1 概述与定义
补偿（Compensation）是在自动化与控制系统中，用于抵消偏差、扰动或不确定性影响的一类策略或机制。其基本思路是将“误差来源”转化为可度量、可建模或可校正的量，并在控制、测量或执行链路中引入相应的校正作用，从而提升系统输出与期望之间的一致性。
在工程语境里，“补偿”既可以指控制理论中的设计范式，也可以指具体实现手段的统称，例如传感器标定补偿、温漂补偿、机械摩擦补偿、滞后补偿、网络延迟补偿等。无论形态如何，其目标通常覆盖稳态精度（误差长期不大）、动态响应（误差随时间收敛更快）以及鲁棒性（面对扰动或参数变化仍保持可接受性能）。
1.1 补偿在自动化中的定位
自动化系统往往由“传感—计算—控制—执行”构成。补偿通常处于其中至少一个环节：
从系统工程角度，补偿并不等同于“消除误差”的万能工具，它更接近一种“把误差变小、把误差影响变可控”的工程折中。
1.2 误差来源与补偿对象
补偿对象可归纳为三类：
- 可观测的偏差：例如传感器标定偏移、零点漂移、温度导致的量程变化；
- 执行器非理想：包括摩擦、滞后、死区、非线性增益与饱和；
- 系统级的不确定性：如模型不准确、参数随工况变化、网络延迟与采样抖动等。
误差来源通常同时存在。实际工程中，往往需要判断“主导误差是谁、在哪个环节产生、是否能被测量或估计”，再决定采取哪一种补偿策略。
1.3 补偿的性能目标
补偿的常见性能目标包括：
- 稳态精度：降低长期偏差或残余误差；
- 动态响应：在轨迹切换、扰动出现或工况变化时，使误差更快收敛、减小超调；
- 鲁棒性：在参数漂移、外部扰动或未建模动态存在时，仍保持稳定与性能；
- 可实施性：对计算开销、标定成本、实现复杂度以及可维护性保持现实约束。
因此，补偿不仅追求“理论最优”，更要与传感能力、执行器能力和系统约束匹配。
2 补偿原理
补偿原理的核心在于：将误差视为某种结构化的影响（偏差、扰动、未建模项或观测误差），并通过反馈、前馈或估计机制将其“抵消或削弱”。
2.1 误差建模与偏差概念
工程中通常采用“标称模型 + 误差项”的思路。标称模型描述理想或近似的对象行为，误差项则吸收模型失配与外界扰动。例如在控制系统中，误差可表现为：输出与参考之间的差异；或执行输入与真实物理响应之间的偏离。
对误差进行适度建模有两个原因：
- 便于设计补偿律（补偿需要“补什么”与“怎么补”）；
- 便于评估补偿效果（误差指标可量化并用于迭代）。
需要注意的是，建模越复杂未必越好，补偿通常采用能够在工程约束下落地的“够用模型”。
2.2 反馈补偿思想
反馈补偿依赖误差的实时测量（或观测）。系统将输出与期望值进行比较，形成误差信号，再把它用于调整控制输入，从而抵消误差的变化来源。
反馈补偿的优势在于：
- 不要求完全掌握对象真实模型；
- 能对外界扰动与部分未建模项做出反应。
其代价常包括：测量噪声会进入控制环、采样与执行延迟会影响稳定裕度、且过强的校正可能引发振荡或“补到反方向”。
2.3 前馈补偿思想
前馈补偿依据可提前获得的信息（例如参考输入、可测扰动、已知环境变化），在误差出现之前就对控制量进行预校正。
前馈补偿常用于：
- 参考变化本身可预测时的快速抵消；
- 扰动可测且提前出现时的预处理；
- 对系统固有非线性或延迟的“抵消性校正”。
前馈补偿的关键在于：前馈量必须与对象响应之间保持一致的映射关系。如果映射失准，就可能产生与预期相反的修正。
2.4 估计与观测驱动的补偿
