1 基本概念
1.1 定义与核心思想
扰动观测器是一类用于估计系统外部扰动和内部不确定性的控制工具。它通常依据系统的输入、输出以及对象模型，在线推断难以直接测量的扰动量，并将估计结果用于补偿控制，从而减弱干扰对系统性能的影响。其核心思想是：将“未知影响”视为可观测、可重构的附加信号，再通过反馈通道加以抵消。
1.2 扰动、噪声与不确定性的区别
在控制系统中，扰动一般指会直接影响被控对象动态或输出的外部作用，如负载变化、摩擦变化、环境波动等。噪声通常是测量环节中的随机误差，主要污染传感器读数，不一定真实作用于对象本体。不确定性则更偏向模型层面，包含参数偏差、未建模动态和结构简化误差。三者在来源和表现上不同，但在工程上常相互交织，扰动观测器往往需要综合应对。
1.3 主要作用与控制目标
扰动观测器的主要作用是提高系统在未知干扰下的控制精度与鲁棒性。它既可用于减小稳态误差，也可用于抑制瞬态偏差，降低负载波动、参数漂移和环境变化对控制品质的影响。对于高速、高精度系统而言，其目标通常不仅是“跟踪参考”，还包括“尽量保持响应一致性”。
1.4 典型应用场景
扰动观测器广泛应用于电机驱动、伺服位置控制、机器人关节、精密平台、数控机床以及部分过程控制环节。在这些场景中，系统往往同时面临摩擦、惯量变化、载荷扰动和执行器非理想等问题，因此扰动补偿具有较高实用价值。
2 历史与发展
2.1 早期控制理论中的相关思想
扰动抑制并非扰动观测器出现后才被重视。早期经典控制理论中，积分环节、反馈校正和鲁棒设计都承担了削弱扰动影响的任务。与此同时，观测器理论的发展也为后续对未知量进行重构提供了基础。
2.2 扰动观测器的提出与演进
随着现代工业对精度和动态性能要求提高，研究者开始将扰动估计从“隐含在反馈中”发展为“显式重构并补偿”的机制。扰动观测器逐渐形成较成熟的设计框架，并在电机控制和运动控制领域率先得到应用。之后，相关方法不断扩展，出现了适用于非线性系统、离散系统和复杂约束场景的变体。
2.3 现代自动化系统中的发展趋势
现代扰动观测器更加重视实时性、可实现性和与数字控制平台的兼容性。随着处理器性能提升，复杂模型、快速采样和多变量补偿成为可能。同时，针对高频噪声、时滞、耦合效应和参数在线变化的改进设计也在持续发展。
2.4 相关研究方向的分化
围绕扰动观测器，研究逐渐分化为线性方法、非线性方法、滑模方法、扩张状态观测方法以及面向多变量和约束系统的专门设计。部分工作强调理论可证明性，部分则更注重工业可调性与鲁棒应用，两者在工程实践中常相互补充。
3 工作原理
3.1 基于模型的状态估计
扰动观测器依赖系统模型建立预测关系。它利用已知输入和测得输出推算系统当前状态，再与实际测量进行比较，形成误差信号。该误差经特定估计器处理后，可被解释为扰动或不确定性的等效表示。
3.2 扰动重构与补偿机制
观测器得到扰动估计值后，通常通过补偿通道将其抵消到控制输入中。理想情况下，补偿后的系统表现得像一个“扰动被削弱或消除”的对象，从而使闭环行为更接近设计目标。这种重构与补偿通常是动态过程，而非一次性静态修正。
3.3 反馈回路中的作用位置
扰动观测器一般嵌入在控制器与被控对象之间，常与主反馈回路并联或串联使用。其输出可作为前置补偿，也可作为控制律中的附加修正项。不同结构会影响系统带宽、相位裕度以及噪声放大程度。
3.4 稳态误差消除原理
当扰动在一定时间尺度内可近似看作恒定或缓慢变化时，观测器能够逐步估计其平均影响，并在控制输入中进行抵消。这样一来，即使对象存在负载变化，输出也能较快回到目标值附近，稳态偏差因此明显减小。
4 数学描述
4.1 系统模型表示
4.1.1 状态空间模型
在状态空间框架下，系统通常写作状态方程与输出方程的组合。扰动可以作为输入项进入系统，也可以被等效到状态方程中的附加项。观测器则依据输入和输出构造状态估计，并进一步恢复扰动信息。
4.1.2 传递函数模型
在单输入单输出场景中，系统常用传递函数表示。扰动观测器可在传递函数结构下设计为带滤波特性的补偿环节，通过对象逆模型与低通滤波器的组合实现对扰动的估计。这种表达方式在工程中较直观，便于分析频域特性。
