观测器、滑模面与自适应律：海纳V912开环张力控制的算法深层结构

一、为什么开环张力控制需要"观测器思维"

在收卷工位的控制柜里，V912面板上的数字以毫秒级的频率刷新。操作者看到的是"张力设定值"与"当前卷径"，但变频器内部运行的，是一组 状态观测器 ——它们在没有物理传感器的情况下，通过电机的电压、电流信号，重构出不可直接测量的状态量：转子磁链位置、转速、负载转矩，以及最关键的—— 卷径 。

现有技术资料对V912的描述，多停留在"开环转矩控制""卷径计算""惯量补偿"等功能层面。本文试图向下再挖一层：这些功能在算法层面是如何实现的？MCU的Flash里究竟固化着怎样的数学结构？对于电子发烧友，理解这些深层结构，不仅是选型参考，更是将工业级控制算法迁移到个人项目的技术路径。

二、无传感器矢量控制：从MRAS到滑模观测器

2.1 异步电机的状态空间模型

三相异步电机在静止坐标系（αβ）下的电压方程为：

uα ​ =Rs​iα​**+dtdψα​​ **
uβ ​ =Rs​iβ​**+dtdψβ​​ **

磁链方程：
ψα ​ =Ls​iα​**+Lm​irα​ **
ψβ ​ =Ls​iβ​**+Lm​irβ​ **

其中Rs​ 为定子电阻，Ls​ 为定子电感，Lm​ 为互感，irα​**,irβ​** 为转子电流在αβ轴的分量。

转子磁链与转速的关系：
dtdψrα​​**=−Lr​Rr​​ψrα​**−ωr​ψrβ ​ +Lr​Rr​Lm​​iα​
dtdψrβ​​**=**−**L**r**​**R**r**​**​**ψ**r**β**​**+**ω**r**​**ψ**r**α**​**+**L**r**​**R**r**​**L**m**​**​**i**β**​**

这组方程包含两个不可测状态：转子磁链ψrα​**,ψrβ​** 和转速ωr​ 。无传感器矢量控制的核心，就是 用观测器从可测量的定子电压、电流中，重构这两个状态 。

2.2 MRAS观测器：模型参考自适应的工业实现

V912 likely采用 模型参考自适应系统（Model Reference Adaptive System, MRAS） 作为其无传感器矢量控制的核心观测器。MRAS的结构包含两个并行模型：

参考模型（电压模型） ：
ψ ^​r α ( v ) ​ =Lm​Lr​ ​ ( ∫ (uα ​ −Rs​iα​**)dt**−σLs​iα ​ )** **
ψ ^​r β ( v ) ​ =Lm​Lr​​(∫(uβ​−Rs​iβ​**)dt**−σLs​iβ​)** **

其中 σ = 1 −Ls​Lr​Lm2​​ 为漏磁系数。

可调模型（电流模型） ：
dtdψ**^​r α ( i )​​**=−Tr​1​ ψ ^​r α ( i ) ​ − ω ^r​ ψ ^​r β ( i ) ​ +Tr​Lm​​iα​** **
dtdψ**^​r β ( i )​​**=**−**T**r**​**1**​**ψ**^**​**r**β**(**i**)**​**+**ω**^**r**​**ψ**^**​**r**α**(**i**)**​**+**T**r**​**L**m**​**​**i**β**​** **

其中Tr ​ =Rr​Lr​​ 为转子时间常数。

自适应律 ：
定义磁链误差：
εα ​ = ψ ^​r α ( v ) ​ − ψ ^​r α ( i )​
εβ ​ =ψ^​rβ(v)​−ψ^​rβ(i)​

转速估计值通过Popov超稳定性理论导出：
ω ^r​**=(Kp​**+sKi​ ​ )(εα​ ψ ^​r β ( i ) ​ −εβ​ψ**^​r α ( i ) ​ )**

