企业官网建设流程全解析

做永磁同步电机（PMSM）驱动的工程师，十有八九都被速度环PI参数折腾过：负载突变、惯量变化、摩擦非线性，固定一组Kp、Ki很难在所有工况下都拿得出手。后面我接触到自抗扰控制（ADRC），也就是韩京清先生提出的那套“扰动估计与补偿”框架，在Simulink里把速度环换成ADRC之后，很多原本要靠调参硬抗的问题，变成了“观测器估算出来、前馈抵消掉”，控制难度瞬间降了一档。这篇文章就按我自己的项目实践来写，把PMSM加ADRC的数学模型、Simulink模型搭建、参数整定和典型踩坑记录都过一遍，适合正在做电机控制仿真、准备把ADRC落地到实际工程或者对先进控制算法感兴趣的工程师参考。

1. 为什么永磁同步电机速度环要换成ADRC

1.1 传统PID在PMSM速度环上的三个痛点

在聊聊ADRC之前，先说我为什么想换掉传统PID。很多初学FOC的同学会以为PI参数只要调好了，速度环就能应对一切，但实际上只要负载特性稍微复杂一点，传统PID的问题就会暴露出来。

第一个痛点是负载扰动补偿滞后。PI控制器补偿扰动的本质是靠误差积分，也就是转速先被拉下来，积分项慢慢把转矩指令顶上去，转速再恢复。这个过程天然存在滞后，而且积分增益调大了容易振荡，调小了恢复时间长。遇到频繁加减载的工况，比如压缩机、机器人关节，速度波动会非常明显。

第二个痛点是参数鲁棒性差。PMSM的转动惯量J、定子电阻Rs、电感Ld/Lq都会随温度、饱和程度和安装工况变化。PI的增益是基于某个标称模型整定的，当实际对象偏离标称模型时，闭环特性会漂移。尤其是转动惯量变化超过一倍之后，原来那组PI参数基本就需要重新调。

第三个痛点是未建模动态没法处理。摩擦、齿槽转矩、电流采样噪声、死区效应，这些非线性因素很难准确建模。传统PID把这些全部当作“外部干扰”硬扛，结果就是抗扰性能和稳态精度互相牵制，调试周期被拉得很长。

1.2 ADRC的设计哲学：给扰动装一个实时观测器

我最早看韩京清先生的文献时，对“自抗扰”这三个字的理解很浅，后来自己做仿真、调代码才慢慢品出味道。ADRC的核心思路不是把扰动滤掉，而是把“系统里面我搞不清楚的、不想建模的部分”统一当成一个总扰动，然后用扩张状态观测器把这个总扰动实时估出来，再进行前馈补偿。

这样做的效果非常直观。原本速度环面对的是一个“电机模型加负载扰动加摩擦”的复杂对象，现在经过ESO补偿，控制视角里只剩下一个近似的一阶积分对象，也就是“输入iq指令，输出转速”，中间那些说不清道不明的动态都被观测器兜住了。控制器的设计难度大幅下降，整定参数从“碰运气”变成“按带宽算”。

当然ADRC不是万能的，它需要用模型信息来设置观测器增益和补偿增益b0。这也是为什么很多仿真模型跑得好、实机上却崩了，问题大多出在b0和真实对象不匹配上。这一点后面我会专门展开讲。

1.3 什么情况下值得用ADRC，哪些场景别硬上

先说结论：如果你的系统工况相对固定、负载模型清晰，而且传统PI的调试成本已经可以接受，那没必要为了“先进”而先进。ADRC真正发力的场景是这几种：

• 负载扰动大且频繁，比如压缩机、输送带、机械臂关节；
• 转动惯量或机械参数在工作过程中明显变化；
• 控制性能要求高，希望在不同工况下保持一致的速度刚性；
• 项目有充足时间做仿真验证，愿意为鲁棒性多花一点开发周期。

