PID 控制算法 | 控制改进 / 闭环控制

斐夷所非

已于 2025-03-19 09:19:42 修改

阅读量1.3k

点赞数 22

分类专栏： electronic engineering 文章标签： PID 控制

于 2025-03-16 07:47:56 首次发布

本文链接：https://blog.csdn.net/u013669912/article/details/146289897

版权

electronic engineering 专栏收录该内容

46 篇文章

订阅专栏

注：本文为 “PID 控制算法” 相关文章合辑。

未整理，如有内容异常请看原文。

PID 控制中 P、I、D 各自作用

ss 哈于 2019-04-22 21:31:18 发布

假设一个模型：通过 PID 控制的方式，控制一个人行走 100 步后停下。

1）P 比例控制：

设定行走 100 步，在该控制作用下，此人按照一定的步伐行走，可能走到九十几步（例如 98 步）或一百多几步（例如 102 步）就停下。这体现了 P 比例控制的作用。

说明：仅有比例控制时，系统输出存在稳态误差。在比例 P 控制中，输出与输入误差信号成比例关系。

2）PI 积分控制：

在该控制模式下，当此人按照一定步伐走到 98 步时继续行走，走到 102 步后往回走，如此在 100 步附近来回移动几次，最终停在 100 步的位置。

说明：在自动控制系统中，为消除稳态误差，引入 “积分项”。积分项对误差的计算取决于时间的积分，随着时间的增加，积分项会逐渐增大。即便误差较小，积分项也会随着时间不断增大，从而使稳态误差进一步减小，直至趋近于零。在积分 I 控制中，输出与输入误差信号的积分成正比关系。

3）PD 微分控制：

在此控制方式下，此人按照一定的步伐走到九十几步后，会逐渐缓慢地向 100 步的位置靠近。

说明：自动控制系统在克服误差的调节过程中，可能会出现振荡甚至失稳的情况。这是因为系统中存在较大惯性组件（环节）或滞后组件，这些组件虽具有抑制误差的作用，但它们的变化总是滞后于误差的变化。解决这一问题的方法是使抑制误差作用的变化 “超前”，即在误差接近零时，抑制误差的作用也应趋近于零。仅引入 P 项是不够的，P 项仅仅放大了误差的幅值，而加入微分项后，微分项能够预测误差变化的趋势，从而避免被控量出现严重超调。正是 D 控制的这种预测作用，改善了系统调节过程中的动态特性，加快了误差消除的调节过程。在微分 D 控制中，输出与输入误差信号的微分（即误差的变化率）成正比关系。

个人理解：

在 PID 联合控制时，P 控制首先使被控对象走到接近目标值的位置，例如走到 98 步或 102 步；然后 I 控制使被控对象在目标值 100 步附近来回调整几次；此时 D 控制的作用是减小振荡幅度和振荡次数等振荡因素，避免出现失稳情况，进而改善系统调节过程中的动态特性，加快调节过程，实现误差消除，完成控制任务。

PID 控制算法

若悲浪已于 2022-05-12 09:37:50 修改

前言

PID 即：Proportional（比例）、Integral（积分）、Differential（微分）的缩写。

PID 控制算法是结合比例、积分和微分三种环节于一体的控制算法。

PID 是闭环控制算法中最简单的一种，常应用于温度、电机控制等等。

原理

公式推导

PID 公式：

$K_p\left[e(t)+\frac{1}{T_i}\int_{0}^{t}e(t)dt + T_d\frac{de(t)}{dt}\right]\tag{1}$

其中 $K_p$ 为比例系数， $T_i$ 为积分时间， $T_d$ 为微分时间。

看公式就可以看出这是比例部分、积分部分和微分部分的加和，因此称为 PID (proportion, integration, differential)。

在实际应用中，我们需要将该连续公式转化为离散公式，因此需要进行一下替换：

连续时间 $t$ $\longrightarrow$ 采样时间 $k T$

积分 $\longrightarrow$ 求和: $\int_{0}^{t}e(t)dt$ $\longrightarrow$ $T\sum_{j = 0}^{k}e(jT)$

微分 $\longrightarrow$ 单位差值： $\frac{de(t)}{dt}$ $\longrightarrow$ $\frac{e_k - e_{k - 1}}{T}$

