企业官网建设流程全解析

做电机驱动和运动控制的工程师，应该都见过这种场面：转速稳态波形不是平的，而是像心电图一样规律地抖，FFT一分析，基频峰值明晃晃地立在那儿。我最早是在带周期负载的永磁同步电机上撞上这个问题的，压缩机曲轴每转一圈，负载转矩就狠狠波动一次，PI参数调到临界稳定，转速波动依然压在头上。后来换成“PI+重复控制”的复合结构，几个周期内波形就安稳下来，效果立竿见影。这篇文章就把这件事从头到尾拆开讲：扰动为什么压不住、重复控制凭什么能压住、Simulink里怎么落地、以及我在调参和排坑过程中攒下的经验。

具体会覆盖这些内容：周期性负载转矩扰动在哪些场景最常见；重复控制的内模原理，以及怎么从离散角度理解“延迟N拍就是记住上一周期的误差”；在Simulink里搭建从被控对象、扰动源到重复控制器的完整仿真模型；核心参数Kr、Q、N各自的作用与调参顺序；还有我踩过的几个实打实的坑，包括延迟周期不匹配、初值漂移和变步长求解器引发的锯齿振荡。适合谁看？正在做伺服驱动、机器人关节、机床主轴、压缩机等转动系统的控制工程师，以及对重复控制感兴趣、想在Simulink里快速复现的初学者。

1. 为什么普通反馈压不住周期性负载转矩扰动

1.1 扰动长什么样：周期性负载转矩的工程来源

周期性负载转矩在转动系统里几乎是无法回避的存在。最常见的几个来源：

• 偏心负载：比如洗衣机脱水桶、曲柄连杆机构，负载转矩随转角变化，大致呈现正弦或者多阶谐波叠加的形态。
• 电机本体转矩脉动：永磁同步电机的齿槽转矩随转子位置周期性波动，频率通常是电机极对数的整数倍。
• 齿轮啮合冲击：齿轮箱每转一圈，齿与齿的啮合产生一个固定频率的转矩扰动，频率等于轴转速乘以齿数。
• 压缩机、泵类负载：活塞或叶轮在每个工作周期内受力变化，转矩波动频率和旋转周期直接绑定。

这类扰动的共性是：变化规律确定、周期固定，但频率往往远高于转速闭环带宽，或者正好落在闭环截止频率附近。PI控制器治理这类扰动，本质上是在用比例积分环节去反复“追赶”一个不停变化的扰动信号，结果就是相位滞后和幅值不足，最终体现为稳态转速波动。我习惯用一句话总结：只要扰动频率和电机转速有整数倍关系，并且能被看成“周期已知”的信号，那就非常适合用重复控制来处理。换句话说，这种扰动有规律地在折磨你，但它也因此有规律可循。

1.2 反馈控制为何无力：从误差到输出只有一条迟滞路径

常规反馈控制能不能抑制周期性扰动？能，但有上限。对于一个周期为Tp的扰动，把它展开成傅里叶级数，它就是一簇基波加谐波。反馈控制系统对扰动的抑制能力，取决于该频率处的开环增益。拉高增益确实能压低扰动，但增益是有上限的：机械谐振、相位延迟、测量噪声、采样离散化，这些因素都会限制你最终能加多大的增益。

更直观的理解是，PID对“下一次出现在同一个位置的扰动”没有任何预判，它只能在扰动已经表现为误差之后再去反应。误差先发生，控制器后调节，相位滞后必然存在。到了周期性扰动面前，这种“事后反应”的缺陷被放大：你刚把上一周期这一瞬间的误差压下去，到下一周期的同一时刻，扰动又原样扑过来了。

我在仿真里做过一个很直观的对比：一个以25Hz周期变化的负载转矩叠加在转速环上，PI参数已经调到临界稳定边缘，转速波动仍然有±30r/min。这不是PI参数没调好，而是它的工作方式决定了它只能做到这个程度。要彻底压低这类稳态波动，必须从“误差发生前”做文章，这也就自然引出了重复控制。

