1. 拿到"已调好"的仿真程序，第一件事不是跑，而是拆

做四旋翼控制的人应该都有这种经历：从某个渠道拿到一份别人调好的仿真程序，压缩包解压出来，里面躺着几个.m文件、一个.slx模型、一个README.txt，或者干脆什么都没有。这时候大多数人的第一反应是双击主脚本，看到曲线出来，就觉得自己已经"掌握"了。但实际上，如果你只停留在"能跑通"这个层面，那这份程序对你的价值连十分之一都发挥不到。

我拿到这份四旋翼 ADRC 控制器仿真程序时，第一件事是把目录结构完整看了一遍。这里给所有准备复现这份程序的朋友一个建议：拿到任何仿真工程，先建立一张"程序地图"，搞清楚哪个文件是入口、哪个文件是模型、哪个文件是参数初始化、哪个文件是控制器，再动手运行。这不只是为了跑通，而是为了后面你能自主修改、调参、移植。

这份程序的结构大致如下：

README.txt里的信息很简洁，只说明了两件事：在什么版本的 Matlab 下运行，以及主脚本名字。这其实暴露了一个很常见的问题——很多分享出来的程序，作者默认使用者已经具备足够背景知识，省略掉了大量"为什么这样写"的信息。这篇文章想做的，就是把缺的部分补上。

另外，如果你是首次在 Matlab 中打开这个程序，建议先运行一遍checkEnv或者直接执行主脚本，看看会不会因为中文字符编码、路径空格、工具箱缺失等问题报错。我曾经遇到过一次很尴尬的情况：程序本身没问题，但因为解压路径里带了一个中文文件夹名，导致脚本读取模型文件失败。这种问题排查起来不难，但很浪费时间。纯净的英文路径、干净的 workspace，是跑通一切 Matlab 仿真的前提。

2. 四旋翼的动力学模型：这份程序到底在模拟什么物理过程

很多初学者拿到仿真代码后，直接从控制器开始看，这其实是个误区。四旋翼仿真程序里，最值钱的往往不是控制器，而是那个看起来不起眼的"动力学模型"部分——因为模型写得好不好，直接决定控制器参数能不能平移迁移到真机上。ADRC 这种控制器，本质上是在跟模型"较劲"，如果模型少了一项耦合力矩，你在仿真里调出来的观测器带宽，在真机上大概率是废的。

这份程序采用的模型，是标准的三维刚体六自由度方程。需要强调的是，它做了一些在四旋翼仿真中非常通用的简化假设：

• 机体视为刚体，不考虑弹性形变；
• 电机响应简化为二阶或一阶惯性环节，不考虑更复杂的电调特性；
• 空气阻力用简单的阻尼系数近似，而不是查表的气动模型；
• 忽略地面效应、螺旋桨陀螺效应等次要因素。

用公式表达就是经典的牛顿-欧拉方程。位置环节由三个方向的合力驱动，姿态环节由机体的力矩驱动，两者通过旋转矩阵耦合。你可能觉得这只是"标准操作"，但实际写代码时会发现几个容易出鬼的地方：

第一，坐标系定义。程序里常见的定义是：机体坐标系 z 轴向上，x 轴指向机头方向；世界坐标系采用 NED（北东地）或者 NWU（北西天）都会带来很大区别。我强烈建议你在复现时不只看方程本身，而是确认程序里的旋转矩阵方向和正负号约定。这个坑几乎每个做四旋翼仿真的人都会踩一遍。有的程序里俯仰角是"抬头为正"，有的是"低头为正"，如果沿用你熟悉的那套控制外环，很可能在仿真里表现为姿态发散。

第二，转动惯量的数值。惯性矩直接决定了姿态动力学的时间尺度。这份程序里的默认参数是某小型航模级别四旋翼的典型数值，质量在 1kg 上下、轴距 250mm 左右。如果你换了一台更大的平台，需要按比例调整惯量，否则 ADRC 的观测器增益和控制器带宽全都要跟着变。

第三，电机模型。程序里的控制输出，通常会被映射为四个电机的拉力或转速指令。大多数简化模型里，螺丝推力与转速平方成正比，电机响应再用一阶惯性环节近似。这个惯性时间常数（常见取值 0.01s 到 0.02s）对仿真结果影响超大——如果取值太大，高频姿态修正指令会被严重滞后，ADRC 的高带宽优势根本发挥不出来。