因为我们得到离散化的公式：

$K_pe(kT)+K_i\sum_{j = 0}^{k}e(jT)+K_d(e(kT)-e((k - 1)T))\tag{2}$

其中 $K_i=\frac{K_pT}{T_i}$ ， $K_d=\frac{K_pT_d}{T}$ 。

位置式 PID

上面得到的公式，计算的值就是位置式 PID，是当前负载应该输出的值。

比例项是对输出量起决定性作用的，当前值与目标值差值越大，则比例项越大。

需要注意的是，公式中包含积分成分，因此仅适用于不包含积分效果的负载，即实时响应的，比如发热块。

并且在使用时，需要设置积分最大值，因为当误差一直为正时，积分项一直在累加，会导致积分项很大，当误差为负时，此时积分项不能及时减去，导致超调。

微分项的作用是抑制变化，误差为正时，微分项为负，误差为负时，微分项为正。微分具有预测的功能，它体现的是检测值的变化趋势，适当的值有利于稳定目标值。

注：在调整 PID 参数时，应该先调 $P$ ，再调 $I$ ，最后调整 $D$ 。

增量式 PID

顾名思义增量式就是当前输出量相比上一刻的输出量应该增加的值。

由公式 $(2)$ 可以得出上一刻的公式：

$1)=K_pe((k - 1)T)+K_i\sum_{j = 0}^{k - 1}e(jT)+K_d(e((k - 1)T)-e((k - 2)T))\tag{3}$

公式 $(2)$ 和公式 $(3)$ 相减得到：

$\Delta u(k)=K_p(e(kT)-e((k - 1)T)) + k_ie_k+K_d(e(k)-2e((k - 1)T)+e((k - 2)T))\tag{4}$

可以看出输出结果只与 $k$ , $k - 1$ , $k - 2$ 时刻的反馈值有关，无积分作用。并且是作用于上一刻的控制量上的增加量。

增量式 PID 可以应用于带有积分结构的负载。

PID 性能指标

在使用 PID 控制时，我们需要估算此时使用的 PID 参数实际应用的性能如何，能否达到要求，一般从以下 3 点观察。

超调量

顾名思义，超调量就是实际的反馈值超过设定值的量，它所占整个调整量的百分比。

PID 曲线

从图中可以看出，最大动态偏差（第一个波峰超过设定值的幅度)差不多是 $0.16$ ，那么超调量为 $16\%$ 。

调节时间

调节时间是指从调整开始到稳态误差在要求范围内，所需要的时间，调节时间越短越好。

上图的调节时间大约在 $50$ 左右。

震荡频率

震荡频率表现的是系统调整的速度，一般来说震荡频率越快越好，最后趋于平稳。

上升时间

上升时间是指实际值第一次达到设定值的时间，即快速上升阶段的时间，时间越短越好。

PID 算法改进

实际使用过程中，PID 会有较大的局限性，导致调参过程中，根本无法达到要求，因此我们需要根据实际情况，进行改进。下面介绍几种常用的改进方法。

上下限设定法

有些场景下，并不希望全开或者全关，因此我们需要设置最大输出值和最小输出值， $u_{min}\leq u(t)\leq u_{max}$ 。

死区设定法

有时候，因为 PID 不断地调节，使得输出曲线不断震荡，当我们需要一个平稳的曲线时，我们可以在一段区间内，使负载不受 PID 控制，由固定功率运行，在区间外则重新受 PID 控制。

积分部分改进

我们知道积分部分是历史误差的和，既可以提高系统的响应速度，又可以帮助系统消除稳态误差。

当前值小于设定值时，积分项一直在累加，此时帮助输出值能够更快得达到设定值；但当前值等于设定值时，比例项为0，积分项达到最大值，仍然会有输出，它会增大系统的超调量。在当前值大于设定值时，积分项开始减小，帮助系统回到设定值。在只有比例项时，系统的振动幅度往往很大，加入积分项后，可以使系统更加稳定。

为了减小积分部分对超调量的影响，我们可以做出以下改进：

设置积分项上限：在第一个上升阶段，有较长的时间处于低于设定值的状态，积分项增加得很快，当当前值大于设定值时，又不能及时地减去积分项，因此我们可以设定一个积分项的最大值，使得积分项不至于累加过大。
设置积分有效区间：对于上述情况，我们也可以设置积分的有效区间。当当前值与设定值差值过大时，积分不进行累加，只有差值在一定的范围内时，积分开始累加，这样积分项不会累加得过大。也可以将在差值过大时的积分系数减小，达到相同的效果。

