摩擦補償與負載擾動的解耦：從頻譜分析看伺服系統的調機真相

在工廠自動化的現場調機過程中，我們常會碰到一個尷尬的情況：馬達在低速運轉時，軌跡追隨誤差（Tracking Error）總是無法壓到理想範圍。許多工程師的第一反應就是去調整 PID 參數，或者加大摩擦補償（Friction Compensation）的增益。但問題來了，這真的有效嗎？有時候，我們以為是摩擦力導致的爬行現象，實際上可能混雜了外部負載的動態變化。如果不釐清兩者的來源，盲目補償反而會讓系統產生不必要的震盪。

回到根本：為什麼我們要把誤差拆開來看？

在控制理論中，非線性摩擦（如靜摩擦 Stiction 或庫倫摩擦）與負載擾動（如外部負載慣量變化或切割力的影響）在時域圖上看起來都很像誤差。但如果我們把問題拆開，從物理本質來看，它們的特徵完全不同：

• 非線性摩擦：通常與位置和速度強相關，會在換向點（Velocity Reversal）產生明顯的跳躍或遲滯。
• 負載擾動：通常與系統的動力學狀態有關，可能是隨機的，也可能是與週期性負載疊加在一起的。

當我們調機時，如果只看軌跡追隨誤差，我們看到的是兩者的疊加結果。要解耦這兩者，我們需要進入頻域，因為它們在頻譜上的「足跡」是不一樣的。

非侵入式的量化指標：電壓指令的譜密度分析

既然不能拆解馬達，我們就透過驅動器內部的「數據監測」來找答案。最推薦的工具就是分析「電流指令（或電壓指令）」的功率譜密度（Power Spectral Density, PSD）。

如何解讀譜密度分析

當系統處於運動狀態時，我們透過驅動器記錄一段穩定速度下的電流指令數據，進行快速傅立葉轉換（FFT）。你會發現，摩擦引起的非線性效應，通常會反映在低頻段的諧波中（特別是與運動頻率相關的基頻及其倍頻）。

重點：若摩擦補償模型設計得當，在換向點附近，譜密度圖中那些與速度極性切換對應的奇數次諧波峰值會顯著下降。反之，若負載擾動較大，則會在更廣的頻帶（或是對應負載週期性的頻率點）出現雜訊成分。

解耦的關鍵技術：擾動觀測器（DOB）的頻率窗口

透過設計擾動觀測器（Disturbance Observer, DOB），我們可以將觀測到的擾動分為「低頻區域（摩擦佔主導）」與「高頻區域（負載不確定性佔主導）」。在實務上，如果你發現系統的輸出電流指令在高頻段有較大的抖動，這通常意味著負載參數的估算不足，而不是摩擦補償的問題。

實務調機的注意事項

注意：千萬不要為了追求「看起來漂亮」的追隨誤差，而把摩擦補償的增益拉得太高。這會導致系統產生高頻的過度校正，這在伺服控制裡稱為「Hunting（狩獵現象）」，反而會加速機械傳動組件（如滾珠螺桿）的磨損。

調機的核心，在於區分「可預測的摩擦」與「隨機的負載擾動」。利用電流譜密度作為非侵入式的量化手段，你可以清楚看到摩擦補償模型的參數改進，是否真的減少了非線性的貢獻。一旦非線性成分降低，剩下的就是負載擾動的範疇，這時候你才需要去處理模型預測控制（MPC）中的狀態觀測器，或者透過調整濾波器來應對。

自動化控制是一門藝術，也是一門嚴謹的工程科學。拆開來看，問題其實都藏在基本的頻率響應裡。希望下次在現場調機時，你能試著從譜密度分析中，讀出系統真正想告訴你的聲音。

伺服系統與狀態觀測器：如何馴服非線性摩擦這頭猛獸

大家好，我是 Ethan。在工廠自動化領域，伺服馬達控制的精準度往往是決定成敗的關鍵。然而，現實中的機械系統總是充滿了非線性因素，特別是摩擦力，它就像一個隱形的阻力，影響著伺服系統的性能。本文將深入探討如何結合狀態觀測器與非線性摩擦補償策略，提升伺服控制的精度和穩定性，實現高精度定位和擾動抑制。我們將探討如何應用在工業自動化中，並與步進馬達、PID 控制等技術進行比較。

為什麼摩擦力會影響伺服馬達的狀態觀測？

狀態觀測器（State Observer），例如 Luenberger Observer 或卡爾曼濾波器（Kalman Filter），依賴於一個理想的系統模型來估計系統狀態。然而，非線性摩擦力，如靜摩擦力（Stiction）或爬行現象（Creep），與理想模型存在偏差。這些摩擦力在低速時表現出強烈的非線性，無法用簡單的黏滯摩擦係數來描述。在運動控制卡的使用中，這種影響尤其明顯。

當伺服系統在起步或進行微小定位補償時，觀測器會將非線性摩擦力誤認為是外加負載擾動，並進行過度補償。這種過度補償可能導致系統震盪，甚至出現低速爬行現象，嚴重影響伺服控制的精度。因此，有效的摩擦補償對於提高伺服控制性能至關重要。這也是為什麼在工業自動化應用中，我們需要特別關注摩擦力的影響。

重點：狀態觀測器無法區分摩擦力與真實負載擾動，因此需要額外的摩擦補償機制，以避免過度補償和系統不穩定。

如何有效整合摩擦模型與狀態觀測器？

為了解決摩擦力帶來的問題，我們需要將摩擦補償模型與狀態觀測器有效整合。常見的方法是引入 LuGre 模型或 Stribeck 曲線模型，將摩擦力的特性納入伺服控制系統中。這些模型可以更準確地描述伺服馬達的摩擦特性。

如何將摩擦模型外掛到伺服系統中？

避免將所有非線性特徵直接寫入觀測器的狀態方程，因為這會增加計算複雜度並可能導致不穩定。更穩妥的做法是使用前饋補償（Feedforward Compensation）。將摩擦模型視為一個獨立的轉矩產生源，利用速度指令預測摩擦轉矩，並從觀測器的輸入中減去，從而減輕觀測器的負擔。例如，我們可以利用PID 控制器來調整前饋補償的參數，以達到最佳效果。

狀態觀測器在摩擦補償中的作用是什麼？

對於靜摩擦，可以在觀測器中加入一個門檻機制。當計算出的摩擦力低於特定閾值或馬達轉速低於臨界值時，限制觀測器的擾動更新權重。這樣可以防止觀測器將摩擦力誤判為負載變化，提高伺服控制的穩定性。這對於需要精準定位的工業自動化應用至關重要。

注意：摩擦模型參數可能隨時間和環境變化而改變。建議定期進行參數整定（Auto-tuning），以確保摩擦補償的有效性。

伺服控制工程師的實踐建議

在實際應用中，建議首先記錄「轉矩指令 vs 轉速」的曲線圖，以分析伺服系統的性能。同時，確保狀態觀測器的取樣週期與伺服驅動器內建功能的取樣週期一致，避免時間解析度上的差異導致補償效果不佳。與步進馬達相比，伺服馬達更需要精確的狀態觀測和摩擦補償。

總而言之，克服非線性摩擦的關鍵在於分層處理。利用摩擦模型補償已知的摩擦規律，將未知的負載擾動留給狀態觀測器處理。通過清晰地劃分邊界，可以顯著提高伺服控制系統的穩定性和精度，實現運動控制和高精度定位。在工業自動化應用中，這種方法可以有效提升生產效率和產品品質。