所以看这份程序时，不要跳过quad_params.m这类参数文件。里面可能没有注释，但每个数字背后都有物理含义。我的习惯是拿到参数文件后，先在草稿纸上列一遍：这些数是否符合量纲？惯量比是否符合几何常识？把这些搞清楚了，后面调参才有底气。

2.1 模型参数与初始化脚本里那些"魔法数字"

直接看程序的话，你大概率会看到类似这样的代码块：

m = 1.2; % 质量 kg l = 0.25; % 机臂长度 m Ixx = 0.02; Iyy = 0.02; Izz = 0.035; kF = 1.5e-5; % 拉力系数 N/(rad/s)^2 kM = 2e-7; % 力矩系数 N.m/(rad/s)^2 g = 9.81;

这些数字不是拍脑袋写的。kF和kM的选择，会直接影响电机转速的饱和边界。你可以自己算一算：悬停时每个电机需要的拉力大约为m*g/4 ≈ 2.94N，那么对应的转速大约是sqrt(2.94 / 1.5e-5) ≈ 443 rad/s，也就是大概 4200 RPM。这个转速在一个小型无刷电机的工作范围内，合理。如果你发现程序里的kF小了一个数量级，那么同样的拉力会要求电机转速高到物理上不可能实现，仿真曲线就会看起来很"虚"。

这类数值在注释缺失的情况下，就是所谓的"魔法数字"。对初学者来说，我的建议是：不要轻易改模型参数，除非你能说清楚这个改动会带来什么物理量的变化。先保持默认，跑通之后再做参数敏感性分析。

2.2 从"仿真程序"到"实物移植"之间，隔着一个电机模型的距离

严格来说，很多"已调好"的四旋翼仿真程序，控制器的参数并不能直接搬到真机上。原因就出在电机模型上。仿真里常用的电机响应模型是：

T * s + 1 的惯性环节

而在真机上，电机响应还包含电池电压波动、电调算法差异、桨叶气动延时等。ADRC 最厉害的地方在于，它能把所有这些"未建模动态"统统视为总扰动的一部分，并通过扩张状态观测器估计出来。所以你会发现一个很有意思的现象：用同一组 ADRC 参数，在仿真和真机上，都能飞——但轨迹质量会有差异。这正是扩张状态观测器的功劳，它不需要精确的模型，就能把模型偏差兜住。

不过这里有个前提：仿真模型里的"未建模动态"不能比真机离谱太多。如果仿真里电机用了一阶惯性，而真机上的实际动态特性更接近二阶振荡，那你在仿真里调好的观测器带宽，在真机上可能表现为高频噪声放大。我的经验是，仿真阶段可以把电机模型故意调得"笨"一点——一阶惯性常数设到 0.02s 以上——这样调出来的 ADRC 参数，会比用理想电机模型调出来的更能扛干扰。

3. ADRC 的本质：为什么它比串级 PID 更适合四旋翼这种强扰动对象

写到这里，必须把话题转到控制器本身。很多人第一次接触 ADRC，会被它的名字吓到——"自抗扰"，听起来像某种玄学控制。我用一句话解释清楚：ADRC 的核心思想，是把"不知道的模型偏差"和"外部扰动"合在一起，估算出来，然后直接在前向通道里把它抵消掉。

这句话意味着什么？你不需要精确知道四旋翼的气动阻力矩是多少，不需要精确知道电池电压变化对电机升力有多大影响，只需要通过观测器实时估计出一个"等效总扰动"，然后把它的作用抵消。这种"用估计代替建模"的思路，和经典 PID 依赖误差积分的思路，是完全不同的哲学。

传统串级 PID 里，外环和风扰动都在"拉扯"内环，内环 PID 的积分项需要一点点消除稳态误差，这个过程本质上很慢。ADRC 的做法是：内环直接用扩张状态观测器把扰动估计出来，不等误差累积就把它消除。体现在阶跃响应上，就是超调更小、抗扰恢复更快、相位滞后更小。四旋翼本质上是一个高度非线性、强耦合、多扰动并存的被控对象，正好是 ADRC 的优势区。

这份程序实现的是二阶 ADRC。所谓"二阶"，指的是被控对象的相对阶次是二阶——在四旋翼姿态控制场景下，输入是力矩，输出是角度，中间经过角速度积分，所以相对阶次是 2。二阶 ADRC 的核心组件有三个，我逐个说明。

