3. 控制系统基本概念

在精密定位平台中，控制器要解决的核心问题只有一个：如何让运动台的实际位置尽可能快速、准确地跟随指令轨迹。围绕这个问题，工程上形成了三类基本控制结构——开环控制、闭环（反馈）控制，以及前馈控制。理解它们的原理、差异与组合方式，是后续学习前馈与反馈复合控制的基础。

一、开环控制：只发指令，不问结果

开环控制是最简单的结构：控制器根据目标位置直接计算出驱动量，发送给执行器（如音圈电机、压电陶瓷或直线电机），执行器动作后系统即认为“任务完成”，不检测实际输出，也不做任何修正。其信号链为：指令 → 控制器 → 驱动器 → 执行器 → 负载。

开环控制的优点是结构简单、成本低、无稳定性问题、响应直接。但缺点同样明显：任何扰动（负载变化、摩擦力波动、温漂、电机推力非线性）都会直接反映为定位误差，且误差无法被自动补偿。在纳米级精密定位中，纯开环几乎无法满足精度要求，通常只用于粗定位或对精度不敏感的辅助轴。

二、反馈控制：测量偏差，闭环修正

反馈控制（闭环控制）引入了传感器测量环节。系统实时采集实际位置，与指令位置相减得到误差信号，控制器根据误差生成修正量驱动执行器，使误差不断减小。其信号链为：指令 → 比较器 → 控制器 → 驱动器 → 执行器 → 负载 → 传感器 → 反馈回比较器。

反馈控制的核心价值在于抗扰动与误差自校正：无论扰动来自负载、摩擦还是环境，只要它影响输出，传感器就能测到，控制器就会修正。但反馈也有代价：

• 滞后性：必须等误差出现后才修正，属于“事后补救”，对快速轨迹跟踪存在固有相位滞后；
• 稳定性约束：增益过高会引起振荡甚至失稳，带宽受机械谐振、传感器噪声限制；
• 跟踪误差：在匀速或加速运动时，纯反馈会留下稳态跟踪误差（如速度误差、加速度误差）。

三、前馈控制：提前预判，主动补偿

前馈控制不依赖误差，而是根据指令轨迹和系统模型，提前计算出所需的驱动量，在误差产生之前就施加补偿。典型做法包括速度前馈、加速度前馈，以及基于逆模型的轨迹前馈。其信号链为：指令轨迹 → 前馈控制器（逆模型） → 与反馈输出叠加 → 驱动器 → 执行器。

前馈的优点是无滞后、不引入闭环稳定性问题，能显著降低跟踪误差。但它高度依赖模型精度：若模型参数（质量、阻尼、刚度、推力常数）不准，前馈补偿就会失配，甚至引入新的误差。因此前馈通常不能单独使用，而是与反馈配合。

四、两者结合：优势互补与适用条件

在精密定位平台中，最常见的架构是前馈 + 反馈复合控制：前馈支路根据轨迹模型提前给出主要驱动量，反馈支路根据实测误差进行在线修正。这样既保留了前馈的“无滞后预判”，又保留了反馈的“抗扰动自校正”。

五、案例场景：直线电机平台的轨迹跟踪

某直线电机驱动的精密定位平台，行程 100 mm，要求跟踪 10 Hz 正弦轨迹，定位误差小于 1 μm。若仅用 PID 反馈，由于机械惯性和带宽限制，跟踪误差约为 8 μm，且相位滞后明显。引入加速度前馈后，前馈项按 u_ff = m·a + c·v 计算（m 为动子质量，c 为阻尼系数，a、v 为指令加速度与速度），误差降至约 1.5 μm。再配合反馈支路抑制摩擦与温漂，最终误差稳定在 0.6 μm 以内。

# 前馈+反馈复合控制伪代码
for each control cycle:
    r, v_ref, a_ref = trajectory(t)      # 指令位置、速度、加速度
    u_ff = m * a_ref + c * v_ref         # 前馈补偿量
    y = sensor.read()                    # 实际位置
    e = r - y                            # 反馈误差
    u_fb = Kp*e + Ki*∫e + Kd*de/dt       # PID 反馈量
    u = u_ff + u_fb                      # 复合控制输出
    driver.write(u)

六、常见误区与复盘

• 误区一：前馈可以替代反馈。前馈无法感知未建模扰动和参数漂移，单独使用会留下稳态误差，必须由反馈兜底。
• 误区二：反馈增益越高越好。增益过高会激发机械谐振、放大传感器噪声，导致振荡甚至失稳，需结合带宽与相位裕度设计。
• 误区三：前馈参数一次整定即可。负载变化、温升、磨损都会改变模型参数，前馈需要定期辨识或在线自适应。
• 复盘要点：先确认反馈回路稳定且带宽足够，再逐步加入前馈；前馈量应从 0 缓慢增加，观察误差曲线是否单调下降，避免前馈与反馈相互“打架”。

综上，开环、反馈与前馈并非互相排斥，而是面向不同需求的三种手段。精密定位平台通常以反馈保证稳定与抗扰，以前馈提升轨迹跟踪精度，二者结合才能在高速与高精度之间取得平衡。