{
  "id": "feedforward-control",
  "title": "前馈控制",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "前馈控制根据测得的扰动或期望轨迹计算控制动作，无须等待输出产生误差，即可抵消可预见的影响。",
  "category": "technology",
  "subcategory": "engineering",
  "type": "concept",
  "aliases": [],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/feedforward-control/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/feedforward-control/",
      "json": "https://aiwiki.page/en/feedforward-control.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "前馈控制是一种根据测得的扰动、期望参考值或系统模型计算控制动作，而不是等待受控输出产生误差后再采取行动的控制策略。在控制理论中，它与负反馈相互补充：前馈依据预期将会发生的情况采取行动，反馈则依据期望行为与实际观测行为之间的差异采取行动。前馈可以改善扰动抑制和参考跟踪性能，但其效果取决于模型的准确性、测量的及时性以及设备的物理能力。"
    },
    {
      "heading": "工作原理",
      "text": "受控系统通常称为被控对象，它接收操纵输入并产生输出。扰动是影响输出、但并非由控制器直接发出的额外作用。\n\n以维持流动液体出口温度的加热器为例。如果入口液体变冷，出口温度反馈控制器只有在这一变化影响其测量值后才会作出响应。前馈控制器则测量入口温度和流量，估算额外的加热需求，并在出口温度出现明显误差之前改变加热器功率。\n\n前馈控制有两种重要形式：\n\n- **扰动前馈：**控制器测量或估计扰动，并计算与之相抵消的控制动作。\n- **参考前馈：**控制器计算预计能够实现给定设定值或轨迹的输入。\n\n前馈并不一定要预测未来。扰动测量仅仅因为位于受控变量的上游，就可能提供有用的提前信息。同样，参考前馈也可以依据控制器已经获得的指令采取行动。\n\n两者的根本区别在于生成控制动作所使用的信息。前馈通路不会根据所产生的输出误差修正自身的控制动作。不过，它可以在同时采用反馈的更大闭环系统中运行。"
    },
    {
      "heading": "数学描述",
      "text": "扰动补偿\n\n对于线性时不变系统，一个简单模型为\n\n\\[Y(s)=G_u(s)U(s)+G_d(s)D(s),\\]\n\n其中，\\(Y\\) 为输出，\\(U\\) 为操纵输入，\\(D\\) 为扰动，\\(s\\) 为拉普拉斯变换变量。传递函数 \\(G_u\\) 和 \\(G_d\\) 描述输入和扰动如何影响输出。该模型通常以相对于稳态工作点的偏差表示，并假定初始条件为零。\n\n如果前馈控制动作为\n\n\\[U_{\\mathrm{ff}}(s)=F_d(s)D(s),\\]\n\n则扰动对输出的贡献变为\n\n\\[Y_d(s)=\\left[G_u(s)F_d(s)+G_d(s)\\right]D(s).\\]\n\n因此，理想抵消要求\n\n\\[F_d(s)=-\\frac{G_d(s)}{G_u(s)}.\\]\n\n这一结果体现了基本设计原则：控制器必须通过操纵输入通路，产生与扰动效应大小相应、符号相反且时序恰当的作用。\n\n只有当所需补偿器在物理上可实现，且模型和扰动测量足够准确时，才有可能实现精确抵消。仅设置一个常数增益，可能消除稳态影响，却仍留下显著的瞬态误差。\n\n参考跟踪\n\n对于参考前馈，一种理想化的选择为\n\n\\[U_{\\mathrm{ff}}(s)=G_u^{-1}(s)R(s),\\]\n\n其中，\\(R\\) 为期望输出。如果逆模型能够实现且模型完全准确，输出就会跟随参考值。\n\n在实践中，设计者通常指定期望响应 \\(T_{\\mathrm{des}}(s)\\)，并寻求以下表达式的可实现近似：\n\n\\[F_r(s)=\\frac{T_{\\mathrm{des}}(s)}{G_u(s)}.\\]\n\n选择足够平滑的期望响应，可以避免要求系统发生瞬时变化、付出过大的控制作用，或放大高频信号。\n\n与反馈结合\n\n一种常见配置是将前馈项加到反馈控制器的输出上：\n\n\\[U=C(R-Y)+F_rR+F_dD,\\]\n\n其中，\\(C\\) 为反馈控制器。代入被控对象方程可得\n\n\\[Y= \\frac{G_u(C+F_r)}{1+G_uC}R + \\frac{G_uF_d+G_d}{1+G_uC}D.\\]\n\n前馈用于塑造预期响应，反馈则减小补偿不完善所留下的误差。在工业系统中，反馈部分常采用PID控制器。\n\n在这种理想线性配置中，增加外部前馈通路不会改变反馈特征方程 \\(1+G_uC=0\\)。但它并不能使原本不稳定的反馈回路变得稳定，而且前馈滤波器本身也不能是不稳定的。实际系统中的非线性和执行器限制，也可能使根据线性方程得出的结论失效。"
    },
    {
      "heading": "主要实现方式",
