一阶惯性滤波：如何用公式 Yn = a*Xn + (1-a)*Yn-1 平滑模拟量波动

一阶惯性滤波是工业现场处理传感器模拟量（如温度、压力、电流、电压）波动最常用、最有效的数字滤波方法。它计算极轻、资源占用极低，可在PLC、单片机、DCS甚至FPGA中毫秒级实时运行；效果接近硬件RC低通滤波器，但无需额外元件、不老化、参数可在线调节。核心公式：

$$Y_n = a \cdot X_n + (1 - a) \cdot Y_{n-1}$$

其中：

• $X_n$ 是第 $n$ 次采样的原始输入值（例如：AD转换后的12位整数或浮点电压值）；
• $Y_n$ 是第 $n$ 次滤波后的输出值（即你最终送入PID控制器、HMI显示或报警判断的值）；
• $Y_{n-1}$ 是上一次的滤波输出值（必须保存为变量，不可每次清零）；
• $a$ 是滤波系数，取值范围严格限定在 $0 < a \leq 1$。

该公式本质是加权移动平均：新采样值占权重 $a$，历史输出值占权重 $(1-a)$。$a$ 越小，历史值权重越大，响应越慢、平滑度越高；$a$ 越大，新值权重越高，响应越快、但抗扰能力越弱。它不是“去掉噪声”，而是用数学方式让输出“跟不上”快速跳变，从而抑制高频抖动，同时尽量保留真实趋势。

一、为什么必须用它？——模拟量波动的真实危害

工业现场的模拟量信号绝非理想直线。典型干扰源包括：

• 变频器启停产生的共模电压窜入4–20 mA回路；
• 电机碳刷火花、接触器吸合释放引发的微秒级尖峰；
• 长距离敷设时未屏蔽双绞线耦合的工频50 Hz感应电压；
• 热电偶冷端补偿漂移叠加热辐射引起的缓慢漂移；
• 电源纹波导致AD基准电压波动，使所有通道系统性偏移。

若直接将原始 $X_n$ 送入PID控制器：

• 微小抖动被放大为频繁的控制输出修正，导致阀门/变频器反复小幅动作，加速机械磨损；
• 温度显示在±2℃间无规律跳变，操作员无法判断真实趋势，可能误判超温而停机；
• 压力信号毛刺触发虚假高压报警，引发连锁停车。

若采用简单“连续5次取平均”：

• 延迟固定为5个采样周期（如采样间隔100 ms，则延迟500 ms），无法按需调节；
• 无法区分“真实缓慢变化”与“突发噪声”——一个真实上升过程会被强行拉平，丧失响应性；
• 内存需缓存5个历史值，对RAM紧张的8位单片机不友好。

一阶惯性滤波完美规避上述缺陷：仅需1个存储变量（$Y_{n-1}$）、2次乘法+1次加法，且滤波强度可精确映射到物理时间常数，实现“该快则快、该慢则慢”。

二、系数 $a$ 的物理意义与工程选型方法

公式中的 $a$ 并非凭经验试凑的“魔法数字”。它与控制系统最关键的动态指标——时间常数 $\tau$——存在严格数学关系：

$$a = 1 - e^{-T/\tau}$$

其中：

• $T$ 是采样周期（单位：秒），例如PLC常规扫描周期为 0.1 s，高速采集卡可能为 0.001 s；
• $\tau$ 是你期望的等效惯性时间常数（单位：秒），代表输出 $Y_n$ 达到阶跃输入63.2%幅值所需的时间。

✅ 关键结论：只要确定了工艺允许的响应延迟（$\tau$）和你的硬件采样能力（$T$），$a$ 值就唯一确定，无需反复调试。

实用选型对照表（假设 $T = 0.1\ \text{s}$）

⚠️ 注意：当 $\tau \gg T$（如 $\tau=2.0\ \text{s},\ T=0.1\ \text{s}$），$a$ 会很小（0.0488）。此时公式中 $(1-a)\approx 0.9512$，计算需保证浮点精度，避免因截断导致 $Y_n$ 趋于停滞。推荐统一使用 float 或 double 类型运算，禁用 int 强制截断。

如何确定你的 $\tau$？

• 查设备手册：热电阻PT100的热响应时间通常标注为“$t_{0.5}=3\ \text{s}$”（上升50%所需时间），对应 $\tau \approx t_{0.5}/0.693 \approx 4.3\ \text{s}$；
• 观察趋势图：在HMI上开启原始信号与滤波后信号同屏曲线，手动调整 $a$ 直至：
  • 正常工况下曲线平滑无锯齿；
  • 发生真实阶跃（如阀门全开）时，$Y_n$ 在3–5$\tau$内到达95%稳态值（即 $1-e^{-3}\approx 95\%$）；
• 保守起步：首次配置建议从 $\tau = 0.5\ \text{s}$ 对应的 $a=0.1813$ 开始测试，再根据现场效果微调。

三、手把手实现步骤（以主流平台为例）

1. 在西门子S7-1200/1500 PLC中（TIA Portal V18+）

前提：已通过AI模块读取通道，原始值存于 DB1.DataRaw（INT类型，范围0–27648对应4–20 mA）。

步骤：

1. 声明变量：在数据块 DB1 中新增：
   • DataFiltered：REAL，初始值 0.0（存储 $Y_{n-1}$）；
   • FilterAlpha：REAL，赋值 0.1813（即 $a$）；
2. 编写滤波逻辑（置于主循环OB1中）：

