PID原理及调参经验

什么是PID以及为什么要用PID
PID是一种控制算法，举个比较简单的例子，给你一个任务，让一个漏水的水缸保持一半的水，在没有学习任何算法情况下，我们一般会一直去观察水位是高于还是低于中间水位，低于中间水位时你就会开水龙头，高于中间水位时你就会关水龙头，这样就可以让水位一直保持在中间水位附近。这也是一种控制。从上面的例子以及结合下图我们引入几个重要的概念。

在上面的例子中我们用眼睛去观察水位到了哪个位置，其实眼睛就是个测量元件，是用来观察的，输入就是中间水位，我们用眼睛去比较实际的水位是不是高于或者低于中间水位，在我们的大脑里面运算调节，通过执行机构也就是我们的手，来调节水龙头的阀门也就是输出，从而使水位一直在中间水位附近，当然，肯定有人会问，为什么会漏水呢？因为在实际工程中都会有一些损耗,比如电机摩擦的阻力，电磁损耗等。
u(k)=Kp * e( k )+ Ki * e( r ) + Kd * [e(k)-e(k-1]
PID的离散公式如上，Kp为比例系数，ki为积分系数，Kd为微分系数，e(k)为本次偏差，e(k-1)为上次偏差，e( r )为系统开始运行到结束所累加的误差，u(k)为输出，具体的数学推导请读者自行百度。
既然是要学习，那么现在我们我们用PID算法来对水位进行具体的控制。我们规定中间水位为5m，将水龙头和水缸分离，以水缸的水位作为单位，水缸的刻度精度为0.01m,水缸每秒的漏水量为0.1m水位，每次加水的时间为1s。现在，我们先只使用比例控制，也就是，u(k)=Kpe(k),我们每次的加水量u(k)等于比例系数Kp当前的水位与设定水位的偏差e(k),我们让kp=0.4。假设现在水缸里没有水，根据上面的公式，我们第一次观察到的偏差为5-0=5m，所以我们第一次加水量为，5x0.4=2.0m,现在第一次加水完毕之后，减去漏水量0.1m，所以现在水缸里实际水量为2.0-0.1=1.9m,依次类推，我们得到下表，用MATLAB直接做图，如下图


通过观察表格我们发现，从第14次加水之后，也就是当水缸里的水位达到4.75m的时候，水缸的水位不再变化，为什么水位不再上升呢？我们来算一下，中间水位为5m，我们在第13次加水之后观察到的偏差为5-4.75=0.25，在乘以Kp，也就等于0.1m，到了这时候，我们加入的水刚好等于漏掉的水，水位不再上升。这里我们引入一个新的概念，稳态误差。简单理解就是当我们只采用了比例调节，我们的输出刚好等于损耗时，系统达到平衡，但是我们的输入和输出之间仍然有偏差的，我们就称之为稳态误差。
但是需要加13次水才可以到达平衡，响应速度慢，而且还存在稳态误差，那我们可不可以通过放大比例系数Kp来快速到达设定水位且消除稳态误差呢？这里我们让Kp=1.8,看看会发生什么

结果显示，系统响应明显加快，稳态误差从0.25m减少到了5-4.93=0.07m,所以增大比例系数Kp可以减小稳态误差，但是不能消除，而且Kp过大输出会在设定值也就是我们的中间水位之间震荡，这样的结果显然不是我们想要的。
因为从公式中我们可以看出比例调节是一种有差调节，也就是只有当e(k)不等于零的时候，才会有输出值，当e(k)=0时，实际水位等于中间水位，系统输出为零，但是实际水位会一直中间水位吗？不会，因为会漏水。所以无论我们选取的Kp值有多大，稳态误差都会存在。那么我们应该在系统不震荡的情况下，尽量增大Kp的值，让系统的响应变快，减少稳态误差。最终选定了Kp=1.0,结果如下，稳态误差为0.11m,且只需加两次水就可以达到平衡。

所以我们对比三次实验可以得出结论：Kp越大，系统的响应越快，但是系统容易震荡，稳定性变差；Kp越小，响应时间越慢，调节时间变长，所以Kp的选取应该在系统不震荡，超调量不大的情况下往大调。
那么问题来了，稳态误差存在，水位还是没达到设定水位，怎么样才能正确地消除稳态误差呢？上面公式中的积分项e( r )为系统开始运行到结束所累加的误差，但是误差不能毫无限度的累加，需要对其限幅，我们需要根据系统的实际情况选择合适的限幅值，这里我们令e( r )=[-2,2],现在我们尝试看看加入积分项能不能消除稳态误差。我们将Kp=1.0,ki=0.1。如上例进行计算，我们得到表格。



通过观察表格我们发现，最终实际水位最终会基本达到中间水位，在比例控制的基础上加入积分控制就可以消除稳态误差。但是加了37次水才可以让实际水位等于设定水位，而且会引起超调。我们试着把Ki增大，令Kp=1.0,ki=0.3,结果如下


结果我们发现，增大Ki之后，只需要加16次水就可以设定水位，但是超调量变大了。在将Ki增大，令Kp=1.0,Ki=0.5，结果如下


结果我们发现，继续增大Ki之后，只需要加11次水就可以设定水位，但是超调量变得更大了。我们对比三次实验可以得出结论，增大Ki会引起超调，Ki越大，超调量越大，但是回复更快，减小Ki超调量减小，但是回复变慢，所以Ki参数的选取应该根据系统的实际情况。
但是有没有办法能够让超调量减少呢？当然有，那就是微分项，微分的公式为Kd*[e(k)-e(k-1]，e(k)为本次偏差，e(k-1)为上次偏差，从公式上理解为，当本次偏差大于上次偏差时，微分项就会输出来抑制这种偏差偏大的趋势，起到一种预判的作用，既然是这样，上例中积分超调变化算是一种误差变大的趋势，为了能够更好地让读者理解微分项的作用，我们直接对比没有微分项Kp=0.6,ki=0.5,Kd=0与有微分项时Kp=0.6,ki=0.5,Kd=0.1的数据与波形对比
无微分项的表格

无微分项的波形

有微分项的表格

有微分项的波形
通过对比我们发现，加入微分项之后，超调量比之前小了，说明微分确实能够减少超调量，但是通过观察数据你会发现，没有微分项的时候，水位一直在平衡位置有小幅度的震荡，但是在加入微分项之后就消失了。这是因为加入微分项可以改善系统的动态性能，也就是当已经到达平衡之后又出现偏差时，当前偏差减去上次偏差不为零，微分项有输出，会去抑制这种变化，让系统保持平衡。
到这里，总结一下，在整定比例系数Kp时，Kp越大，系统的响应越快，但是系统容易震荡，稳定性变差；Kp越小，响应时间越慢，调节时间变长，所以Kp的选取应该在系统不震荡，超调量不大的情况下往大调；在整定积分系数Ki时，增大Ki会引起超调，Ki越大，超调量越大，但是回复更快，减小Ki超调量减小，但是回复变慢，所以Ki参数的选取应该根据系统的实际情况；增加微分项可以减少超调量，而且可以改善系统的动态性能。但在实际工程应用中，可以根据实际情况使用PI调节或者PID调节。