一文让你会用PID控制算法（结合实践把增量型，位置型PID一次讲明白）

一文让你会用PID控制算法（结合实践把增量型，位置型PID一次讲明白）

笔者的控制历程

笔者从接触控制到现在，已经四年半的时间了。这四年半，笔者做了至少有七个控制项目了，有的一个项目要用多个PID。比如在制作平衡车的时候要能让车“站起来”就需要直立环PID，要控制车速就需要再直立环的基础上叠加一个速度环PID。
这里提一嘴，制作平衡车就用到了PID的两大类型：位置型和增量型。并且在进行姿态解算的时候会用到卡尔曼滤波算法。这样如果完成并且弄明白了平衡车控制，就连怎么使用卡尔曼滤波算法都学会了。卡尔曼滤波算法可是将人类送上月球的一个伟大算法。做完之后，其他的一些简单控制也都可以做了。所以十分建议去研究一下，做一下平衡车。
好了，说回正题。笔者这几年在技术上接触最多的就是PID控制算法，所以对齿有十分多的思考和总结。在此总结出来，希望能帮到大家。

适合看这篇文章的人

本文适合于正在学习PID控制算法的人和对PID控制算法了解不深的人，看完这篇文章，你的内心会把PID和实际结合起来。在遇到项目的时候，相信就可以分析出来某个控制适不适合用PID做，以及用增量型或位置型哪种PID去做。注意，本文基本不涉及PID算法的数学推导，只让你会用，想学理论请移步其他优质博文。
如果把控制比作大河，那么PID就只是这条大河的一条支流。笔者给正在学习控制的同学一条忠告，不要认为学完PID就可以解决大部分问题就放弃学习其他的了。在一些大型项目上，比如现在流行的自动驾驶技术，光有PID是远远不够的，如果想在控制领域深耕下去，请继续结合实践学习。笔者所知的就有模糊控制、模糊PID、自整定PID等内容。

生活中的“PID”

位置型

想象一下，某天你出去逛街了，突然发现你芳心暗许的校花同学在你的正前方，你会做什么？有些害羞的金针菇可能会说了，我赶快捂着脸跑开，正面撞上太尴尬了。不，这样是不行的，你要以最快的速度到达她身边，然后去打招呼才行。好的，现在假设你用走直线的方式尽可能快去到她身边，你想一下会怎么做。

你会判断一下距离校花还有多远，如果距离远的话，你就跑的快一点，如果距离近的话就跑的慢一点。
这就是一个PID控制，准确的说，只使用了P这个参数！！！
听笔者细细讲来。把你的大脑想象成处理器，眼睛想象成距离传感器，双腿想象成小车。你的大脑想要快速的去校花面前打招呼，接收到了眼睛传过来的距离误差信息，大脑根据这个误差判断出你需要跑的速度。你的眼睛不断把距离信息传给大脑，大脑不断的判断并控制双腿的速度，距离越近（误差越小），速度就越慢，直至误差等于0，速度也降为了0.这就是一个完美的控制过程。