   // 将原始INT转为REAL便于计算
   DB1.DataFiltered := DB1.FilterAlpha * REAL#(DB1.DataRaw) 
                   + (1.0 - DB1.FilterAlpha) * DB1.DataFiltered;

3. 使用滤波值：后续PID指令的 SP_INT 或显示控件绑定 DB1.DataFiltered，绝不使用 DataRaw。

✅ 优势：无需FB封装，纯ST语句，执行时间<10 µs；变量自动保持，断电后 DataFiltered 重启为初始值，但可通过“保持性”属性设为断电保持。

2. 在STM32 HAL库（C语言）中

前提：ADC采集完成中断中获得 uint16_t adc_value（0–4095）。

步骤：

1. 全局声明：

   static float y_prev = 0.0f;  // Y_{n-1}，static确保跨中断保持
   const float alpha = 0.1813f; // a值，定义为const避免重复计算

2. 在ADC中断回调中执行：

   void HAL_ADC_ConvCpltCallback(ADC_HandleTypeDef* hadc) {
    uint16_t x_n = HAL_ADC_GetValue(hadc);           // 获取原始采样X_n
    float x_n_f = (float)x_n * (3.3f / 4095.0f);     // 转为实际电压（V）
    float y_n = alpha * x_n_f + (1.0f - alpha) * y_prev; // 核心公式
    y_prev = y_n; // 更新Y_{n-1}为下次使用
    // 后续：y_n可送入PID、UART发送、OLED显示...
   }

⚠️ 关键细节：

• 必须用 static 修饰 y_prev，否则每次中断都重置为0；
• 乘法用 float 运算，禁止 int 运算后强转（如 (int)(alpha*x) 会丢失精度）；
• 若资源极端受限，可用定点算法（如Q15格式），但需重写公式为整数移位运算，此处不展开。

3. 在Python（上位机数据后处理）中

前提：raw_data 是长度为N的NumPy数组，含原始采集值。

步骤：

import numpy as np

def first_order_filter(data, alpha):
    """一阶惯性滤波向量化实现"""
    filtered = np.empty_like(data, dtype=float)
    filtered[0] = data[0]  # 首点直接赋值，避免无Y_{-1}
    for i in range(1, len(data)):
        filtered[i] = alpha * data[i] + (1 - alpha) * filtered[i-1]
    return filtered

# 使用示例：
raw_data = np.array([25.1, 25.3, 24.9, 28.7, 25.2, 25.0, ...])  # 含毛刺的温度序列
clean_data = first_order_filter(raw_data, alpha=0.2)

✅ 进阶技巧：利用NumPy的np.convolve实现向量化（免循环），但需注意边界处理，初学者建议先用循环确保逻辑正确。

四、避坑指南：90%工程师踩过的5个错误

五、进阶应用：多级串联与自适应 $a$

▶ 多级串联提升滤波深度

单级滤波的幅频特性是-20 dB/十倍频程衰减。若需更强抑制（如消除50 Hz工频干扰），可串联两级相同参数滤波器：

• 第一级输出 $Y^{(1)}_n = a \cdot X_n + (1-a) \cdot Y^{(1)}_{n-1}$；
• 第二级输入为 $Y^{(1)}_n$，输出 $Y^{(2)}_n = a \cdot Y^{(1)}_n + (1-a) \cdot Y^{(2)}_{n-1}$。
  等效时间常数变为 $\tau_{eq} = 2\tau$，但计算量翻倍，仅在噪声极其恶劣时启用。

▶ 自适应 $a$ 应对工况突变

某些场景（如锅炉点火初期）需要快速响应，稳定后需强平滑。可设计 $a$ 动态调整逻辑：

• 实时计算相邻采样差值绝对值 delta = |X_n - X_{n-1}|；
• 当 delta > threshold（如温度突变2℃/s），临时增大 $a$ 至 0.5，加快跟踪；
• 否则恢复常规 $a=0.18$。
  此方案需谨慎，避免因噪声触发误切换。

六、与其它滤波方法对比（核心结论）

✅ 终极建议：把一阶惯性滤波作为模拟量处理的第一道、也是最后一道防线。 先用它解决95%的问题；只有在其无法满足时（如需分离特定频率成分），再考虑FFT或带通滤波等复杂方案。

七、实测案例：某化工厂反应釜温度控制优化

问题：Pt100温度信号经2 km屏蔽电缆接入PLC，原始曲线呈密集锯齿状（±1.5℃），导致温度PID输出频繁震荡，搅拌电机电流波动超标。

实施：

• 采样周期 $T = 0.2\ \text{s}$（PLC默认）；
• Pt100手册标明 $t_{0.5}=4.5\ \text{s}$ → $\tau \approx 6.5\ \text{s}$；
• 计算 $a = 1 - e^{-0.2/6.5} = 0.0303$；
• 在TIA Portal中添加滤波逻辑，绑定至PID设定值通道。

效果：

• 滤波后温度曲线平滑如绸缎，波动<±0.2℃；
• PID输出电流稳定，电机轴承温升下降12℃；
• 系统响应时间（从设定值变化到95%稳态）为 $3\tau = 19.5\ \text{s}$，完全满足工艺要求。

初始化 $Y_{n-1}$ 时，若已知传感器典型工作值，将其设为初始值可消除启动瞬态；否则设为首次采样值 $X_0$。