3.1 跟踪微分器：给期望信号"降噪"

TD模块的作用很简单：对期望姿态角进行平滑处理，并提取其微分信号。例如你给一个阶跃的目标俯仰角 10°，TD 不会直接让你看到一条陡峭的跳变，而是输出一条快速但平滑的过渡曲线；同时，它还输出这条曲线的导数，作为期望角速度送给控制器。这样做的目的，是避免输出突变给控制通道造成过大的初始误差，减少超调。

在程序里，TD 一般写成这样：

function [x1, x2] = TD(r, x1, x2, h, r1) x1 = x1 + h * x2; x2 = x2 + h * -r1 * (x1 - r) - 2 * r1 * x2 / 3; end

注意这里的r1是跟踪速率因子，它决定过渡过程快慢。速率因子太小，响应就慢；太大，过渡过程就接近阶跃，失去了平滑意义。这份程序默认的参数，大概取的是"适度激进"——大约 0.5 秒内完成阶跃过渡。你可以通过观察角度响应曲线的上升沿来验证。

3.2 扩张状态观测器：这份程序真正值钱的地方

ESO（扩张状态观测器）是 ADRC 的心脏。它做的事情，可以类比成一个"内部传感器"：你只测量了姿态角，但 ESO 能顺带估计出姿态角速度和总扰动。它把一个二阶系统扩展成三阶状态方程——真实位置、真实速度、总扰动。然后通过观测器增益把估计误差收敛到很小。

程序里常见的 ESO 离散形式：

e = z1 - y; z1 = z1 + h * (z2 - beta1 * e); z2 = z2 + h * (z3 - beta2 * e + b0 * u); z3 = z3 + h * (-beta3 * e);

这里z1是角度估计值，z2是角速度估计值，z3是总扰动估计值。beta1、beta2、beta3是观测器增益。正常情况下，它们应当按照"带宽化"的方式整定——也就是把观测器极点配置到同一个位置，让整个观测器只有一个可调的带宽参数wo。这就是"参数少、好调"的来源。

我见过很多人调试 ADRC 时，盯着beta1一个参数来回试，其实正确的做法是：只调wo，然后按比例关系计算出三个 beta。公式通常是：

beta1 = 3 * wo; beta2 = 3 * wo^2; beta3 = wo^3;

这样做的好处是，你不需要同时瞎试三个参数，而是只关心一个物理意义明确的带宽值。这份程序之所以敢说"已调好"，它的 ESO 参数大概率就是按带宽化公式配置的，而不是随手填的。

3.3 非线性状态误差反馈：被过誉的"非线性"

第三个模块是 NLSEF，它接收 TD 的期望信号和 ESO 的估计信号之间的误差，生成控制量。经典 ADRC 里会用fal函数做非线性变换：

function f = fal(e, alpha, delta) if abs(e) > delta f = abs(e)^alpha * sign(e); else f = e / delta^(1 - alpha); end end

当alpha < 1时，小误差对应的增益更高，相当于在小误差范围内"放大响应"。但说实话，我调试过很多次 ADRC 之后，发现一个事实：fal的非线性增益在仿真中和线性 PD 形式的 NLSEF 差异很小。真正让 ADRC 表现优异的，是 ESO 的扰动估计和补偿，而不是那一点点非线性增益。很多工程实践里，直接把 NLSEF 简化成u0 = Kp * e1 + Kd * e2，效果几乎不变。这份程序保留了正统的fal形式，可能是为了教学一致性，也可能是因为原作者最初就是从教材代码改过来的。无论哪种，你都可以在理解原理后，自己尝试简化并对比曲线。

4. 仿真配置与运行细节：步长、解算器、干扰注入方式

当你确定了模型和控制器结构都没问题之后，接下来要面对的就是仿真本身的配置问题。这部分往往被文档忽略，却是最容易让"已调好"程序变得"一跑就散"的地方。

先说步长。这份程序用的是固定步长仿真，步长h = 0.001s，也就是 1kHz 的控制更新率。对于四旋翼这种自动驾驶频率通常落在 500Hz 到 1kHz 的场景，这是一个很现实的选择。如果你把步长改成 0.0001s，曲线会变"更好看"，但那是假象——真机上你不可能跑得起 10kHz 的控制频率。如果你把步长改成 0.01s，那就要小心了：数值积分误差、离散化误差、以及 ESO 采样延迟会急剧增加，原本调好的参数很可能发散。这个道理很简单：ADRC 的观测器带宽如果比控制频率高一个数量级，离散化误差就会吃掉它的稳定性裕度。

