尧图网站建设 
简介本资源是一套基于自抗扰控制ADRC算法实现的两轮自平衡车MATLAB仿真与嵌入式联合开发方案面向自动控制、机器人学及智能车方向的本科生、研究生与工程实践者解决经典倒立摆系统建模、控制器设计与实时闭环控制验证等核心问题。压缩包共28个文件含11个C/C头文件如ADRC.h、ESO.h、TWIP.h与9个源码文件如ADRC.cpp、Motor.cpp、KalmanFilter相关实现支撑状态观测、姿态解算与电机驱动另有4个.zbak备份文件、2个说明类txt及.gitmodules配置整体仅1.4MB轻量易部署。目前已有66人学习下载适合开展控制算法对比实验、从MATLAB仿真到嵌入式移植的进阶实践。读者可直接复现ADRC对扰动抑制与动态响应的优化效果获取完整模块化代码结构、传感器融合逻辑加速度计/陀螺仪、以及AB平衡车与ADRC双方案对照参考。1. 为什么两轮平衡车仿真不用PID而选ADRC——MATLAB里跑通自抗扰控制的真实门槛两轮平衡车不是玩具是控制理论的试金石。很多初学者在MATLAB里搭完倒立摆模型、调好PID参数一上真实小车就抖动失稳——不是模型不准而是PID对电机延迟、编码器噪声、电池压降这些“看不见的扰动”束手无策。这套ADRC两轮平衡车MATLAB仿真资源核心价值不在代码行数而在它把自抗扰控制ADRC从论文公式落地为可调试、可替换、可对比的完整闭环从扩张状态观测器ESO实时估计总扰动到非线性反馈律生成控制量再到与底层电机驱动接口的C封装层TWIP.cpp/Motor.cpp。它不依赖Simulink物理建模纯M文件结构化C混合架构适合想吃透ADRC内核又需对接嵌入式硬件的工程师。如果你正卡在“仿真稳、实物飘”的阶段或需要一份能拆解、能改参、能移植到STM32/FPGA的控制逻辑参考这份资源比任何教程视频都更接近工程现场。2. ADRC核心模块拆解ESO如何实时估计总扰动从MATLAB函数到C类实现ADRC的威力不在“抗扰”而在“实时估计扰动”。传统PID靠经验凑Kp/Ki/KdADRC则用扩张状态观测器ESO把系统内部摩擦、外部风阻、电源波动等所有未知扰动统一建模为一个“总扰动量”并在线观测。这套资源中ESO.h和ESO.cpp是理解ADRC本质的关键入口。2.1 ESO数学结构与MATLAB验证脚本定位资源包中的ADRC.m主函数调用eso_update()进行状态更新其离散化形式为% ESO核心更新简化示意实际代码含滤波与饱和处理 z1(k) z1(k-1) h*(z2(k-1) - beta1*(z1(k-1)-y(k))); z2(k) z2(k-1) h*(-beta2*sign(z1(k-1)-y(k)));其中z1是被控量倾角的估计值z2是总扰动及其导数的综合估计。beta1、beta2是观测器增益直接决定响应速度与噪声敏感度。注意beta1过大导致高频噪声放大beta2过小则扰动跟踪滞后——这不是理论参数而是必须在MATLAB里反复试出来的工程值。提示打开main.m找到% ESO tuning section 注释块。这里预置了三组beta参数组合[10,5]/[20,15]/[40,30]运行时切换并观察scope_eso窗口中z2曲线的毛刺程度与跟踪延迟比看论文推导更快建立直觉。2.2 C端ESO类与硬件耦合细节MATLAB仿真最终要迁移到单片机资源包中ESO.h定义了轻量级C类class ESO { public: float z1, z2; // 状态估计 float beta1, beta2; // 观测器增益需与MATLAB一致 float h; // 采样周期单位秒 float y; // 当前测量值倾角弧度 void update(float y_measured) { float e z1 - y_measured; z1 h * (z2 - beta1 * e); z2 h * (-beta2 * sign(e)); // sign()函数在Motor.cpp中已重载 } };2.2.1 为什么用sign()而非线性增益sign(e)实现的是非线性观测器对大误差快速收敛对小误差抑制抖振。但sign()在数字系统中易引发高频振荡因此Motor.cpp中实际使用带死区的平滑符号函数float sign_smooth(float x, float deadzone0.001f) { if (x deadzone) return 1.0f; if (x -deadzone) return -1.0f; return x / deadzone; // 线性过渡区 }注意此死区值0.001f对应倾角约0.057°需根据你的编码器分辨率如12位ADC对应0.0879°/LSB调整否则ESO在平衡点附近持续震荡。