2、跟随误差产生的根本原因
上一章我们聊了跟随误差是什么——说白了就是指令位置和实际位置的差值。那这一章，我们来挖一挖它的根。
为什么会有这个差值？我做了十几年伺服调试，遇到过各种奇奇怪怪的误差现象。总结下来，罪魁祸首就三个：系统惯性与响应延迟、控制器的采样周期与计算延迟、摩擦力与外部扰动。
咱们一个一个拆开看。
2.1 系统惯性与响应延迟
先问个问题：你让一个100公斤的负载瞬间从0加速到3000转，可能吗？
不可能。物理规律摆在那儿——惯性。
伺服系统也一样。电机转子有转动惯量，负载有质量，联轴器、丝杠都有惯量。这些东西加起来，就是系统的总惯量。惯量越大，加速越慢，响应越迟钝。
核心逻辑：
指令位置变化 → 控制器输出力矩 → 电机克服惯量加速 → 实际位置追赶指令位置
这个追赶过程，就是跟随误差产生的过程。
我记得有一次调试一台大型龙门铣床的Z轴。负载加上电机转子，总惯量折算下来接近0.05 kg·m²。客户要求加速度达到10 m/s²。我算了一下，需要的峰值扭矩接近500 Nm。但驱动器限流只有400 Nm。结果呢？每次急加速，跟随误差直接飙到2mm以上。
这就是典型的惯量过大导致响应延迟。
惯量匹配有个经验公式，我一般这么用：
| 负载惯量 / 电机转子惯量 | 系统响应特性 | 推荐场景 |
|---|---|---|
| < 3 | 响应快，跟随误差小 | 高精度定位、高速加工 |
| 3 ~ 5 | 响应适中，可接受 | 通用工业应用 |
| 5 ~ 10 | 响应变慢，误差明显 | 需要增加前馈补偿 |
| > 10 | 响应迟钝，误差大 | 建议重新选型或加装减速机 |
我的习惯：做选型时，尽量把负载惯量比控制在3以内。实在做不到，至少别超过5。超过5的话，我会在算法上加速度前馈和加速度前馈，不然跟随误差很难看。
2.2 控制器的采样周期与计算延迟
好，惯量问题说完了。但就算你惯量匹配做得完美，误差还是会有。为什么？
因为控制器不是连续工作的。它是离散的。
伺服驱动器内部有个固定的节奏——采样周期。比如常见的125μs、250μs、500μs。每个周期里，控制器做三件事：
- 采样：读取编码器位置、电流反馈
- 计算：跑位置环、速度环、电流环算法
- 输出：更新PWM占空比，驱动电机
这三件事加起来的时间，就是计算延迟。
你想想看，采样周期是250μs，意味着每250μs才更新一次指令。在这250μs里，电机一直在跑，但控制器是"盲"的。这期间的位置偏差，就是跟随误差的一部分。
我曾经踩过的坑：
有一台设备，客户抱怨高速运行时位置不准。我查了半天，发现驱动器默认采样周期是1ms。对于低速应用没问题，但客户跑的是3000rpm，1ms里电机转了18度。这个延迟导致的跟随误差，已经超过了机械精度要求。
后来我把采样周期改成125μs，误差直接降了60%。
采样周期和跟随误差的关系，大致是这样：
| 采样周期 | 理论最大延迟 | 对跟随误差的影响 |
|---|---|---|
| 62.5 μs | ~125 μs | 极小，适用于高速高精 |
| 125 μs | ~250 μs | 小，大多数场合够用 |
| 250 μs | ~500 μs | 中等，低速可接受 |
| 500 μs | ~1 ms | 较大，仅用于低动态应用 |
| 1 ms | ~2 ms | 大，不建议用于伺服 |
注意，这里说的"理论最大延迟"是采样周期加上计算时间。实际中还有通信延迟、滤波延迟等，只会更大。
2.3 摩擦力与外部扰动的影响
最后这个，是现场调试中最头疼的——摩擦力和外部扰动。
摩擦力这东西，很"狡猾"。它不像惯量那样是线性的。静摩擦力和动摩擦力不一样，低速和高速不一样，正转和反转也不一样。
我举个例子：
- 启动时，需要克服静摩擦力。如果力矩不够，电机不动，位置误差瞬间拉大。
- 匀速运行时，动摩擦力基本恒定，但会导致一个稳态跟随误差。
- 换向时，摩擦力方向突变，系统会"卡"一下，产生一个误差尖峰。
摩擦力的影响路径：
摩擦力 → 干扰力矩 → 速度波动 → 位置偏差 → 跟随误差
这是一个闭环的干扰链。
外部扰动就更五花八门了。切削力的突变、负载的突然增加、机械振动、甚至电缆的拖拽力，都会变成跟随误差的来源。
我记得有一次调试一台包装机。切刀每切一次，跟随误差就跳一下。查了三天，最后发现是切刀气缸动作时，反作用力通过机架传到了伺服轴上。这种机械耦合扰动，在刚性不足的设备上特别常见。
避坑指南：
遇到不明原因的周期性跟随误差，先检查机械。我曾经花了两周调参数，最后发现是导轨安装不平，导致某个位置摩擦力突然增大。换了导轨，问题自己就好了。
所以我的调试顺序永远是：先机械，再电气，最后调参数。
2.4 三者关系：一张图看懂
这三个原因不是孤立的。它们会叠加、耦合，最终表现为你看到的跟随误差曲线。
下面这张图，是我自己总结的跟随误差成因框架：
从这张图可以看得很清楚：三个成因各有各的"病灶"，也各有各的"药方"。惯量问题靠选型和前馈，采样延迟靠硬件升级，摩擦和扰动靠补偿算法和机械优化。
嗯，这一章的内容就到这儿。记住一句话：跟随误差不是单一原因造成的，它是一个系统性问题。后面几章，我会针对每个成因，给出具体的计算方法和调试技巧。