反过来，如果MCU算力非常紧张、电流环采样频率又很高，或者团队对ADRC的理解还停留在“会用公式”的阶段，我建议先别硬上。ADRC的ESO需要以较高的频率运行，而且观测器增益设置不当会出现高频噪声放大，反而比PI更难收敛。我自己踩过一次把观测器带宽给到1000rad/s以上的坑，结果在实机上直接啸叫，后来才知道观测器带宽不能超过采样频率的十分之一。

2. ADRC控制策略的理论拆解与关键公式

2.1 韩京清“三部曲”：TD、ESO、NLSEF是怎么配合的

韩京清先生提出的ADRC经典结构由三部分组成：跟踪微分器（TD）、扩张状态观测器（ESO）和非线性状态误差反馈（NLSEF）。

TD的作用是为给定信号安排一个过渡过程，避免阶跃给定直接砸到执行器上，造成超调和冲击。经典TD里有个函数叫fhan，可以用来同时给出跟踪信号和微分信号。工程上为了简化，很多人把TD直接省略掉，或者用一个斜坡限幅、一阶低通来近似替代。对于转速环来说，如果系统对超调要求严格，TD能明显改善启动性能；如果系统更看重快速响应，那TD的时间常数不宜太大。

ESO是ADRC的心脏，它扩张出一个状态来估计总扰动。以转速环为例，ESO不仅估计转速，还额外估计出一个“包含负载、摩擦、未建模动态”的总扰动状态。因为有了这个实时估计值，控制器可以提前把扰动补偿掉，而不是等转速跌了再去调。

NLSEF则是用非线性函数对状态误差进行反馈，经典做法是用fal函数。韩京清早期文献里推荐非线性组合，工程上为了方便整定，通常把反馈律简化为线性比例控制。这个简化在绝大多数PMSM速度环应用中是足够的，因为ESO已经把扰动消除了，剩下的误差反馈不需要太强的非线性。

2.2 以PMSM运动方程为基础，推导一阶线性ADRC

下面我以表贴式PMSM（Ld≈Lq）为例，把推导过程完整走一遍。

PMSM在dq同步旋转坐标系下的电压方程为：

ud = Rs·id + Ld·d(id)/dt - ωe·Lq·iq uq = Rs·iq + Lq·d(iq)/dt + ωe·(Ld·id + ψf)

其中ωe是电角速度，ψf是永磁磁链。电磁转矩方程为：

Te = 1.5·pn·[ψf·iq + (Ld - Lq)·id·iq]

对于表贴式电机，Ld约等于Lq，采用id=0控制时可简化为：

Te = 1.5·pn·ψf·iq = Kt·iq

其中Kt = 1.5·pn·ψf，称为转矩系数。机械运动方程为：

J·d(ωm)/dt = Te - TL - B·ωm

把Te代入并整理：

d(ωm)/dt = (Kt/J)·iq - (TL + B·ωm)/J

令b0 = Kt/J，这是名义控制增益，把括号里的综合项视为总扰动d(t)，则：

d(ωm)/dt = b0·iq + d(t)

这个形式就是典型的一阶对象。ADRC的ESO需要估计两个状态：转速本身和总扰动d(t)。设计线性扩张状态观测器（LADRC），二阶ESO方程如下：

e = z1 - y d(z1)/dt = z2 - β1·e + b0·u d(z2)/dt = -β2·e

其中y是实际转速反馈，u是控制器输出（即iq指令），z1跟踪转速，z2跟踪总扰动，β1和β2是观测器增益。控制律取：

u0 = kp·(v - z1) u = (u0 - z2)/b0

这里v是目标转速，kp是比例增益。因为总扰动已经被z2补偿掉了，整个闭环对象近似为d(ωm)/dt ≈ u0，再配上比例反馈就能得到接近一阶惯性的转速响应。

顺带说一句，永磁同步电机的功率公式在实际工程中也经常用到，电功率Pe = 1.5·(ud·id + uq·iq)，机械功率Pm = Te·ωm，两者之差主要是铜损、铁损和机械损耗。在做效率优化和弱磁控制时会频繁用到这些关系，建议把这几个公式放在模型注释里。

