无感FOC这几年被问得最多的一个问题，就是“没有编码器，转子位置到底怎么估？”电流环要坐标变换，坐标变换要角度，角度本身却是个未知数，这就成了个先有鸡还是先有蛋的死结。做有感的同学只需要读一下编码器，做无感的就得自己想办法把这个角度“算”出来，而算角度的核心，就是状态观测器。今天不扯滑模、不扯卡尔曼，集中把龙伯格观测器讲透——它怎么从电压电流里提取反电动势、怎么通过极点配置设计增益、怎么在STM32上写成能跑的代码，以及我在调试中踩过的那些坑。

这篇文章适合正在搞PMSM无感FOC但被观测器卡住的朋友，不管你是刚入门还是在调参阶段，看完应该能对“龙伯格观测器”这个东西建立起一个完整的画面：它为什么存在、数学上干了什么、代码上怎么落地、实际跑起来又会遇到哪些问题。

1. 为什么无感FOC绕不开观测器

1.1 无感控制的本质困难：位置藏在电气量里

FOC的整个逻辑链条是：采样电流，经过Clark变换得到αβ轴电流，再经过Park变换得到旋转坐标系下的dq轴电流，然后交给PI调节器去控制。可Park变换的角度从哪儿来？有编码器就简单了，编码器读数就是角度；无感系统里没有这个硬件，就只能从电机的电压和电流里推测转子位置。

关键线索在反电动势上。永磁同步电机转动时，转子磁钢会在定子绕组里感应出一个反电动势，这个反电动势的大小和转子的电气速度成正比，它的相位方向和转子位置直接相关。只要能从电压方程里把反电动势估出来，再用反正切或者锁相环把角度提出来，无感FOC的基本问题就解决了。

但这里有个麻烦：反电动势没法直接测量，它藏在电压和电流的关系里，而且和电阻压降、电感压降混在一起。直接微分会引入巨大噪声，低通滤波又会带来相位延迟。所以人们就想，能不能建立一个电机的数学模型，输入电压和电流，让模型自己去推算反电动势？这就是观测器的思路。龙伯格观测器就是这套思路里最直观、最经典的一种。

1.2 三种主流观测方案对比

无感FOC里常见的观测方案有三个：滑模观测器、扩展卡尔曼滤波、龙伯格观测器，另外还有模型参考自适应等变体。很多人一上来就听说滑模鲁棒性好、卡尔曼精度高，但实际用下来各有各的难受。

龙伯格观测器的优势在于“透明”。每个变量是什么物理量、每个增益调大调小会有什么影响，你心里都能有数。不像卡尔曼那样一堆协方差矩阵调起来像玄学，也不像滑模那样要处理抖振。对于想搞懂观测器本质、或者想在STM32这类MCU上快速跑起来的人，龙伯格是绝佳的切入点。

1.3 龙伯格观测器的核心思想：模型预测加实时纠偏

龙伯格观测器这个名字听起来高大上，原理其实非常朴素。想象你开车去一个地方，手机导航的路线是地图模型推算出来的，但如果中途堵车或者你走错路，导航会结合实时路况不断修正路线。观测器干的就是这件事：一方面用电机的数学模型去预测电流和反电动势，另一方面用实际采样的电流去和预测值做比较，把误差反馈回去修正预测，最终让反电动势估计值收敛到真实值附近。

用数学语言说就是：系统状态方程是dx/dt = Ax + Bu，我们只测得到输出y（电流），测不到内部状态（反电动势），于是构造一个观测器：dx_hat/dt = Ax_hat + Bu + L(y - y_hat)。其中L是增益矩阵，它决定了误差纠偏的速度。这个结构简单得惊人，但背后有一个非常重要的性质——如果L设计得当，估计误差会以可控的速度衰减到零，这就是龙伯格观测器能用的根本保证。

