关于控制算法pid在matlab(simulink)的体现

本次学习参考b站up：DR_CAN

1.闭环控制

  以煮水为例子，在家里的智能水壶总能在水温到达100°时，关闭加热系统。如果没有闭环控制，那这水就被一直加热下去。100°是我们的目标量，通过传感器我们时刻了解温度大小，温度不够加热器（执行器）便继续加热。

  那么在偏差量与执行量间有一种控制算法，便是pid

2.pid是什么

pid由三部分组成：比列项(P)+微分项(I)+积分项(D)

1.比列环节

  偏差量（e） = 目标量 - 当前实际量；

   比列P = 偏差量*比列系数Kp（因为传感器所感知量即偏差量的计算与执行量可能不是同一个单位，因此需要一个值完成转化和放大缩小）

 但只有比列项是无法达到设定值的，因为其始终存在一个稳态误差，数学方面的推导参考

b站upDR_CAN【自动控制原理】6_比例积分控制器_PI控制（非常厉害）

而在matlab(simulink)中体现则是:

首先创建一个simulink的简单反馈系统，matlab中已有pid模块，直接使用即可

这里我们将i和d增益都调为0，通过示波器观察误差值（偏差量）与比列项。

从上图我们不难看出比列项始终无法消除这个误差（误差没有趋向于0）

由此只有比列项的缺点是：其数值固定，无法动态调整

那么通过时间的维度，动态调整，便有了下面的积分环节和微分环节

2.积分环节

由上面的仿真结果来看，比列项过小，那便需要积分项的帮助

偏差量（e） = 目标量 - 当前实际量；

积分量I = I + 偏差量*积分系数Ki（即Ki*误差的积分）

但积分量在系统意外和错误下，会被积累到无限大，因此需要设置积分上下限。

那么在simulink中：

复制粘贴一下，将下面的积分增益改为5，所得仿真结果

通过上图可以看出，误差逐渐趋向于0

那么将两次结果的误差和输入进行对比

  从上图我们也可以看出在比列积分控制下，误差基本消失，但在前期的振荡更强，并且在达到稳定状态的时间要大于比列控制的 ，那么为了消除前期的振荡，便有了微分环节

3.微分环节

当前偏差量（e） = 目标量 - 当前实际量；

微分量D = （当前偏差量 - 上一次的偏差量）*Kd

当前偏差量 - 上一次的偏差量（可能等于下一次偏差量的结果），微分环节相当于预测未来了

这里的微分环节有效抑制了在比列环节调整过大的问题。

那么在simulink中将三种进行对比：

从上图我们可以看到，pid三者相加后，无论是在稳定时间和前期振荡幅频都表现得更加出色

那么微分没有缺点了吗？

  在输入的三种比较中，有微分控制的在一开始会有一个初始超高的变化，那么就要考虑元器件本身的物理特性。