13kg级两轮自平衡机器人抗扰LQR控制器优化设计问询：解决外力扰动下无前后漂移的平衡与停止问题

嘿，我太懂你这种“能站稳但飘不停”的头疼了——我之前做12kg的自平衡机器人时也踩过一模一样的坑！咱们一步步拆解问题，给你捋清楚最优的解决思路：

你的纯LQR目前只解决了姿态平衡（theta稳定），但完全没约束位置/速度的稳态误差。两轮自平衡机器人是欠驱动系统，x和theta强耦合，再加上外力扰动、地面摩擦这类未建模因素，纯状态反馈的LQR根本没法消除位置漂移的稳态误差——这就是为什么机器人能站稳，但会一直前后滑。

方案1：全零参考+整定K #

你纠结的x和theta增益符号问题，本质是系统的耦合特性：

• 假设theta定义为前倾为正，当机器人向前漂移（x变大），需要让机器人前倾（theta正），这样轮子会向后转动拉回位置；而当机器人前倾（theta正），控制器需要让轮子向前转维持平衡。所以LQR增益里，x和theta的系数符号应该相反。

但只靠整定纯LQR的K很难解决漂移：如果把x的权重拉得极高，虽然能抑制漂移，但会牺牲平衡的鲁棒性（被踢后容易翻）；权重太低又挡不住漂移。而且纯状态反馈天生没法消除稳态误差，外力扰动后必然会有位置偏移。

方案2：启发式规则+LQR #

你用的“x_dot向前则theta向后倾”规则，本质是试图用前馈修正位置，但这个规则太粗暴了——它和LQR的反馈回路直接冲突，导致系统动态响应混乱，被踢后自然会振荡跌倒。这种独立于反馈的启发式，除非做非常精细的动态匹配，否则只会添乱。

不用纠结复杂启发式，也不用死磕纯LQR的参数，给LQR加入针对位置x的积分环节是解决这个问题的标准且高效的方案：

具体怎么做？ #

1. 构建增广状态空间模型
   原状态向量是 [x, x_dot, theta, theta_dot]，加入积分状态 xi = ∫(x - x_ref)dt（x_ref设为0即可），那么xi的导数就是 x - x_ref。把这个增广后的状态（共5维）代入原机器人动力学方程，得到新的状态矩阵A和输入矩阵B。

2. 重新设计LQR权重Q和R
   在Q矩阵里给积分状态xi设置合适的权重：

   • 先把xi的权重设为x权重的1/10~1/5，避免积分项太激进导致振荡；
   • 同时适当提高x_dot的权重，让控制器更关注速度的稳定。

3. 计算增广系统的LQR增益
   用MATLAB的lqr函数计算新的增益K，这时候K会包含对应xi的项——这就是积分控制器的增益，能自动消除位置的稳态误差。

为什么这招管用？ #

当机器人被踢后，x会偏离0点，积分项xi会持续累积，直到控制器输出足够的力矩：先通过调整theta维持平衡，同时慢慢把x_dot降到0，最终让机器人停止移动，不会再持续漂移。

如果实在不想改状态模型，也可以优化启发式规则，但要和LQR融合而不是独立：

• 不要直接硬设theta的参考值，而是微调theta参考：theta_ref = -k * x_dot，其中k是很小的比例系数（比如0.01~0.05）。这样当x_dot向前，theta_ref稍微向后倾，让轮子产生平滑的反向加速度，不会和LQR的反馈冲突；
• 同时在纯LQR的Q矩阵里大幅提高x和x_dot的权重，让控制器更关注位置和速度的稳定。

优先选带x积分的ILQR，这是解决自平衡机器人漂移+抗扰动问题的工业级方案，比整定纯LQR参数或者折腾复杂启发式靠谱得多。亲测我当年用这个方案后，机器人被踢后能在2~3秒内站稳并停止漂移，完全符合你的需求。

内容的提问来源于stack exchange，提问作者Luca Mannini