当某些误差来源无法直接测量时，可以通过估计器或观测器对其进行在线估计，然后将估计结果用于补偿。常见做法包括：
- 观测未建模动态或扰动的等效量；
- 估计传感器偏置或状态（如速度、负载等难直接测的变量）；
- 将估计量反馈到控制或校正模块中。
估计驱动的补偿通常要在“估计准确性”和“估计误差对控制稳定性的影响”之间权衡。估计器参数整定不当，也可能把噪声放大到补偿环节里。
3 补偿方法分类
补偿方法可以按作用对象分为测量补偿、执行机构补偿、动态与系统级补偿，以及软硬件协同补偿。实际系统往往是多类方法组合。
3.1 传感器与测量补偿
测量补偿用于修正传感器输出与真实物理量之间的偏差，使后续控制与决策所依赖的量更可靠。
3.1.1 标定与标定曲线补偿
标定是建立“传感器读数—真实量”之间关系的过程。补偿通常将标定得到的映射应用到在线测量值上，例如用线性或分段线性、查表（LUT）、多项式等方式修正输出。
当传感器存在量程非线性或跨区误差较大时，标定曲线补偿能显著改善测量一致性；其效果依赖标定覆盖范围、温度/工况一致性以及重复性。
3.1.2 温漂/零点漂移补偿
温度变化可能导致零点偏移、灵敏度变化或非线性漂移。常见策略包括：
- 使用温度传感器测得温度后进行补偿；
- 对零点与增益分别建模（例如按温度分段校正）；
- 采用周期性的重新校准或自检触发。
该类补偿的核心是把“温度—误差”关系转化为可执行的校正量。
3.2 执行机构补偿
执行机构补偿针对执行器与传动环节的非理想特性，目的是让控制指令与实际输出更匹配。
3.2.1 摩擦与静摩擦补偿
摩擦会导致速度响应滞后、低速跟踪困难，尤其是静摩擦（起动摩擦）会形成“必须超过某阈值才开始运动”的现象。摩擦补偿常见实现包括：
- 用经验模型或分段函数近似摩擦力，并叠加等效补偿量；
- 在低速区识别摩擦特性后动态修正；
- 结合力/电流等可用信号进行估算补偿。
补偿效果与摩擦随温度、磨损与润滑状态的变化有关，工程上常配合参数更新或限幅。
3.2.2 滞后与死区补偿
滞后与死区表现为输入变化后输出不立刻响应，或在某些区间内输出基本为零。补偿可通过：
- 建立输入—输出的延迟等效模型并进行提前校正（含离散延迟补偿）；
- 对死区进行阈值识别，并在指令接近阈值时引入适当的越区补偿；
- 对不同方向或不同速度区间使用不同参数。
需要避免“阈值识别误差导致抖动”，因此通常伴随滤波或迟滞逻辑。
3.2.3 量程与非线性补偿
执行器存在电压—力矩、指令—速度、PWM—电流等映射非线性。量程补偿常用查表、分段线性或参数化非线性模型方式实现，让指令到输出的映射更接近标称线性化。
此外，饱和会造成补偿失效或放大误差，因此量程补偿往往需要与限幅策略协同设计。
3.3 动态与系统级补偿
系统级补偿面向网络、采样、振动与模型不确定性等影响。
3.3.1 网络延迟/采样周期补偿
分布式或远程控制场景中，通信延迟与采样抖动可能导致控制环“用旧信息”。补偿策略包括：
- 基于已知延迟估计对控制指令进行预测调整（如简单前推）；
- 使用时间戳与离散化校正，让控制算法按真实采样时刻运行；
- 在控制器设计阶段增加鲁棒裕度，降低延迟敏感性。
该类补偿通常需要系统对延迟与采样周期有较明确的统计或在线估计。
3.3.2 振动与共振影响补偿
机械结构的共振会在某些频段放大响应，导致跟踪误差与噪声耦合。补偿方法包括：
- 在控制中引入抑制共振的滤波或陷波策略；