4.2 扰动建模方法
扰动建模通常有几种处理方式：将其视为外部输入、将未建模动态等效为总扰动，或把参数变化统一并入扰动项。实际设计时，往往不追求精确描述扰动来源，而是强调其“可估计的等效形式”。
4.3 观测误差与估计误差
观测误差指估计状态与真实状态之间的偏差，估计误差则更广泛地包含扰动重构偏差。误差来源通常包括模型失配、测量噪声、采样离散化以及估计器带宽限制。误差越小，补偿效果通常越好，但过高带宽又可能放大噪声。
4.4 收敛性与稳定性分析
扰动观测器是否有效，关键在于估计误差能否收敛并保持有界。分析时通常考察观测器极点配置、滤波特性、闭环耦合关系以及扰动变化速率。若模型满足一定条件，估计误差可渐近收敛或在小范围内稳定波动。
5 设计方法
5.1 线性扰动观测器设计
线性设计方法通常建立在对象近似线性、扰动变化较平缓的前提上，结构清晰，便于分析和实现。它在工业伺服和电机控制中应用较多。
5.1.1 低通滤波器结构
许多线性扰动观测器采用低通滤波器抑制高频噪声，同时保留低频扰动信息。其本质是利用对象模型和滤波通道构造扰动估计回路，使估计结果既能跟随慢变扰动，又不过度响应测量噪声。
5.1.2 增益参数选择
增益设置直接影响观测器的速度与噪声敏感度。较高增益可提高估计速度，但可能加重高频抖动；较低增益则更平稳，却可能降低补偿及时性。实际整定通常需要在动态性能与抗噪声之间平衡。
5.2 非线性扰动观测器设计
非线性扰动观测器适用于对象本身具有明显非线性特征的场合，例如摩擦、死区、饱和和强耦合系统。它可能采用非线性注入项、饱和函数或分段估计结构，以提高对复杂动力学的适应能力。
5.3 滑模扰动观测器设计
滑模扰动观测器利用切换控制思想，使估计误差在有限时间内趋近于某一滑模面。该方法通常具有较强鲁棒性，适合对匹配扰动的快速估计，但也可能引入抖振问题，因此常配合边界层或连续近似处理。
5.4 扩张状态观测器设计
扩张状态观测器将未知扰动、未建模项和参数不确定性统一视为“总扰动”，并将其作为扩展状态一并估计。该方法结构紧凑，便于与控制律直接耦合，因此在现代主动扰动抑制框架中较为常见。
5.5 离散系统中的实现方法
在数字控制器中，扰动观测器必须离散化后运行。实现时需要将连续模型转化为差分形式，并考虑采样周期、量化误差和计算延迟。若离散实现不当，可能影响估计精度甚至破坏稳定性。
6 性能指标
6.1 估计精度
估计精度反映观测器对真实扰动的重构能力。精度越高，补偿越充分，系统输出越接近理想轨迹。评估时通常比较估计值与实际扰动或扰动引起的输出偏差。
6.2 响应速度
响应速度决定观测器能否及时捕捉扰动变化。对于快速负载突变或高动态控制对象，响应过慢会导致短时偏差明显；但过快则可能引发噪声敏感问题，因此速度与平滑性需要协同考虑。
6.3 鲁棒性
鲁棒性是扰动观测器的重要指标，表现为模型不完全准确时仍能维持较好性能的能力。优秀的设计应在参数漂移、外部干扰和一定范围的不确定性下保持有效补偿。
6.4 抗噪声能力
观测器若对测量噪声过于敏感，估计结果会出现高频抖动，进而影响控制输入。抗噪声能力通常通过滤波、带宽限制和结构优化来提升。
6.5 对模型失配的敏感性
模型失配越严重，估计误差通常越大。扰动观测器虽可一定程度上容忍偏差，但若对象的主动态与设计模型差异较大，补偿效果会明显下降，甚至出现错误补偿。
7 工程实现
7.1 数字控制器中的实现
在工程中，扰动观测器通常运行于PLC、DSP、FPGA或工业计算平台上。实现时需将观测方程嵌入控制程序，并确保与主控制回路同步。
7.2 采样周期与离散化问题
采样周期过长会降低估计分辨率，过短则增加计算负担。离散化方法的选择也会影响观测器性能，特别是在高速系统中，数值误差和时延需要谨慎处理。
7.3 参数整定与调试
参数整定往往依赖理论分析与实验验证相结合。调试时通常先在低风险工况下确认估计稳定性，再逐步提高带宽或补偿强度，以避免过补偿和振荡。
7.4 实时计算与硬件资源约束
高性能扰动观测器可能涉及更多状态变量和运算步骤，因此对处理器算力、存储和时钟周期有一定要求。在资源受限平台上，往往需要简化模型或采用更紧凑的结构。
