。6. 硬件台架验证与增益函数微调从仿真到实机的最后一公里资料最后给了一组硬件测试台架是一个带干扰发生器的伺服系统惯量、摩擦、背隙可调采样 1kHz控制器输出有限幅。实机结果和仿真一致标称下两种控制算法响应接近加库伦摩擦后基于 NESO 的控制器更稳、瞬态更干净基于 SMO 的控制器出现明显颤振。这一段最值得抄的不是结论是验证方法——先在仿真里把三种工况跑通、参数冻结再上实机只调 b₀ 和输出限幅其余参数不动。这样实机出问题时能快速定位是标定问题还是算法问题。实机上我一般会多做一步把 ESO 的 z₃ 和实际摩擦力矩做对比。做法是给台架加已知的恒定负载看 z₃ 稳态值是否等于负载力矩除以 b₀ 的换算值偏差超过 10% 就回去查 b₀ 和编码器分辨率。这一步能提前发现大部分标定错误比在闭环里反复试快得多。增益函数的微调有个实用技巧把 alphas 三个指数当成“误差分区”的旋钮先固定 delta 0.01只动 α。误差大区|e| 0.1主要看 α₁它决定初始瞬态的收敛速度取 0.5 到 1 之间误差中区看 α₂取 0.25 到 0.5决定过渡段平滑度误差小区看 α₃取 0.1 到 0.25决定稳态精度。每次只动一个跑阶跃看超调和调节时间两三轮就能收敛。资料里 {1, 0.5, 0.25} 是一组稳妥的起点不是唯一解。下面这张表是我复现时记录的三种观测器在四个维度上的实际表现参数按 3.1 到 3.4 节设置工况为标称加 0.5 N·m 库伦摩擦维度HGOSMOESO稳态跟踪误差中中小抗常值扰动弱中强噪声敏感度高ε 小则更高中取决于 Φ低未知初始条件瞬态中中大可用负 α 压制这张表不是让你照抄选型是让你知道每个方案的短板在哪、调参时该往哪个方向使劲。HGO 的短板在噪声SMO 的短板在颤振ESO 的短板在初始瞬态三个短板对应三组不同的调参动作。从那以后我每次上新的观测器方案都强制先跑一遍“参数冻结三工况”的开环对比再上闭环最后才碰实机。这套流程救过我两次——一次是 b₀ 标定错了被开环对比提前抓出来一次是 ε 压太小在闭环仿真里就暴露了啸叫。希望帮到你。本文还有配套的精品资源点击获取
简介这份文档面向控制工程、自动化及相关专业的学习者与研究人员围绕状态观测器设计展开对比研究帮助读者理解高增益观测器、滑模观测器与扩张状态观测器在动态不确定性、干扰和传感器噪声下的性能差异。资源包共1个doc文件约512KB内容涵盖三种观测器的原理推导、非线性增益函数设计、稳态与瞬态跟踪误差分析以及开环与闭环场景下的仿真和实验数据对照并讨论了Luenberger观测器对精确数学模型的依赖问题。已有5915人学习下载适合需要系统梳理观测器选型思路、补充鲁棒性设计方法或为课题研究查找对比依据的读者参考。1. 三种观测器横向拆解一份能直接跑仿真的对比笔记做伺服调试的同行大概都遇到过这种场面模型辨识出来的 A、B、C 矩阵看着挺漂亮一上负载、一加摩擦Luenberger 观测器的估计值就开始飘速度环跟着抖。问题不在控制器在于观测器太信那个数学模型了。这份资料围绕状态观测器这个核心把高增益观测器HGO、滑模观测器SMO、扩张状态观测器ESO/NESO三种方案放在同一套被控对象上做开环与闭环对比还给了非线性增益函数的改进思路和硬件台架验证。它适合正在选观测器方案、或者被模型不确定性和传感器噪声折腾过的控制从业者也适合想把 ESO 真正落到代码里的学生。下面按“先立原理、再动手复现、最后避坑”的顺序拆。2. 三种观测器的数学骨架从 Luenberger 到 ESO 的推导链2.1 为什么经典观测器一遇到扰动就翻车资料开篇给的是线性连续时不变系统状态方程写成 ẋ Ax Bu输出 y CxLuenberger 观测器的标准形式是 ẋ̂ Ax̂ Bu L(y − ŷ)。估计误差 e x − x̂ 的动力学是 ė (A − LC)e只要把 A − LC 的特征值配到左半平面误差就收敛到零。这套推导干净利落但它有个隐含前提A、B、C 必须准确。实际系统里摩擦、惯量变化、未建模动态全都塞不进这三个矩阵误差方程就变成 ė (A − LC)e Δ其中 Δ 是模型偏差和扰动的合力。L 配得再快也只是把 Δ 放大后灌进估计里这就是经典方案在工程上频繁翻车的根子。