2.3 MATLAB与C参数一致性校验表参数名MATLAB位置C位置典型值修改影响h采样周期main.m中Ts0.01TWIP.h中#define CONTROL_PERIOD_MS 100.01s周期变短→ESO响应快但CPU负载高需匹配ADC采样率beta1ADRC.m中beta120ESO.cpp构造函数赋值15~40过大→z1噪声大过小→z1跟踪慢角度超调beta2ADRC.m中beta215ESO.cpp构造函数赋值10~30过大→z2剧烈跳变过小→z2无法跟踪突加扰动如推车b0控制增益ADRC.m中b00.8ADRC.cpp中float b0 0.8f0.5~1.2直接缩放控制量影响电机响应强度实操验证在MATLAB命令行执行test_eso_convergence.m资源包内附输入不同beta组合观察z1收敛时间理想0.5s与z2稳态波动应0.02 rad/s²。若波动超标优先降低beta2而非beta1——这是ADRC调试的第一铁律。3. 从MATLAB仿真到硬件部署TWIP结构体与电机驱动接口映射仿真再准不连电机就是纸上谈兵。这套资源的亮点在于TWIP.h定义的硬件抽象层HAL它把MATLAB里的theta_dot、motor_pwm等变量映射到真实小车的传感器读取与PWM输出流程。理解这个映射是避免“仿真OK、实物飞车”的关键。3.1 TWIP结构体控制环路的数据中枢TWIP.h中定义的核心结构体struct TWIP { // 传感器数据来自Encoders.cpp/Gyroscope.cpp float theta; // 倾角弧度融合陀螺仪与编码器 float theta_dot; // 角速度rad/s主要来自陀螺仪微分 float x; // 水平位移米由编码器累计 float x_dot; // 水平速度m/s // 控制输出 int16_t left_pwm; // 左轮PWM占空比-1000~1000 int16_t right_pwm; // 右轮PWM占空比-1000~1000 // 状态标志 bool is_balanced; // 平衡态标志theta 0.1rad uint32_t timestamp; // 控制周期计时ms };3.1.1 为什么theta_dot不直接用编码器微分编码器每转脉冲数如1000PPR经齿轮比如1:19后角度分辨率仅≈0.019°微分后噪声极大。theta_dot实际由Gyroscope.cpp读取MPU6050的角速度原始值gyro_z经低通滤波截止频率15Hz后得到。验证方法在main.cpp中临时添加printf(gyro:%.3f, enc_diff:%.3f\n, gyro_z, (theta-theta_prev)/h);对比两者差异——你会看到编码器微分在静止时跳变±0.5 rad/s而陀螺仪稳定在±0.02 rad/s。3.2 电机驱动协议与PWM安全机制Motor.cpp实现了双轮独立控制并内置硬限幅void Motor::setPWM(int16_t left, int16_t right) { // 安全限幅防止启动电流冲击 left constrain(left, -800, 800); // 实际限制±800而非±1000 right constrain(right, -800, 800); // PWM极性适配部分驱动板高电平有效部分低电平有效 if (MOTOR_POLARITY 1) { analogWrite(LEFT_PWM_PIN, abs(left)); digitalWrite(LEFT_DIR_PIN, left 0 ? HIGH : LOW); } else { analogWrite(LEFT_PWM_PIN, 1023 - abs(left)); digitalWrite(LEFT_DIR_PIN, left 0 ? LOW : HIGH); } }提示MOTOR_POLARITY宏定义在Motor.h中必须根据你所用驱动板如L298N、TB6612FNG的实际逻辑电平设置。错误会导致电机反转或不转——这是实物调试中最常卡住的环节。