      "text": "静态前馈\n\n静态前馈使用代数关系、查找表或工况映射表，而不显式建立瞬态行为模型。常见依据包括质量衡算、能量衡算，或实验测得的稳态行为。\n\n对于理想的流动液体加热器，所需热功率可近似为\n\n\\[\\dot Q_{\\mathrm{ff}} = \\dot m c_p(T_{\\mathrm{sp}}-T_{\\mathrm{in}}),\\]\n\n其中，\\(\\dot m\\) 为质量流量，\\(c_p\\) 为比热容，\\(T_{\\mathrm{sp}}\\) 为期望出口温度，\\(T_{\\mathrm{in}}\\) 为入口温度。当转换效率和热损失的影响不可忽略时，需要加入相应项。\n\n这一计算确定了预期的加热负荷，但其本身并未描述流体停留时间、加热器热惯性或传热条件的变化。\n\n动态前馈\n\n动态前馈考虑扰动通路与控制通路在响应速度和时延方面的差异。实现时可以采用超前—滞后补偿器、延时环节或其他信号滤波器。\n\n例如，若\n\n\\[G_u(s)=\\frac{K_u e^{-\\theta_u s}}{\\tau_u s+1}, \\qquad G_d(s)=\\frac{K_d e^{-\\theta_d s}}{\\tau_d s+1},\\]\n\n则理想补偿器为\n\n\\[F_d(s)= -\\frac{K_d}{K_u} \\frac{\\tau_u s+1}{\\tau_d s+1} e^{-(\\theta_d-\\theta_u)s}.\\]\n\n如果 \\(\\theta_d\\geq\\theta_u\\)，延时项可以用非负延时实现。如果扰动对输出的影响早于控制动作，即 \\(\\theta_d<\\theta_u\\)，则精确抵消需要预先知道扰动信息。没有这种预知信息，因果控制器通常无法消除扰动的初始影响。\n\n基于模型的运动前馈\n\n在机器人学和运动控制系统中，期望轨迹提供位置、速度和加速度信息。模型可将这些信息转换为预期所需的力或转矩。\n\n一种常见的刚体模型将前馈转矩表示为\n\n\\[\\tau_{\\mathrm{ff}} = M(q_d)\\ddot q_d + C(q_d,\\dot q_d)\\dot q_d + g(q_d),\\]\n\n其中，\\(q_d\\) 为期望构型，\\(M\\) 为惯性矩阵，\\(C\\dot q_d\\) 为与速度有关的项，\\(g\\) 为重力项。模型还可以包含摩擦补偿。反馈用于修正负载变化、建模误差和外力引起的偏差。"
    },
    {
      "heading": "应用与发展",
      "text": "前馈补偿是随着工业自动化和伺服机构工程的发展而形成的，并非源于某一单独的装置或发明。模拟式实现采用机械、气动、液压或电子计算方式。数字控制器则使非线性计算、工况映射表、多项测量以及变化的模型参数更容易纳入控制系统。\n\n重要应用包括：\n\n- **热工与化工过程：**在过程控制中，可以根据测得的进料流量、成分或温度，在产品质量出现偏差之前调整加热、冷却或试剂添加量。换热器是常见实例。\n- 运动系统：电动机驱动系统利用速度、加速度或估计负载信息，减小快速运动过程中的跟踪误差。\n- 电能变换：电力电子技术中的控制器可以利用测得的电源或负载状况，在受调节输出发生显著变化之前调整开关指令。\n- 建筑系统：空气调节控制系统可以在保留室温反馈的同时，纳入测得或预测的热负荷信息。\n- 预测性过程运行：模型预测控制可以纳入测得的扰动和未来参考值，将提前采取的控制动作与基于反馈的反复优化相结合。\n\n预先安排的指令或固定工况映射表可以提供前馈作用，但并非每一种开环指令都具有实质性的补偿意义。当指令与期望响应或被控对象受到的已知影响存在明确关系时，使用“前馈”这一术语最有意义。"
    },
    {
      "heading": "设计要求与局限",
      "text": "测量与模型精度\n\n扰动前馈需要可用的测量值或估计值。未测得的扰动无法通过该通路直接补偿。传感器的偏置、噪声、延迟以及不正确的校准，都可能导致不恰当的控制动作。\n\n模型参数可能随工况、设备老化、污垢积累或产品成分而变化。在某个工作点准确的补偿器，在其他工作点可能表现不佳。非线性模型、随工作点变化的增益以及参数更新可以扩大有效工作范围，但无法消除不确定性。\n\n因果性与逆模型的局限\n\n被控对象的逆模型可能需要未来信息、无界的高频放大或不稳定动态。尤其是，对具有右半平面零点的被控对象直接求逆，通常会得到不稳定的逆模型。这种非最小相位特性使稳定的因果控制器无法通过直接求逆实现精确抵消。\n\n因此，实际前馈控制往往采用近似逆模型、滤波、可获得的预知信息，或有意放慢的目标响应。这些选择是在理想跟踪或抵消效果与可实现性、敏感性之间进行权衡。\n\n执行器约束\n\n执行器的作用幅值、速度，有时还有作用方向，都受到限制。除非同时配备冷却机构，否则加热器无法提供负热量；电动机也无法输出无限大的转矩。\n\n前馈和反馈指令相加后，可能超出这些限制。饱和会留下较大的残余误差，并导致反馈控制器出现积分饱和。实际实现通常需要协调指令限幅、反馈积分处理以及运行模式之间的切换。\n\n残余误差与鲁棒性\n\n仅靠前馈，并不能自动修正未知偏置、意外扰动或持续存在的模型误差。因此，必须将前馈的性能与反馈所提供的鲁棒性区分开来。鲁棒控制方法显式处理不确定性，而基于标称模型的前馈计算主要补偿模型中已体现的影响。\n\n评估通常考察输出偏差峰值、调节时间、跟踪误差、控制作用大小以及对参数变化的敏感性。在负载变化、测量噪声和执行器限制条件下进行测试，可以揭示精确模型仿真可能掩盖的局限。"
    }
  ],
  "links": [
    "control-theory",
    "negative-feedback",
    "temperature",
    "linear-time-invariant-system",
    "transfer-function",
    "pid-controller",
    "mass-balance",
    "energy-balance",
    "signal-filter",
    "robotics",
    "automation",
    "process-control",
    "heat-exchanger",
    "electric-motor",
    "power-electronics",
    "air-conditioning",
    "model-predictive-control",
    "sensor",
    "calibration",
    "actuator",
    "robust-control"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}