资料随后引入第二种非线性系统描述ẋ a(t, y, ẏ, w) 这类形式把已知动力学和未知扰动 w 分开写。三种先进观测器的差别本质上就是“怎么对付这个 w 和模型误差 δ”。HGO 靠放大增益把误差压小SMO 靠切换项把扰动顶掉ESO 干脆把扰动扩成一个状态去估。理解这条主线后面看公式就不会迷路。2.2 高增益观测器增益越大越稳吗HGO 的设计思路是把观测器增益写成 1/ε 的形式ε 取 0 到 1 之间的小量。资料里给出的调整形式是让传递函数从扰动 δ 到估计误差的通道被压缩从而对模型误差不敏感。ε 越小收敛越快对扰动的抑制越强。但这里有个反直觉的点增益不是越大越好。ε 压得太小观测器对输出噪声的放大倍数同步上升传感器上那点白噪声会被放大成剧烈抖动闭环里直接表现为执行器啸叫。资料在仿真里把采样频率定在 1kHz、输出叠加白噪声就是为了暴露这个矛盾。我一般会把 ε 当成一个“噪声-带宽”的旋钮来调先按期望收敛速度估一个初值比如希望误差在 50ms 内收敛ε 取 0.02 到 0.05 量级然后逐步减小直到噪声引起的估计抖动刚好不影响控制精度为止。这一步没有解析公式靠扫参数。资料里 ε 0.2 的取值偏保守适合噪声大的台架干净仿真环境可以往 0.05 压。2.3 滑模观测器切换项是双刃剑SMO 的结构是在 Luenberger 骨架上加一个切换项形如 k·sgn(y − ŷ)。切换增益 k 要大于模型误差 δ 的上界这样误差才能被强制拉到滑模面上。资料里明确写了“切换参数基于稳态估计误差大于模型的误差 δ(·)”这句话是设计 SMO 的唯一硬约束。k 取小了滑模面建立不起来鲁棒性无从谈起k 取大了符号函数在零点附近的抖振会被放大硬件上就是执行器的高频颤振。仿真部分给了 SMO 的极点配置在 4.2 rad/s、切换增益相关参数闭环测试里 SMO 控制器出现了明显颤振这是资料反复强调的 SMO 主要缺点。工程上常见的缓解手段是把 sgn 换成饱和函数 sat(s/Φ) 或 sigmoid用边界层 Φ 换掉抖振代价是稳态误差变大。这个取舍在资料里没展开但做硬件的人绕不开。2.4 扩张状态观测器把扰动当成一个状态来估ESO 是这份资料的重头戏。它的核心动作是把未知的扰动和模型偏差合并成一个扩展状态 x₃ a(t, y, ẏ, w)然后把原系统升阶成三阶用观测器去估这个 x₃。资料里 Han 给出的非线性观测器形式用了 fal 类非线性增益函数在误差大时给小增益、误差小时给大增益兼顾快速性和超调抑制。这个设计的妙处在于它不要求你知道扰动长什么样只要求扰动有界且变化不太快观测器就能实时估出来并补偿掉。资料还专门讨论了未知初始条件下的瞬态误差问题提出了新的非线性增益函数式 12参数取 k₁ 2.5、k₂ 15、αᵢ {1, 0.5, 0.25}并指出负的 α 指数有助于压制初始瞬态。这部分是整份资料里最有实操价值的内容因为实际系统上电瞬间初始状态几乎总是未知的瞬态估计误差直接决定第一秒会不会撞限位。3. 把三种观测器写成可运行代码参数怎么设、误差怎么看3.1 仿真对象与公共参数先对齐资料用的被控对象来自一个工业运动控制台架的线性模型输出是位置 y输入是驱动电压 u采样 1kHz。为了公平比较三种观测器的参数都调到对噪声敏感度大致相当。复现时我建议先把这个二阶对象写成状态空间再分别挂三种观测器。下面是一段可直接跑的 Python 骨架对象参数用资料里的二阶形式具体数值按你的台架辨识结果替换。import numpy as np # 被控对象二阶位置伺服状态 [位置, 速度] # xdot A x B u ; y C x A np.array([[0.0, 1.0], [0.0, -2.0]]) # 阻尼项按台架辨识改 B np.array([[0.0], [1.0]]) C np.array([[1.0, 0.0]]) dt 1e-3 # 1kHz 采样与资料一致 T 5.0 N int(T / dt) t np.arange(N) * dt # 参考输入阶跃用于看跟踪与收敛 u np.ones(N) * 1.0这段代码只搭了对象和输入没有观测器。逻辑上先把“真值”跑出来后面三种观测器都拿同一组 y 和 u 去估才能横向比。