微分部分改进

微分部分是抑制系统输出值变化的，使系统更加稳定。它的趋势预测能力也可以帮助控制一些反馈滞后的系统，比如温度控制系统。但是微分部分往往是直接加上的，并且只持续一个时间周期，使得系统并不能稳定，且抗干扰能力减弱。

因此我们需要对微分部分进行一些改进措施：

不完全微分法：我们可以加入低通滤波器的方法，将微分项变得平缓一点。

RC低通滤波器

传递函数为：

$H(j\omega)=\frac{V_{out}}{V_{in}}=\frac{\frac{1}{j\omega C}}{R+\frac{1}{j\omega C}}=\frac{1}{1 + j\omega RC}\tag{5}$

令 $j\omega$ ，则

$H(s)=\frac{1}{1 + sRC}\tag{6}$

对 $s$ 进行Z变换，这里采用一阶向后差分的方法：

$s=\frac{1 - z^{-1}}{T}\tag{7}$

推导过程如下：

令 $\frac{U(s)}{E(s)}=\frac{1}{s}$ ，对其进行微分可以得到

$\frac{du(t)}{dt}=\frac{u(kT)-u[(k - 1)T]}{T}=e(t)\tag{8}$

那么

$1)T]+Te(kT)\tag{9}$

Z 变换：

$U(z)=z^{-1}U(z)+TE(z)\tag{10}$

则

$s=\frac{E(s)}{U(s)}=\frac{E(z)}{U(z)}=\frac{1 - z^{-1}}{T}\tag{11}$

带入公式(6)可以得到

$H(s)=\frac{1}{1+\frac{1 - z^{-1}}{T}RC}=\frac{T}{T+(1 - z^{-1})RC}\tag{12}$

Z 逆变换后

$RC)V_{out}(n)-RCV_{out}(n - 1)=TV_{in}(n)\tag{13}$

$\begin{align*} \Rightarrow V_{out}(n)&=\frac{TV_{in}(n)+RCV_{out}(n - 1)}{T + RC}\\ &=V_{out}(n - 1)+\frac{T}{T + RC}(V_{in}(n)-V_{out}(n - 1))\tag{14} \end{align*}$

令 $\alpha=\frac{T}{T + RC}$ ，则

$V_{out}(n)=\alpha V_{in}(n)+(1 - \alpha)V_{out}(n - 1)\tag{15}$

将这个公式转换到PID微分项可以得到

$U_d(k)=\alpha K_d[e(k)-e(k - 1)]+(1 - \alpha)U_d(k - 1)\tag{16}$

$\alpha$ 的取值为0~1，越小，滤波效果越大，当 $\alpha = 0$ 时，没有微分效果，当 $\alpha = 1$ 时，是没有滤波的微分，即完全微分。根据实际情况，选择合适的 $\alpha$ 值。公式(16)是位置式PID的微分算法，下面计算一下差值，即可得到增量式PID微分算法

$\Delta U_d(k)=\alpha K_d[e(k)-e(k - 1)]-\alpha U_d(k - 1)\tag{17}$

微分先行法：前面的改善方法都是在设定值不变的情况，但是如果需要不断改变设定值的情况，使得被控量以一定规律波动。以前面的方法，是对被控量与设定值的差值进行微分，设定值频繁改变时，微分项会产生较大的突变，影响系统稳定。

因此我们这里只对被控量进行微分，对设定值不进行微分。

PID微分先行

我们令微分部分的传递函数为

$\frac{U_d(s)}{Y(s)}=\frac{T_ds + 1}{\gamma T_ds + 1}\qquad 0\lt\gamma\lt1\tag{18}$

则

$\gamma T_d\frac{du(t)}{dt}+u(t)=T_d\frac{dy(t)}{dt}+y(t)\tag{19}$

将微分部分一阶滞后差分：

$\frac{du(t)}{dt}=\frac{u(k)-u(k - 1)}{T}\tag{20}$

$\frac{dy(t)}{dt}=\frac{y(k)-y(k - 1)}{T}\tag{21}$

带入到公式(19)中得到：

$u_d(k)=\frac{\gamma T_d}{\gamma T_d + T}u_d(k - 1)+\frac{T_d + T}{\gamma T_d + T}y(k)-\frac{T_d}{\gamma T_d + T}y(k - 1)\tag{22}$

