企业官网建设流程全解析

电动机控制这个圈子里，无感FOC方案里最常被提到的名字，滑模观测器绝对排前三。它不依赖霍尔、编码器这类物理位置传感器，光靠相电流和母线电压，就能把转子位置和转速估出来，压缩机、电动自行车、风机、无人机电调里都在跑。这篇文章把滑模观测器的原理推导从头到尾过一遍，把每一步都知道为什么，顺带聊聊工程实现和调试坑。

1. 无感FOC里为什么需要滑模观测器

1.1 没有位置传感器，怎么知道转子在哪

磁场定向控制（FOC）的前提，就是实时知道转子磁极的电气角度。有了这个角度，Id轴电流和Iq轴电流才能正确解耦，SVPWM输出才能把电压矢量送到该送的位置。传统做法是装霍尔、增量编码器或旋变，成本高、体积大，防水防油防震的要求也高。家用空调压缩机、两轮车电机、高速风机这类场景，装上编码器不但贵，高温高湿环境里故障率还高，于是无感方案成了刚需。

但“没有传感器”等于不给眼睛，怎么知道转子在哪？物理上唯一可靠的信息来源，就是电机本身在运行中产生的反电动势（Back EMF）。转子转得越快，反电动势越大，而且它的相位和转子位置有严格对应关系。问题在于，正常运行时反电动势是藏在端电压和电流背后的，没办法拿万用表直接量。滑模观测器做的事，就是通过电流误差构造一个非线性闭环，把藏在电机方程里的反电动势“逼”出来。反电动势出来了，转子角度自然也就出来了。

1.2 反电动势法为什么是主流

反电动势法在无感FOC里之所以是主流，逻辑很简单：数学模型成熟，硬件开销小，中高速段性能足够好。以表贴式永磁同步电机为例，定子电压方程在静止两相坐标系下写出来，反电动势分量包含转子位置和速度的全部信息：

$$ u_{\alpha} = R_s i_{\alpha} + L_s \frac{d i_{\alpha}}{dt} + e_{\alpha} $$

$$ u_{\beta} = R_s i_{\beta} + L_s \frac{d i_{\beta}}{dt} + e_{\beta} $$

其中反电动势表达式为：

$$ e_{\alpha} = -\psi_f \omega_e \sin\theta_e $$

$$ e_{\beta} = \psi_f \omega_e \cos\theta_e $$

也就是说，只要能估计出 eα 和 eβ，转子位置角度直接就是：

$$ \theta_e = \operatorname{atan2}(-e_{\alpha}, e_{\beta}) $$

这个方法在中高速段非常好用，因为它简洁、直观、几乎不需要额外硬件。但反电动势法有个天生的短板：零速和极低速时反电动势幅值太小，信噪比差，难以提取位置。所以工业上普遍的做法是低速段用高频注入或者I/F强拖，中高速段切到反电动势类观测器。滑模观测器就是反电动势类方案里应用最广、性价比最高的一种。

1.3 滑模观测器相比其他方案的优势

无感位置估计的候选方案有好几个：龙贝格观测器、扩展卡尔曼滤波（EKF）、模型参考自适应（MRAS）、滑模观测器，各有利弊。

滑模观测器最大的优势是鲁棒性。电机在运行中电阻会随温度漂移，电感会随电流饱和变化，龙贝格这类线性观测器对参数误差比较敏感，参数一偏估计角度就偏，角度偏了电流环就乱，严重时直接过流保护。滑模观测器通过高频切换项把系统“压”在滑模面上，只要切换增益选得够，外部扰动和参数偏差的影响会被强行抑制，这个特性在批量产品上特别有用，因为每台电机的参数不可能完全一样。

2. 滑模控制的核心概念：“滑”在哪

2.1 滑模面的选择

滑模控制这个“滑”字，很多人理解不透。说个小类比：你把一个球放在斜面底部，用力往上滚，球滚到顶会掉回面内，整个过程被“约束”在斜面上滑动。滑模控制本质上就是用一种不连续的强反馈，把系统状态强制拖到一个事先设计好的“面”上，然后让状态沿着这个面滑到平衡点。这个“面”就是滑模面。

对滑模观测器来说，我们的目标是把电流估计误差收敛到零，所以滑模面直接选成电流估计误差：

$$ s_{\alpha} = \hat{i}{\alpha} - i{\alpha} $$

$$ s_{\beta} = \hat{i}{\beta} - i{\beta} $$

当 sα、sβ 被强制收敛到0时，意味着观测器的电流已经完全跟上了真实电流。在这个状态下，观测器为了维持这种“跟随”所付出的控制量，恰好就是被隐藏起来的反电动势。这个思路是整篇推导的灵魂，后面会反复用到。