参数说明A 的第二行第二列是阻尼系数资料没给具体值按你台架的速度衰减辨识B 的增益决定输入到速度的换算单位要和电压对齐dt 固定 1ms 是资料里三种观测器共用的采样频率改这个值会直接影响 HGO 的 ε 下限。3.2 高增益观测器实现与 ε 扫描HGO 的实现要点是把增益写成 1/ε 的幂次。对二阶系统观测器增益取 l₁ 2/ε、l₂ 1/ε²这样 A − LC 的特征值都落在 −1/ε 附近。def run_hgo(y, u, eps): xhat np.zeros((N, 2)) xhat[0] [0.0, 0.0] L np.array([[2.0 / eps], [1.0 / eps**2]]) for k in range(N - 1): yhat C xhat[k] dx A xhat[k] B.flatten() * u[k] L.flatten() * (y[k] - yhat) xhat[k 1] xhat[k] dt * dx return xhat # ε 扫描观察噪声放大与收敛速度的权衡 for eps in [0.2, 0.1, 0.05, 0.02]: xh run_hgo(y_noisy, u, eps) err np.abs(xh[:, 0] - y_true) print(feps{eps:.2f} 稳态误差{err[-500:].mean():.4f} 峰值误差{err.max():.4f})逻辑说明L 的两个元素按 1/ε 和 1/ε² 配保证误差动力学是 (s 1/ε)²收敛时间常数就是 ε。参数说明ε 越小收敛越快但 y_noisy 里的噪声被 L 放大得越狠稳态误差反而可能上升。跑这段扫描你会看到一条 U 形曲线最低点就是你这套噪声水平下的最优 ε。资料里 ε 0.2 是偏稳的取值适合噪声大的硬件纯仿真可以压到 0.05 以下。3.3 滑模观测器实现与切换增益下界SMO 在 Luenberger 基础上加切换项实现时把 sgn 换成饱和函数避免数值上的高频抖振。def sat(s, phi): return np.clip(s / phi, -1.0, 1.0) def run_smo(y, u, pole, k_sw, phi): xhat np.zeros((N, 2)) xhat[0] [0.0, 0.0] # 二阶极点配置pole 为期望观测器极点 L np.array([[2.0 * pole], [pole**2]]) for k in range(N - 1): yhat C xhat[k] e y[k] - yhat sw k_sw * sat(e, phi) dx A xhat[k] B.flatten() * u[k] L.flatten() * e dx[1] sw # 切换项注入速度通道 xhat[k 1] xhat[k] dt * dx return xhat逻辑说明切换项只注入到速度通道因为位置通道由输出直接校正注入切换项会破坏滑模面的定义。参数说明pole 是线性部分的观测器极点资料里取 4.2 rad/sk_sw 必须大于模型误差上界工程上先估一个 δ_max取 k_sw 1.5 到 2 倍 δ_maxphi 是边界层厚度越小越接近理想滑模但抖振越大一般取 0.01 到 0.05 量级。跑的时候重点看 k_sw 从 0.5 倍 δ_max 往上加误差收敛速度的变化拐点就是合理下界。3.4 ESO 实现与非线性增益函数选择ESO 要把系统升到三阶第三阶状态就是扰动估计。资料里的 fal 函数形式是 fal(e, α, δ) |e|^α · sgn(e)|e| δ 时否则 e / δ^(1−α)。下面给一个离散实现同时把资料提出的新增益函数作为可选项。