3. 位置观测器基础：滑模观测器（SMO）与龙伯格观测器的原理对比
做无感启动，最核心的问题就是：转子在哪儿？
电机堵转时，反电动势为零，你没法直接算位置。等转起来，反电动势出来了，你又得从电压电流里把位置“观测”出来。这就是位置观测器干的事。
我入行那会儿，市面上主流的方案就两个：滑模观测器（SMO）和龙伯格观测器。很多人觉得SMO是“野路子”，龙伯格才是正统。其实各有各的脾气。今天我就把这两个家伙的底裤扒干净，讲讲它们到底怎么工作的，以及我在项目里踩过的坑。
3.1 为什么需要观测器？
说白了，我们手头只有电流采样和母线电压。转子的位置和速度，是藏在背后的状态量。你没法直接拿万用表去量。
观测器的本质就是：建一个电机模型，让模型跟着真实电机跑，模型内部的状态（位置、速度）就是我们要的估计值。
嗯，这里要注意：模型跑得准不准，取决于你用什么方式去“纠正”模型的误差。SMO和龙伯格的区别，就在这个纠正方式上。
核心思想： 观测器 = 电机数学模型 + 误差反馈校正。
3.2 滑模观测器（SMO）—— 简单粗暴，但抖得厉害
SMO的思路很直接：我不管你模型误差有多大，我强行用一个开关信号，把误差“拍”到零。
你想想看，这就像你开车，不管路有多弯，你方向盘直接打到底，硬把车掰回车道。这就是“滑模”的脾气——不连续、高增益、鲁棒性强。
3.2.1 SMO的工作原理
在αβ坐标系下，PMSM的电流方程可以写成：
diα/dt = (-Rs/Ls)*iα + (1/Ls)*vα - (1/Ls)*eα
diβ/dt = (-Rs/Ls)*iβ + (1/Ls)*vβ - (1/Ls)*eβ其中 eα、eβ 就是反电动势，里面藏着转子位置信息。
SMO的做法是：构造一个电流观测器，然后用符号函数（sign）作为切换控制律：
dîα/dt = (-Rs/Ls)*îα + (1/Ls)*vα - (Ksw/Ls)*sign(îα - iα)
dîβ/dt = (-Rs/Ls)*îβ + (1/Ls)*vβ - (Ksw/Ls)*sign(îβ - iβ)当观测电流追上实际电流时，切换项的平均值就等于反电动势。然后从反电动势里提取位置：
θ̂ = atan2(-eα, eβ)我的经验： 符号函数会产生高频抖振。我早期一个项目里，SMO出来的位置信号毛刺特别多，直接导致速度环震荡。后来我换成了饱和函数（sat）或者Sigmoid函数做准滑模，抖振明显改善。
3.2.2 SMO的优缺点
| 优点 | 缺点 |
|---|---|
| 对参数误差不敏感（鲁棒性强） | 输出存在高频抖振，需要低通滤波 |
| 算法简单，计算量小 | 滤波会引入相位延迟，影响低速性能 |
| 容易在低成本MCU上实现 | 低速时反电动势信噪比低，容易失效 |
避坑指南： 我曾经在20W的小风机项目里用SMO，结果启动时因为反电动势太小，观测器直接“飞”了。后来加了I/F强拖启动，等转速上来再切SMO，才算搞定。
3.3 龙伯格观测器 —— 平滑细腻，但依赖模型
龙伯格观测器走的是另一条路：它用线性反馈增益，把观测误差“柔柔地”拉回来。不像SMO那么暴力，它更像一个PID调节器——误差大就多拉一点，误差小就少拉一点。
3.3.1 龙伯格观测器的工作原理
同样基于电流方程，龙伯格观测器把反电动势也当作状态变量来估计。它的结构是：
dîα/dt = (-Rs/Ls)*îα + (1/Ls)*vα - (1/Ls)*êα + g1*(iα - îα)
dîβ/dt = (-Rs/Ls)*îβ + (1/Ls)*vβ - (1/Ls)*êβ + g1*(iβ - îβ)
dêα/dt = g2*(iα - îα)
dêβ/dt = g2*(iβ - îβ)这里的 g1、g2 就是反馈增益。通过极点配置，你可以让观测器的收敛速度比电机本身快3~5倍。
位置提取方式和SMO一样：
θ̂ = atan2(-êα, êβ)关键区别： SMO用开关函数（不连续）做校正，龙伯格用线性增益（连续）做校正。一个刚，一个柔。
3.3.2 龙伯格观测器的优缺点
| 优点 | 缺点 |
|---|---|
| 输出平滑，无需额外滤波 | 对电机参数（Rs、Ls）敏感 |
| 低速性能优于SMO | 算法稍复杂，计算量略大 |
| 相位延迟小，动态响应快 | 参数不准时，观测误差会发散 |
我的建议： 如果你做的是伺服驱动器，对低速平稳性要求高，龙伯格是更好的选择。但记得要做在线参数辨识，否则Rs随温度一变，观测器就偏了。
3.4 核心对比：SMO vs 龙伯格
我把两个观测器的核心差异整理成一张表，方便你对照选型：
| 对比维度 | 滑模观测器（SMO） | 龙伯格观测器 |
|---|---|---|
| 校正方式 | 不连续切换（符号函数） | 连续线性反馈 |
| 参数敏感性 | 低（鲁棒性强） | 高（依赖Rs、Ls精度） |
| 输出质量 | 有抖振，需滤波 | 平滑，无需滤波 |
| 低速性能 | 差（反电动势弱） | 较好 |
| 计算量 | 小 | 中等 |
| 适用场景 | 风机、泵类、低成本方案 | 伺服、机器人、高性能驱动 |
3.5 一张图看懂两种观测器
下面这张SVG图，把SMO和龙伯格的结构差异画得清清楚楚：
3.6 实际项目中的选择建议
说了这么多理论，到底怎么选？我个人的经验是这样的：
- 如果你做的是几百瓦的小风机、水泵，成本敏感，MCU主频低，那就用SMO。记得加I/F强拖启动，转速起来后再切观测器。
- 如果你做的是伺服驱动器、机器人关节，对低速平稳性和动态响应有要求，那就上龙伯格。但一定要做参数辨识，或者用自适应龙伯格。
- 如果你既想要鲁棒性，又想要平滑输出，可以考虑“滑模+龙伯格”的混合方案——低速用龙伯格，高速切SMO。我在一个50W的BLDC项目里试过，效果不错。
曾经踩过的坑： 有一次我把SMO的切换增益Ksw设得太大，结果观测器直接自激振荡，电流波形像锯齿一样。后来我把Ksw设为反电动势幅值的1.2倍，才稳定下来。记住：增益不是越大越好。
3.7 小结
SMO和龙伯格，没有绝对的好坏。SMO像一把砍刀，简单直接，但需要你懂得怎么磨掉毛刺；龙伯格像一把手术刀，精细准确，但需要你懂得怎么保养（参数校准）。
做无感启动，第一步就是选对观测器。选对了，后面的弱磁、MTPA才有意义。选错了，你连转都转不起来。