- 通过结构辨识得到关键模态后进行前馈或阻尼补偿；
- 在轨迹规划层面避开敏感频段，降低激励源。
工程上更常见的是“控制与规划联动”，通过减少能量注入或增强阻尼来缓解问题。
3.3.3 参数不确定性补偿
对象参数如摩擦系数、负载质量、力常数随工况变化会导致控制性能下降。补偿可采用：
- 基于模型的鲁棒设计思想，在参数偏差范围内保持稳定与性能；
- 通过在线辨识更新参数，再将更新结果用于补偿律；
- 采用自适应或增益整形的方法，使系统对参数变化不至于敏感到失稳或大幅超调。
关键是保证更新过程不会引发额外不稳定因素。
3.4 软硬件协同补偿
软硬件协同补偿强调：补偿不仅由算法决定，也由平台实现、时序和数据处理决定。
3.4.1 控制器软件实现
在控制器软件层面，补偿可能包括：
- 标定参数的加载、插值与版本管理；
- 补偿环节的离散化实现（例如采样周期变动时的重计算）；
- 误差计算、积分/滤波、限幅与防抖逻辑；
- 在线监测用于发现补偿参数漂移或异常。
软件实现还需处理数值精度、溢出与采样同步等问题。
3.4.2 PLC/运动控制器实现
PLC或运动控制器上常见的补偿实现包括：
- 对传感器读数进行校正（比例/偏置/查表）；
- 对速度、位置指令进行非线性映射；
- 对延迟与曲线段进行离散补偿；
- 通过运动学规划接口嵌入分层补偿。
其特点是工程可配置性强，但也受限于计算能力与实时性要求。
3.4.3 传感器端与边缘计算补偿
当传感器具备本地算力或边缘节点可以提供更低延迟时，可将部分补偿前置：例如温漂校正、简易线性化、坐标变换或图像畸变校正的前处理。这样做可减少中心控制器的负担，并提升数据一致性。
边缘补偿也带来参数一致性与升级管理的需求，因此工程通常会建立参数下发与校验机制。
4 常用实现策略
本节讨论补偿在系统中的落点方式、参数整定与自适应、数值稳定与验证评估。
4.1 补偿环节的插入方式
4.1.1 开环插入与校正量叠加
开环补偿通常在不依赖误差信号的情况下，将校正量直接叠加到测量或控制输入上。其特点是实现相对简单，适合误差来源较稳定、且补偿模型可信的场景。缺点是当工况偏离预设条件时，效果可能迅速衰减。
4.1.2 闭环插入与误差反馈
闭环补偿通过将误差信号纳入调节，使系统对偏差进行持续纠正。它更能适应扰动和不确定性，但对传感噪声、延迟与控制器参数更敏感，需要充分考虑稳定性与噪声抑制。
4.1.3 复合补偿（反馈+前馈）
复合补偿结合两者：前馈用于快速削弱可预测误差，反馈用于修正残余偏差或外部扰动。复合策略往往能同时提升动态与稳态性能，但参数耦合更复杂，需要对限幅、滤波与时序协同进行系统设计。
4.2 参数整定与自适应调整
4.2.1 基于模型的整定
基于模型整定利用对象数学描述或辨识得到的参数，确定补偿系数、滤波器参数或控制器增益。该方法的优势在于解释性较强；前提是模型足够贴近真实系统，或至少覆盖主要动态。
4.2.2 基于数据的在线修正
在线修正通过数据驱动方式更新补偿参数，适应参数随时间变化的情况。例如利用观测数据更新偏置项、或根据误差趋势调整某些非线性映射。其风险在于学习过程可能受到噪声、异常数据或相关性不足的影响，因此通常结合限幅、置信度或异常检测。
4.2.3 鲁棒性与限幅策略
无论采用何种整定方式，补偿环节都常配合限幅：限制补偿量的最大幅值，避免在异常条件下“过度校正”。同时，滤波与迟滞逻辑可降低噪声引发的频繁切换，从而提高整体稳定与可维护性。