2. 龙伯格观测器的数学基础与设计要点

2.1 PMSM在αβ坐标系下的状态空间模型

设计观测器之前，得先把电机的数学模型写出来。在静止的αβ坐标系下，PMSM的电压方程可以写成：

uα = R*iα + L*diα/dt + eα uβ = R*iβ + L*diβ/dt + eβ

这里的eα和eβ就是反电动势在αβ轴上的分量，它们的表达式是：

eα = -ψf * ωe * sin(θe) eβ = ψf * ωe * cos(θe)

其中ψf是永磁体磁链，ωe是电气角速度，θe是转子电角度。看到了吧，反电动势的相位直接携带转子位置信息，把eα和eβ算出来，位置信息就到手了。

把电流和反电动势都作为状态变量，可以得到一个增广状态方程。假设在一个控制周期内转速基本不变，也就是dωe/dt≈0，那反电动势的导数约等于零。于是状态方程可以整理成：

d/dt [iα, iβ, eα, eβ]^T = A * [iα, iβ, eα, eβ]^T + B * [uα, uβ]^T

这其实是一个四阶线性系统。之所以能把反电动势当作慢变量放进状态里，根本原因是电气时间常数远小于机械时间常数，转子速度和位置在一个PWM周期内的变化微乎其微。这个假设在电机控制里几乎总是成立的，也是龙伯格观测器能做下去的前提。

2.2 观测器方程的重构与增益设计

观测器方程就直接在模型后面加反馈校正项：

d/dt iα_hat = (-R*iα_hat + uα - eα_hat) / L + L1 * (iα - iα_hat) d/dt iβ_hat = (-R*iβ_hat + uβ - eβ_hat) / L + L1 * (iβ - iβ_hat) d/dt eα_hat = L2 * (iα - iα_hat) d/dt eβ_hat = L2 * (iβ - iβ_hat)

其中L1是对电流误差的反馈增益，L2是对反电动势误差的反馈增益。定义电流估计误差和反电动势估计误差，代入方程后可以得到误差动态方程，它是一个二阶系统。为了让误差收敛速度可控，通常把两个极点都配置在左半平面，并且让它们和电气速度相关。

最常见的做法是把极点配置在s = -kωe ± jωe附近，这样算出来的增益是：

L1 = 2*k*ωe L2 = k^2 * ωe^2 * L

这个形式有个好处：观测器的带宽会跟着转速走，低速时带宽低、噪声抑制好，高速时带宽高、响应快，正好匹配反电动势幅值随转速增大的特点。k通常取1到2之间，太大则噪声放大明显，太小则收敛慢，高速时跟不上位置变化。

这里特别强调一个工程细节：如果前期不想搞太复杂，L1和L2也可以先用固定值，选取时按额定转速下期望的收敛带宽作为基准来算。固定增益的好处是调试简单，代价是高速性能略差。我自己调试时习惯先用固定增益跑通整个链路，再慢慢换成随转速变化的增益。

2.3 离散化与采样周期选择

代码里没法直接算微分方程，得离散化。最常用也最简单的是一阶前向欧拉法：

x[k+1] = x[k] + Ts * f(x[k], u[k])

套到观测器方程里，每个控制周期依次更新电流估计和反电动势估计。离散化的精度取决于采样周期Ts，采样周期又由PWM开关频率决定。比如10kHz的开关频率下Ts=100μs，一个基波周期20ms内有200个采样点，精度就完全够用。如果开关频率是8kHz，对应125μs，也还在合理范围内。

要提醒的是，代码里电流采样、坐标变换、观测器更新、PI调节器、PWM更新这些步骤必须严格按顺序执行，而且整个过程要在一次PWM中断里完成，保证所有数据对应同一个时间点。我自己见过一个案例，因为代码里先算观测器后更新PWM，导致观测器用的电压是上一个周期的，低速时问题不大，高速时角度就飘了。

2.4 角度提取与速度估算

反电动势估出来了，角度提取就是一锤子买卖。用反正切函数：

θe_hat = atan2(-eα_hat, eβ_hat)

注意符号，不同公式推导出来的反电动势方向定义可能不同，最终角度差90度或者反号，这是新手最容易懵的地方，后面会细说。反正切算出来的角度范围是[-π, π]，需要做角度归一化处理，保证角度连续变化，不然运算时就会出现跳变导致的抖动。