这就是MRAS的核心—— 用参考模型的输出作为"标准答案"，不断调整可调模型中的转速参数，使两个模型的磁链估计趋于一致 。

2.3 滑模观测器（SMO）：另一种技术路径

MRAS依赖电机参数的准确性，尤其是转子时间常数Tr​ 。当电机温度变化导致转子电阻Rr​ 漂移时，Tr​ 变化，MRAS的估计精度下降。

滑模观测器（Sliding Mode Observer, SMO）是另一种鲁棒性更强的方案。其基本思想是：构造一个与电机模型并联的观测器，通过高频切换控制迫使观测状态收敛到实际状态。

SMO的电流观测方程：
dtdi**^α​ ​ =−σLs​Rs​​i**^α​**+σLs​1​uα ​ +σLs​Lr​Tr​Lm​​ ψ ^​rα​**+σLs​Lr​Lm​​ω**^r​ ψ ^​rβ​**+ k ⋅ sgn (iα ​ − i ^α​**)**
dtdi**^β​ ​ =−σLs​Rs​​i**^β​**+σLs​1​uβ​+σLs​Lr​Tr​Lm​​ψ^​rβ​**−σLs​Lr​Lm​​ω**^r​ψ^​rα​**+k⋅sgn(iβ​−i^β​**)**

其中k 为滑模增益，sgn为符号函数。

当观测电流与实际电流的误差到达滑模面（即误差为零）时，系统进入滑模运动状态。此时， 等效控制量 （即sgn项的平均值）包含了转速信息：
ω ^r​**= ψ ^​rα2 ​ + ψ ^​rβ2​等效控制量β​**⋅ ψ ^​rα​**−等效控制量α ​ ⋅ ψ ^​rβ​​ **

SMO的优势在于 对参数摄动和外部干扰的强鲁棒性 ，但代价是 高频切换带来的抖振（chattering） 。在工业实现中，通常用饱和函数或边界层方法平滑切换，牺牲部分鲁棒性换取电流波形的纯净。

2.4 V912 likely的选择：MRAS为主，SMO为辅

从工程实现角度分析，V912 likely采用 MRAS作为主力观测器 ，原因如下：

1. 计算复杂度 ：MRAS仅需PI调节器，适合资源受限的MCU；SMO需要符号函数和等效控制提取，计算开销更大
2. 参数敏感性 ：V912面向中小功率异步电机，电机参数相对稳定，MRAS的精度足够
3. 低速性能 ：MRAS在低速区（<<5Hz）性能下降，但张力控制的正常工作频率通常在10Hz以上，避开低速盲区

对于需要更高鲁棒性的场景（如高温环境、频繁加减速），V912可能通过参数在线辨识或增益调度部分补偿MRAS的温漂问题。

三、卷径观测器：从运动学方程到递推滤波

3.1 线速度法的观测器视角

现有资料将V912的卷径计算描述为"线速度法"： D =πfip60v​ 。但从观测器理论看，这只是一个 静态代数关系 ，缺乏动态滤波和误差修正。

更完整的卷径观测器应包含以下结构：

状态方程 ：
dtdD ​ = 0 ( 假设卷径变化缓慢，作为常值扰动 )** **

测量方程 ：
z =πfip60v ​ =D+η

其中η 为测量噪声（来自线速度信号抖动、频率检测量化误差）。

卡尔曼滤波递推 ：
D ^ k ∣ k −1​**= D ^ k −1​**
Pk**∣ k −1​**=Pk**−1​**+Q
Kk​=**P**k**∣**k**−**1**​**+**R**P**k**∣**k**−**1**​**​**
**D**^**k**​**=**D**^**k**∣**k**−**1**​**+**K**k**​**(**z**k**​**−**D**^**k**∣**k**−**1**​**)**
**P**k**​**=**(**1**−**K**k**​**)**P**k**∣**k**−**1**​** **

其中Q 为过程噪声协方差（卷径变化的不确定性），R 为测量噪声协方差。

这种递推最小二乘结构的优势在于：即使某时刻线速度信号丢失或异常，滤波器仍能保持卷径估计的连续性，通过预测值维持控制。V912 likely在内部实现了简化版的卡尔曼滤波或α-β滤波器，用于平滑卷径计算值。