2. 重复控制的内模原理：把一个“信号发生器”搬进闭环

2.1 内模原理：闭环里包含信号的模型，才能对它有零稳态误差

重复控制的底层逻辑来自内模原理，听起来高大上，其实一句话就能讲明白：如果一个控制器内部“内嵌”了目标信号的数学模型，那么这个信号在闭环里就不会产生稳态误差。

拿阶跃信号类比。为什么PI控制器的积分环节能消除阶跃误差？因为阶跃的模型是1/s，而积分器本身就自带这个模型。当被控对象无法直接等于阶跃时，积分器会不断调整输出，直到误差消失。同样道理，正弦信号的模型是s²+ω²，如果你把等价形式放进控制器，你就能对固定频率正弦扰动做到零误差抑制。重复控制就是内模原理在周期信号上的推广：它把“周期重复”这个性质本身作为模型放进了控制器，所以它对任意波形、任意谐波成分的周期扰动，理论上都有全频次的抑制能力。

从离散域看更清楚。周期为Tp的信号离散化后用N拍表示，它一定满足：任意第k拍的值等于第k-N拍的值。因此周期信号的离散模型就带有一个1/(1-z^{-N})的分母。把1/(1-z^{-N})放进闭环，就是构造了一个周期内模。这也是重复控制器在Simulink里总是绕不开延迟模块的根本原因，它要直译的就是这个数学关系。

2.2 离散延迟N：重复控制器的“记忆体”与误差累计机制

既然周期信号满足x(k)=x(k-N)，那么控制器内部只需要部署一个N拍的延迟环路，就能让信号“自动重放”上一周期的波形，再配合误差信号逐步修正，形成迭代学习的效果。

以最简单的并联型结构为例，当误差e出现在输入端时，重复控制器的输出u_rc会经历这样的过程：

• 第一周期：误差第一次出现，重复控制器输出基本来自当前误差经增益Kr放大后的值，延迟环路里还没存下足够信息，修正有限；
• 第二周期：记忆单元里已经有上一周期同一时刻的输出值，它会用“上周期此刻的值”加上“上周期此刻误差的修正量”，作为本周期此刻的输出；
• 循环往复：每个周期都更新记忆值，直到误差的各次谐波被逐步抵消，记忆单元里的波形稳定下来，就等于生成了一个与扰动反相、幅值匹配的“对抗波形”。

这里N是灵魂参数：N等于扰动基频周期对应的采样拍数，即N=fs/fp。比如采样频率10kHz，扰动频率25Hz，那N=10000/25=400。只要N精确，延迟单元就能在相位上与扰动严格对齐，这是整篇文章里最容易出错、也最关键的一个数字。纯内模1/(1-z^{-N})是临界稳定系统，对模型不确定性非常敏感，工程上几乎不会直接用它，而是会在反馈支路里串联一个低通Q(z)，把极点从单位圆上拉回圆内。这个Q(z)就是搭建模型时重点处理的一个环节。

3. Simulink模型搭建：从被控对象到重复控制器一体成型

3.1 顶层框架：转速环、转矩环简化与被控对象建模

先明确我要搭的仿真对象：一个典型的永磁同步电机速度控制环。电流环动态相对较快，为了聚焦重复控制本身，我对电流环做了一定简化：直接用比例增益Kt表示电磁转矩常数；机械部分用转动惯量J的积分环节表示；负载转矩T_L作为扰动输入叠加在电机轴上。

在Simulink里，我把模型分成四块：

1. 参考转速与PI控制器：给定速度ref，PI输出作为转矩指令的基准部分；
2. 重复控制器：输入转速误差e，输出u_rc叠加到PI输出上，共同构成转矩指令；
3. 被控对象：从转矩指令到电磁转矩，乘以1/J后积分得到转速；周期扰动源T_L通过Gain（1/J）叠加进同一个积分节点；
4. 测量与记录：转速经To Workspace导出，方便后续做FFT分析。

使用“PI+重复控制”的复合结构而不是纯重复控制，是工程上很重要的取舍。重复控制对周期信号抑制能力强，但动态响应慢，因为它的修正要等满一个周期才能看出效果；PI则相反，对阶跃和突变响应快。两者并联，一个管动态，一个管周期稳态误差，任务分离互不干扰。刚开始学重复控制的人如果直接上纯重复控制器，会发现负载突变时转速动态很拖沓，反而容易误判方案不可用。

顶层信号流向可以这样描述：速度误差分成两条支路，一条进PI，一条进重复控制器的误差通道；PI输出加重复控制输出，得到总转矩给定Te*；Te*经饱和限幅后乘Kt，得到电磁转矩Te；Te减去T_L，乘1/J，积分得到转速omega；omega负反馈回给定端，形成闭环误差。

