PID离散系统理解

原本的PID系统经常写作：
$$u(t)=k_{p}e(t)+k_i\sum e(t)+k_d\frac{de(t)}{dt}$$
我们只需要暴力调节这三个参数就可以了，但是这三个参数的计算其实还应该再更细化。

因为工业仿真及应用，包括平时我们使用的单片机都是使用的PID离散系统，有一个固定的采样时间$T_s$。

当采样周期足够小(1ms)时，可以做如下近似：
$$\begin{array}{c}u(t)\approx u(k)\\ e(t)\approx e(k)\\ {\int }_0^{t}e(t)\mathrm{d}t=\sum _{i=0}^{k}e(i)\Delta t=\sum _{i=0}^k{T}_{s}e(i)\\ \frac{\mathrm{d}e(t)}{\mathrm{d}t}\approx \frac{e(k)-e(k-1)}{\Delta t}=\frac{e(k)-e(k-1)}{T_s}\end{array}$$
于是才有了：
$$u(t)=k_p\left(e(t)+\frac{T_s}{T_i}\sum e(t)+\frac{T_d}{T_s}\frac{de(t)}{dt}\right)$$

其中，Ti主要用于消除静差，提高系统的无差度，积分作用的强弱取决于积分时间常数Ti，Ti越大积分作用越弱，反之则越强。

Td反应偏差信号的变化趋势（变化速率），并能在偏差信号变得太大之前，在系统中引入一个有效的早期修正信号，从而加快系统的动作速度，减少调节周期。

在simulink中，PI控制器可以这么做：

这种方法真的很巧妙，画的很简洁。还可以将前面三式加减的部分继续mask，还能更好看（装逼）一点。
$$\begin{array}{l}{x}^{\ast }(t)=k_p\left(e^{\ast }(t)-e^{\ast }(t-1)+\frac{T_s}{T_i}{e}^{\ast }(t)\right)\\ u^{\ast }(t)=x^{\ast }(t)+x^{\ast }(t-1)\\ =k_p\left(e(t)+\frac{T_s}{T_i}\sum e(t)\right)\end{array}$$

高山仰止，景行行止。记录一下。