再说解算器。在 Simulink 中，如果控制器是用 S 函数或子系统实现的离散逻辑，那么主模型用定步长四阶龙格库塔（ode4）会比较合适。如果你看到的是纯.m脚本仿真，那就是作者手动写了循环积分，常见形式是：

for k = 1:N % 计算控制器输出 % 计算状态导数 % 使用RK4或欧拉法更新六自由度状态 end

这里有一个经验：纯脚本仿真中，状态更新的顺序千万不能乱。我见过一份程序，作者把电机响应更新放在姿态更新后面，导致每个控制周期多出一个步长的延迟。看似一个小问题，但如果你把 ADRC 的观测器带宽调得很高，这种延迟会让收敛性变差。所以复现时，仔细核对每个更新的先后顺序。

然后是关于干扰注入的配置。这份程序里应该有几种默认的干扰设置：

强烈建议你验证一下：先跑无干扰版本，确认姿态输出零稳态误差；再依次注入上述干扰，观察 ESO 输出的z3曲线是否和注入干扰形状一致。如果z3不能准确复现注入的扰动曲线，说明 ESO 带宽不够或者参数没配对。这是检验"已调好"的一个硬性标准。不夸张地说，这一步比看姿态曲线还重要。

5. "已调好"到底调的是什么：参数标定顺序和典型问题排查

下面这部分是整篇文章最"值钱"的部分。很多人拿到的程序是可以跑。但一旦你想把参数改变，或者换一个工况，问题就来了：到底该调整哪个参数？先调哪个？那些"已调好"的参数是一组怎样存在？

我给大家梳理一个调试路径。这套路径来自于我自己复现多份 ADRC 仿真程序的经验，也可以理解为这份程序原作者很可能走过的路。

第一步，先定模型参数，后定控制器参数。模型参数本身不能随便动，但你需要确认：电机模型时间常数是 0.01s，还是默认用了 0.005s？b0（控制输入增益）的取值是否和系统方程一致？在 ADRC 里，b0是一个至关重要的参数——它是你对被控对象输入增益的估计值。如果b0比真实值大了 50%，ESO 的扰动估计会连带偏移很多，你以为的"扰动"里其实混入了模型失配的部分。检查方式是在仿真里切除 ESO 的补偿通道，只保留前向控制，然后看系统的阶跃响应是否在一个合理的范围内。

第二步，从观测器开始调，而不是从控制器开始。先整定 ESO 的带宽wo。把控制器增益设得很保守，甚至在仿真中把 NLSEF 的输出缩小到原来的十分之一，只观察 ESO 的估计是否准确。观察目标：给系统加一个阶跃干扰，看z3跟踪扰动曲线的速度和超调。如果z3滞后太明显，可以提高wo，但注意wo超过一个阈值后，观测器会在噪声下抖动。这个阈值和步长有关：实测下来，在 1kHz 仿真步长下，wo设置在 30~100 rad/s 之间是比较稳的。超过 200 就属于激进调法，会放大模型噪声。

第三步，再调控制器带宽。控制器部分带宽（记为wc）决定了追踪参考信号的带宽。通常设置wc比wo低三到五倍以上，这样观测器能及时跟上控制回路的要求。这里有一个常用公式：

Kp = wc^2 Kd = 2 * wc

初步调好的标志是阶跃响应无超调或小超调，上升时间符合你的期望。这份程序里那些"看起来整齐"的姿态响应曲线，就是这样按顺序一步步撞出来的，而不是把参数随手一填得到的运气。

5.1 常见问题一：姿态发散，到底哪里错了？

如果你把参数改了之后，仿真在 3 秒内爆掉，先别急着改回来。排查步骤如下：

1. 先看角度是否正确，如果角度瞬间冲上 90°以上，说明控制器输出方向不对——旋转矩阵正负号、电机编号顺序、油门方向任一错了都会这样。
2. 再看角速度。如果角度还没发但角速度剧烈振荡，多半是Kd过小、阻尼不足。
3. 如果角度和角速度都正常，但控制量饱和，检查电机转速上下限是否被触发。ADRC 补偿扰动时，如果扰动估计值巨大，控制量瞬间顶到饱和，会造成类似 bang-bang 控制的极限环振荡。