3.2 厚度累计法的误差传播分析

厚度累计法的递推公式：
Dk ​ =Dk**−1​**+2h**⋅2πΔθ​ **

其中h 为材料厚度，Δθ** **为采样周期内的卷轴转角增量。

误差传播 ：若厚度存在系统误差δh** （如标称0.05mm，实际0.048mm），经过N** 圈卷绕后，卷径误差累积为：
ΔD**=2δ h ⋅N **

对于1000圈的收卷，2%的厚度误差将导致卷径误差达2mm（假设 h =0.05mm** **），这在精密收卷中不可接受。

V912 likely通过以下机制抑制误差累积：

• 卷径限幅 ：设定最大/最小卷径，防止递推发散
• 周期校正 ：当检测到电机转速与线速度矛盾时（如打滑），触发卷径重新初始化
• 多源融合 ：当同时有线速度信号和厚度累计信号时，采用加权融合策略

四、自适应惯量补偿：从固定参数到在线辨识

4.1 转动惯量的时变特性

收卷系统的转动惯量：
J =J0 ​ +32πρb ​ (D4**−D04​**)** **

其中J0​ 为卷轴和传动机构的固定惯量，ρ 为材料密度，b 为卷宽，D0​ 为卷轴直径。

当卷径从200mm增至800mm时，惯量增长约256倍。若采用固定惯量补偿，小卷时过补偿（转矩冲击），大卷时欠补偿（张力松弛）。

4.2 自适应惯量辨识算法

V912 likely采用加减速法在线辨识惯量：

1. 施加已知转矩阶跃ΔT ：在稳定运行阶段，短暂增加（或减少）输出转矩
2. 记录转速响应Δ ω ( t )** **：通过编码器或MRAS观测器获取转速变化
3. 拟合一阶惯性模型 ：
   Δω**( s ) =Js +BΔT​**⋅s1​
   其中B 为粘滞摩擦系数。
4. 参数辨识 ：通过最小二乘法或梯度下降法，从响应曲线中提取J 和B

工程约束 ：

• 转矩阶跃幅度需足够大以克服噪声，但又不能太大以免影响张力稳定
• 辨识周期需避开工艺关键阶段（如换卷、接头）
• 辨识结果需通过低通滤波，防止参数抖动

4.3 摩擦补偿的非线性建模

摩擦转矩通常包含：

• 库仑摩擦Tc​** **：与速度方向有关，与速度大小无关
• 粘滞摩擦Tv​**=Bω** ：与速度成正比
• Stribeck效应 ：低速区的负阻尼特性

V912 likely采用分段线性模型近似：
Tfric​**=Tc ​ ⋅ sgn ( ω )+Bω **

更精细的实现可能包含 Stribeck曲线 ：
Tfric​**=[Tc​**+(Ts​**−Tc ​ ) e −∣ ω /ωs​**∣ ] sgn ( ω ) +Bω** **

其中Ts​ 为静摩擦力矩，ωs​ 为Stribeck速度。

五、三环嵌套的带宽设计与稳定性分析

5.1 带宽分离原则

V912的控制结构为三环嵌套：

表格

控制环	典型带宽	周期	功能
电流环	500-2000 Hz	50-100 μs	FOC实现，电流快速跟踪
速度环	50-200 Hz	1-2 ms	限速保护，防止飞车
张力环	5-20 Hz	5-10 ms	张力外环，输出转矩指令