7.5 工业现场应用注意事项
现场应用时，传感器精度、执行器饱和、通信延迟以及环境振动都会影响观测效果。工程上通常需要结合限幅、抗积分饱和和异常检测等措施，以提高系统可靠性。
8 典型应用
8.1 电机速度与转矩控制
在电机系统中，扰动观测器可用于补偿负载转矩变化和摩擦扰动，从而改善速度跟踪和转矩输出的平稳性。这在伺服电机和高动态驱动中尤为常见。
8.2 机器人关节控制
机器人关节受重力、摩擦和负载变化影响明显。扰动观测器可帮助估计这些不确定因素，使关节轨迹跟踪更准确，尤其适用于重复运动和高速拾放任务。
8.3 伺服系统位置控制
位置控制要求系统对外界干扰具有较强抑制能力。通过扰动补偿，伺服系统能够在负载变化、机械间隙或外力作用下维持较高定位精度。
8.4 加工设备与精密运动平台
在数控机床、光学平台和精密扫描装置中，微小扰动都可能造成显著误差。扰动观测器有助于抑制切削力、振动和导轨摩擦带来的偏差，提高加工与定位质量。
8.5 过程工业中的扰动抑制
在温度、流量、压力等过程控制系统中，扰动常表现为负荷波动和工况变化。扰动观测器可与传统调节器配合，改善慢过程中的稳态控制效果。
9 与其他方法的关系
9.1 与状态观测器的区别
状态观测器主要目标是估计系统内部状态，而扰动观测器更关注外部扰动或等效总扰动。两者都依赖模型和测量信息，但估计对象不同，使用目的也不完全一致。
9.2 与卡尔曼滤波的联系
卡尔曼滤波同样属于状态估计方法，强调在随机噪声条件下获得最优估计。扰动观测器则更偏向控制补偿，通常不以随机最优为首要目标。二者在某些系统中可以结合使用，分别承担状态估计与扰动估计任务。
9.3 与鲁棒控制的配合
鲁棒控制侧重在不确定性下维持稳定与性能，扰动观测器则倾向于主动估计并消除扰动。二者结合后，系统常可兼具更强的容错能力与更高的跟踪精度。
9.4 与自适应控制的结合
自适应控制通过在线调整参数来适应对象变化，扰动观测器则直接估计未知影响。将两者结合，可以同时处理缓慢参数漂移和快速外部扰动，使控制系统适应范围更广。
9.5 与前馈补偿的对比
前馈补偿依赖可测扰动或已知参考信息，适用于事先能够获取干预信号的情形。扰动观测器则面向未知扰动，能够在信息不完全时进行在线补偿，因此适用范围更广，但实现复杂度通常更高。
10 优点与局限
10.1 优点
10.1.1 结构简洁
许多扰动观测器结构相对清晰，便于分析、设计和部署。对于已有控制系统而言，往往可在不大幅改动主控制器的情况下加入补偿环节。
10.1.2 实时性强
扰动观测器强调在线估计，能够较快响应工况变化。这使其在动态负载场景中具备较强实用性。
10.1.3 易于工程集成
由于多数方案可与现有反馈控制框架兼容，因此容易嵌入工业控制器、伺服驱动器和嵌入式平台中，工程推广相对便利。
10.2 局限
10.2.1 依赖模型准确度
若对象模型偏差较大，估计结果会受影响，补偿效果也会下降。模型越粗略，设计越需要保守处理。
10.2.2 对噪声敏感
高带宽设计往往会放大测量噪声，导致估计波动。尤其在低精度传感器或强电磁环境中，这一问题更为突出。
10.2.3 参数整定存在折衷
观测器参数需要在响应速度、稳定性和噪声抑制之间权衡。过于激进的设置可能带来振荡，过于保守又会降低补偿效果。
11 扩展主题
11.1 多变量扰动观测器
在多输入多输出系统中，扰动不仅具有单通道特征，还可能存在耦合关系。多变量扰动观测器需要同时处理通道间相互影响，因此设计通常更复杂。
11.2 时滞系统中的扰动估计
对于存在传输延迟或计算延迟的系统，扰动估计与补偿会受到额外限制。相关方法通常需要结合预测、延迟补偿或重构结构进行改进。
11.3 约束条件下的补偿策略
当执行器存在饱和、速率限制或安全边界时，扰动补偿不能无限制增强。此时需要在约束条件下设计补偿律，避免出现控制输入超限。
11.4 结合机器学习的改进方法
近年来，一些研究尝试将机器学习用于模型修正、扰动预测或参数自整定，以增强观测器对复杂场景的适应性。此类方法通常注重数据驱动与机理模型的结合，但工程落地仍需考虑可解释性与稳定性验证。