3.2 重复控制器内部：用Delay、Gain和Filter把内模搭出来

重复控制器的内部结构，我搭成最经典的“历史记忆+误差修正+低通滤波”三段式，模块选择如下：

• 记忆回路：使用Discrete Delay模块，延迟步数设为N，用来存住上一周期的输出值；
• 误差修正：当前误差e(k)与N拍前的误差e(k-N)做差，乘以增益Kr；
• 低通滤波Q(z)：常见做法是用常数Q=0.95放在延迟反馈支路里，也可以用一阶低通Discrete Filter实现，进一步提高鲁棒性。

并联型重复控制的数学形式如下：

u_rc(k) = u_rc(k-N) * Q + Kr * ( e(k) - e(k-N) * Q )

这里Q是0.95或者低通滤波器的输出，Kr是重复控制增益。e(k)-e(k-N)的意义是：只有当本周期误差和上一周期同一时刻不一致时，才做修正；如果完全一致，说明记忆波形已经和扰动匹配，保持原样输出即可。这就是“误差累计”的直观写法。

在Simulink里具体接线：

1. 拉一个Discrete Delay模块，延迟步数填delayN，初始条件填0；
2. 拉一个Gain或者Discrete Filter作为Q，这里先用常数Gain=0.95举例；
3. 误差e经过一个Sum模块，实现 e(k) - DelayN(e)*Q；
4. 上述结果乘以Kr；
5. 再用一个Sum，把修正量和DelayN(u_rc)*Q相加，得到u_rc；
6. 在u_rc输出端加Saturation限幅模块，限幅值跟随转矩指令限幅设置。

这个结构在Simulink里看起来像一个自环，很多人第一次搭会担心代数环问题。实际不必担心：因为有延迟模块隔开，k时刻的输出只依赖k-N时刻的量，闭环在时间上被延迟切断，不存在代数环，直接跑即可。

3.3 初始化脚本与参数设置：用脚本而不是手填，才能复现

我强烈建议模型所有关键参数都通过Matlab脚本设置，而不是在GUI模块里手填数值。原因很简单：采样周期、延迟周期、PI参数、Q系数、扰动频率之间存在耦合关系，手填一次就等于埋一个雷，改起来极易漏改。我的脚本大概长这样：

%% 基本参数 Ts = 1e-4; % 采样周期 100us fs = 1/Ts; % 采样频率 10kHz fp = 25; % 负载转矩扰动基频 Hz delayN = round(fs/fp); % 延迟拍数 400 %% 被控对象参数 J = 0.01; % 转动惯量 kg·m^2 Kt = 1.0; % 电磁转矩常数 Nm/A Kp = 2.0; % PI比例 Ki = 10; % PI积分 %% 重复控制参数 Kr = 0.8; Q = 0.95; %% 扰动参数 tOn = 0.3; % 扰动开始时间 TL_amp = 0.5; % 扰动幅值 Nm

把脚本跑一遍，Simulink模块参数位置直接填变量名。比如Discrete Delay的Delay length填delayN，Gain填Kr，PI的P填Kp，I填Ki。这样一旦扰动频率变化，只需要改fp，重复控制支路的延迟周期自动跟随。求解器建议选择discrete或fixed-step discrete，固定步长等于Ts，具体原因等第5节详细说。仿真时长建议设为0.8到1.2秒，保证重复控制经历30到50个扰动周期，稳态效果才看得清楚。

4. 调参与仿真结果分析：三个关键参数决定控制品质

4.1 Kr、Q、N各自的作用：先懂原理，再动手调

重复控制的三个核心参数作用完全不同，不能只盯着一个调。

1. 周期延迟N：决定内模频率是否准确。N必须是扰动周期的整数拍数，原则上越准越好。一旦N有偏差，相位对齐就失效，谐波压不下去。工程中若转速变化导致扰动频率漂移，就需要变周期重复控制或自适应方案。
2. 增益Kr：决定每个周期误差被“消化多少”。Kr太大会引发振荡甚至发散，太小收敛慢。经验工作范围在0.3到1.0之间，一般从0.5起步试探。
3. 低通Q(z)：决定鲁棒性与稳态精度的折中。Q=1时是理想内模，稳态能力强但鲁棒性差；常数Q=0.95左右足以限制高频增益、提高稳定性，代价是极低频外会有极小残差；用低通滤波器更真实但实现更复杂。