速度估算有两种常见办法。一种是对角度做差分，然后滤一下波，简单但噪声大；另一种是把观测器输出交给一个锁相环，用PI调节器去跟踪角度变化，输出就是速度，而且天然带滤波效果。实际工程里我更推荐第二种，锁相环带宽调好之后，角度平滑、速度干净，后续做速度环会舒服很多。

还有一个容易被忽略的问题：延迟补偿。从PWM更新到电流采样，中间存在硬件延迟和滤波延迟，这会让观测器输出的角度滞后于真实位置。高速时这个滞后尤其明显，必须补偿。补偿量很简单：

θ_comp = θe_hat + ωe_hat * τ_delay

τ_delay通常是半个PWM周期加上电流滤波器的群延迟，具体数值要结合实际链条测量，不是拍脑袋定的。

3. STM32工程实践：龙伯格观测器的代码落地

3.1 数据结构与初始化

代码层面，第一步是把观测器要用到的变量封装成一个结构体。这样做的好处是，多个电机或者要切换不同电机参数时，只需初始化不同的结构体实例。一个典型的观测器结构体长这样：

typedef struct { float Rs; // 定子电阻 float Ls; // 定子电感 float Ts; // 采样周期 float L1; // 电流误差增益 float L2; // 反电动势误差增益 float ialpha_hat; // α轴电流估计 float ibeta_hat; // β轴电流估计 float ealpha_hat; // α轴反电动势估计 float ebeta_hat; // β轴反电动势估计 float theta_hat; // 估算电角度 float omega_hat; // 估算电气角速度 } LuenbergerObserver;

初始化的时候，电流估计和反电动势估计都置零，角度从0开始。注意一点：如果电机带着初始位置启动，一上电观测器感知到的是零反电动势，而实际是有角度的，观测器会从零开始修正，这个收敛过程需要时间。这也是无感FOC普遍需要特殊启动策略的根本原因。

3.2 核心状态更新代码结构

观测器的核心更新函数长这样，我在注释里写清了每一步的物理含义：

void Luenberger_Update(LuenbergerObserver *obs, float ualpha, float ubeta, float ialpha, float ibeta) { float ialpha_err, ibeta_err; float ealpha_dot, ebeta_dot; float ialpha_dot, ibeta_dot; // 1. 计算电流估计误差 ialpha_err = ialpha - obs->ialpha_hat; ibeta_err = ibeta - obs->ibeta_hat; // 2. 更新反电动势估计值 // 反电动势的导数为反馈误差乘以L2 ealpha_dot = obs->L2 * ialpha_err; ebeta_dot = obs->L2 * ibeta_err; obs->ealpha_hat += obs->Ts * ealpha_dot; obs->ebeta_hat += obs->Ts * ebeta_dot; // 3. 更新电流估计值 // 电流的导数来自电压方程，再加上反馈校正项 ialpha_dot = (-obs->Rs * obs->ialpha_hat - obs->ealpha_hat + ualpha) / obs->Ls + obs->L1 * ialpha_err; ibeta_dot = (-obs->Rs * obs->ibeta_hat - obs->ebeta_hat + ubeta) / obs->Ls + obs->L1 * ibeta_err; obs->ialpha_hat += obs->Ts * ialpha_dot; obs->ibeta_hat += obs->Ts * ibeta_dot; // 4. 提取角度和速度 obs->theta_hat = atan2f(-obs->ealpha_hat, obs->ebeta_hat); // 速度估算可以通过角度差分 + 低通滤波，或者交给锁相环 }

这段代码看起来简单，但它是一个完整的、可运行的龙伯格观测器核心。实际项目里可以在此基础上加角度归一化、速度锁相环、延迟补偿等模块。调试的时候，我建议先把这段代码跑通，单独打印出ealpha_hat和ebeta_hat的波形，确认它们是相位相差90度的正弦波，再去做后续的位置和速度处理。

