给我写一个ADRC的python应用可视化例子

当然！以下是一个使用Python进行ADRC控制算法简单可视化例子：

import numpy as np
import matplotlib.pyplot as plt

class ADRC:
    def __init__(self, h, b0, b1, b2):
        self.h = h     # 采样周期
        self.b0 = b0   # 控制器参数
        self.b1 = b1
        self.b2 = b2
        self.y = 0     # 系统输出
        self.u = 0     # 控制指令
        self.z1 = 0    # 状态变量1
        self.z2 = 0    # 状态变量2

    def update(self, r, d):
        e = r - self.y
        u_unfiltered = self.b0 * e - self.z1
        u_filtered = self.b2 * u_unfiltered + self.z2
        self.u = u_filtered

        self.y += self.h * (self.b1 * u_unfiltered + self.z1)
        self.z1 += self.h * u_unfiltered
        self.z2 += self.h * (self.b0 * e - self.z1)

        self.y += d

    def get_output(self):
        return self.y

# 创建ADRC控制器对象
adrc = ADRC(h=0.01, b0=1.5, b1=1.5, b2=1.2)

# 设置仿真参数
T = 10         # 总仿真时间
N = int(T / adrc.h) + 1   # 总采样点数

# 设置参考输入信号和干扰信号
t = np.linspace(0, T, N)
r = np.sin(t)     # 参考输入信号
d = 0.5 * np.sin(10 * t)    # 干扰信号

# 进行仿真
y = np.zeros(N)   # 存储系统输出
for i in range(N):
    adrc.update(r[i], d[i])
    y[i] = adrc.get_output()

# 绘制结果
plt.figure()
plt.plot(t, r, label='Reference')
plt.plot(t, y, label='Output')
plt.plot(t, d, label='Disturbance')
plt.xlabel('Time')
plt.ylabel('Value')
plt.title('ADRC Control Simulation')
plt.legend()
plt.grid(True)
plt.show()

在这个例子中，我们创建了一个名为`ADRC`的类来实现ADRC控制器。在`update`方法中，我们根据控制器参数和状态变量更新控制指令和系统输出。然后，我们使用设置的参考输入信号和干扰信号进行仿真，并将结果绘制出来。

请注意，这只是一个简单的示例，实际的应用中可能会有更多的参数和复杂性。此外，这里的参数和示例是为了演示目的，并不一定适用于所有情况。在实际应用中，您可能需要根据具体的系统和控制要求进行参数调整和优化。

希望这个例子能帮助您理解如何使用Python进行ADRC控制算法的可视化。如果有任何问题，请随时提问！