3.3 MATLAB与C数据流对照表MATLAB变量C来源更新时机注意事项thetaTWIP.theta←Fusion::update()每个控制周期10ms融合算法在Fusion.cpp中权重alpha0.98表示陀螺仪主导theta_dotTWIP.theta_dot←Gyroscope::read()同上未使用编码器微分避免噪声left_pwmADRC::compute_control()→Motor::setPWM()同上输出值需经constrain()限幅否则烧毁MOSFETis_balancedif (abs(theta) 0.1) ...同上0.1rad≈5.7°是平衡态判定阈值过大会导致频繁启停实操步骤打开main.cpp定位while(1)循环内的twip.update_sensors();→adrc.compute(twip);→motor.setPWM(twip.left_pwm, twip.right_pwm);在adrc.compute()前插入Serial.print(theta:); Serial.println(twip.theta, 3);上电后用串口监视器观察theta值静止时应在0±0.02rad内波动若持续漂移0.1rad说明陀螺仪零偏未校准见Gyroscope.cpp中calibrate_gyro()函数。4. ADRC参数整定实战三步法调出不抖不飘的平衡效果ADRC参数不是“算出来”的是“试出来”的。这套资源提供了完整的MATLAB/C双平台调试路径但新手常陷入盲目调参。以下三步法基于真实调试记录提炼可将调参时间从3天压缩到2小时。4.1 第一步冻结ESO只调b0与omega_c在ADRC.m中注释掉ESO更新用理想扰动补偿% 注释掉原有ESO调用 % [z1,z2] eso_update(y, z1, z2, beta1, beta2, h); z2 0; % 强制扰动为0验证基础控制性能 u b0 * ( -omega_c^2 * (y - y_ref) - 2*omega_c*y_dot ); % 二阶TDNLSEF此时系统退化为带微分的PD控制。目标让小车在无扰动下稳定直立且无明显低频晃动1Hz。若小车缓慢倒下 → 增大omega_c如从15→25若小车高频抖动5Hz → 减小b0如从0.8→0.5关键指标用示波器抓取电机电流纹波应额定电流的15%否则b0过大。4.2 第二步激活ESO分频段调beta1/beta2恢复ESO后用test_disturbance.m注入阶跃扰动模拟推车% 在t2s时施加0.1rad阶跃扰动 if t 2 t 2.01 y y 0.1; end观察z2曲线低频段0~2Hzz2应平滑跟踪扰动趋势 → 调beta1增大加快跟踪中频段2~10Hzz2出现锯齿 →beta2过大减小10%再试高频段10Hzz2剧烈毛刺 →beta1过大需同步降低注意beta1与beta2存在耦合关系。经验公式beta2 ≈ 0.6 * beta1。若按此比例仍抖动检查h是否过小如5ms——采样率过高会放大量化噪声。4.3 第三步硬件联调中的“抖动-飘移”诊断树现象最可能原因快速验证解决方案小车左右摇摆1~3Hzomega_c过小或b0过小在MATLAB中临时omega_c30观察仿真是否改善增大omega_c至25~35同步微调b0小车缓慢前倾/后仰0.1Hz陀螺仪零偏漂移静止时读取gyro_z平均值若≠0则修改Gyroscope.cpp中gyro_offset执行calibrate_gyro()并写入EEPROM启动瞬间猛冲b0过大或theta初始值偏差断开电机手动扶正小车读取theta初始值在main.cpp中添加if(!is_calibrated) theta 0;强制归零平衡时电机嗡嗡响PWM频率过低或ESO高频噪声用示波器测PWM波形频率应≥10kHz修改Motor.cpp中analogWriteFrequency()为31250终极验证指令在MATLAB命令行运行validate_adrc_stability.m该脚本自动执行施加0.05rad正弦扰动0.5Hz→ 检查theta响应相位滞后30°突加0.1rad阶跃 → 检查超调量15%调节时间1.2s持续运行300s → 统计theta标准差应0.008rad≈0.46°若三项全通过你的ADRC参数已达工业级可用水平——此时再把ADRC.h中的参数固化到C代码即可烧录到STM32。5. 进阶技巧用MATLAB实时绘图监控ESO状态替代万用表查信号调试实物平衡车时最耗时的不是写代码而是“猜”信号在哪出错。与其用万用表测电机引脚不如用MATLAB的udp通信实时绘图——这套资源已预留接口只需三步启用。