PID控制算法Python代码实现（一）

m0_73791114

已于 2024-07-15 16:59:17 修改

阅读量220

点赞数 6

分类专栏： PID控制算法文章标签： python 开发语言

于 2024-07-15 15:50:14 首次发布

本文链接：https://blog.csdn.net/m0_73791114/article/details/140440297

版权

PID控制算法专栏收录该内容

2 篇文章 0 订阅

订阅专栏

PID控制器（比例-积分-微分控制器），由比例单元（Proportional）、积分单元（Integral）和微分单元（Derivative）组成。可以透过调整这三个单元的增益 $K_p$ ， $K_i$ 和 $K_d$ 来调定其特性。PID控制器主要适用于基本上线性，且动态特性不随时间变化的系统。具体的PID介绍可以参考相关资料。

本文只要给出位置式PID控制算法的python代码及其实现，增量式PID控制算法的python代码实现将在下一篇文章中分布。

位置式PID离散公式为

$u(t)=K_pe_t+K_i\sum_{k=1}^{i}e(t)\Delta t+K_d\frac{e_t-e_{t-1}}{\Delta t}$

其中， $u(t)$ 表示每一步的输出值， $e_t$ 表示每一步的误差，根据上述公式，PID算法的代码如下。

class PID:
    def __init__(self, P=0, I=0, D=0, initValue=0):
        self.Kp = P
        self.Ki = I
        self.Kd = D
        '''
        self.curValue表示现在的值
        self.ErrorSum表示前面所有误差之和
        self.PreError表示前一次的误差
        self.CurError表示现在的误差
        '''
        self.curValue = initValue
        self.ErrorSum = 0.0
        self.PreError = 0.0
        self.CurError = 0.0

    def PID_output(self, Target):
        self.PreError = self.CurError
        self.CurError = Target - self.curValue
        dErr = self.CurError - self.PreError
        self.ErrorSum += self.CurError
        # PID算法公式
        output = self.Kp * self.CurError + self.Ki * self.ErrorSum + self.Kd * dErr
        self.curValue += output
        return self.curValue

设置一个测试函数，用于验证PID控制算法，其中需要引入第三方库用于作图。

import numpy as np
import matplotlib.pyplot as plt

测试函数如下：

def test_PID(P=0, I=0, D=0, initValue=0, len=1, target=0):
    pid = PID(P, I, D, initValue)
    pid_list = []
    time_list = []
    pid_list.append(pid.curValue)
    time_list.append(0)

    for i in range(1, len + 1):
        output = pid.PID_output(target)
        pid_list.append(output)
        time_list.append(i)

    time_list = np.array(time_list)
    pid_list = np.array(pid_list)

    plt.figure()
    plt.style.use('seaborn-v0_8')
    plt.plot(time_list, pid_list)
    plt.axhline(target, c='green')
    plt.xlim((0, len))
    plt.ylim((min(pid_list) - 1, max(pid_list) + 1))
    plt.xlabel('time(s)')
    plt.ylabel('value')
    plt.title('PID control')
    plt.grid(True)
    plt.show()

完整代码如下：

import numpy as np
import matplotlib.pyplot as plt

class PID:
    def __init__(self, P=0, I=0, D=0, initValue=0):
        self.Kp = P
        self.Ki = I
        self.Kd = D
        '''
        self.curValue表示现在的值
        self.ErrorSum表示前面所有误差之和
        self.PreError表示前一次的误差
        self.CurError表示现在的误差
        '''
        self.curValue = initValue
        self.ErrorSum = 0.0
        self.PreError = 0.0
        self.CurError = 0.0

    def PID_output(self, Target):
        self.PreError = self.CurError
        self.CurError = Target - self.curValue
        dErr = self.CurError - self.PreError
        self.ErrorSum += self.CurError
        # PID算法公式
        output = self.Kp * self.CurError + self.Ki * self.ErrorSum + self.Kd * dErr
        self.curValue += output
        return self.curValue
    
def test_PID(P=0, I=0, D=0, initValue=0, len=1, target=0):
    pid = PID(P, I, D, initValue)
    pid_list = []
    time_list = []
    pid_list.append(pid.curValue)
    time_list.append(0)

    for i in range(1, len + 1):
        output = pid.PID_output(target)
        pid_list.append(output)
        time_list.append(i)

    time_list = np.array(time_list)
    pid_list = np.array(pid_list)

    plt.figure()
    plt.style.use('seaborn-v0_8')
    plt.plot(time_list, pid_list)
    plt.axhline(target, c='green')
    plt.xlim((0, len))
    plt.ylim((min(pid_list) - 1, max(pid_list) + 1))
    plt.xlabel('time(s)')
    plt.ylabel('value')
    plt.title('PID control')
    plt.grid(True)
    plt.show()

if __name__ == '__main__':
    test_PID(P=0.1, I=0.1, D=0.1, initValue=0, len=200, target=100)