2.3 带宽法定参：wc、wo、b0怎么给初值

工程上用LADRC最大的好处就是参数少且有明确的物理意义。控制律里的kp可以近似取为控制器带宽ωc，观测器增益则按观测器带宽ωo整定：

β1 = 2·ωo β2 = ωo²

一般取ωo = 3到5倍的ωc。为什么是这个范围？因为观测器必须比控制器快，才能及时估计出扰动并补偿；但也不能太快，否则会把噪声放大。

b0的取法要回到定义：b0 = Kt / J。这里的Kt可以通过反电动势系数或者转矩系数测试得到，J最好能通过参数辨识或者CAD模型估算。如果b0取大了，相当于控制器认为同样的iq能产生更大的加速度，补偿力度偏强，系统容易振荡；b0取小了，ESO对扰动的估计会偏慢，抗扰性能下降。

我个人的经验是：先按标称参数算b0，仿真时故意把b0设偏20%到30%测试一下系统是否稳定。如果在小偏差下系统依然能收敛，说明控制器鲁棒性足够；如果一偏就发散，那要么是观测器带宽太大，要么是控制器带宽接近了对象的未建模动态频率。

2.4 离散化：从连续域到嵌入式代码的关键一步

仿真里可以跑连续域公式，但一旦要落嵌入式，必须离散化。最常用的是前向欧拉法，简单且足够稳定。离散化的ESO如下：

e(k) = z1(k) - y(k) z1(k+1) = z1(k) + Ts·[z2(k) - β1·e(k) + b0·u(k)] z2(k+1) = z2(k) - Ts·β2·e(k)

这里有个特别容易被坑的细节：z1(k+1)的更新如果用到当前拍u(k)，而u(k)又要用z1(k+1)来计算，Simulink里就会形成代数环。我的做法是在代码里保存上一拍的控制量u_prev，ESO用u_prev更新，控制律再用更新后的状态计算当前拍u。这样既避免了代数环，又符合实际嵌入式代码的执行顺序，先采样、再观测、最后输出控制量。

离散化之后，采样时间的选择非常关键。电流环通常需要1e-5到1e-6秒的采样周期，速度环可以放慢到电流环的10倍左右。ESO的观测器带宽ωo一定要远小于采样频率，建议ωo不超过采样频率的1/10，否则离散化误差会急剧增大，甚至出现高频振荡。

3. Simulink仿真模型搭建全过程

3.1 顶层模型架构与模块清单

我在Simulink里搭建PMSM加ADRC的仿真模型时，会按下面的模块清单来组织：

• 三相逆变器模块：Simscape Electrical里的Universal Bridge或Three-Phase Bridge，也可以用平均值模型；
• PMSM模块：Simscape Electrical自带的Permanent Magnet Synchronous Motor模块，填入电机的Rs、Ld、Lq、磁链、极对数和转动惯量；
• 坐标变换模块：Clarke变换和Park变换，本质是矩阵运算，Simulink里用Gain模块直接搭矩阵乘法，或者用MATLAB Function写紧凑公式；
• SVPWM模块：包含扇区判断、基本矢量作用时间计算和比较值生成；
• 电流环PI控制器：dq轴各一个，带输出电压解耦；
• 速度环ADRC控制器：这是核心替换点，用MATLAB Function或S-Function实现；
• 测量模块：转速、电流、母线电压、电磁转矩的示波器和数据记录模块。

整个信号流向非常经典：转速给定ref经过ADRC输出iq_ref（id_ref设0），电流环PI输出ud、uq，经过反Park变换得到uα、uβ，SVPWM生成开关信号，驱动三相逆变器，逆变器输出接PMSM，PMSM的反馈电流和转速再送回来闭环。

把顶层模型搭好之后，建议把电流环和速度环控制器分别封装成子系统，这样后续做参数扫描、代码生成和联合仿真都方便很多。我在早期项目里为了省事把所有模块堆在一个层里，后期改结构改到想骂人，所以强烈建议从一开始就把层级理清楚。