2.2 等效控制：高频开关量的“平均”就是真实反电动势

滑模观测器和普通PI观测器最大的区别，就是反馈项不是线性的误差乘以系数，而是一个带符号函数 sign(s) 的切换项。切换项的输出在高频下不断翻转，一会儿正一会儿负，形成一个看似剧烈抖动的控制量。

关键来了：在滑模面上，系统一直保持 s=0、ṡ=0。此时如果把这个切换量通过低通滤波“平均”掉，得到的直流分量恰恰就是使系统维持在这个平衡点的等效控制量（equivalent control）。用形式化的话说，令 ṡ=0，反解出来的连续控制量，就是反电动势的估计值。这就是为什么很多资料里直接说：滑模观测器的切换输出经过低通滤波器以后，等于反电动势。

如果你只记住一句话，请记住这句：符号函数输出的高频平均值得到了反电动势，低通滤波器在这里不是可选项而是必备项。

3. 滑模观测器数学推导全流程

3.1 表贴式PMSM在αβ坐标系下的数学模型

先建立完整的数学模型。表贴式永磁同步电机的电感在dq轴上相等，记 Ld=Lq=Ls，定子电阻为 Rs，永磁体磁链为 ψf。在静止两相αβ坐标系下的电压方程写成：

$$ u_{\alpha} = R_s i_{\alpha} + L_s \frac{d i_{\alpha}}{dt} + e_{\alpha} $$

$$ u_{\beta} = R_s i_{\beta} + L_s \frac{d i_{\beta}}{dt} + e_{\beta} $$

把电流导数单独拎出来，得到状态方程形式：

$$ \frac{d i_{\alpha}}{dt} = -\frac{R_s}{L_s} i_{\alpha} + \frac{1}{L_s}(u_{\alpha} - e_{\alpha}) $$

$$ \frac{d i_{\beta}}{dt} = -\frac{R_s}{L_s} i_{\beta} + \frac{1}{L_s}(u_{\beta} - e_{\beta}) $$

注意到 eα、eβ 在这里是未知量。硬件上我们能拿到的是 uα、uβ 和 iα、iβ，需要靠它们把 eα、eβ 估出来。单独看方程，这是两个一阶微分方程，未知的 e 夹在输入项里，必须用观测器把它作为“外部扰动”来观测。

3.2 构造电流观测器与误差方程

按滑模控制的标准套路，构造如下电流观测器：

$$ \frac{d \hat{i}{\alpha}}{dt} = -\frac{R_s}{L_s} \hat{i}{\alpha} + \frac{1}{L_s}\left(u_{\alpha} - k\operatorname{sgn}(\hat{i}{\alpha} - i{\alpha})\right) $$

$$ \frac{d \hat{i}{\beta}}{dt} = -\frac{R_s}{L_s} \hat{i}{\beta} + \frac{1}{L_s}\left(u_{\beta} - k\operatorname{sgn}(\hat{i}{\beta} - i{\beta})\right) $$

这里的 k 是切换增益，sgn 是符号函数。对比观测器方程和真实电机方程，两边相减，引入电流误差：

$$ s_{\alpha} = \hat{i}{\alpha} - i{\alpha}, \quad s_{\beta} = \hat{i}{\beta} - i{\beta} $$

得到误差动力学方程：

$$ \frac{d s_{\alpha}}{dt} = -\frac{R_s}{L_s} s_{\alpha} + \frac{1}{L_s}\left(e_{\alpha} - k\operatorname{sgn}(s_{\alpha})\right) $$

$$ \frac{d s_{\beta}}{dt} = -\frac{R_s}{L_s} s_{\beta} + \frac{1}{L_s}\left(e_{\beta} - k\operatorname{sgn}(s_{\beta})\right) $$

这个方程是整个滑模观测器的核心。它清楚地告诉你：误差 sα 的变化率由三部分决定——自身衰减项 (-Rs/Ls)sα、真实反电动势 eα、以及切换控制项 -k·sgn(sα)。只要切换项能压过反电动势项，就能把误差推向零。

3.3 滑模存在性与切换增益k的设计

现在我们面对一个问题：k 要取多大，滑模才能建立？用李雅普诺夫稳定性判据来分析。对 sα 单独取候选函数：

$$ V_{\alpha} = \frac{1}{2} s_{\alpha}^2 $$

对其求导：

$$ \dot{V}{\alpha} = s{\alpha}\dot{s}{\alpha} = -\frac{R_s}{L_s} s{\alpha}^2 + \frac{s_{\alpha}}{L_s}\left(e_{\alpha} - k\operatorname{sgn}(s_{\alpha})\right) $$

