自抗扰控制（ADRC）理论与工程实践：8.2 模糊ADRC、神经网络ADRC等智能融合变体

8.2 模糊ADRC、神经网络ADRC等智能融合变体

线性自抗扰控制（LADRC）的“两个带宽”参数化极大地促进了其工程应用，但本质上，其核心组件——线性扩张状态观测器（LESO）和线性状态误差反馈（LSEF）——仍然是基于线性定常系统的设计。当面对高度非线性、时变且难以用显式数学模型描述的复杂被控对象时，固定结构和固定参数的线性ADRC可能达到其性能极限。与此同时，智能控制方法（如模糊逻辑、神经网络）以其强大的非线性映射、学习适应和基于知识推理的能力，在复杂系统控制中展现出独特优势。将自抗扰控制（ADRC）与智能控制方法进行深度融合，取长补短，形成智能融合ADRC变体，是当前ADRC研究的前沿热点，旨在突破传统ADRC的性能边界，实现更高级别的自适应、自学习和鲁棒控制。本节将系统阐述模糊ADRC和神经网络ADRC这两类主流智能融合变体的设计思想、实现架构、性能优势及面临的挑战。

8.2.1 融合动机与总体架构

1. 融合的互补性需求

• ADRC的强项与短板：ADRC的核心优势在于其扰动估计与主动补偿的机制，对匹配范围内的总扰动具有强大的抑制能力。其短板在于，对于总扰动中超高频成分的估计受限于观测器带宽，且其线性反馈律在应对全局强非线性