位置式PID与增量式PID代码实现(python)

本文只展示部分代码，完整代码请访问我的github

一、PID控制器简介

PID(P比例，I积分，D微分)是一种model free的控制器，使用该控制器，无需对控制系统进行建立模型，只需对P、I 、D这三个参数进行调整即可，使用起来十分方便，因此在控制系统中被广泛使用。

$$u(t)=K_{p}e(t)+K_i{\int }_0^{t}e(t)dt+K_d\frac{de(t)}{dt}\text{\hspace{1em}(1)}$$

• 积分项有助于消除稳态误差
• 微分项有助于加快系统相应
• PD控制：提高稳定性，改善瞬态响应
• PI控制：改善稳态误差

二、一阶惯性环节

以下的代码中将用一阶惯性环节作为被控对象来进行展开。此处简单介绍一下一阶惯性系统。
一阶惯性环节(系统)比较常见，如单容水箱、电容等含有储存元件或容量的元件系统，该系统输出一开始并不与输入同步按比例变化，直到过渡过程结束输出$y(t)$才与输入$x(t)$保持比例关系。

• 运动方程：
  $$T\frac{dy(t)}{dt}+y(t)=Kx(t)$$
• 传递函数
  $$G(s)=\frac{Y(s)}{X(s)}=\frac{K}{Ts+1}$$
  其中T是时间常数，K是比例常数
• 在数字控制系统中通常写为：
  $T\left[y(k)-y(k-1)\right]+y(k)=Kx(k)$ $\Rightarrow$ $y(k)=\frac{Kx(k)+Ty(k-1)}{1+T}$

三、位置式PID

3.1 简介

在计算机控制系统中往往使用位置式PID算法与增量式PID算法。下面给出位置式PID的公式。
$$u(k)=K_{p}e(k)+K_i\sum _{i=0}e(i)+K_d\left[e(k)-e(k-1)\right]\text{\hspace{1em}(2)}$$
从公式可以看出，这就是对式(1)的直接数字化，容易理解，输出u(k)便是PID控制器的输出位置。
该控制器存在的缺点：
由于积分饱和带来的影响，控制器需要相当一段长的时间退出饱和区，由此引起系统产生大幅度超调。这里如果想继续了解积分饱和，请点击链接查看matlab官方的讲解。

3.2 程序

#位置式PID系统
class PositionalPID:
    def __init__(self, P: float, I: float, D: float):
        self.Kp = P
        self.Ki = I
        self.Kd = D

        self.PIDOutput = 0.0  # PID控制器输出
        self.SystemOutput = 0.0  # 系统输出值
        self.LastSystemOutput = 0.0  # 系统的上一次输出

        self.PIDErrAdd = 0.0
        self.ResultValueBack = 0.0
        self.Error = 0.0
        self.LastError = 0.0

    def SetStepSignal(self, StepSignal):
        self.Error = StepSignal - self.SystemOutput

        KpWork  = self.Kp *self.Error
        KiWork = self.Ki* self.PIDErrAdd
        KdWork = self.Kd * (self.Error- self.LastError)
        self.PIDOutput = KpWork + KiWork + KdWork
        self.PIDErrAdd += self.Error
        self.LastError = self.Error

        # 以一阶惯性环节为例子演示控制效果

    def SetInertiaTime(self, IntertiaTime, SampleTime):
        self.SystemOutput = (IntertiaTime * self.LastSystemOutput + SampleTime * self.PIDOutput) / (
                    SampleTime + IntertiaTime)
        self.LastSystemOutput = self.SystemOutput

四、增量式PID

4.1简介

$\Delta u(k)=u(k)-u(k-1)=$
$$K_p\left[e(k)-e(k-1)\right]+K_{i}e(k)+K_d\left[e(k)-2e(k-1)+e(k-2)\right]\text{\hspace{1em}(3)}$$
增量式PID只求取控制量的变化量，一旦确定了 KP、TI 、TD，只要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，因此没有误差累加，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。
最后的输出要加上上一时刻的输出u(k-1),即：
$$u(k)=\Delta u(k)+u(k-1)\text{\hspace{1em}(4)}$$

4.2 程序

#增量式PID系统
class IncrementalPID:
    def __init__(self, P:float ,I:float ,D:float ):
        self.Kp = P
        self.Ki = I
        self.Kd = D

        self.PIDOutput =0.0         #PID控制器输出
        self.SystemOutput = 0.0     #系统输出值
        self.LastSystemOutput = 0.0 #系统的上一次输出

        self.Error = 0.0
        self.LastError = 0.0
        self.LastLastError = 0.0

    #设置PID控制器参数
    def SetStepSignal(self,StepSignal):
        self.Error = StepSignal - self.SystemOutput
        #计算增量
        IncrementalValue = self.Kp*(self.Error - self.LastError)\
            + self.Ki * self.Error +self.Kd *(self.Error -2*self.LastError +self.LastLastError)
        #计算输出
        self.PIDOutput += IncrementalValue
        self.LastLastError = self.LastError
        self.LastError = self.Error

    #以一阶惯性环节为例子演示控制效果
    def SetInertiaTime(self,IntertiaTime,SampleTime):
        self.SystemOutput = (IntertiaTime*self.LastSystemOutput + SampleTime *self.PIDOutput)/(SampleTime + IntertiaTime)
        self.LastSystemOutput = self.SystemOutput

五、几种控制效果对比

上图！图中红色为增量式PID，蓝色为位置式PID，黑色是不加控制器的效果。