第一项 -Rs/Ls·sα² 是恒小于零的，自动收敛。关键是第二项：

$$ s_{\alpha}\left(e_{\alpha} - k\operatorname{sgn}(s_{\alpha})\right) = s_{\alpha} e_{\alpha} - k|s_{\alpha}| $$

要保证 V 导数小于零，只需要满足：

$$ k > |e_{\alpha}| $$

也就是说，切换增益 k 必须大于反电动势的幅值。同理对 β 轴也要满足 k > |eβ|。实际工程里反电动势幅值主要取决于磁链和转速：

$$ |e| = \psi_f \omega_e $$

举个例子估算一下：某永磁电机的磁链 ψf = 0.05Wb，最高电频率 500Hz，对应 ωe = 2π×500 ≈ 3141 rad/s，反电动势幅值约为 157V。那么 k 至少要大于 157V才能保证滑模面可达。工程上一般留 1.2 到 1.5 倍裕量，还要考虑温度、负载波动带来的参数变化。但 k 也不能取得太大，后面讲抖振的时候会专门说到这个问题。

3.4 从等效控制到反电动势，再到转子角度

当滑模存在时，系统被强制运行在 sα=0、ṡα=0 的流形上。此时令误差动力学方程中的微分项为零，可以得到：

$$ 0 = -\frac{R_s}{L_s} \cdot 0 + \frac{1}{L_s}\left(e_{\alpha} - \left(k\operatorname{sgn}(s_{\alpha})\right)_{\text{eq}}\right) $$

其中的 (k·sgn(sα))eq 就是等效控制，即切换信号经过低通滤波后的平均分量。整理后得到：

$$ \left(k\operatorname{sgn}(s_{\alpha})\right){\text{eq}} = e{\alpha} $$

也就是说，把切换信号 zα = k·sgn(sα) 通过低通滤波器，输出的就是反电动势估计值 êα。β轴同理。我习惯把切换量写成 zα、zβ，调试时直接看 zα 和 êα 的波形，非常直观。

反电动势拿到了，转子角度按下面方式计算。结合 eα、eβ 的定义：

$$ e_{\alpha} = -\psi_f \omega_e \sin\theta_e $$

$$ e_{\beta} = \psi_f \omega_e \cos\theta_e $$

可以得到：

$$ \tan\theta_e = \frac{-e_{\alpha}}{e_{\beta}} $$

于是：

$$ \theta_e = \operatorname{atan2}(-e_{\alpha}, e_{\beta}) $$

这里要提醒一句：不同资料对 eα、eβ 的符号定义可能不同，角度表达式也跟着变。你在自己的工程里，最好先用编码器或者测功机标定一次，确认角度方向和负载方向一致。方向反了，FOC直接“飞车”，这个我后面会专门讲。

4. 工程实现：从连续域到单片机

4.1 离散化：一阶欧拉怎么落地

前面推导都是在连续时间域里做的，单片机里只能定时器中断周期做离散迭代。最常用的离散化方法就是一阶欧拉法，简单、计算量小。设控制周期为 Ts，电流观测器的离散递推公式写成：

$$ \hat{i}{\alpha}[k+1] = \hat{i}{\alpha}[k] + T_s\left[-\frac{R_s}{L_s}\hat{i}{\alpha}[k] + \frac{1}{L_s}\left(u{\alpha}[k] - z_{\alpha}[k]\right)\right] $$

$$ \hat{i}{\beta}[k+1] = \hat{i}{\beta}[k] + T_s\left[-\frac{R_s}{L_s}\hat{i}{\beta}[k] + \frac{1}{L_s}\left(u{\beta}[k] - z_{\beta}[k]\right)\right] $$

其中切换量的离散形式为：

$$ z_{\alpha}[k] = k\operatorname{sgn}\left(\hat{i}{\alpha}[k] - i{\alpha}[k]\right) $$

$$

z_{\beta}[k] = k\operatorname{sgn}\left(\hat{i}{\beta}[k] - i{\beta}[k]\right) $$

后续的低通滤波同样用一阶惯性环节离散：

$$ \hat{e}{\alpha}[k+1] = \hat{e}{\alpha}[k] + T_s \omega_c\left(z_{\alpha}[k] - \hat{e}_{\alpha}[k]\right) $$

$$

\hat{e}{\beta}[k+1] = \hat{e}{\beta}[k] + T_s \omega_c\left(z_{\beta}[k] - \hat{e}_{\beta}[k]\right) $$