将 $K_d=\frac{K_pT_d}{T}$ 带入到上式中得到：

$u_d(k)=\frac{\gamma K_d}{\gamma K_d + K_p}u_d(k - 1)+\frac{K_d + K_p}{\gamma K_d + K_p}y(k)-\frac{K_d}{\gamma K_d + K_p}y(k - 1)\tag{23}$

上式为位置式PID的微分项，增量式PID的微分项如下：

$\Delta u_d(k)=-\frac{K_p}{\gamma K_d + K_p}u_d(k - 1)+\frac{K_d + K_p}{\gamma K_d + K_p}y(k)-\frac{K_d}{\gamma K_d + K_p}y(k - 1)\tag{24}$

PID 控制中的积分项 I 的讨论：消除稳态误差，但可能引起超调

CoderIsArt 于 2024-11-16 12:15:59 发布

在 PID 控制中，积分控制项（I）是解决稳态误差问题的重要组成部分，但也可能导致系统超调。以下是积分控制的工作原理、消除稳态误差的机制，以及引起系统超调的原因和应对措施。

1. 积分控制项如何消除稳态误差

(1) 稳态误差的定义

稳态误差是系统在达到稳定状态后，输出值与设定值之间的持续偏差。
在仅有比例控制（P）时，由于控制力的大小与偏差成正比，当偏差趋近于零时，控制力可能不足以克服系统的干扰或非线性特性，从而导致稳态误差。

(2) 积分控制的作用

积分控制的公式为：
$u_{I}(t)=K_{I} \int_{0}^{t} e(\tau) d \tau$
其中 $K_{I}$ 是积分增益， $e (t)$ 是系统的误差。
积分项对误差进行累加，当系统存在稳态误差时，误差在积分项中不断累积，直到输出值与设定值一致，稳态误差为零。

(3) 消除稳态误差的机制

如果系统存在持续的偏差（稳态误差），积分项会不断增大，增加控制输出，直到偏差消失。
这种 “记忆” 机制使得积分控制能够补偿稳态误差，即使比例控制不足以单独消除误差。

2. 积分控制如何引起系统超调

(1) 超调的定义

超调是指系统响应超过设定值的幅度，通常伴随振荡。

(2) 积分控制引起超调的原因

累积效应（积分饱和）：
积分项会对误差进行累积，即使误差开始减小，积分项仍然可能保持较大的值（称为 “积分滞后”）。
当系统的实际输出接近设定值时，过大的积分项会导致控制输出过大，从而引发超调。
响应速度较快的系统：
如果系统响应速度较快（如具有较大的比例增益 $K_P$ ），积分项可能在偏差消失前已经累积了过多控制量，导致输出快速越过设定值，引发超调。
系统惯性较大：
在高惯性系统中，积分项可能在设定值附近产生持续作用，导致系统超过目标位置。

3. 避免积分控制引起超调的措施

(1) 积分增益调节

适当降低积分增益 $K_I$ 可以减少积分项的累积速度，从而降低超调的可能性。

(2) 抗积分饱和技术

积分分离法：
当误差超过一定阈值时，暂时关闭积分作用，只使用比例和微分控制。
积分限幅：
对积分项设定一个最大值，限制其累积幅度。

(3) 引入抗积分效应的控制策略

抗积分风暴（Anti-windup）：
在系统接近目标值时，通过修正积分项或者限制控制输出，避免积分项对总输出产生过大影响。

(4) 合适的微分控制

微分控制项（D）可以抵消由于积分累积导致的快速变化趋势，从而抑制超调。

(5) 前馈控制

在某些情况下，可以通过加入前馈控制减少误差累积的发生。

4. 总结

积分控制的优点：通过累积误差，消除稳态误差，增强系统的精度。
潜在风险：如果未正确调整，积分控制可能导致系统超调，甚至引起振荡或不稳定。
解决方案：通过合理的增益调节、抗积分风暴机制和综合控制策略，可以有效平衡系统响应速度、超调和稳态误差之间的矛盾。

PID 闭环控制算法解析

肥肥胖胖是太阳于 2020-10-11 19:24:48 发布

PID 简介

P	Proportion（比例）	就是输入偏差乘以一个常数
I	Integral（积分）	就是对输入偏差进行积分运算
D	Derivative（微分）	对输入偏差进行微分运算