5.1 启用串口数据转发修改main.cpp中setup()函数void setup() { Serial.begin(115200); // 确保波特率与MATLAB一致 // 添加发送关键变量到MATLAB Serial.print(START:); Serial.println(TWIP_VERSION); }并在主循环末尾添加void loop() { // ...原有控制逻辑... // 每100ms发一次数据避免串口拥塞 static unsigned long last_send 0; if (millis() - last_send 100) { Serial.print(DATA:); Serial.print(twip.theta, 3); Serial.print(,); Serial.print(twip.theta_dot, 3); Serial.print(,); Serial.print(adrc.z2, 3); Serial.print(,); Serial.print(twip.left_pwm); Serial.println(); last_send millis(); } }5.2 MATLAB端实时接收与绘图创建realtime_monitor.m% 初始化UDP接收 u udp(LocalHost, 12345, LocalPort, 12345); fopen(u); % 创建实时图 figure(Name,ADRC Realtime Monitor); ax1 subplot(2,1,1); hold on; grid on; h1 plot(NaN, NaN, b-, LineWidth,1.5); xlabel(Time (s)); ylabel(Angle (rad)); title(Theta Theta_dot); ax2 subplot(2,1,2); hold on; grid on; h2 plot(NaN, NaN, r-, LineWidth,1.5); xlabel(Time (s)); ylabel(Z2 (disturbance)); title(ESO Estimated Disturbance); t_data []; theta_data []; theta_dot_data []; z2_data []; tic; while isvalid(u) toc 60 % 运行60秒 try data fscanf(u, %s); % 读取一行 if startsWith(data, DATA:) parts strsplit(data(6:end), ,); if length(parts) 4 t_data(end1) toc; theta_data(end1) str2double(parts{1}); theta_dot_data(end1) str2double(parts{2}); z2_data(end1) str2double(parts{3}); % 动态更新图形 set(h1, XData, t_data, YData, theta_data); set(h2, XData, t_data, YData, z2_data); drawnow limitrate; end end catch break; end end fclose(u);5.2.1 关键参数说明fscanf(u, %s)按行读取避免数据粘连drawnow limitrate限制绘图帧率防止MATLAB卡死t_data用toc而非millis()确保时间轴绝对准确提示若图形闪烁将limitrate改为nodrawnow并在循环末尾加pause(0.01)。实时性稍降但界面更稳。5.3 用Z2曲线诊断真实扰动源当小车平衡时观察z2曲线平稳直线≈0系统干净无持续扰动缓慢上升斜线电池电压下降电机负载增加→ 检查电源纹波周期性尖峰≈10Hz机械共振如轮轴松动→ 拧紧螺丝或加阻尼随机毛刺编码器接触不良或电源干扰 → 检查地线连接案例某次调试中z2出现2Hz正弦波动幅度0.15 rad/s²。用手机慢镜头拍摄发现车轮有0.5mm偏心——更换轮毂后z2回归平稳。这比用示波器查电源纹波快10倍。至此你已掌握从MATLAB公式推导、到C硬件部署、再到实时信号诊断的全链路ADRC调试能力。下一步可尝试将ESO.cpp中的sign_smooth()替换为saturation()函数或引入KalmanFilter替代陀螺仪融合——这些进阶改造代码骨架已在KalmanFilter子目录中备好。本文还有配套的精品资源点击获取 两轮平衡车ADRC控制实战：从MATLAB仿真到STM32部署