其中 ωc 是低通滤波器的截止角频率。整体执行流程大致是这样的：

1. ADC采样相电流 ia、ib，还原 ic，做Clark变换得到 iα、iβ。
2. 根据SVPWM占空比和母线电压重构 uα、uβ。
3. 用上一周期的 zα、zβ 和当前采样电流，更新观测电流 îα、îβ。
4. 计算电流误差，生成切换量 zα、zβ。
5. 对 zα、zβ 做低通滤波，得到反电动势估计值 êα、êβ。
6. 通过反正切计算转子角度，再做相位补偿。
7. 角度差分或锁相环得到转速，送入速度环和电流环。

这套流程每一步都有讲究。第2步的电压重构尤其容易被忽略，很多新手直接用SVPWM指令电压替代实际电压，结果死区效应带来的误差全算进了反电动势里，低速段角度就会偏。我调过的项目里，凡是低速性能差的，一半以上是死区补偿没做或者没做干净。

4.2 抖振抑制：符号函数换成饱和函数

符号函数 sgn 是理想化的不连续开关，实际数字控制里直接用会带来高频抖振。抖振的根源是：系统到达滑模面后，切换项在正负两个方向之间高速翻转，电流波形上表现为毛刺，电机轴上表现为高频噪声和损耗。

工程上最直接的办法是把符号函数换成饱和函数：

$$ \operatorname{sat}\left(\frac{s}{\Delta}\right) = \begin{cases} 1, & s > \Delta \ s/\Delta, & |s| \le \Delta \ -1, & s < -\Delta \end{cases} $$

Δ 称为边界层厚度。当电流误差落在 [-Δ, Δ] 范围内时，切换量不再直接跳变，而是按比例连续变化，抖振会大幅减小。代价是等效控制的精度会有所损失，因为进入了线性区以后，输出不再是严格的开关平均，而是带有一点“软”特性。角度的静态精度会受到影响，但实际测试下来，只要 Δ 选得合适，性能下降完全可以接受。

Δ 的选择经验值一般取额定电流的1%到5%。具体调法我习惯这样：先把 Δ 设得很小（比如0.5%额定电流），观察电流波形，如果抖振明显、噪声大，就逐步加大 Δ，直到电流波形光滑。然后再看角度估算是否受影响，如果角度静差变大，说明 Δ 太大，往回收一点。这一步是调参里最需要耐心的环节，每次只调一个参数，记录波形和角度误差，不要同时动好几个参数，否则出了问题都不知道是哪一步引入的。

4.3 低通滤波带来的相位滞后和补偿

低通滤波器“平均”出了反电动势，但也带来了相位滞后。一阶低通滤波器在频率 ωe 处的相位延迟为：

$$ \Delta\theta = \arctan\left(\frac{\omega_e}{\omega_c}\right) $$

这个相位延迟会直接叠加在估算角度上。如果转速低，延迟很小，问题不严重；转速高了以后，ωe 变大，延迟角可能达到十几度甚至几十度，这时候不补偿，力矩会明显偏弱，还容易发热。

补偿方法主要有两种。第一种是固定角度补偿，在额定工况附近取一个典型值，直接把 Δθ 加在估算角度后面。实现简单，但工况偏离后效果变差。第二种是动态补偿，用当前估计的电角速度 ωe_est 实时计算补偿角：

$$ \hat{\theta}e = \operatorname{atan2}(-\hat{e}{\alpha}, \hat{e}{\beta}) + \arctan\left(\frac{\omega{e_est}}{\omega_c}\right) $$

动态补偿的效果明显更好，代价只是多算一次反正切或查表。实际项目中滤波截止频率我一般取 500Hz 到 1kHz 之间，具体要看载波频率（通常10-20kHz）和最高电频率。固定补偿不是不能做，但只适用于工况很窄的电机，像压缩机这种转速范围宽、负载波动大的场合，还是老老实实用动态补偿。

4.4 速度估计和坐标系方向校准

角度出来后还需要速度。最简单的是角度差分：

$$ \omega_e = \frac{\theta_e[k] - \theta_e[k-1]}{T_s} $$

这个方法计算量小，但角度本身有噪声，差分后噪声放大，速度波形会比较毛糙。更平滑的做法是锁相环（PLL）法：把估计的角度误差经PI调节器收敛到零，PI输出就是电角速度。PLL相当于一个低通跟踪器，噪声小，动态也够，工业产品里用得更多。

坐标方向校正是无感FOC上线前必须做的一步。具体操作是：用编码器或者人工转动转子到已知位置，对比滑模估算角度和真实角度。如果发现 β 轴或者 α 轴的符号不对，通常的表现是启动瞬间电流方向就反了，电机猛烈抖动甚至反转。这时检查 Clark变换矩阵、反正切表达式和角度补偿项的符号，至少花10分钟把方向校好，不要指望程序自动收敛。方向错了，后面的所有闭环全是白搭。