3.2 电流环PI整定（含Simulink PI调参工具用法）

速度环用ADRC并不意味着电流环也要用ADRC。实际上电流环的动态远快于速度环，而且模型相对明确，用PI就够。关键是PI参数要整定到位，否则速度环观测器再优秀，执行层跟不上也是白搭。

电流环PI参数可以按极点对消法来估算。电流环的电气方程近似为：

L·di/dt = -Rs·i + u - e

其中e是反电动势项。PI控制器的传递函数为Kp + Ki/s，把零点设在-Rs/L处，即Ki/Kp = Rs/L，则闭环电流环带宽约等于Kp/L。所以：

Kp = L·ωc_i Ki = Rs·ωc_i

比如我用过的表贴PMSM，Ld≈Lq=1.2mH，Rs=0.6Ω，设定电流环带宽ωc_i=2000rad/s，则Kp=2.4，Ki=1200。这个估算值在仿真和实机上都能作为很好的起点，再根据电流环阶跃响应微调。

Simulink里自带的PID Controller模块可以直接打开它的调参工具，用线性近似来辅助整定电流环。不过我实测下来，在非线性PMSM模型上，PID Tuner的结果只能当作参考，最终还是要在几个典型工况下做阶跃测试来确认。电流环的阶跃响应如果上升时间在1ms以内、超调量不超过5%，基本就能满足速度环ADRC的需求。

3.3 速度环ADRC的MATLAB Function实现与S-Function封装

速度环ADRC在Simulink里最简单的实现方式是用MATLAB Function模块，代码量小、可视化方便、也能生成C代码。我用的是线性ADRC，完整代码如下：

function [u, z1, z2] = ladrc_speed(w_ref, w_fb, b0, wc, wo, Ts, u_max) persistent z1 z2 u_prev if isempty(z1) z1 = 0; z2 = 0; u_prev = 0; end e = z1 - w_fb; z1 = z1 + Ts * (z2 - 2*wo*e + b0*u_prev); z2 = z2 + Ts * (-wo*wo*e); u0 = wc * (w_ref - z1); u = (u0 - z2) / b0; u = max(min(u, u_max), -u_max); u_prev = u; end

这里把ESO的β1取2·wo，β2取wo²，控制律用比例控制，b0、wc、wo、Ts、u_max全部作为模块参数暴露在外面，方便做参数扫描。

写完之后可以把MATLAB Function封装成带mask的子系统，然后拖进自己的自定义库。具体操作是：Simulink Library Browser里新建一个Library，把封装好的ADRC子系统复制进去，保存后就能像标准库一样拖到任何模型里复用。我在团队里就是这么建了一套“电机控制基础库”，里面放着坐标变换、SVPWM、ADRC、弱磁控制等常用模块，新项目直接搭积木，效率提升非常明显。

如果追求更高性能，可以把MATLAB Function换成C MEX S-Function或者S-Function Builder生成的C代码，这样仿真速度更快，代码生成也更可控。不过从工程迭代效率来看，先用MATLAB Function把控制逻辑跑通，再用C MEX重写，是一个稳妥的路径。

3.4 参数辨识如何给ADRC提供初值

ADRC的b0依赖Kt和J，而这两个参数在仿真模型里可以直接看，在实机上必须通过参数辨识或者离线标定来获得。这也是热搜里经常出现“永磁同步电机参数辨识”的原因，因为ADRC的鲁棒性不是建立在“随便给b0”上的，更准确的初始参数能让调试时间大幅缩短。

离线辨识比较简单。定子电阻Rs可以用直流伏安法，给电机注入直流电流测电压降；Kt可以通过反电动势法，在电机空载状态下匀速旋转，测线电压反电动势，除以转速得到磁链；Ld、Lq可以用高频注入或者直接测电感表，在转子不同位置读电感值做平均值。

在线辨识可以走递推最小二乘（RLS）或者扩展卡尔曼滤波（EKF），基于dq轴电压方程，把Rs、Ld、Lq作为待辨识参数实时更新。在Simulink里做RLS时，数据可以按数组整批读进来处理，但我建议从From Workspace读数组时，先用Selector或Reshape把维度理清楚，再交给RLS模块。很多人在这里踩坑，明明Simulink里看起来是一维数据，进到MATLAB Function里却变成三维矩阵，报错报得莫名其妙，其实就是信号维度和数据类型没对齐。