P (比例), I (积分), D (微分) 环节

P 环节

作用：对当前时刻的偏差进行比例放大

采样序列：系统中每个时刻采集回来的当前值，最终得到：“ $X_1、X_2、X_3 \cdots X_{n - 1}，X_n$ ”；

第 $k$ 时刻的偏差： $\text{Expect} - X_k$ ；

$e (k) > 0$ ：控制系统还未达到期望值；
$e (k) = 0$ ：控制系统已经达到期望值；
$e (k) < 0$ ：控制系统已经超过期望值；

P 环节的第 $k$ 时刻的输出： $K_p \times e(k)$ 。

$K_p$ ：P 比例系数，可以理解为放大倍数。

单 P 算法中的缺陷：当系统不存在偏差（ $e (k) = 0$ ）时，执行部件便无输出，被控对象处于失控状态。

（每次系统输出，都会使得控制系统更加接近期望值，偏差 $e_k$ 不断变小，所以斜率不断变小）我们看到如果没有 I，D 环节，误差永远不会被消除，会在目标值附近进行波动。

I 环节

I（积分）环节：对过去所有时间的偏差进行积分。

偏差序列： $\text{Expect} – X_k$ ，将得到的数据 “ $e_1、e_2、e_3 \cdots e_{n - 1}、e_n$ ”，的后 $T_i$ 个时间单位进行求和，最终得到以下数据：

$\sum e_i$ ：对过去所有时间的偏差进行求和；
$\sum e_i < 0$ ：控制系统在过去大部分时间段还未达到期望值；
$\sum e_i = 0$ ：控制系统在过去大部分时间段已经达到期望值；
$\sum e_i > 0$ ：控制系统在过去大部分时间段已经超过期望值；

I 环节的第 $k$ 时刻的输出： $K_i \times \sum e_i$ 。（ $K_i$ ：I 比例系数）

在控制系统刚启动时，由于 I 环节的偏差累积效应，可以更快的达到期望值。但同时也由于偏差的累积效应，使得系统第一次达到期望值时，过去所有时刻都未达标，即 $\sum e_i$ 很大，所以曲线其实会超过期望的那条虚线并持续增长，所以，我们通常会在 I 环节中除以积分时间 $T_i$ ，即 $\frac{K_i \times \sum e_i}{T_i}$ 。

I 环节中引入了 “误差的积分值”，积分代表了以前误差的累积，可以加快达到目标值，但是由于 I 环节受此状态之前误差的累积的影响，因此当达到目标值之后，不会稳定下来，会继续越过目标值进行变化，因此就需要我们不仅要考虑以前，也要考虑未来于是就出现了 “D (微分) 环节”。

D 环节

D（微分）环节：通过偏差的偏差，对控制系统的输出走向进行预判，起超前调节的作用。

偏差的偏差序列： $\Delta e_k = e_k - e_{k - 1}$ ，最终得到 “ $\Delta e_1、\Delta e_2、\Delta e_3 \cdots \Delta e_{n - 1}、\Delta e_n$ ”；

$\Delta e(k)$ 很大时，表示控制系统上一刻的输出很 “陡峭”，表明控制系统离目标相差很远，所以 D 环节的输出也很大。

D 环节的第 $k$ 时刻的输出： $K_d \times \Delta e(k)$ 。

$K_d$ ：D 微分系数，除了超前预判，还可理解为阻尼力。

微分环节很奈斯，D 环节反映了最近一些时间误差的变化，对于我们预测未来误差的走向具有重要意义，并且由于 D 环节很容易受噪声波动也就是误差波动的影响，因此加入 I 环节可以使大幅度的波动迟缓，即 I 环节限制大幅度波动 (由于 I 环节对在此之前的 $T_i$ 个单位时间内的误差求平均，因此对于当前的前一个误差变化的敏感度下降，于是 I 环节拥有 “延迟效果”)，D 环节预测修正值得走向，一个联系从前，一个联系未来。

PID 算法的由来

尽管不同类型的控制器，其结构、原理各不相同，但是基本控制规律只有三个：比例（P）控制、积分（I）控制和微分（D）控制。这几种控制规律可以单独使用，但是更多场合是组合使用。如比例（P）控制、比例 - 积分（PI）控制、比例 - 积分 - 微分（PID）控制等。