5.2 常见问题二：稳态误差消不掉，ESO 却显示扰动为零

这个现象很有迷惑性。程序可以跑，姿态响应似乎"差不多"，但就是有 1° 左右的稳态误差。很多人会去调 ESO 的beta3，但问题往往不在这里。最可能的原因是：你的控制器输出没有真正作用到模型上。

仔细检查：你计算出的期望总的控制量，是直接加到u上了，还是被限幅函数截断了？很多程序为了模拟真实执行机构，在电机分配前加了饱和函数。如果你在调试过程中把控制增益调大，导致控制量频繁饱和，那么输出的有效作用力矩比期望值小，稳态误差就会一直挂在那里。此时你应该把z3的估计值与实际干扰对比，如果两者差了一个偏置量，那基本可以锁定是饱和造成的。

5.3 常见问题三：为什么加了一点噪声，仿真就开始抖？

这是 ADRC 的一个典型局限：ESO 用高带宽估计扰动的同时，也会把量测噪声高频分量放大。给你的建议有三个层面：

• 降低wo，牺牲一点扰动估计速度，换取噪声抑制能力；
• 在测量通道加一阶低通滤波器，但这会引入相位延迟，所以滤波截止频率应不低于wo的三倍；
• 改用降阶观测器。当不需要估计全状态时，降阶 ESO 对噪声的敏感度更低，只是参数整定复杂一些。

这个问题的本质是在和"观测器带宽-控制闭环带宽-传感器噪声"三者之间做权衡，没有免费的午餐。

6. 在"已调好"的基础上继续扩展，把仿真价值榨干

程序能跑、参数能调，这只是起点。真正有价值的工作，是在这份程序基础上做"增量开发"。我给你几个明确的扩展方向，都是我在类似项目上实际走过的路。

方向一：把姿态控制升级为位置控制。目前的程序大概率只做了姿态环（内环）仿真，或者是简单的单通道角度跟踪。你可以在此基础上加入位置外环，用位置误差计算期望姿态角，再把姿态角期望送给内环 ADRC。注意外环的控制频率可以比内环低很多，通常 50Hz~100Hz 就够，因为位置环的动力学比姿态环慢一个量级。这种内外环结构是工程上最主流的四旋翼控制方案，代码改动不大，但逻辑上会复杂不少。

方向二：把阶跃测试改造成轨迹跟踪。默认的时域阶跃响应只能验证姿态稳定性，无法充分检验控制器在连续机动中的表现。你可以设计一条螺旋上升轨迹（同时改变 x、y、z 和偏航角），强制四旋翼在高非线性区域运行，观察 ADRC 在连续变化工况下的估计质量和误差曲线。实测下来，ADRC 在连续轨迹跟踪中的优势比阶跃响应里体现得更明显，因为参考信号持续变化时，PID 的积分项往往会拖后腿。

方向三：加执行器饱和限制和分配逻辑。真机上每个电机的推力和力矩响应都有上下限，如果你想看控制器在贴近真实的条件下是否还"已调好"，建议在程序里加入控制分配模块：把期望的总推力、滚转力矩、俯仰力矩、偏航力矩，分配为四个电机的转速指令，再加入转速限制。你会发现，加了饱和之后的 ADRC 依然比 PID 更容易出现"抗饱和"的问题——因为 ESO 会把饱和造成的执行偏差当作扰动估计出来，这反而是一件好事。

方向四：从仿真走向半物理。如果你手头有飞控硬件，可以在 Matlab 里把控制器生成 C 代码，嵌入硬件运行，然后把传感器数据通过串口回传。这一步把 ADRC 的"扰动估计"放到了真实噪声环境中。我个人的建议是：仿真里先别追求极致的曲线，把参数调到偏保守的区间，给真机留裕量，因为真机上的未建模动态至少比仿真多 20% 以上。

最后再分享一个小技巧。扩展完后，你可以在程序的绘图区同时画出四条曲线：参考信号、实际输出、控制器输出、ESO 总扰动估计。这四条线几乎能解释所有调试问题。如果扰动估计曲线噪声大，看观测器参数；如果控制器输出频繁饱和，看执行机构限制；如果实际输出偏离参考，看闭环带宽。这种"一眼定位法"比反复调参碰运气要高效得多。