搭建机器人电控系统——PID算法——什么是PID？

PID算法

PID算法介绍，不同系数仿真，优缺点

位置式、增量式、模糊式PID

大林算法、史密斯算法和PID算法的区别

控制系统介绍

每一个运动模型都能够简化为一个控制系统，控制系统是我们进行理论和控制算法分析的依据。所以在讲PID算法之前，应当先弄懂控制系统的架构，从而才能知道PID算法在控制系统中的角色。

一个控制系统通常由控制器、执行器、控制对象、传感器以及输入输出量构成。以机器人底盘控制系统为例，我们可以把期望速度Exspeed作为输入，PID算法作为控制器，电机作为执行器，轮子作为控制对象，实际速度Outspeed作为实际输出。

开环控制系统

作为一个开环控制系统来说，单通路的结构使得控制系统简单，搭建成本低，但却尤其怕扰动等不确定因素的存在，这会使整个系统很容易不稳定。

前馈控制系统

前馈控制系统仍然是一个开环的控制系统，前馈的意义在于我们可以事先通过传感器观测到某些干扰因素，然后针对这些干扰因素做出控制优化。

比如以道路倾斜作为干扰，陀螺仪作为传感器，此时经过控制器相比于平坦道路上一定要做出相应的改变。

单闭环控制系统

闭环控制系统相对于开环来说要更加复杂，控制起来难度也比较大，但面对干扰因素时，闭环控制系统就能展现它的优势。而实际控制系统是具有很多干扰因素的，比如场地粗糙程度，机械精度，温度，风力等等影响，所以我们通常会选用闭环控制。

• 期望输入：电机转速

单闭环控制系统表示系统仅由一个闭环组成，比如给电机一个期望转速作为输入，最终的电机实际转速经过编码器反馈回来，由此我们便可以知道这一次控制的偏差是多少。通过调整我们的控制器（如PID参数），使我们的偏差变小达到系统稳定，这个系统对于大部分干扰都具有稳定性。

双闭环控制系统

双闭环控制系统是在电控系统中比较常见的控制系统结构。例如：

电机期望转角作为输入，最终实际输出的电机转角经过编码器反馈得到与期望转角的偏差，这是外环——电机的角度环控制系统。

电机期望转角经过一级控制器解算得到期望转速，实际转速通过编码器反馈得到与期望电机转速的偏差，这是内环——电机的速度环控制系统。

复合控制系统

复合控制系统=闭环控制系统+前馈控制系统。例如：
将期望车速作为输入，最终的实际车速通过反馈得到与期望车速的差，以此构成的闭环为速度环。

将经过陀螺仪测量得出的干扰因素——坡面的倾斜度作为另一输出，构成前馈控制系统。

实际的控制系统往往比上述要更加复杂，通常有多个闭环和前馈组成，但闭环虽然稳定性高，也不是越多越好，当一个控制系统越复杂，参与的变量越多时，对稳定性以及调整难度的影响都会很大。

---

为什么选择PID？

PID是连续系统中最常用且最成熟的控制算法，适用于对被控对象模型了解不清楚的场合。实际的经验也都表明，大多数控制过程中，PID控制器都能达到很好的效果。另外PID参数的调整上，也要比其他控制器的参数更加容易。

---

什么是PID？

理论含义

PID即：Proportional（比例）、Integral（积分）、Differential（微分）的缩写。顾名思义，PID控制算法是结合比例、积分和微分三种环节于一体的控制算法。

适用系统：二阶以内线性时不变控制系统。
PID公式：
连续：

离散：

PID控制系统：

解释：

PID作为一种控制器，是参与控制系统运作的一部分。它通常控制的是闭环系统中期望输出与期望输入的偏差，目的是让这个偏差越小，越稳定，越快到0。这也对应了PID三个字母：

比例P：

假设车位移期望输入为100，P=0.9。

• P<1的情况：
  ①第一次：因为此时反馈实际车位移为0，所以控制器最终的输出应该为90；
  ②第二次：此时偏差为100-90=10，所以控制器最终输出为99；
  …以此下去，车位移将会无限逼近100。