比例（P）控制

单独的比例控制也称 “有差控制”，输出的变化与输入控制器的偏差成比例关系，偏差越大输出越大。实际应用中，比例度的大小应视具体情况而定，比例度太小，控制作用太弱，不利于系统克服扰动，余差太大，控制质量差，也没有什么控制作用；比例度太大，控制作用太强，容易导致系统的稳定性变差，引发振荡。

对于反应灵敏、放大能力强的被控对象，为提高系统的稳定性，应当使比例度稍小些；而对于反应迟钝，放大能力又较弱的被控对象，比例度可选大一些，以提高整个系统的灵敏度，也可以相应减小余差。

单纯的比例控制适用于扰动不大，滞后较小，负荷变化小，要求不高，允许有一定余差存在的场合。工业生产中比例控制规律使用较为普遍。

比例积分（PI）控制

比例控制规律是基本控制规律中最基本的、应用最普遍的一种，其最大优点就是控制及时、迅速。只要有偏差产生，控制器立即产生控制作用。但是，不能最终消除余差的缺点限制了它的单独使用。克服余差的办法是在比例控制的基础上加上积分控制作用。

积分控制器的输出与输入偏差对时间的积分成正比。这里的 “积分” 指的是 “积累” 的意思。积分控制器的输出不仅与输入偏差的大小有关，而且还与偏差存在的时间有关。只要偏差存在，输出就会不断累积（输出值越来越大或越来越小），一直到偏差为零，累积才会停止。所以，积分控制可以消除余差。积分控制规律又称无差控制规律。

积分时间的大小表征了积分控制作用的强弱。积分时间越小，控制作用越强；反之，控制作用越弱。

积分控制虽然能消除余差，但它存在着控制不及时的缺点。因为积分输出的累积是渐进的，其产生的控制作用总是落后于偏差的变化，不能及时有效地克服干扰的影响，难以使控制系统稳定下来。所以，实用中一般不单独使用积分控制，而是和比例控制作用结合起来，构成比例积分控制。这样取二者之长，互相弥补，既有比例控制作用的迅速及时，又有积分控制作用消除余差的能力。因此，比例积分控制可以实现较为理想的过程控制。

比例积分控制器是目前应用最为广泛的一种控制器，多用于工业生产中液位、压力、流量等控制系统。由于引入积分作用能消除余差，弥补了纯比例控制的缺陷，获得较好的控制质量。但是积分作用的引入，会使系统稳定性变差。对于有较大惯性滞后的控制系统，要尽量避免使用。

比例微分（PD）控制

比例积分控制对于时间滞后的被控对象使用不够理想。所谓 “时间滞后” 指的是：当被控对象受到扰动作用后，被控变量没有立即发生变化，而是有一个时间上的延迟，比如容量滞后，此时比例积分控制显得迟钝、不及时。为此，人们设想：能否根据偏差的变化趋势来做出相应的控制动作呢？犹如有经验的操作人员，即可根据偏差的大小来改变阀门的开度（比例作用），又可根据偏差变化的速度大小来预计将要出现的情况，提前进行过量控制，“防患于未然”。这就是具有 “超前” 控制作用的微分控制规律。微分控制器输出的大小取决于输入偏差变化的速度。

微分输出只与偏差的变化速度有关，而与偏差的大小以及偏差是否存在与否无关。如果偏差为一固定值，不管多大，只要不变化，则输出的变化一定为零，控制器没有任何控制作用。微分时间越大，微分输出维持的时间就越长，因此微分作用越强；反之则越弱。当微分时间为 0 时，就没有微分控制作用了。同理，微分时间的选取，也是需要根据实际情况来确定的。

微分控制作用的特点是：动作迅速，具有超前调节功能，可有效改善被控对象有较大时间滞后的控制品质；但是它不能消除余差，尤其是对于恒定偏差输入时，根本就没有控制作用。因此，不能单独使用微分控制规律。

比例和微分作用结合，比单纯的比例作用更快。尤其是对容量滞后大的对象，可以减小动偏差的幅度，节省控制时间，显著改善控制质量。

比例积分微分（PID）控制

最为理想的控制当属比例 - 积分 - 微分控制规律。它集三者之长：既有比例作用的及时迅速，又有积分作用的消除余差能力，还有微分作用的超前控制功能。

当偏差阶跃出现时，微分立即大幅度动作，抑制偏差的这种跃变；比例也同时起消除偏差的作用，使偏差幅度减小，由于比例作用是持久和起主要作用的控制规律，因此可使系统比较稳定；而积分作用慢慢把余差克服掉。只要三个作用的控制参数选择得当，便可充分发挥三种控制规律的优点，得到较为理想的控制效果。