一个实用的调参顺序是：先固定Q=0.95，Kr从0.3开始，每次增加0.1，观察转速误差波形，直到出现振荡就退回上一个值，然后回头微调Q，在0.9到0.98之间测试。我个人的经验是，只要Kr不超过1就能收敛，就没有必要在Q上追求复杂的滤波器结构。常数Q胜在简单、直观、好复现，工程调试时能少出很多幺蛾子。

4.2 仿真结果怎么看：从时域波形到FFT量化

仿真的目的不是“跑出一条好看的线”，而是量化抑制效果。我建议用To Workspace把转速误差e保存下来，扰动加入后取最后若干个周期做FFT。对比项设置两个：

• 场景A：只有PI控制，重复控制支路增益设为0；
• 场景B：PI+重复控制全部启用。

同样施加25Hz、0.5Nm的周期扰动，结果通常是这样：

不要被“收敛时间”吓到，这里的收敛慢不是动态响应慢，而是“学习”需要时间。前几个周期里，重复控制输出还没被修正到合适波形，相当于还在离线学习阶段；但它不影响PI处理阶跃突变，因为PI仍然负责快速动态。这就是复合结构最舒服的地方：两者任务分离，互不干扰。

4.3 稳态精度与鲁棒性的折中：限幅和饱和处理不能忘

还有一个容易被忽视的点，是重复控制输出限幅后的积分饱和问题。由于重复控制器内部存在延迟环路，相当于一个慢积分器，一旦输出被限幅截断，记忆值会继续往饱和方向发展，最终导致退出饱和后的大幅过冲。

解决办法是在重复控制输出处加限幅，同时把限幅值设得比总转矩指令限幅更紧一些。比如总限幅±5Nm，重复控制输出限幅±3Nm。这样即使重复控制器饱和，它也只是转矩指令的一部分，不会让整个环路陷入深度饱和。工程里还可以对u_rc做“记忆值冻结”：当误差方向与修正方向长期不一致时，暂时关闭误差修正项。初学者先在Simulink里做限幅对比实验，就能直观看到差异。

5. 这些坑我踩过：周期延迟不匹配、初值漂移与仿真步长

5.1 周期延迟N算错了，谐波抑制直接失效

这是重复控制仿真里最容易出现的翻车现场。我在给一个压缩机负载建模时，一开始把扰动频率当成“转速×50%”来算N，结果谐波抑制一事无成，误差波形从平滑正弦变成了毛刺抖动。

排查过程其实很简单：先对扰动信号自己做一次FFT，确定它的真实基频fp，再用delayN=round(fs/fp)重新计算。但要注意，如果扰动频率不是转速基频的整倍数，比如齿轮齿数带来的啮合频率，这个fp可能是转速的17倍或31倍，那就老老实实按啮合频率来设N。仿真的第一步永远是确认“周期到底是多少”，而不是“我觉得大概是”。

另外，如果fp很低导致N很大，比如fp=5Hz、fs=10kHz，N=2000，延迟模块会占用较多内存，但Simulink完全可以处理，不用特别担心。更需要注意N的浮点舍入：round之后要回代检验一下实际对应的频率偏差。偏差小于扰动频率的0.1%基本无感，偏差大了就要用更高的采样率或者考虑小数延迟补偿。

5.2 初值漂移：启动瞬间的“学习冲击”怎么压下去

重复控制器的记忆数组初值默认是0。模型一运行，误差刚出现时，重复控制器会按“误差修正”逻辑在第一个周期内快速输出一个较大的修正量，如果Kr偏大，转速波形会出现一个尖峰。这不是理论问题，是初值处理问题。

我的处理习惯有两个：

1. 在扰动源上加开关，让扰动在第0.3秒后才接入。这样前0.3秒内系统已经稳定在给定转速附近，误差为零，重复控制器的记忆值安稳地保持0，不会产生冲击；
2. 如果扰动必须在0时刻就存在，就把重复控制器的使能信号接到一个延迟触发逻辑上，等系统进入稳态后再使能。Simulink里用Timer模块或者Step模块做使能条件即可。