5. 常见问题与排查技巧实录

5.1 角度抖动，力矩波动大

这是无感FOC调试里最常见的现象，表现为电流波形上叠加高频毛刺，电机运行噪声大，高速时还能听到“嘶嘶”声。大概率原因有四个：

• 切换增益 k 过大，虽然鲁棒性好，但抖振分量太强，低通滤波器没能充分压制。
• 边界层厚度 Δ 太小，饱和函数接近符号函数，抖振没有被有效平滑。
• 低通滤波器截止频率偏高，高频分量透过多，反电动势估计毛糙。
• 电流采样噪声大，经过观测器后被放大，反馈到角度上变成抖动。

排查顺序我建议这样：先把 Δ 加大一档，看电流毛刺是否减小。如果变化不明显，再把低通截止频率往下调低 30% 左右。两者都不行，再考虑降低 k。记住一条原则：能通过滤波解决的问题就不要堆高 k，过渡追求鲁棒性到头来还是要用滤波器来擦屁股，收益很低。

5.2 低速启动失败，电机抖动不转或反转

低速时反电动势幅值按比例下降。表贴式电机 500rpm 电频率大概就 30Hz 左右，反电动势可能只有八九伏，这时候开关噪声、采样误差、死区误差叠加起来，信号很容易被淹没。

解决方案有三条路。第一条是 I/F 强拖：不管位置，直接给一个旋转电流矢量慢慢加速，转速上来以后切换到闭环。第二条是高频注入法：通过高频激励信号的响应来识别转子凸极位置，低速性能优秀但算法复杂，调参难度大。第三条是混合法：低速用I/F，中高速切滑模。对大多数压缩机、风机、两轮车应用，混合法足够用，只做好“I/F强拖到什么转速切换”这一个点，成功率就很高。切换转速一般取额定转速的3%到8%，要留足反电动势比噪声高的余量。

5.3 高速角度滞后，力矩弱，转速爬不上去

高速时主要矛盾变成了低通滤波器的相位滞后。前面说了要用动态补偿，但还是有人会在高速段发现角度超前或滞后。检查两个点：一是补偿角度的计算用的是电角速度还是机械转速，单位错了角度会差很大；二是低通截止频率和最高电频率的比值，如果截止频率太低，比如只有最高电频率的1.5倍，相位滞后太大，仅靠动态补偿也可能不够。此时把截止频率适当调高，比如放到最高电频率的3-5倍。

另外还有一个经常被忽视的点：电阻随温度漂移。铜绕组的电阻温度系数约每摄氏度0.4%，冷态到热态差别能到20%。Rs 失配在低速时会直接体现在反电动势估计上，导致低速角度偏。这个修正也比较简单，用一个NTC测绕组温度，查表修正 Rs，效果立竿见影。

5.4 问题速查表

6. 实操心得与个人调试习惯

滑模观测器这个主题，原理讲起来不难，但真正调顺的时候问题永远比推导多。我习惯的调试流程是先仿真后硬件。在仿真里把理想电机模型搭好，滑模观测器跑通，确认反电动势波形形态正确、角度误差在几度以内，再上车。上车的第一个目标不是闭环，而是只开观测器，用编码器或测功机把真实角度读出来，和估算角度叠在一张示波器图里看。先静态对角度，再小转速对波形，确认相位补偿准确，然后才允许速度环和电流环闭环。

调参上我始终坚持“一次只动一个”的原则。滑模观测器涉及的参数本来就多：k、Δ、滤波器截止频率、相位补偿系数、速度PLL带宽，每个都互相影响。你要是一口气把Δ和k全改了，看到结果好，你也不知道是谁的功劳，看到结果差，更不知道是谁的问题。我每次改参数前会把当前波形截图，改完再截图对比，形成自己的调试日志。这个习惯救过我很多次，电机参数一换，翻日志就能快速定位该调什么。

最后分享一个让我印象挺深的项目：给一个制冷压缩机组做无感FOC，初期低速性能怎么调都不过关，电流噪声大，角度偏。折腾了三天，最后发现是PCB布局里电流采样线太长，采样信号被SVPWM开关噪声污染，ADC读进来的电流本身就有系统性偏差。观测器算法再好，喂给它的数据是脏的，神仙也救不回来。从那以后我每次调试无感项目，第一件事永远是拿示波器量采样点的信号质量，确认采样干净才碰算法。很多看似高深的控制问题，最后都栽在传感器和采样这种最基础的环节上。这条经验，值得你记下来。