PID算法学习笔记

PID算法 是控制算法中的经典算法，特别是在一个闭环控制系统中更为常用。在四轴飞行器，平衡小车、汽车定速巡航、温度控制器等场景有重要应用。PID，全称为比例-积分-微分控制器（Proportional-Integral-Derivative Controller），是一种广泛应用在控制系统中的经典算法。它的主要功能是根据系统的实际输出与期望值之间的偏差，通过比例、积分、微分三种运算，实时调整控制量，以实现对系统状态的精确控制。

1. 比例环节（P）：比例环节直接作用于当前的误差信号，误差越大，控制器输出的纠正动作也越大，体现了一种即时响应的能力。

2. 积分环节（I）：如果仅有比例环节，可能会导致系统无法消除静态误差，即当系统达到稳态时仍存在偏差。积分环节则可以累积过去的误差，并逐渐修正，使得系统最终能消除稳态误差。

3. 微分环节（D）：微分环节则是预测未来的趋势，根据误差变化率进行提前调节，有助于改善系统的动态性能，提高系统的响应速度和稳定性。

PID算法中一共有三个参数kp、ki、kd

首先先说三个参数都是什么意思

kp：直接作用于当前的误差信号，误差越大，控制器输出的纠正动作也越大，体现了一种即时响应的能力。

ki：如果仅有比例环节，可能会导致系统无法消除静态误差，即当系统达到稳态时仍存在偏差。积分环节则可以累积过去的误差，并逐渐修正，使得系统最终能消除稳态误差。

通俗的说，只有kp，error值将永远存在，ki（积分），可以不断累积误差值，累计得越大调整力度越大。

kd：微分环节则是预测未来的趋势，根据误差变化率进行提前调节，有助于改善系统的动态性能，提高系统的响应速度和稳定性。

通俗的说，微分即求导，求导即斜率，斜率即物体的速度，kd可以控制物体运动的速度，不会导致越过标准线时速度过大。

下面我将通过动图一一展示三个参数的意义。

由上图可见，kp的值越大，无人机对误差的相应速度越大，以实际情况中的巡线小车为例，当小车偏离预设线后无法迅速调回正确方向时，需要调大kp的值。直到kp增大到小车会过调迅速转向线的相反方向时，找一个合适的数值停止。

第二个调整的是kd的值 

还是kp=0.5的情况，我们可以明显发现无人机在接近标准值的时候有强烈的震荡，甚至会出现超过标准值再返回的现象。

这次增加kd，上面说过kd是控制无人机的速度，将ki设置为0.04，可以发现，无人机可以很容易的定住，而不会在标准线附近来回晃荡。

还是以巡线小车举例，如果发现小车可以回到线上，但是返回速度过快，导致小车在标准线左右来回摇摆，可以加大kd的值，直到小车的摇摆幅度开始缩小，继续增大kd，小车会过冲的反效果，同样找到一个适合的数值停止。

第三个要调整的是ki（积分）的值，咱们发现无论如何无人机始终和标准线存在差距（error），不能刚好吻合。积分就是将每一时刻的error的值累加起来，开始调整无人机的误差。

可以发现，无人机在稳定了位置之后，在一点点向标准位置偏移。在巡线小车中，如果始终和标准线有一定距离不能完全吻合，可以加上ki的值。

最后附上一段C语言的PID算法

float PID_realize(float pos){

    pid.Setpos=pos;

    err=pid.Setpos-pid.Actualpos;

    float incrementpos=pid.Kp*(err-err_next)+pid.Ki*err+pid.Kd*(err-2*err_next+err_last);

    pid.Actualpos+=incrementpos;

    err_last=err_next;

    err_next=err;

    return pid.Actualpos;

}

Setpos对应上图中无人机的预设位置

Actualpos 代表无人机的当前位置

两者相减得到其err值

将比例 积分 微分相加得到incrementpos

err_last err_next 用于保存上一时刻的err值