4.3 采样、滤波与数值稳定
4.3.1 滤波对补偿精度的影响
滤波可抑制测量噪声，但也可能引入相位延迟或幅值衰减，进而影响补偿效果。设计上通常要在噪声抑制与响应速度之间取平衡，并评估滤波器对闭环稳定性的影响。
3.4.2 数值精度与饱和处理
离散实现会带来量化误差与数值精度限制。补偿算法中常见的数值风险包括乘法溢出、积分累积导致的饱和以及查表插值的边界误差。工程通常采用统一的尺度管理、饱和保护与防积分饱和机制，确保补偿不会在极端情况下把系统推向不稳定状态。
4.4 验证与度量
4.4.1 误差指标与响应指标
验证通常同时关注误差与响应。误差指标可包含稳态误差、均方误差、峰值误差、误差分布特征等；响应指标可包括上升时间、收敛时间、超调量与振荡幅度。选取指标要与应用需求匹配，例如高精度测量更看重稳态误差，伺服跟踪更看重动态收敛速度。
4.4.2 稳态误差与动态超调评估
补偿可能改善稳态，但引入动态副作用，例如更快的纠偏也可能导致超调增大。因此评估需要覆盖多种工况：阶跃、斜坡、变轨、扰动注入以及温度或载荷变化等。
4.4.3 在线监测与回归测试
在线监测用于跟踪补偿参数是否偏离预期，例如零点是否缓慢漂移、摩擦参数是否出现异常跳变。回归测试则用于确认每次参数更新或软件升级不会造成性能回退，保证补偿策略在维护周期内仍有效。
5 工程应用场景
补偿在工程中普遍存在于运动控制、过程控制、视觉测量与设备运维等领域。不同场景对实时性、精度与稳定裕度要求不同，决定了补偿策略的选择。
5.1 运动控制中的补偿
5.1.1 轨迹跟踪误差补偿
轨迹跟踪系统常用位置误差与速度误差进行反馈，并叠加前馈项以提升跟踪质量。针对误差来源，常见补偿包括：摩擦/死区、动力学负载变化、传动非线性以及系统延迟影响等。补偿设计一般需与轨迹规划（加速度约束、平滑度）联动。
5.1.2 位置/速度/加速度的分层补偿
分层补偿将误差在不同层级处理：位置环关注目标位置与稳态精度，速度环处理动态响应与扰动抑制，力矩或电流环处理执行器非理想与快速动态。分层结构便于针对性补偿，也便于局部限幅，降低“单点过强修正”风险。
5.2 过程控制中的补偿
5.2.1 温度、流量等过程变量补偿
过程工业常面临传感器漂移与环境变化。温度补偿可校正测温偏差；流量补偿可处理压力、温度影响下的测量非线性。补偿通常在采样链路中完成，保证进入控制器的变量更接近真实工况。
5.2.2 物性变化与扰动补偿
当介质物性（如粘度、密度、成分）随时间变化时，控制对象的动态特性也会变化。补偿可能通过在线估计物性或等效参数来实现，使控制器参数或补偿量随工况更新，从而提高稳定性与效率。
5.3 机器视觉与测量系统补偿
5.3.1 标定误差补偿
视觉测量系统通常依赖相机标定与坐标变换。标定误差补偿通过修正内外参、畸变参数或世界坐标映射，提高测量精度。其前提是标定数据足够代表实际拍摄条件，并且镜头安装与工装条件保持稳定。
3.3.2 畸变校正与几何补偿
镜头畸变会导致直线弯曲、定位偏差。几何补偿可能包含透视变换校正、平面坐标映射与对齐误差处理。工程实现常结合标定参数执行像素到坐标的映射，从而使后续测量与控制环节得到更可信的几何信息。
5.4 设备运维与健康管理补偿
5.4.1 漂移趋势补偿
在设备长期运行中，传感器与机构特性可能出现慢性漂移。通过监测偏置、噪声特征或响应曲线的变化趋势，可对补偿参数进行渐进调整，避免精度逐步退化。
5.4.2 故障征兆的补偿策略
