PID算法详细解析

写过一些程序以后，想让MCU自己“思考”起来，真正带算法会思考的程序。PID就是一种会思考的自动算法。

PID由“比例（proportional）、积分（integral）、微分（derivative）”构成，对偏差进行比例、积分、微分的计算从而去达到设定目标的控制，是一种会思考的算法。

比如无人机、平衡车、汽车的定速巡航、热水器的温度控制器等就运用了PID算法：需要将某一个物理量“保持稳定”（比如维持平衡，稳定温度、转速等），PID算法非常实用。

比如，控制一个“热得快”，让一锅水的温度保持在60℃  

这么简单的任务，为啥要用到微积分的理论呢你一定在想：

这个控制非常简单，小于60度就让它加热，大于60度就断电，就可以了？几行代码用分分钟写出来。

没错，在要求不高的情况下，确实可以这么弄。

如果控制对象是一辆汽车呢？

要是希望汽车的车速保持在55km/h不动，你还敢这样做么？

设想一下，假如汽车的定速巡航在某一时间测到车速是50km/h。它立刻命令发动机：加速！

结果，发动机那边突然来了个100%全油门，嗡的一下，汽车急加速到了60km/h。这时电脑又发出命令：刹车！，这样人都会晕头吐了。

所以，在大多数场合中，用“开关量”来控制一个物理量，就显得比较简单粗暴了。而且，控制对象具有惯性。比如你将一个加热器拔掉，它的“余热”（即热惯性）可能还会使水温继续升高一小会。

这时，就需要一种算法：

它可以控制物理量带到目标附近

它可以“预见”这个量的变化趋势

它可以消除因为散热、阻力等因素造成的静态误差

因此运用PID算法就可以完美解决。

P，I，D是三种不同的调节作用，既可以单独使用，也可以两个使用（PI，PD），也可以三个一起用（PID）。

Kp（比例系数）

P是控制比例。比例的作用最明显。

比如控制水温，有它现在的当前值，也有设定值。当两者差距不大时，就让加热器“轻轻地”加热一下；要是因为某些原因，温度降低了很多，就让加热器“稍稍用力”加热一下；要是当前温度比目标温度低得多，就让加热器“开足马力”加热，尽快让水温到达目标附近。

让偏差与Kp建立一个一次函数的关系，就可以实现最基本的“比例”控制了，Kp越大，调节作用越大，Kp调小会让调节作用更小。

比如制作一个平衡车，有了P的作用，你会发现，平衡车在平衡角度附近来回“摇晃”，比较难稳住。这时适当的加入Kd就可以解决摇晃的问题。

Kd（微分系数）

D是控制超调作用，防止震荡。

不难发现，只有P好像不能让平衡车站起来，水温也控制得晃晃悠悠，好像整个系统不是特别稳定，总是在“抖动”。

需要一个控制作用，让被控制的物理量的“变化速度”趋于0，即类似于“阻尼”的作用。

因为，当比较接近目标时，P的控制作用就比较小了。越接近目标，P的作用越温柔。有很多内在的或者外部的因素，使控制量发生小范围的摆动。D的作用就是让物理量的速度趋于0，

只要这个量具有了速度，D就向相反的方向用力，尽力刹住这个变化。

Kd参数越大，向速度相反方向刹车的力道就越强。

如果是平衡车，加上P和D两种控制作用，如果参数调节合适，它应该可以站起来了。

等等，PID好像还有一位。看起来PD就可以让物理量保持稳定，那还要I干嘛？

Ki（积分系数）

I是控制静态误差，减小静态误差作用，达到平衡，接近目标的作用。

例如给水加热。假如有个人把我们的加热装置带到了非常冷的地方，开始烧水了，需要烧到60℃。

在P的作用下，水温慢慢升高。直到升高到55℃时，他发现了一个不好的事情：天气太冷，水散热的速度，和P控制的加热的速度相等了。

这可怎么办？

P这样想：跟目标已经很近了，只需要轻轻加热就可以了。

D这样想：加热和散热相等，温度没有波动，不用调整什么了。

因此，水温永远地停留在55℃，永远到不了60℃。

根据常识，我们知道，应该进一步增加加热的功率。可是增加多少该如何计算呢？

前辈科学家们想到的方法是真的巧妙。设置一个积分量。只要偏差存在，就不断地对偏差进行积分（累加），并反应在调节力度上。

这样一来，随着时间的推移，只要没达到目标温度，这个积分量就不断增加。系统就会慢慢意识到：还没有到达目标温度，该增加功率了。

到了目标温度后，假设温度没有波动，积分值就不会再变动。这时，加热功率仍然等于散热功率，温度是稳稳的60℃。

Ki的值越大，积分时乘的系数就越大，积分效果越明显。

I在使用时还有个问题：需要设定积分限制。防止在刚开始加热时，就把积分量积得太大，难以控制。

PID算法有位值式和增量式算法

PID位值式算法：

公式

U(t)=Kp*e(k)+Ki*∑e(k)+Kd*[e(k)−e(k−1)]

比例P : e(k) 本次偏差（用户设定的值（目标值） - 控制对象的当前的状态值）

积分I : ∑e(i) 误差的累加（连续域上的积分对应离散的求和）

微分D : e(k) - e(k-1) 这次误差-上次误差（连续域上的微分对应差分）

U(t)：代表输出

位置式PID是当前系统的实际位置，与想要达到的预期位置的偏差，进行PID控制；直接赋值新的PWM调节更加灵敏。

使用时，Ki会不断的积累误差，一旦控制输出出错(控制对象的当前的状态值出现问题 )，u(k)的大幅变化会引起系统的大幅变化，所以在u(k)达到最大和最小时，要停止积分作用，并且要有积分限幅和输出限幅。

位置式 PID 适用于执行机构不带积分部件的对象，如平衡车和温控系统等。

PID增量式算法：

公式

U(t)=Kp*[e(k)−e(k−1)]+Ki*e(k)+Kd*[e(k)−2e(k−1)+e(k−2)]

比例P : e(k)-e(k-1) 这次误差-上次误差

积分I : e(i) 误差

微分D : e(k) - 2e(k-1)+e(k-2) 这次误差-2*上次误差+上上次误差

U(t)：输出的增量，相当于对位置式进行了微分后返回的东西再积分

增量式PID根据公式可以看出，一旦确定了 Kp、Ki 、Kd，使用前后三次测量值的偏差， 即可由公式求出控制增量。

而得出的控制量u(k)对应的是近几次位置误差的增量，而不是对应与实际位置的偏差没有误差累加。

增量式PID中不需要累加。控制增量Δu(k)的确定仅与最近3次的采样值有关，容易通过加权处理获得比较好的控制效果，并且在系统发生问题时，增量式不会严重影响系统的工作

如果在我未开启电机驱动而开启了PID计算时输出的PWM会不断攀升。

增量型 PID，是对位置型 PID 取增量，这时控制器输出的是相邻两次采样时刻所计算的位置值之差，得到的结果是增量，即在上一次的控制量的基础上需要增加（负值意味减少）控制量。

学习了这些知识，是不是蠢蠢欲动啦，赶紧开干起来吧！做自己的智能控制吧！让子弹分起来！