def fal(e, alpha, delta): if abs(e) delta: return (abs(e) ** alpha) * np.sign(e) return e / (delta ** (1.0 - alpha)) def run_eso(y, u, k1, k2, k3, alphas, delta): # 状态[位置估计, 速度估计, 扰动估计] z np.zeros((N, 3)) z[0] [0.0, 0.0, 0.0] b0 1.0 # 输入增益按台架标定 for k in range(N - 1): e y[k] - z[k, 0] # 非线性增益误差大时用 alpha 小的通道误差小时用 alpha 大的 f1 fal(e, alphas[0], delta) f2 fal(e, alphas[1], delta) f3 fal(e, alphas[2], delta) dz0 z[k, 1] k1 * f1 dz1 z[k, 2] b0 * u[k] k2 * f2 dz2 k3 * f3 z[k 1] z[k] dt * np.array([dz0, dz1, dz2]) return z # 资料推荐参数k12.5, k215, alpha{1,0.5,0.25} z run_eso(y_noisy, u, 2.5, 15.0, 30.0, [1.0, 0.5, 0.25], 0.01)逻辑说明z[2] 就是扰动估计闭环里把它前馈补偿掉控制律写成 u (u₀ − z[2]) / b0其中 u₀ 是 PD 输出。参数说明k₁、k₂、k₃ 决定观测器带宽资料给的 2.5/15 是位置和速度通道的增益k₃ 资料没直接给按带宽比例取 30 左右再微调alphas 三个指数分别对应三个通道误差大时 α 小增益平缓、防超调误差小时 α 大增益陡、收敛快delta 是线性区宽度取 0.01 量级太小会让 fal 在零点附近数值不稳。资料特别指出负 α 指数能压制未知初始条件下的瞬态误差复现时可以把 alphas 改成 [−0.5, 0.25, 0.5] 对比第一秒的估计曲线。4. 开环闭环对比怎么做才算公平噪声、扰动、初始条件三组实验4.1 开环三工况标称、库伦摩擦、惯量翻倍资料的开环测试设计得很克制同一组观测器参数跑三种工况——纯标称、标称加 0.5 N·m 库伦摩擦、标称加 100% 惯量变化。这个设计的好处是只改被控对象、不改观测器能直接看出谁对模型误差更敏感。复现时把摩擦项写成 −F_c·sgn(ẋ) 注入速度方程惯量变化直接把 A 矩阵的速度通道系数翻倍。跑完你会看到标称下三者稳态误差接近因为都没有模型误差可补加摩擦后 HGO 和 SMO 的估计误差明显抬升ESO 的 z[2] 快速收敛到摩擦值位置估计几乎不受影响惯量翻倍时 SMO 靠切换项还能顶住HGO 因为增益固定、等效带宽随惯量变化而失配误差最大。这里有个容易忽略的细节资料强调“相同的观测器参数被用于所有仿真”。很多人复现时每个工况重新调参那就失去了对比意义。公平比较的前提是参数冻结让对象变、观测器不变。4.2 未知初始条件下的瞬态误差对比第二组实验专门打 ESO 的软肋初始条件设成 y(0) 10 rev、ẏ(0) 0观测器初始状态全零。这时候 ESO 的误差在头几百毫秒会很大因为扩展状态要从零开始追。资料用三种非线性增益函数做对比结论是带负 α 激励的增益函数瞬态误差最小。复现方法很简单把 3.4 节代码里的 alphas 换成三组——经典 fal 的 [1, 0.5, 0.25]、全线性增益、以及带负指数的组合画前 0.5 秒的位置估计误差曲线。你会看到经典 fal 在初始段有一个明显的过冲负指数组合把过冲压下去但收敛稍慢。这个取舍在实际上电场景里很关键宁可慢 100ms 也别让估计值冲出去触发保护。4.3 闭环对比PD 控制律下的颤振与鲁棒性闭环部分资料用状态反馈加 PD 的形式控制律 u (u₀ − z₃)/b₀u₀ k_p(r − z₁) − k_d·z₂。SMO 版本只能用位置和速度估计做 PD因为切换项本身不提供扰动估计。资料给的闭环参数是控制器极点 −15 rad/s、观测器极点 −12 rad/sNESO 和 SMO 用同一套控制增益。仿真结果里标称工况两者输出几乎重合加库伦摩擦后 NESO 的跟踪误差明显更小SMO 出现颤振。复现闭环时最容易翻车的地方是控制增益和观测器带宽的匹配。观测器带宽低于控制器带宽估计滞后会直接吃掉相位裕度观测器带宽过高噪声又灌进控制量。我一般让观测器带宽是控制器带宽的 3 到 5 倍再在这个区间里扫。资料里 12 对 15 的比例偏保守适合噪声大的台架干净环境可以拉到 30 以上。5. 避坑与排查五条血泪经验5.1 HGO 的 ε 调小后闭环反而啸叫现象把 ε 从 0.2 压到 0.02开环估计看着更准了一上闭环执行器就高频啸叫。