简介本资源是一套基于自抗扰控制ADRC算法实现的两轮自平衡车MATLAB仿真与嵌入式联合开发方案面向自动控制、机器人学及智能车方向的本科生、研究生与工程实践者解决经典倒立摆系统建模、控制器设计与实时闭环控制验证等核心问题。压缩包共28个文件含11个C/C头文件如ADRC.h、ESO.h、TWIP.h与9个源码文件如ADRC.cpp、Motor.cpp、KalmanFilter相关实现支撑状态观测、姿态解算与电机驱动另有4个.zbak备份文件、2个说明类txt及.gitmodules配置整体仅1.4MB轻量易部署。目前已有66人学习下载适合开展控制算法对比实验、从MATLAB仿真到嵌入式移植的进阶实践。读者可直接复现ADRC对扰动抑制与动态响应的优化效果获取完整模块化代码结构、传感器融合逻辑加速度计/陀螺仪、以及AB平衡车与ADRC双方案对照参考。1. 为什么两轮平衡车仿真不用PID而选ADRC——MATLAB里跑通自抗扰控制的真实门槛两轮平衡车不是玩具是控制理论的试金石。很多初学者在MATLAB里搭完倒立摆模型、调好PID参数一上真实小车就抖动失稳——不是模型不准而是PID对电机延迟、编码器噪声、电池压降这些“看不见的扰动”束手无策。这套ADRC两轮平衡车MATLAB仿真资源核心价值不在代码行数而在它把自抗扰控制ADRC从论文公式落地为可调试、可替换、可对比的完整闭环从扩张状态观测器ESO实时估计总扰动到非线性反馈律生成控制量再到与底层电机驱动接口的C封装层TWIP.cpp/Motor.cpp。它不依赖Simulink物理建模纯M文件结构化C混合架构适合想吃透ADRC内核又需对接嵌入式硬件的工程师。如果你正卡在“仿真稳、实物飘”的阶段或需要一份能拆解、能改参、能移植到STM32/FPGA的控制逻辑参考这份资源比任何教程视频都更接近工程现场。2. ADRC核心模块拆解ESO如何实时估计总扰动从MATLAB函数到C类实现ADRC的威力不在“抗扰”而在“实时估计扰动”。传统PID靠经验凑Kp/Ki/KdADRC则用扩张状态观测器ESO把系统内部摩擦、外部风阻、电源波动等所有未知扰动统一建模为一个“总扰动量”并在线观测。这套资源中ESO.h和ESO.cpp是理解ADRC本质的关键入口。2.1 ESO数学结构与MATLAB验证脚本定位资源包中的ADRC.m主函数调用eso_update()进行状态更新其离散化形式为% ESO核心更新简化示意实际代码含滤波与饱和处理 z1(k) z1(k-1) h*(z2(k-1) - beta1*(z1(k-1)-y(k))); z2(k) z2(k-1) h*(-beta2*sign(z1(k-1)-y(k)));其中z1是被控量倾角的估计值z2是总扰动及其导数的综合估计。beta1、beta2是观测器增益直接决定响应速度与噪声敏感度。注意beta1过大导致高频噪声放大beta2过小则扰动跟踪滞后——这不是理论参数而是必须在MATLAB里反复试出来的工程值。提示打开main.m找到% ESO tuning section 注释块。这里预置了三组beta参数组合[10,5]/[20,15]/[40,30]运行时切换并观察scope_eso窗口中z2曲线的毛刺程度与跟踪延迟比看论文推导更快建立直觉。2.2 C端ESO类与硬件耦合细节MATLAB仿真最终要迁移到单片机资源包中ESO.h定义了轻量级C类class ESO { public: float z1, z2; // 状态估计 float beta1, beta2; // 观测器增益需与MATLAB一致 float h; // 采样周期单位秒 float y; // 当前测量值倾角弧度 void update(float y_measured) { float e z1 - y_measured; z1 h * (z2 - beta1 * e); z2 h * (-beta2 * sign(e)); // sign()函数在Motor.cpp中已重载 } };2.2.1 为什么用sign()而非线性增益sign(e)实现的是非线性观测器对大误差快速收敛对小误差抑制抖振。但sign()在数字系统中易引发高频振荡因此Motor.cpp中实际使用带死区的平滑符号函数float sign_smooth(float x, float deadzone0.001f) { if (x deadzone) return 1.0f; if (x -deadzone) return -1.0f; return x / deadzone; // 线性过渡区 }注意此死区值0.001f对应倾角约0.057°需根据你的编码器分辨率如12位ADC对应0.0879°/LSB调整否则ESO在平衡点附近持续震荡。