一个非常重要的顺序问题：观测器更新必须放在电流采样之后、PI调节器之前。因为PI调节器需要坐标变换，而坐标变换需要角度，观测器提供的角度必须新鲜。如果你把观测器放在PI之后运行，那就等于PI用的是上一拍的角度，这会直接导致dq轴电流解耦不干净，系统跑起来会莫名其妙地振荡。

3.3 参数整定的实操顺序

观测器参数无非两大类：电机参数Rs、Ls，以及观测器增益L1、L2。整定顺序应该先搞定电机参数，再调增益。

电机参数怎么来？最土的办法是电桥测电阻和电感，但实际运行中电阻会随温度变化，电感会随电流饱和变化。所以我建议在程序里预留参数在线辨识的接口，或者至少做离线辨识。离线辨识其实不复杂：给电机施加一个电压矢量，记录电流变化率，用电压方程反推Rs和Ls；再用一个旋转的电压矢量让电机匀速转起来，记录反电动势的幅值就能推出磁链。具体公式网上很多，这里不展开，但要强调一点：参数测不准，观测器再高级也白搭。

接下来调L1和L2。初始值怎么给？先预估一个额定电气频率，比如电机额定转速3000rpm，4对极，那电气频率是200Hz。再把k取1，那么L1=212π200≈2513，L2=1（2π200）²Ls。跑起来之后，用示波器看估算角度波形，调大k看角度是否跟得更紧、噪声是否变大，反复试直到找到合适的点。

调试观测器，强烈建议有一个编码器或者测速发电机做对照实验。给电机通一个小幅度的正弦电流让轴来回摆动，同时对比编码器角度和观测器角度。如果两者相差恒定角度，大概率是反电动势符号或延时问题；如果差值忽大忽小，大概率是增益不对或者电流采样有噪声。

3.4 与启动策略的配合：I/F开环启动与切换

龙伯格观测器有个硬伤：零速和极低速时反电动势几乎为零，位置信息不存在，观测器没法工作。所以无感FOC启动时普遍采用I/F开环强拉或者预定位加开环切换。

I/F开环启动的逻辑是：不管转子在哪，先给一个电流矢量把转子拉到一个已知位置，然后让电流矢量的相位以一定加速度旋转，带着转子转起来。在这个过程中观察估算反电动势的幅值，等转速高到反电动势足够大、观测器角度和实际角度基本同步之后，再切到闭环FOC。切换条件一般看三个量：转速是否达到阈值、反电动势幅值是否足够、当前角度误差是否在允许范围内。

这里有个小技巧：在开环阶段就让观测器保持运行，输入用开环给定的电压和实际采样的电流，让观测器的角度一直跟着转子跑。这样在切换的瞬间，观测器的输出角度已经接近真实值，不会有太大的冲击。我见过很多人把观测器在开环阶段停掉，切换时突然使能，结果角度跳变导致电流瞬间冲顶，直接触发过流保护。

4. 调试中常见问题与排查实录

4.1 转子初始位置检测与零速难题

正如前面讲的，零速下反电动势为零，观测器完全没有位置信息。要处理初始位置，有两条路：预定位和高频注入。

预定位最简单，直接给一个固定的电压矢量，让转子转到已知位置，然后把这个位置写入观测器作为初值。这个方法在负载不大、允许转子有少许转动的场合完全够用。但负载较大或者要求零速带载的场合，预定位就不行了，只能上高频注入。高频注入的原理是：向定子注入高频电压信号，利用凸极效应或者磁饱和效应，从高频电流响应中解调出转子位置。这条路线和龙伯格观测器是互补关系，低速用高频注入，中高速切回反电动势观测器。

对于做FOC入门的朋友，我建议先接受“零速要预定位”这个工程事实，先让整个系统跑起来，再去优化初始位置检测。

4.2 估算角度抖动与滤波取舍

角度抖动是调试中最常见的现象。抖动来源主要是电流采样噪声和PWM开关噪声，它们经过观测器后会反映在反电动势里，再经过atan2变成角度抖动。抖动的直观表现是电流波形毛刺多、电机噪音大、高速时还可能引发过流。