增量型

现在再想象一个场景，下午五点，你悠哉游哉的下班了，这天天气很好，你骑车小电驴在下班路上的湖边吹风，想把小电驴控制到一个慢慢的速度，你会怎么做？

你会拧动电车的油门把手，如果觉得速度快了就拧的小一点，如果发现速度慢了就拧的大一点，直到电车达到一个合适的速度，这个时候保持电车的把手不动或者再随着车速的变化去微调油门，这样电车就能载着你慢慢的走在湖边，湖边的风吹动了你的裙摆,再看着夕阳，还不惬意！！！
上述调节油门让电车达到一个合适的速度，就是一个典型的增量型PID算法，只是依然是由你来感知速度，然后调节速度的。请听我细细讲来，某个时候电车的实际速度和你的理想速度不同，你感觉到了这一速度误差，然后大脑做出判断，要改变速度，就在原先的油门大小基础上再拧动油门，让电车达到合适的速度。如果速度误差大，拧动的幅度就大，速度误差小，拧动的幅度就小。
好，讲到这里，大家可以回去在看看和女神打招呼的例子，看一下增量型和位置型的算法有什么不同之处。聪明的金针菇回去看了一眼说，圆哥，你骗我们啊，哪有什么不同，都是根据误差对速度进行调节。
听我仔细讲来，从表面上来看，两者的不同主要体现在最后的控制上。位置型PID算法，当误差等于0的时候，那么速度也直接为0了。而增量型PID控制算法，当误差等于0的时候，还会持续的输出一个量，让产品保持稳定。用上面的例子来看，当你到女神旁边（误差为0），如果女神不踹你一脚，那你就停下来了（速度为0）。而你把电车控制到一个合适的速度之后，还是要给着油门，否则电车就会慢慢的停下来。
从逻辑上看，位置型PID算法是一个正逻辑，即误差越小，输出就越小。这样的逻辑比较接近于咱们的生活。而增量型PID算法就反过来了，由于值在一直累加，误差越小，输出反而越大。增量型的逻辑可能有点难理解，可以想一下电车速度从零加到某个速度的过程，刚开始油门最小，慢慢的加油门启动，如果速度没达到就要继续的加油门，当达到这个速度的时候，误差为0了，油门也最大了。
一般来说，位置型和增量型对应各自要解决的问题，但是某些特殊的控制系统，单用位置型和位置型都不能很好的解决问题甚至无法解决问题。笔者这几年，位置型PID算法的项目，增量型PID算法的项目还有两者混合的项目都做过，如果大家有兴趣请点赞收藏再加评论区留言，如果想看的比较多，我再把之前的项目写一下，看看笔者是怎么分析的。

PID的公式以及优点分析

上述PID的公式是位置式的，对误差进行比例运算，积分运算和微分运算，最后叠加。增量型和位置型的区别在于，增量式要把上一次的输出记录下来，加上这一次的PID计算结果，才是最终输出。两者的比例，积分，微分运算对控制效果的影响是相似的，下面我以位置型为例来说明这三种运算对最终结果的影响。

比例运算（P的作用）

想象一下，如果让你用开关的方式去控制一个小车距离墙35公分，你会怎么做呢？距离墙45公分的时候开启小车，小车往前走，当到达35公分的时候，关闭小车。开启小车后小车的速度不变，如果速度给的小的话，小车到达35公分所用的时间太长。如果速度给的大的话，达到35公分后由于惯性的原因小车关闭后不会立即停下来。好像两难无解了。但是如果控制方式是不仅仅的开关，而是变成：得到小车距墙的距离，减去35公分的err，再用err去乘一个比例系数P，这样如果距离大的话，输出的值就大，相应的速度就快，当距离小的时候，相应的输出值也小，这样就可以让电机在接近35公分处时具有很小的速度从而停下来。

积分运算（I的作用）

再想象一下上一个加了P后的例子，理想状态下，在接近终点时，P*err得到的值小，电机就会输出小的转速，从而小车速度很慢。但是在现实中，如果给的电压低于某个值的话，电机是不转的，这样就会导致小车在距离终点还有一段距离的时候停下来。这个时候I的作用就体现出来了。把每一次的err值都记录下来，进行累加，得到sum_err。想一下，以现在传感器的采样频率，每秒能进行50次采样甚至更多，这样每秒就可以累加50次。所以在P不起作用之后，sum_err会继续不断的进行累加，在很短的时间内就可以达到一个较大的值，让电机再次运行起来。

微分运算（d的作用）

大家想一下，P运算和I运算就完美了吗？P来控制输出量的大小，I来解决可能出现的稳态误差问题，似乎已经解决了所有问题。理想情况下在参数调节的很好的情况下，确实挺完美的。但是现实情况往往更加复杂多变。举个例子，你在小车（小车重10KG）载重10KG的时候进行速度控制，得到一组P，I的参数，可以让小车稳定快速的达到某一个速度。但是如果把载重变为0，电机的负荷变小，小车的速度变化就会加快。这个时候就很容易产生超调甚至失控的情况，这是及其危险的。这个时候，微分的作用就体现出来了。如果小车的速度变化加快，小车速度和时间的曲线斜率会变陡，所以D会变大，注意D这一项是负值。所以整体的输出会变小，抑制了曲线变陡。同样的，当继续增加载重也会有类似的负反馈现象。

先写这么多吧，累的不行了。请大家留言指正文中的错误，还可以留言自己的疑问，笔者会回复的。请大家多多点赞收藏。