一阶自抗扰仿真模型，采用 simulink搭建，模型中包括 PI 控制器，一阶线性自抗扰控制器，一阶非线性自抗扰控制器，通过仿真对比以上控制器的控制性能，matlab2021b 及以上版本适用

在控制系统中，控制器的作用至关重要，尤其是在面对复杂的动态系统时。今天我们就来聊聊如何在Simulink中搭建一阶自抗扰仿真模型，并对比PI控制器、一阶线性自抗扰控制器和一阶非线性自抗扰控制器的性能。

首先，我们得有个模型，对吧？假设我们有一个一阶系统，它的传递函数是 \( \frac{1}{s+1} \)。这个系统简单，但足以让我们看到不同控制器的效果。

PI控制器

PI控制器，就是比例-积分控制器，它的作用是通过调整比例和积分参数来减少系统的稳态误差。在Simulink中，我们可以直接拖拽一个PID控制器模块，然后把积分部分去掉，只保留比例和积分。

Kp = 1; % 比例增益
Ki = 1; % 积分增益

设置好参数后，运行仿真，你会看到系统的响应。PI控制器的优点是简单易调，但在面对快速变化的系统时，可能会显得有些力不从心。

一阶线性自抗扰控制器

接下来，我们来看看一阶线性自抗扰控制器（LADRC）。这种控制器通过引入一个扩张状态观测器（ESO）来估计系统的未建模动态和外部扰动，从而实现更好的控制效果。

一阶自抗扰仿真模型，采用 simulink搭建，模型中包括 PI 控制器，一阶线性自抗扰控制器，一阶非线性自抗扰控制器，通过仿真对比以上控制器的控制性能，matlab2021b 及以上版本适用

在Simulink中，我们需要自己搭建一个ESO模块。ESO的核心思想是通过系统的输入和输出来估计系统的状态和扰动。

% ESO参数
beta1 = 100;
beta2 = 100;

% ESO状态方程
function dxdt = eso(t, x, u, y)
    e = y - x(1);
    dxdt = [x(2) + beta1*e;
            u + beta2*e];
end

这个ESO模块可以帮助我们更好地估计系统的状态，从而在控制器中补偿扰动。运行仿真后，你会发现LADRC在抑制扰动和快速响应方面表现得比PI控制器更好。

一阶非线性自抗扰控制器

最后，我们来看看一阶非线性自抗扰控制器（NLADRC）。这种控制器在LADRC的基础上引入了非线性项，以应对更复杂的系统动态。

在Simulink中，我们需要在ESO的基础上加入非线性项。比如，可以使用一个非线性函数来调整控制器的输出。

% 非线性函数
function u = nonlinear_control(e)
    u = e + 0.1*e^3; % 简单的非线性项
end

这个非线性项可以帮助控制器在系统动态变化较大时，依然保持良好的控制效果。运行仿真后，你会发现NLADRC在应对复杂扰动和非线性系统时，表现得更加出色。

仿真对比

通过仿真，我们可以清晰地看到三种控制器的性能差异。PI控制器简单但性能有限，LADRC在抑制扰动和快速响应方面表现更好，而NLADRC则在应对复杂系统时展现了其强大的控制能力。

% 仿真结果对比
figure;
plot(t, y_pi, 'b', t, y_ladrc, 'r', t, y_nladrc, 'g');
legend('PI', 'LADRC', 'NLADRC');
xlabel('Time (s)');
ylabel('Output');
title('Controller Performance Comparison');

从图中可以看出，NLADRC的响应速度最快，且稳态误差最小。而PI控制器虽然在简单系统中表现尚可，但在复杂系统中就显得有些捉襟见肘了。

总结

通过这次仿真，我们可以看到，不同的控制器在不同的场景下有着各自的优势。PI控制器简单易用，适合简单的线性系统；LADRC在抑制扰动和快速响应方面表现更好；而NLADRC则在应对复杂系统和非线性扰动时展现了其强大的控制能力。

在实际应用中，我们需要根据具体的系统特性来选择合适的控制器。希望这次的仿真对比能为你提供一些参考，帮助你在实际项目中做出更好的决策。