摘要
在超低速度下，位置传感器的量化分辨率通常超过一个采样周期内的真实角位移，导致速度信息几乎完全被量化台阶所淹没。本文提出了一种面向量化的自适应高阶滑模微分器（Q-AHOSMD）。以量化分辨率为先验知识的饱和切换机制可抑制量化平台上的高频抖振；基于量化跳变事件构建了一种"跳变时更新、平台时衰减"的事件驱动微分速度估计方案；并通过速度失配反馈综合出自适应增益律。证明了误差系统的有限时间收敛性及量化噪声下的实际稳定性，并给出了所有最终界值的显式表达式。仿真结果表明，在采样周期为1 ms、真实速度为0.001°/s的条件下，该方法实现了0.00036°/s的均方根（RMS）速度估计误差——较后向差分方法降低约94%，且输出平滑、无明显抖振。该方法无需动力学模型，仅需利用传感器规格参数即可调参，为超高精度伺服系统向超低速领域拓展提供了一种有效手段。