辨识结果经过平滑之后，可以用来实时修正ADRC的b0。要注意的是一定要做数据有效性判断，比如电流小于阈值时不更新，转速突变时不更新，否则辨识出的参数偶尔会被噪声带飞，ADRC的输出也跟着跳。

3.5 采样时间与求解器设置在仿真与代码生成时的选择

Simulink仿真默认用变步长求解器，这对控制算法验证很方便，但一旦涉及代码生成和硬件在环，变步长就不合适了。我建议从项目开始就使用固定步长离散求解器，比如ode4或ode3，步长设置与目标嵌入式平台的控制周期一致。

仿真时电流环采样周期设为1e-5到1e-6秒，速度环可以每10个电流环周期执行一次，即1e-4秒。两个子系统可以用不同的采样时间，在Simulink里直接设置模块的Sample Time即可。这样既保证了电流环的快速性，又避免了速度环ESO在高频下被采样噪声干扰。

如果目标是用Embedded Coder生成C代码，那么模型中所有模块必须支持代码生成，MATLAB Function里的代码也要写成可生成风格，不能用interpreted function。毕竟ADRC的离散算法本身就是标准C表达式，生成出来的代码在DSP或MCU上可以直接替换原速度环函数，架构非常清晰。

4. 调试经验与工程化进阶

4.1 仿真发散的排查流程

仿真模型搭好之后，第一次跑就收敛的概率很低。我遇到过几次典型的发散现象，这里梳理一下排查顺序。

先确认电流环是否稳定。把速度环断开，给iq_ref一个阶跃，观察id、iq是否跟踪得上，有没有振荡。电流环如果高频抖动，说明Kp太大或者采样时间不够，需要先解决这里。

再确认坐标变换和SVPWM是否正确。可以在电机两端看电压波形和相电流波形是否平滑正弦。如果相电流有严重畸变，多半是Park变换角或者SVPWM扇区计算有问题。这个阶段建议把PMSM模块内部变量也拉出来看，确认转子位置和电角速度方向一致。

最后才看速度环ADRC。如果电流环正常，接上ADRC后转速发散，优先怀疑b0偏差过大、ESO带宽太高、控制量限幅不够这三个因素。把b0往真值方向修正，把wo降到wc的3倍左右，把输出限幅设成电流环能接受的iq上限，绝大多数情况能收敛下来。我自己碰到过一次怎么调都不稳的情况，最后发现是MATLAB Function的persistent变量在仿真重启时没有初始化，ESO的z2从一个很大的初始值开始跑，启动瞬间控制量直接冲到限幅，转速当然稳不住。

4.2 外部模式实时调参与模型C代码生成

Simulink的外部模式（External Mode）是我做实时原型调试时非常喜欢用的功能。把模型编译成可执行文件部署到目标机（比如Speedgoat、dSPACE或者普通的实时Linux机器）上，然后通过外部模式可以在上位机实时修改ADRC的wc、wo、b0参数，同时在线观察转速和ESO状态变量。

外部模式调试时有个细节：修改参数以后要让执行器先回到安全状态再恢复，不然在线改b0的瞬间控制量可能跳变，机械机构容易被冲击。可以设计一个上位机开关，先把控制器输出切换到手动给定，确认目标机状态正常后再切回ADRC闭环。

如果项目要求把ADRC生成最终嵌入式代码，Simulink里走Embedded Coder即可。生成代码前要配置好求解器为离散固定步长，确保所有模块支持代码生成。ADRC代码本身是纯数值运算，不依赖任何外部库，生成出来的代码可以直接嵌入到现有控制框架中，替换原来的速度环PI函数即可。代码跑起来以后，建议用Polyspace做一次静态代码检查，尤其在功能安全要求比较高的场合，这一步能提前暴露数组越界、除零、整数溢出等问题。