• P=1的情况：
  这种情况下，实际车位移理论上会等于期望车位移，但因为干扰因素的存在，实际中是不可能的，典型的比如地面有摩擦力的情况，导致车位移无法达到100。

• P>1的情况：
  这种情况下，实际输出比期望值大，车位移大于100，如果调整过程中P过大会导致超调量增大，导致系统不稳定。（车可能会出现跑飞的情况）

KP仿真：

①利用simulink分别仿真KP=0.2，KP=1，KP=5的情况，得到结果如下图：

可以看出，随着比例系数KP的增加，输出达到期望输出的时间会缩短（调节时间），但带来的是超调量和振荡效果的增加。

②加入实际干扰因素的影响：

在干扰的作用下，KP=1时无法达到期望的输出值，这是更接近实际的情况。

综上，单有一个比例环节P，在实际控制情况中无法达到目的，只能尽可能使用P来减小误差，或者在一定的超调量内再去调整I和D的比例。

---

积分I：

I的作用就是为了弥补单纯的比例P所留下的净差问题。

KI仿真：

仿真接近实际的情况，选取比例Kp=1时，存在干扰且稳态误差为0.5的系统，对此系统控制器中加入积分环节，选取积分系数Ki分别为0.01，0.1，1，仿真结果如下：

从中可以看出，Ki的增加可以让系统的稳态误差减小到0，即弥补了实际情况中KP存在的静差。但随着Ki的增大，会导致系统超调量增大，产生振荡。最终应当选取一个稳态误差为0且超调量不太大的Ki参数。（Ki=0.3）

微分d：

微分，是对误差进行求导运算，我们得到的是误差变化的斜率，而斜率反映了曲线变化的趋势，选取适当的Kd系数，可以让我们用超前的思路去改变曲线的走向。

KD仿真：

在之前的基础上，我们选择KP=1，Ki=0.3的曲线，调整Kd分别为0.1，1，5得到结果如下：

可以看出，Kd可以影响系统达到稳态的时间，但Kd过大会导致系统振荡加剧，超调量增加。

---

PID限幅

在对P、I、D三个参数的讲解中，I、D两个参数都有过大会导致系统振动、超调不稳定的特点，所以在控制系统中，常常需要对I和D参与的控制器的输出进行限幅。

积分限幅（抗积分饱和）

假设系统开始运行，期望输出为100。现在有一个阻力一直让系统实际输出为0，一段时间后阻力突然消失，那么会导致实际输出变得非常非常大，导致机器人跑飞或者直接崩溃。

因此要对积分（累计误差）规定一个上限值。

积分分离

假设机器人目前在100m处，此时实际位置突然变为1000m，如果这个误差大于我们的预想（大于Kd系数所能预想到的变化趋势），那么这个时候机器人系统也会跑飞。

所以如果确有实际突变的情况会发生，让不同的误差设置不同的积分系数是很有必要的。

微分先行

同样考虑上述误差突然增大的情况，当误差突然增大时，我们在第一时间可以让系统只由微分去控制，利用微分削弱误差的变化趋势，一段时间后再考虑积分和比例的作用。

PID死区误差算法

有些系统为了避免频繁的操作引起振荡，通常使用带死区的PID控制算法，在输出值较小的情况下，让实际输出为0。

---

PID的应用

考虑机器人底盘运动控制系统：

这是一个三环的串级PID复合控制系统。

最内环：电机速度环，输入期望电机转速，通过电机速度环PID输出，利用编码器获取实际转速。

中间环：机器人底盘运动速度环，输入期望机器人速度，通过速度环PID和电机环输出，利用定位模块计算得出机器人当前实际速度。

最外环：机器人底盘运动位置环，输入期望机器人位置，通过位置环PID、中间环、电机环输出，利用定位模块计算得出机器人当前实际位置。

干扰：在实际机器人的运动中，机械加工的精度（比如齿间隙，悬挂，弹性机构等）、摩擦力、平坦度等因素的干扰。