这两个技巧看着不起眼，能省去大量排查“为什么启动瞬间转速过冲”的时间。

5.3 求解器与采样率：变步长连续仿真为什么会莫名其妙振荡

最后一个高频踩坑点是求解器设置。我在初版模型里用了ode45变步长连续求解器，跑出来的波形在加入重复控制后出现锯齿状振荡，而纯PI完全正常。排查到最后发现，问题不在算法，而在求解器与离散延迟模块之间的步长失配。

Discrete Delay模块的延迟拍数N是基于固定采样周期Ts定义的，但连续变步长求解器在动态过程中实际步长会变化，模块内部“一拍”对应的真实时间并不恒定，导致延迟时间长度在仿真过程中漂移。重复控制对相位异常敏感，延迟误差一点点就能破坏抑制效果。

解决方案很明确：把求解器设为discrete或fixed-step discrete，固定步长等于Ts。这样每个采样步严格等间隔，延迟模块一拍就是Ts，N拍的物理时长才恒定等于周期。如果你必须用连续模型，也可以用定步长ode4或ode5配合固定步长Ts，效果等同。这一点务必在仿真开始时一次设好，不要等跑出怪波形才回头查。

6. 从仿真到工程应用：可以往哪里继续深入

6.1 电流环和转速环中重复控制的差异：带宽位置决定效果上限

仿真模型里我把重复控制加在了转速环，这是初学者比较直观的理解方式。但在实际电机驱动里，重复控制的安放位置很有讲究。

放在转速环，优点是误差信号直接反映转速波动，物理意义明确；缺点是转速环带宽低，重复控制能覆盖的频率范围有限，对中高频转矩脉动的抑制效果会受到机械滤波作用的遮挡。

放在电流环则不一样。电流环响应快，重复控制可以覆盖更宽的频率范围，对电机本体转矩脉动（比如较高的齿槽谐波）效果更好。代价是电流环里的扰动数据量更大，对延迟周期N的计算要求更高。我的建议是：如果是负载周期扰动，来自机械负载，放转速环；如果是电机自身转矩脉动，放电流环。仿真时可以把同样的重复控制器复制到两个位置对比一下波形，这个对比过程本身就是学习重复控制最好的练习题。

6.2 变周期问题：当扰动频率随转速变化时怎么办

重复控制的内在逻辑要求扰动频率基本恒定，但工程中转速往往不是恒定值，负载扰动频率会跟着转速变。这个问题有两条工程路径：

1. 转速前馈同步：当转速由指定指令决定时，扰动频率可以写成转速的函数，实时计算N并同步更新延迟模块。Simulink里可以用Variable Delay模块实现变延迟，参数为当前转速下的周期拍数；
2. 自适应重复控制：引入自适应律在线调整N或Q，学术文献里很多，工程实现稍复杂。对多数应用来说，先把前馈同步做好就能解决90%的问题。

我自己的建议是，初学者先在定转速工况下跑通重复控制，理解N的物理含义后，再考虑转速变化。一上来就挑战变周期，学习曲线陡到容易放弃。

6.3 推荐学习路径：从仿真复现，到单参数扫描

如果你准备完整复现这个仿真，我推荐一个带有梯度的学习路径：

1. 从第3章的模型开始，跑通PI+重复控制的完整闭环；
2. 分别设置Kr=0.1、0.5、1.0，用Scope观察误差波形，对比收敛快慢与过振荡点；
3. 把Q改为0.9、0.95、1.0，观察稳态误差与鲁棒性变化；
4. 把fp改成30Hz、50Hz，注意N必须同步更新，看基波抑制是否依旧有效；
5. 尝试把扰动源改成“方波周期扰动”，验证重复控制对非正弦周期扰动的抑制能力。

每一步都要做FFT量化分析，不要只看时域。这个流程走下来，你对重复控制的理解会比看十篇论文更扎实。

关于重复控制仿真，我想再多说一句体会。很多人第一次看到波形被压平时，会觉得“参数对了就完事”；但真正能迁移到工程上的能力，其实是判断“这个扰动到底是不是周期的、周期是多少、应该在哪一层闭环里去治理它”。我在实际项目里踩过的坑远比仿真多，比如把负载转矩脉动误当成阶跃扰动调PI，调了几天没效果；也见过有人把重复控制输出限幅忘掉，结果一启动就饱和顶到限幅值。这些都说明，仿真模型不只是一种工具，更是一种训练判断力的方式。希望这篇经验分享能帮你少走点弯路。