手段上，第一层是让电流采样尽量干净，采样时刻避开PWM开关边沿，用硬件滤波或过采样平均。第二层是对观测器输出做处理，可以加低通滤波器，但低通滤波会带来相位延迟，所以滤波带宽要权衡。第三层是让观测器带宽本身随转速自适应，低速时低带宽抑制噪声，高速时高带宽保持响应。这个我在2.2节讲过，工程上效果很显著。

还有一个容易被忽略的问题：角度提取用atan2而不是atan。atan2考虑了象限，能输出完整的[-π, π]范围，atan只有[-π/2, π/2]，角度会翻折。用了atan之后观测器输出角度看起来像三角波，电流可能追不上真实角度，系统性能惨不忍睹。这种低级错误一定要避免。

4.3 高速下发散：参数失配与采样延迟

高速无感FOC跑飞，是另一个高频问题。现象往往是启动正常、中速正常，一到高速电流波形就开始发散，甚至过流报错。

第一类原因是参数失配。电机温度上来后电阻升高，电感可能因为磁饱和下降，观测器模型和实际系统的偏差变大，反电动势估计值出现偏移，角度跟着偏，系统就失控了。排查方法是：先让系统在固定转速下长时间运行，观察观测器角度和真实角度（如果有编码器）的误差随温度的变化趋势。如果误差随温度单调增加，基本可以锁定是电阻漂移。

第二类原因是采样延迟和高惯量下的相位滞后。高速时反电动势频率高，即便只有十几微秒的控制延迟，折算到电角度也可能是好几度，如果不做补偿，角度滞后会不断累积。解决方法是补偿延迟，或者反正在坐标变换里做角度补偿，这比调PI参数管用得多。补偿值理论上用半拍PWM周期加滤波器群延迟，工程上可以稍微调一下让角度误差最小。

第三类原因比较隐蔽：PWM占空比接近极限导致电压输出非线性。高速时反电动势接近母线电压，电压余量变小，PWM非线性畸变，观测器输入电压不准，估计偏差就出来了。这个阶段一般伴随弱磁控制，需要专门处理，普通无感FOC高速调试时可以先把转速上限设小一点，把系统跑稳再做扩展。

4.4 快速排查表

调试久了你会发现，很多问题有共性，整理成一个速查表能帮自己节省大量时间：

这张表不能解决所有问题，但能覆盖绝大多数初学者会遇到的坑。每次调试遇到新问题，建议追加到自己的记录里，慢慢就会形成一套自己的排查手册。

5. 一些来自实际调试的体会

最后聊点实操中得来的经验，这些东西文档里很少写。

第一个体会是：观测器调通的关键不在观测器本身，而在前级的电流采样质量和电压重构。我花在电流采样调理上的时间，比调观测器增益的时间多得多。采样电阻布局不合理、运放带宽不够、采样时刻选在开关边沿，这些都会让观测器输入信号含噪声，后面怎么调增益都是白搭。把硬件底子打好，观测器自然就好调了。

第二个体会是：先用编码器当“老师”，再让观测器独立工作。具体做法是，代码里同时启用编码器角度和观测器角度，但控制用的是编码器角度，观测器角度只用来对比。看着两个角度的误差曲线调参数，很快就能把增益和延迟补偿调到合理范围。等误差在可接受范围内，再把控制切换到观测器角度，这一步成功之后，整个系统的信心就建立起来了。我之前带人做项目，这个“老师和学生”的方法屡试不爽，效率比纯盲调高出一大截。

第三个体会是关于速度估算的。如果你要做的系统对速度动态响应要求高，那速度估算尽量不要用简单差分加滤波，建议上一个锁相环结构。锁相环输出角度平滑、速度噪声小，速度环跑起来会更稳。角度差分在低速时噪声尤其大，高速时又存在相位问题，体验真的不行。

龙伯格观测器的代码其实不难写，算法本身在教材里也就几页纸，难的是理解它背后的物理过程和工程约束。把电机模型、增益配置、离散化、延迟补偿这些环节逐个搞清楚，很多所谓“调参玄学”自然就变成了有理有据的调试步骤。希望这篇文章能帮你把这个东西打通。