PID 控制器调试方法

比例系数的调节

比例系数 $P$ 的调节范围一般是： $0.1 - 100$ 。

如果增益值取 $0.1$ ，PID 调节器输出变化为十分之一的偏差值。如果增益值取 $100$ ，PID 调节器输出变化为一百倍的偏差值。

可见该值越大，比例产生的增益作用越大。初调时，选小一些，然后慢慢调大，直到系统波动足够小时，再调节积分或微分系数。过大的 $P$ 值会导致系统不稳定，持续振荡；过小的 $P$ 值又会使系统反应迟钝。合适的值应该使系统有足够的灵敏度但又不会反应过于灵敏，一定时间的迟缓要靠积分时间来调节。

积分系数的调节

积分时间常数的定义是，偏差引起输出增长的时间。积分时间设为 $1$ 秒，则输出变化 $100\%$ 所需时间为 $1$ 秒。初调时要把积分时间设置长些，然后慢慢调小直到系统稳定为止。

微分系数的调节

微分值是偏差值的变化率。例如，如果输入偏差值线性变化，则在调节器输出侧叠加一个恒定的调节量。大部分控制系统不需要调节微分时间。因为只有时间滞后的系统才需要附加这个参数。如果画蛇添足加上这个参数反而会使系统的控制受到影响。如果通过比例、积分参数的调节还是达不到理想的控制要求，就可以调节微分时间。初调时把这个系数设小，然后慢慢调大，直到系统稳定。

PID 参数的计算方法

常用计算方法与方法的实现

PID 控制器的参数整定是控制系统设计的核心内容。它是根据被控过程的特性确定 PID 控制器的比例系数、积分时间和微分时间的大小。

PID 控制器参数整定的方法很多，概括起来有两大类：

一是理论计算整定法。它主要是依据系统的数学模型，经过理论计算确定控制器参数。这种方法所得到的计算数据未必可以直接用，还必须通过工程实际进行调整和修改。

二是工程整定方法，它主要依赖工程经验，直接在控制系统的试验中进行，且方法简单、易于掌握，在工程实际中被广泛采用。PID 控制器参数的工程整定方法，主要有临界比例法、反应曲线法和衰减法。

两种方法各有其特点，其共同点都是通过试验，然后按照工程经验公式对控制器参数进行整定。但无论采用哪一种方法所得到的控制器参数，都需要在实际运行中进行最后调整与完善。

现在一般采用的是临界比例法。利用该方法进行 PID 控制器参数的整定步骤如下：

(1) 首先预选择一个足够短的采样周期让系统工作；

(2) 仅加入比例控制环节，直到系统对输入的阶跃响应出现临界振荡，记下这时的比例放大系数和临界振荡周期；

(3) 在一定的控制度下通过公式计算得到 PID 控制器的参数。

PID 算法的 Matlab 仿真

https://blog.csdn.net/weixin_44044411/article/details/85891109

各个环节系数的作用

比例调节 $K_p$ 的作用

能提高系统的动态响应速度，迅速反映误差，从而减少误差，但是不能消除误差。简单来说就是 $K_p$ 越大，响应速度越快； $K_p$ 越小，响应速度越慢，但可能会出现超调或者调节过慢的情况，并且 $K_p$ 太大了会使系统不稳定。

微分环节 $K_d$ 的作用

在微分控制中，控制器的输出与输入误差信号的微分（即误差的变化率）成正比关系。自动控制系统在补偿误差的调节过程中可能会出现振荡甚至失稳。其原因是由于存在较大惯性环节（如水波影响）或滞后单元（如通讯设备的延迟），它们具有抑制误差的作用，即其变化总是落后于误差的变化，而解决的办法是提前抑制误差的变化。

当系统产生频繁震荡的杂波时，简单的微分控制可能被这些噪声所干扰，因此微分控制的缺点是对干扰噪声敏感，使系统抑制干扰的能力降低。为此可在微分部分增加惯性滤波环节。

微分与变化率有关，可以把它理解为导数，它可以减小超调量来克服震荡，使系统稳定性提高，同时加快响应速度，使系统更快有更好的动态性能。它就像个 “预言家”，可以根据变化率来判断系统快要上升还是下降，从而提前改变系统的控制量，这就与积分作用形成互补，使系统性能更优。

