學習ADRC先從提出這個算法的論文《從 PID 技術到“自抗擾控制”技術》開始。
https://download.csdn.net/download/qq_34445388/10309935
調試四輪智能車，板球控制系統，兩輪直立車，舵機控制，這些控制系統用的都是PID控制，雖然我已經有很多種改進方法，但是還是很難突破傳統PID的限制，調節速度和超調一定同時存在，想要得到較好的控制效果，用現代控制理論解決，要知道精確的系統模型。從網上看到有ADRC這種綜合了PID和現代模型的優勢的控制算法，想要學習一下。
一、先回味一下傳統的PID控制技術
PID控制技術相對於是非常簡單的，很容易就理解了，基於誤差進行控制，只要有誤差，就會往無限逼近誤差爲零的方向調節。
PID的優點很明顯，簡單，就是簡單，就這麼一個公式什麼都能進行控制。
但是在使用過程中還是有些技巧的！
1、I 這個量雖然能提高控制的精度，但是他的存在很容易造成超調和滯後，對於響應速度較高（比較接近系統的開環響應頻率）的系統，基本上都要選用PD控制，如果是想要再提高響應而不顧超調的話，可以通過對I做限幅，不完全積分等方法加入控制中，明顯能夠提高系統的響應，但是超調量會急劇增加。
2、P的控制是系統綜合能力的體現，P小的時候系統相對穩定，但是跟蹤能力差，P大的時候系統總是存在震盪現象。如果你在調試一個系統的時候，他經常會讓你抓狂，大也不是，小也不是。這時候就可以使用一些變P的手段，提高P的階數，增加系統的響應，同時在小誤差時能夠兼顧穩定性 P= a * Error * Error + b。用一個標準二階函數就能顯著的提高控制系統的品質。
3、D 這個量，確實對於控制的預判有着非常明顯的作用，尤其是大滯後的系統，加D之後，能夠明顯提高響應和抑制積分控製造成的後遺症。但是經過我多次調試發現，微分變量對系統的改善的上限到達比較快，基本上都是PI調節完成之後，D再能對系統品質提高10%——20%，之後就會沒什麼作用，或者引起震盪。
所以我以前的調試總是絞盡腦汁的想辦法，變P變I變D,可是總是很難兼顧系統在不同狀態的運行。尤其是增加了很多的調試參數，最後自己都是一團亂，還不能說出一個所以然。看完這一篇感覺恍然大悟，直擊內心深處。
PID 的缺點:
①誤差的取法;
②由誤差 e 提取de/dt 的辦法;
③“加權和”策略不一定最好 ;
④積分反饋有許多副作用
我上面說的問題確實很多都與總結的四點有關，下面我們就看看解決辦法。
這裏的 ‘tao’(那個字符不會顯示)在我的理解裏就是採樣間隔時間，有時候確實是這樣的，採樣週期越短，噪聲被放大越大，引起系統的震盪。比如說直立車速度調節，因爲直立，速度和轉向都是調節輪子的轉速，所以測量的速度噪聲特別大，提高採樣週期之後才能明顯降低噪聲的影響。
跟蹤微分器TD
看了論文和各種資料，下面我介紹一下我認識的ADRC的TD，至於具體推導原理，是在是不懂。
https://download.csdn.net/download/qq_34445388/10318629
這是韓京清先生研究ADRC幾乎所有的論文集鏈接。
這是跟蹤微分控制器的離散方程，看方程其實就很直接。
h：爲時間尺度 MATLAB的仿真步長爲0.001所以 h = 0.001
Simulink 模型裏的TD 有一個輸入狀態，經過TD安排過渡時間，計算fst（快速控制最優綜合函數）後，會得到兩個輸出v1 目標狀態，v2系統的微分。
這是TD的內部結構，和公式裏面的一樣，就是跟蹤微分的階躍響應公式。fst 輸入的第一個參數爲
v1(t) - v0(t).在結構圖裏，就是v1-v，之後的結構對照公式即可看明白。
這裏看一下對TD的仿真波形圖。
基本上很好的跟蹤上了正弦波。
這裏提示一下TD模型裏的參數修改的地方。在這個模型裏只有兩個參數r,h.
雙擊1，再選擇2的地方就可以了。然後設置3處的兩個參數。