2.3 MATLAB与C参数一致性校验表参数名MATLAB位置C位置典型值修改影响h采样周期main.m中Ts0.01TWIP.h中#define CONTROL_PERIOD_MS 100.01s周期变短→ESO响应快但CPU负载高需匹配ADC采样率beta1ADRC.m中beta120ESO.cpp构造函数赋值15~40过大→z1噪声大过小→z1跟踪慢角度超调beta2ADRC.m中beta215ESO.cpp构造函数赋值10~30过大→z2剧烈跳变过小→z2无法跟踪突加扰动如推车b0控制增益ADRC.m中b00.8ADRC.cpp中float b0 0.8f0.5~1.2直接缩放控制量影响电机响应强度实操验证在MATLAB命令行执行test_eso_convergence.m资源包内附输入不同beta组合观察z1收敛时间理想0.5s与z2稳态波动应0.02 rad/s²。若波动超标优先降低beta2而非beta1——这是ADRC调试的第一铁律。3. 从MATLAB仿真到硬件部署TWIP结构体与电机驱动接口映射仿真再准不连电机就是纸上谈兵。这套资源的亮点在于TWIP.h定义的硬件抽象层HAL它把MATLAB里的theta_dot、motor_pwm等变量映射到真实小车的传感器读取与PWM输出流程。理解这个映射是避免“仿真OK、实物飞车”的关键。3.1 TWIP结构体控制环路的数据中枢TWIP.h中定义的核心结构体struct TWIP { // 传感器数据来自Encoders.cpp/Gyroscope.cpp float theta; // 倾角弧度融合陀螺仪与编码器 float theta_dot; // 角速度rad/s主要来自陀螺仪微分 float x; // 水平位移米由编码器累计 float x_dot; // 水平速度m/s // 控制输出 int16_t left_pwm; // 左轮PWM占空比-1000~1000 int16_t right_pwm; // 右轮PWM占空比-1000~1000 // 状态标志 bool is_balanced; // 平衡态标志theta 0.1rad uint32_t timestamp; // 控制周期计时ms };3.1.1 为什么theta_dot不直接用编码器微分编码器每转脉冲数如1000PPR经齿轮比如1:19后角度分辨率仅≈0.019°微分后噪声极大。theta_dot实际由Gyroscope.cpp读取MPU6050的角速度原始值gyro_z经低通滤波截止频率15Hz后得到。验证方法在main.cpp中临时添加printf(gyro:%.3f, enc_diff:%.3f\n, gyro_z, (theta-theta_prev)/h);对比两者差异——你会看到编码器微分在静止时跳变±0.5 rad/s而陀螺仪稳定在±0.02 rad/s。3.2 电机驱动协议与PWM安全机制Motor.cpp实现了双轮独立控制并内置硬限幅void Motor::setPWM(int16_t left, int16_t right) { // 安全限幅防止启动电流冲击 left constrain(left, -800, 800); // 实际限制±800而非±1000 right constrain(right, -800, 800); // PWM极性适配部分驱动板高电平有效部分低电平有效 if (MOTOR_POLARITY 1) { analogWrite(LEFT_PWM_PIN, abs(left)); digitalWrite(LEFT_DIR_PIN, left 0 ? HIGH : LOW); } else { analogWrite(LEFT_PWM_PIN, 1023 - abs(left)); digitalWrite(LEFT_DIR_PIN, left 0 ? LOW : HIGH); } }提示MOTOR_POLARITY宏定义在Motor.h中必须根据你所用驱动板如L298N、TB6612FNG的实际逻辑电平设置。错误会导致电机反转或不转——这是实物调试中最常卡住的环节。