还有同学会问“Simulink如何导出sdf文件”这类问题。先说明一点，sdf在多数语境下是某些工具链自定义的模型文件格式，Simulink原生的数据词典扩展名是.sldd。如果项目规范要求导出某种封装模型，本质上就是把仿真模型的数据结构和接口按照约定序列化。对外协作我更推荐用标准FMI接口，Simulink里可以直接导出.fmu，把ADRC速度环的输入输出定义在接口上，对方在Carsim、AMEsim或者其他仿真工具里都能直接调用，省去很多格式互转的麻烦。

4.3 从电机扩展到联合仿真：Carsim、AMEsim、四旋翼

ADRC的优势在整个系统的耦合仿真里体现得更明显。比如整车动力性仿真，电机模型和车辆动力学模型耦合，车轮打滑、路面阻力变化都会反作用到电机轴上。传统做法是在Simulink里搭一个简化的车辆负载模型，参数不够精细，速度环抗扰能力也看不出来。Carsim与Simulink联合仿真可以把车辆动力学细节给足，PMSM的速度环ADRC面对的是一个真实到“有点不讲道理”的负载，这时ESO把整车反拖转矩当成扰动去估计补偿，效果和“前馈模型已知”的PI完全不一样。

AMEsim与Simulink联合仿真也类似。液压系统或者传动系统有很强的非线性，如果电机速度环还是固定PI，负载突变时转速掉得很难看。而ADRC不需要知道液压阀口到底开了多少、油温多高，它只需要感知到转速偏差，然后让ESO把总扰动估计出来并补偿掉，控制性能对具体液压参数的敏感度会低很多。

四旋翼仿真里的滑模控制和ADRC其实可以做一个很好的对比。滑模控制靠强非线性切换把状态拉到滑模面，鲁棒性很强，但抖振是天然的敌人。ADRC靠观测器估计扰动，控制量是连续的，没有抖振问题。如果你手上有一个四旋翼的Simulink模型，试着把姿态环的速度外环用ADRC替换，感受一下扰动补偿和滑模切换在响应曲线上的差别，是一个非常直观的学习路径。控制思想在这些项目里是通用的，模型搭得好不好，很大程度上决定了后面先进算法能发挥出几分功力。

4.4 弱磁控制、六步换相与ADRC的无缝衔接

当PMSM转速超过基速，母线电压不够时，需要弱磁控制。最常见的工程做法是电压外环法：实时计算定子电压幅值|us| = sqrt(ud² + uq²)，与电压极限Ulim比较，误差经过PI输出负的id_ref，最终叠加到id给定上。电压极限在SVPWM线性区一般取Udc/√3。整个弱磁环在Simulink里搭建起来很清爽：一个求模模块、一个比较器、一个PID Controller、一个限幅器，再加上id_ref的加法节点就行。

弱磁环和ADRC速度环配合时，需要注意一个优先级问题。速度环ADRC输出的是iq_ref，弱磁环输出的是id_ref（负值），两者共同决定电流轨迹。在电压极限边界上，电流环可能没有能力同时跟踪id和iq，所以弱磁环的PI输出必须做限幅，避免id_ref把电流环拉饱和。

六步换相则通常用于无感方波控制的启动阶段，或者在低速大转矩场景作为FOC的替代方案。六步换相的换相逻辑天然适合用Stateflow的chart模块来实现，用状态机表达“当前该给哪两相通电、何时换相”，清晰也不会写乱。实际项目中有人会把六步换相作为启动策略，转速起来之后再切换FOC加ADRC闭环，切换逻辑同样用状态机来做，条件包括转速阈值、电流阈值和切换后的无扰过渡。ADRC的状态变量在切换时必须重新初始化，否则从六步换相切换过来的瞬间，ESO的估计值可能和实际状态差得很远，转速会猛地跳一下。