当出现局部故障前兆时，系统响应可能异常。例如摩擦增加、传动间隙变化会影响跟踪性能。补偿策略可用于“短期维持功能”，但通常也应伴随告警与诊断流程，避免仅凭补偿掩盖根因并导致更严重的损坏。
6 典型问题与误区
补偿不是越多越好。常见问题包括过度修正、基准不一致、模型失配、稳定性冲突等。
6.1 补偿过度导致“反向修正”
补偿量过大或参数不当可能让系统纠偏方向错误：原本应减少误差，却被补偿放大成相反趋势。这类问题常出现在非线性强、死区阈值敏感或延迟显著的场景中。工程应通过限幅、增益整形、逐步增量试验与系统辨识降低风险。
6.2 参照基准不一致问题
补偿需要明确“参照基准”。例如传感器标定时采用的零点与在线使用时的零点不一致，或坐标系定义在不同模块中发生偏差，都会导致补偿建立在错误假设上，从而产生稳定但错误的偏置。
6.3 模型失配与补偿失效
当模型失配超过补偿策略可承受范围，补偿可能从“减小误差”变成“制造误差”。典型原因包括：工况未覆盖、参数随时间变化过快、或补偿对象与实际作用路径并不一致（例如补偿量叠加到错误通道）。
6.4 限幅、延迟与稳定性冲突
限幅保护可以避免数值或执行饱和，但过强的限幅会造成控制器有效增益变化，引发响应变差甚至振荡。与此同时，延迟会降低相位裕度。补偿环节的设计必须同时考虑这三者的耦合，必要时通过仿真与鲁棒分析验证稳定性。
6.5（轻度梗）“补偿补到最后成了新误差”
在工程落地中，常见的尴尬是：前一轮补偿把某个误差源压下去后，系统暴露了新的次要误差源；若不重新评估指标与误差分解，就会出现“补了半天更不对劲了”的现象。更稳妥的做法是建立误差归因链路，并在补偿迭代时同步更新测量与验证方案。
7 相关术语
本节列出与补偿相关、经常在工程文档中一并出现的术语与其关系。
7.1 校正（Calibration）
校正通常指对测量或输出进行调整，使其与约定标准或标称关系更一致。在一些工程语境中，校正与补偿接近，差别往往体现在具体流程与粒度：校正更强调“把量校到对的尺度”，补偿更强调“抵消误差影响”的控制/修正机制。
7.2 标定（Calibration）与补偿关系
标定用于获得映射或参数；补偿是把这些映射或参数应用到在线过程以实现误差抵消。换言之，标定提供依据，补偿实现效果。二者之间的质量关系常呈现链式影响：标定覆盖不足或漂移未建模会降低补偿收益。
7.3 观测器（Observer）与估计（Estimation）
观测器用于在无法直接测量全部状态或扰动时，构造可用的估计量。估计结果随后可能用于补偿，例如把估计到的偏置当作补偿项进行抵消。其有效性依赖观测器建模与噪声处理。
7.4 前馈（Feedforward）与反馈（Feedback）
前馈是基于可预测信息的提前修正；反馈是基于误差信号的闭环纠偏。许多补偿系统采用前馈与反馈组合以兼顾快速性与稳态精度。
8 参见与扩展阅读
8.1 控制理论基础：反馈/前馈/鲁棒控制
理解补偿常需掌握控制系统结构与设计思想，例如反馈与前馈的基本作用机制，以及在不确定性存在时如何保证稳定与性能。
8.2 传感器标定与系统辨识
补偿效果往往依赖标定质量与辨识模型的贴合度。学习标定方法、误差来源分析与辨识流程，有助于减少补偿失效的概率。
8.3 运动控制与伺服系统补偿实践
伺服系统中的摩擦、死区、传动非线性、延迟与采样效应等问题，在实践中常以多环结构与复合补偿方式处理。相关实践能帮助理解补偿策略的落点、参数整定与验证流程。