带宽分离原则 ：内环带宽必须显著高于外环，否则会产生耦合振荡。电流环带宽是速度环的5-10倍，速度环是张力环的5-10倍。

5.2 张力环的PI参数整定

张力环的闭环传递函数（忽略速度环动态）：
F ∗( s ) F ( s ) ​ =Js3**+Bs 2 +Kp​s**+Ki​Kp​ s +Ki​​** **

通过极点配置法，将主导极点配置在期望带宽附近：

• 选择阻尼比 ζ =0.7 （兼顾响应速度与超调）
• 选择自然频率ωn ​ =2π**×10 ** rad/s（对应10Hz带宽）

计算得：
Kp ​ =2ζωn​J**−B **
Ki ​ =ωn2​J

由于J 时变，V912 likely采用 增益调度 ：根据当前卷径查表选择预整定的PI参数，或在线调整。

六、电子发烧友的实践路径：从理论到代码

6.1 在STM32上实现简化版MRAS

以下为核心代码框架（基于STM32 HAL库）：

c

// 电机参数（需根据实际电机填写）
#define Rs      1.2f    // 定子电阻
#define Ls      0.165f  // 定子电感
#define Lr      0.165f  // 转子电感
#define Lm      0.156f  // 互感
#define Tr      0.15f   // 转子时间常数
#define sigma   (1.0f - Lm*Lm/(Ls*Lr))

// MRAS状态变量
float psi_ra_v = 0, psi_rb_v = 0;  // 电压模型磁链
float psi_ra_i = 0, psi_rb_i = 0;  // 电流模型磁链
float omega_r = 0;                  // 估计转速
float err_a = 0, err_b = 0;        // 磁链误差

// PI参数
#define Kp_mr  50.0f
#define Ki_mr  500.0f
float integ = 0;

// 控制周期：100μs
void TIM_IRQ_Handler(void) {
    // 读取ADC：ia, ib, ua, ub
    float ia = read_adc(IA_CHANNEL);
    float ib = read_adc(IB_CHANNEL);
    float ua = read_adc(UA_CHANNEL);
    float ub = read_adc(UB_CHANNEL);
    
    // 电压模型（参考模型）
    static float flux_a_int = 0, flux_b_int = 0;
    flux_a_int += (ua - Rs*ia - sigma*Ls*(ia - ia_prev)/Ts) * Ts;
    flux_b_int += (ub - Rs*ib - sigma*Ls*(ib - ib_prev)/Ts) * Ts;
    psi_ra_v = (Lr/Lm) * flux_a_int;
    psi_rb_v = (Lr/Lm) * flux_b_int;
    
    // 电流模型（可调模型）
    float dpsi_ra_i = -psi_ra_i/Tr - omega_r*psi_rb_i + (Lm/Tr)*ia;
    float dpsi_rb_i = -psi_rb_i/Tr + omega_r*psi_ra_i + (Lm/Tr)*ib;
    psi_ra_i += dpsi_ra_i * Ts;
    psi_rb_i += dpsi_rb_i * Ts;
    
    // 误差计算
    err_a = psi_ra_v - psi_ra_i;
    err_b = psi_rb_v - psi_rb_i;
    
    // 自适应律（PI）
    float error = err_a * psi_rb_i - err_b * psi_ra_i;
    integ += error * Ts;
    omega_r = Kp_mr * error + Ki_mr * integ;
    
    // 限幅
    if(omega_r > MAX_SPEED) omega_r = MAX_SPEED;
    if(omega_r < -MAX_SPEED) omega_r = -MAX_SPEED;
    
    // 输出到FOC
    foc_set_speed_ref(omega_r);
}

关键注意事项 ：

• 电压模型中的纯积分会漂移，需加高通滤波或积分限幅
• 电流模型对参数敏感，需在线辨识Rr​ 温漂
• 低速区（<<5Hz）MRAS失效，需切换到高频注入法或I-F启动

6.2 卷径卡尔曼滤波的实现

c

// 卷径卡尔曼滤波器
float D_hat = 0.5;    // 初始估计（m）
float P = 1.0;        // 估计误差协方差
#define Q  0.001f     // 过程噪声
#define R  0.01f     // 测量噪声

void update_diameter(float v, float f, float i, float p) {
    // 预测
    float D_pred = D_hat;  // 假设卷径不变
    float P_pred = P + Q;
    
    // 测量
    float z = 60.0f * v / (PI * f * i * p);
    
    // 更新
    float K = P_pred / (P_pred + R);
    D_hat = D_pred + K * (z - D_pred);
    P = (1 - K) * P_pred;
    