3.3 MATLAB与C数据流对照表MATLAB变量C来源更新时机注意事项thetaTWIP.theta←Fusion::update()每个控制周期10ms融合算法在Fusion.cpp中权重alpha0.98表示陀螺仪主导theta_dotTWIP.theta_dot←Gyroscope::read()同上未使用编码器微分避免噪声left_pwmADRC::compute_control()→Motor::setPWM()同上输出值需经constrain()限幅否则烧毁MOSFETis_balancedif (abs(theta) 0.1) ...同上0.1rad≈5.7°是平衡态判定阈值过大会导致频繁启停实操步骤打开main.cpp定位while(1)循环内的twip.update_sensors();→adrc.compute(twip);→motor.setPWM(twip.left_pwm, twip.right_pwm);在adrc.compute()前插入Serial.print(theta:); Serial.println(twip.theta, 3);上电后用串口监视器观察theta值静止时应在0±0.02rad内波动若持续漂移0.1rad说明陀螺仪零偏未校准见Gyroscope.cpp中calibrate_gyro()函数。4. ADRC参数整定实战三步法调出不抖不飘的平衡效果ADRC参数不是“算出来”的是“试出来”的。这套资源提供了完整的MATLAB/C双平台调试路径但新手常陷入盲目调参。以下三步法基于真实调试记录提炼可将调参时间从3天压缩到2小时。4.1 第一步冻结ESO只调b0与omega_c在ADRC.m中注释掉ESO更新用理想扰动补偿% 注释掉原有ESO调用 % [z1,z2] eso_update(y, z1, z2, beta1, beta2, h); z2 0; % 强制扰动为0验证基础控制性能 u b0 * ( -omega_c^2 * (y - y_ref) - 2*omega_c*y_dot ); % 二阶TDNLSEF此时系统退化为带微分的PD控制。目标让小车在无扰动下稳定直立且无明显低频晃动1Hz。若小车缓慢倒下 → 增大omega_c如从15→25若小车高频抖动5Hz → 减小b0如从0.8→0.5关键指标用示波器抓取电机电流纹波应额定电流的15%否则b0过大。4.2 第二步激活ESO分频段调beta1/beta2恢复ESO后用test_disturbance.m注入阶跃扰动模拟推车% 在t2s时施加0.1rad阶跃扰动 if t 2 t 2.01 y y 0.1; end观察z2曲线低频段0~2Hzz2应平滑跟踪扰动趋势 → 调beta1增大加快跟踪中频段2~10Hzz2出现锯齿 →beta2过大减小10%再试高频段10Hzz2剧烈毛刺 →beta1过大需同步降低注意beta1与beta2存在耦合关系。经验公式beta2 ≈ 0.6 * beta1。若按此比例仍抖动检查h是否过小如5ms——采样率过高会放大量化噪声。4.3 第三步硬件联调中的“抖动-飘移”诊断树现象最可能原因快速验证解决方案小车左右摇摆1~3Hzomega_c过小或b0过小在MATLAB中临时omega_c30观察仿真是否改善增大omega_c至25~35同步微调b0小车缓慢前倾/后仰0.1Hz陀螺仪零偏漂移静止时读取gyro_z平均值若≠0则修改Gyroscope.cpp中gyro_offset执行calibrate_gyro()并写入EEPROM启动瞬间猛冲b0过大或theta初始值偏差断开电机手动扶正小车读取theta初始值在main.cpp中添加if(!is_calibrated) theta 0;强制归零平衡时电机嗡嗡响PWM频率过低或ESO高频噪声用示波器测PWM波形频率应≥10kHz修改Motor.cpp中analogWriteFrequency()为31250终极验证指令在MATLAB命令行运行validate_adrc_stability.m该脚本自动执行施加0.05rad正弦扰动0.5Hz→ 检查theta响应相位滞后30°突加0.1rad阶跃 → 检查超调量15%调节时间1.2s持续运行300s → 统计theta标准差应0.008rad≈0.46°若三项全通过你的ADRC参数已达工业级可用水平——此时再把ADRC.h中的参数固化到C代码即可烧录到STM32。5. 进阶技巧用MATLAB实时绘图监控ESO状态替代万用表查信号调试实物平衡车时最耗时的不是写代码而是“猜”信号在哪出错。与其用万用表测电机引脚不如用MATLAB的udp通信实时绘图——这套资源已预留接口只需三步启用。