4.5 值得反复看的官方Demo与参考模型

如果是从零开始搭PMSM加ADRC仿真，我强烈建议先看Simulink官方的PMSM Field-Oriented Control系列Demo，它把FOC的电流环、坐标变换、SVPWM和逆变器模型都做好了，你的工作重心可以直接放在替换速度环控制器上，效率高很多。官方Demo里的一些信号命名和模块封装习惯也值得学习，很多工程经验就藏在模块的mask参数里。

TI的PMP41037参考设计也有对应的Simulink实例，虽然它本身是电源方案，但其环路分层、功率级建模、不同控制模式切换的思路，对电机驱动同样适用，尤其适合研究多环控制之间的耦合问题。还有LLC半桥的Simulink实例，如果你做的系统里既有电机驱动又有DCDC变换器，比如车载集成电驱电控系统，把LLC里的小信号建模和控制环路设计思路拉进来对照，能避免很多跨领域的低级错误。

这些官方模型不要只当“跑通的代码”来看，去改参数、去加扰动、去破坏一个环节看系统怎么反应，比自己凭空搭一个模型学到的东西要多得多。我当时就是把官方FOC Demo里的PI速度环替换成ADRC，然后不断往电机轴上加载阶跃负载，对比两种控制器的转速波动和恢复时间，整个过程比看十篇论文都管用。

5. 常见问题与避坑速查表

5.1 高频问题汇总

我在带新人做PMSM仿真项目时，几乎每个人都会在下面这些问题上卡住，这里整理成一个速查表，方便遇到问题时直接对照。

5.2 几个容易忽略的细节经验

写到这里，再补几个我实打实踩出来的细节经验。

第一，ADRC的输出限幅一定要在控制律计算之后。很多人把限幅放在u0之前，结果ESO里的b0·u用的还是限量，但控制律输出没有限幅，导致观测器内部状态和实际执行量对不上，等效扰动估计严重失真。正确顺序是：u=(u0-z2)/b0，然后对u限幅，再把限幅后的u用于下一拍的ESO更新。

第二，速度环ADRC的离散化代码里，ESO的状态更新最好放在控制量计算之前，用上一拍的控制量。现实中的嵌入式控制流程就是先采集反馈、再更新观测器、最后输出控制量，这样的代码在仿真和实机上市完全一致的。如果为了仿真精度强行让ESO使用当前拍控制量，一旦切到代码生成，性能可能和仿真对不上。

第三，最好在ADRC模块里把z1和z2作为输出暴露出来。我在初期调试时不以为然，后期才发现，观察z2的真实波形能告诉我很多信息：如果z2波形始终是直流偏置，说明总扰动主要是负载转矩；如果z2有周期性波动，说明齿槽转矩或机械结构的周期性扰动比较明显。这些信息反过来还能指导机械结构和控制参数的优化方向。

第四，每次改完b0或者ESO带宽，不要只看额定工况的阶跃响应，一定要做一次负载突变和转速给定突变的组合测试。ADRC有时候在单一工况下表现很好，一旦两个扰动同时来，观测器的收敛能力和控制量的饱和度都会受到考验。这种组合工况最容易暴露控制器的真实水平。

第五，Simulink模型里的变量命名和模块注释要做规范。ADRC这种控制结构，一个模型里同时涉及电流环、速度环、弱磁环，信号线又特别多，如果没有清晰的命名，过一个月回来看模型自己都嫌乱。我现在的习惯是所有关键信号都加单位后缀，比如wm_ref_rpm、iq_ref_A、udc_V，模块注释写明公式来源和参数依据，这样无论是团队协作还是后续维护，都省心得多。

最后再分享一个小技巧。ADRC的仿真和实物调试周期，往往会比你预想的长，尤其ESO带宽和b0这两个参数，在实机上因为采样噪声和机械谐振的限制，很难直接照搬仿真数值。我的做法是：先把wo设得保守一点，确认系统稳定之后，再以每次增加20%左右的速度往上调，同时盯住转速反馈的噪声水平。一旦发现噪声明显变大，就退回上一档。这个过程虽然看起来笨，但比一次把参数调到理论最优要快得多。控制算法的价值，最终体现在稳定可靠的工程行为上，而不是仿真曲线上那个漂亮的超调值。