原因ε 减小等于观测器带宽抬高输出噪声被 L 放大后直接进控制量激励了机械谐振或放大器带宽。解决先测输出噪声的 RMS按噪声水平反推 ε 下限或者在高频段给观测器输出加一阶低通截止频率取控制器带宽的 2 到 3 倍。别迷信“ε 越小越好”这是最常见的翻车点。5.2 SMO 切换增益取小了鲁棒性形同虚设现象加了摩擦后 SMO 的估计误差和没加切换项差不多滑模面根本没建立。原因k_sw 小于模型误差上界 δ_max切换项顶不动扰动。解决先做一次开环辨识估出摩擦和惯量偏差的合力上界k_sw 取 1.5 到 2 倍。判断滑模面是否建立的实用方法是看切换项的等效值是否在边界层内高频切换如果它一直贴着饱和值不动说明增益不够。5.3 ESO 的 b₀ 标定错了扰动估计整体偏移现象ESO 的 z₃ 收敛到一个非零常值补偿后稳态误差反而变大。原因输入增益 b₀ 和实际台架不匹配观测器把输入通道的增益误差也算进了扰动里。解决b₀ 必须单独标定给一个已知幅值的阶跃输入测稳态速度增量b₀ Δẏ/Δu。标定完再跑 ESOz₃ 在无扰动工况下应该收敛到零附近。这个参数错了后面所有调参都是白费。5.4 未知初始条件下 ESO 瞬态冲过限位现象上电第一秒估计位置从 0 冲到实际值附近时过冲闭环输出跟着冲撞限位。原因扩展状态初值为零观测器要用大误差把 z₁ 拉上来非线性增益在大误差区给的是小增益拉得慢中间过程控制量偏大。解决按资料思路换带负 α 的增益函数或者给 z₁ 一个基于编码器初值的合理初始化别全零起步。硬件上再加一个上电前 200ms 的输出限幅双保险。5.5 采样频率和观测器带宽不匹配导致数值发散现象仿真步长 1ms 跑得好好的换到 0.5ms 或 2ms 就发散或精度骤降。原因HGO 的 1/ε 增益和离散化步长耦合ε 接近 dt 时离散观测器特征值跑出单位圆。解决保持 ε 至少是 dt 的 5 到 10 倍或者改用离散域直接设计观测器增益。资料里 1kHz 采样配 ε 0.2 是安全的想压 ε 就得同步提采样率这两件事必须一起动。6. 硬件台架验证与增益函数微调从仿真到实机的最后一公里资料最后给了一组硬件测试台架是一个带干扰发生器的伺服系统惯量、摩擦、背隙可调采样 1kHz控制器输出有限幅。实机结果和仿真一致标称下两种控制算法响应接近加库伦摩擦后基于 NESO 的控制器更稳、瞬态更干净基于 SMO 的控制器出现明显颤振。这一段最值得抄的不是结论是验证方法——先在仿真里把三种工况跑通、参数冻结再上实机只调 b₀ 和输出限幅其余参数不动。这样实机出问题时能快速定位是标定问题还是算法问题。实机上我一般会多做一步把 ESO 的 z₃ 和实际摩擦力矩做对比。做法是给台架加已知的恒定负载看 z₃ 稳态值是否等于负载力矩除以 b₀ 的换算值偏差超过 10% 就回去查 b₀ 和编码器分辨率。这一步能提前发现大部分标定错误比在闭环里反复试快得多。增益函数的微调有个实用技巧把 alphas 三个指数当成“误差分区”的旋钮先固定 delta 0.01只动 α。误差大区|e| 0.1主要看 α₁它决定初始瞬态的收敛速度取 0.5 到 1 之间误差中区看 α₂取 0.25 到 0.5决定过渡段平滑度误差小区看 α₃取 0.1 到 0.25决定稳态精度。每次只动一个跑阶跃看超调和调节时间两三轮就能收敛。资料里 {1, 0.5, 0.25} 是一组稳妥的起点不是唯一解。下面这张表是我复现时记录的三种观测器在四个维度上的实际表现参数按 3.1 到 3.4 节设置工况为标称加 0.5 N·m 库伦摩擦维度HGOSMOESO稳态跟踪误差中中小抗常值扰动弱中强噪声敏感度高ε 小则更高中取决于 Φ低未知初始条件瞬态中中大可用负 α 压制这张表不是让你照抄选型是让你知道每个方案的短板在哪、调参时该往哪个方向使劲。HGO 的短板在噪声SMO 的短板在颤振ESO 的短板在初始瞬态三个短板对应三组不同的调参动作。从那以后我每次上新的观测器方案都强制先跑一遍“参数冻结三工况”的开环对比再上闭环最后才碰实机。这套流程救过我两次——一次是 b₀ 标定错了被开环对比提前抓出来一次是 ε 压太小在闭环仿真里就暴露了啸叫。希望帮到你。本文还有配套的精品资源点击获取