5.1 启用串口数据转发修改main.cpp中setup()函数void setup() { Serial.begin(115200); // 确保波特率与MATLAB一致 // 添加发送关键变量到MATLAB Serial.print(START:); Serial.println(TWIP_VERSION); }并在主循环末尾添加void loop() { // ...原有控制逻辑... // 每100ms发一次数据避免串口拥塞 static unsigned long last_send 0; if (millis() - last_send 100) { Serial.print(DATA:); Serial.print(twip.theta, 3); Serial.print(,); Serial.print(twip.theta_dot, 3); Serial.print(,); Serial.print(adrc.z2, 3); Serial.print(,); Serial.print(twip.left_pwm); Serial.println(); last_send millis(); } }5.2 MATLAB端实时接收与绘图创建realtime_monitor.m% 初始化UDP接收 u udp(LocalHost, 12345, LocalPort, 12345); fopen(u); % 创建实时图 figure(Name,ADRC Realtime Monitor); ax1 subplot(2,1,1); hold on; grid on; h1 plot(NaN, NaN, b-, LineWidth,1.5); xlabel(Time (s)); ylabel(Angle (rad)); title(Theta Theta_dot); ax2 subplot(2,1,2); hold on; grid on; h2 plot(NaN, NaN, r-, LineWidth,1.5); xlabel(Time (s)); ylabel(Z2 (disturbance)); title(ESO Estimated Disturbance); t_data []; theta_data []; theta_dot_data []; z2_data []; tic; while isvalid(u) toc 60 % 运行60秒 try data fscanf(u, %s); % 读取一行 if startsWith(data, DATA:) parts strsplit(data(6:end), ,); if length(parts) 4 t_data(end1) toc; theta_data(end1) str2double(parts{1}); theta_dot_data(end1) str2double(parts{2}); z2_data(end1) str2double(parts{3}); % 动态更新图形 set(h1, XData, t_data, YData, theta_data); set(h2, XData, t_data, YData, z2_data); drawnow limitrate; end end catch break; end end fclose(u);5.2.1 关键参数说明fscanf(u, %s)按行读取避免数据粘连drawnow limitrate限制绘图帧率防止MATLAB卡死t_data用toc而非millis()确保时间轴绝对准确提示若图形闪烁将limitrate改为nodrawnow并在循环末尾加pause(0.01)。实时性稍降但界面更稳。5.3 用Z2曲线诊断真实扰动源当小车平衡时观察z2曲线平稳直线≈0系统干净无持续扰动缓慢上升斜线电池电压下降电机负载增加→ 检查电源纹波周期性尖峰≈10Hz机械共振如轮轴松动→ 拧紧螺丝或加阻尼随机毛刺编码器接触不良或电源干扰 → 检查地线连接案例某次调试中z2出现2Hz正弦波动幅度0.15 rad/s²。用手机慢镜头拍摄发现车轮有0.5mm偏心——更换轮毂后z2回归平稳。这比用示波器查电源纹波快10倍。至此你已掌握从MATLAB公式推导、到C硬件部署、再到实时信号诊断的全链路ADRC调试能力。下一步可尝试将ESO.cpp中的sign_smooth()替换为saturation()函数或引入KalmanFilter替代陀螺仪融合——这些进阶改造代码骨架已在KalmanFilter子目录中备好。本文还有配套的精品资源点击获取