    // 限幅
    if(D_hat > D_MAX) D_hat = D_MAX;
    if(D_hat < D_MIN) D_hat = D_MIN;
}

6.3 惯量辨识的阶跃响应实验

实验步骤 ：

1. 收卷系统稳定运行在某一速度（如30m/min）
2. 记录稳态电流I0​
3. 施加+10%转矩阶跃，持续500ms，记录转速响应
4. 恢复稳态，施加-10%转矩阶跃，记录响应
5. 用MATLAB/Python拟合一阶惯性模型：
   Python

   from scipy.optimize import curve_fit
   import numpy as np
   
   def first_order(t, J, B, T_step):
       return (T_step/B) * (1 - np.exp(-B*t/J))
   
   # t_data, omega_data为实验数据
   popt, _ = curve_fit(first_order, t_data, omega_data, p0=[0.1, 0.01])
   J, B = popt
   

七、技术边界与工程妥协

7.1 开环控制的"天花板"

V912的开环架构存在以下理论极限：

1. 参数辨识精度 ：转子电阻Rr​ 的温漂导致MRAS观测器误差，夏季车间40℃时，张力漂移约3-5%
2. 低速盲区 ：无传感器FOC在<<5Hz时失效，不适合极低速收卷（如<<5m/min）
3. 动态响应滞后 ：卷径滤波和惯量辨识引入延迟，对突加负载的响应慢于闭环方案
4. 非线性摩擦 ：Stribeck效应在低速换向时导致转矩脉动

7.2 与闭环方案（V914）的算法对比

表格

维度	V912（开环）	V914（闭环）
传感器依赖	无（可选）	张力传感器/编码器
观测器类型	MRAS/SMO	扩展卡尔曼滤波（EKF）
卷径计算	线速度法/厚度法	张力反馈+速度融合
惯量补偿	在线辨识+固定补偿	实时自适应
张力精度	±3-5%	±0.5-1%
适用速度	中低速（5-300m/min）	全速域
成本	低	高（2-3倍）

7.3 选型决策树

plain

开始
  │
  ├─ 张力精度要求 < ±2% ? ──→ 选V914或闭环伺服
  │
  ├─ 速度 < 5m/min 且 频繁启停 ? ──→ 选带编码器的闭环方案
  │
  ├─ 材料价值高（光学膜、锂电隔膜）? ──→ 选闭环方案
  │
  └─ 预算敏感 + 中低速 + 普通材料 ──→ V912是务实选择
  └─ 预算敏感 + 中低速 + 普通材料 ──→ V912是务实选择

└─ 预算敏感 + 中低速 + 普通材料 ──→ V912是务实选择

八、结语：算法固化的工业美学

打开V912的外壳，PCB上的DSP芯片正以200μs的周期执行着MRAS观测器，旁边的ADC芯片以1MHz的采样率捕获电流波形，IGBT模块以8kHz的频率开关。这些数字背后，是一组微分方程、一个自适应律、一套递推滤波器——它们在电磁噪声、温度漂移、机械振动的工业现场，稳定运行数年。

对于电子发烧友，V912的价值不仅在于"用它来控制张力"，更在于 它提供了一个工业级控制算法的完整实现案例 。从MRAS到卡尔曼滤波，从惯量辨识到带宽设计，这些教科书上的理论被封装在一个金属盒子里，以毫秒级的周期实时运行。

理解并拆解这些算法，是连接学术理论与工程实践的桥梁。毕竟，真正的控制工程美学，不仅体现在算法的数学优雅性，更体现在算法在电磁干扰、温度漂移、机械磨损等现实约束下的鲁棒性与 可靠性 。

在收卷机的轰鸣声中，电机以每分钟数千转的转速旋转，IGBT以每秒数千次的频率开关，MCU以微秒级的周期执行着观测器算法。而那一卷薄膜，在肉眼不可见的张力作用下，保持着恰到好处的紧绷——不紧到拉断，不松到褶皱。

这就是工业自动化的深层结构：没有戏剧性，只有精确性。

审核编辑 黄宇