积分环节 $K_i$ 的作用

一般就是消除稳态误差，只要系统存在误差，积分作用就会不断积累，输出控制量来消除误差，如果偏差为零，这时积分才停止。但是积分作用太强会使得超调量加大，甚至使系统出现震荡。积分作用太强或太弱可以这样理解：积分作用相当于容错率，容错太多了才开始调节，就会导致超调量过大；反之，容错率低，刚刚出现一点误差就马上进行调节，这样就容易引起震荡。所以积分调节存在一定的滞后性，因为不管容错多少，误差都已经发生了。为了对这种误差进行预测，就需要微分环节。

$K_p$ , $K_d$ , $K_i$ 三个参数动态变化对系统的影响

$K_p$ , $K_d$ , $K_i$ 三个参数动态变化的 PID 调节图解

参数	上升时间	超调量	响应时间	稳态误差	稳定性
$K_p$	减少	增加	小变化	减少	降级
$K_i$	减少	增加	增加	消除	降级
$K_d$	微小的变化	减少	减少	理论上没有影响	$K_d$ 小，稳定性会提升

什么是 “超调”？

超调是衡量调节品质的一个量。当系统输出超过稳态值时，输出的最大值 $Y(t_p)$ 减去稳态值 $Y(\infty)$ 的差除以稳态值乘以百分之百得到的一个输出最大偏差比：

$超调量=\frac{[Y(t_p)-Y(\infty)]}{Y(\infty)}\times100\%$

因此，超调反映的是控制系统在达到稳态前控制作用最糟糕的结果。

如下图所示：

当我们仅用 “真实值与目标值的差” 作为修正数据的主要来源，那么会一直产生 $error$ ，只要有 $error$ 图像就会波动，这就是 P 闭环调节。当我们调节的力度过大，以至于调节的结果偏离目标值，跑到了目标值的另一侧，这就叫超调。

三种调节对应的时间特性

调节类型	意义	时间关系
比例调节 $P$	反映了当前值与当前误差的差值	当前与当前
积分调节 $I$	当前误差是在此之前的误差的累积	当前与之前
微分调节 $D$	用近期的误差来预测未来误差的走势	当前与未来

三种调节对应的优缺点

比例控制	能迅速反映误差，从而减小误差，但比例控制不能消除稳态误差， $K_p$ 的加大会引起系统的不稳定
积分控制	只要系统存在误差，积分控制作用就不断地积累，输出控制量以消除误差。因此只要有足够的时间，积分控制将能完全消除误差，但是积分作用太强会使系统超调加大，甚至使系统出现振荡
微分控制	可以减小超调量，克服振荡，使系统的稳定性提高，同时加快系统的动态响应速度，减小调整时间，从而改善系统的动态性能

PID 算法

算法公式

$u(t)=K_{P}\left[e(t)+\frac{1}{T_{I}}\int_{0}^{t}e(t)dt + T_{D}\frac{de(t)}{dt}\right]$

通常，对系数做如下简化：

积分系数： $K_i = \frac{K_p}{T_i}$
微分系数： $K_d = K_p\times T_d$

参数说明

$K_p$	比例系数，反映了调节速度
$E (t)$	当前值 - 目标值，即当前的误差
$T_1$	积分的时间，反映了当前值与前 $T_1$ 个周期的关系
$T_D$	微分时间常数，反映了系统的修正力度
误差的积分	$T_1$ 个时间间隔的误差的累加
误差的微分	当前误差与前一个误差的差值

微分时间常数 $T_d$ 对控制性能的影响

随着微分时间常数 $T_d$ 的增加，闭环系统响应的响应速度加快，调节时间减小。微分环节的主要作用是提高系统的响应速度。由于该环节对误差的导数 (即误差变化率发生作用)，它能在误差较大的变化趋势时施加合适的控制。

但是过大的 $K_d$ 值会因为系统造成或者受控对象的大时间延迟而出现问题。微分环节对于信号无变化或变化缓慢的系统不起作用。

积分时间常数 $T_i$ 对控制性能的影响

积分作用的强弱取决于积分常数 $T_i$ 。 $T_i$ 越小，积分作用就越强，反之 $T_i$ 大则积分作用弱。积分控制的主要作用是改善系统的稳态性能，消除系统的稳态误差。当系统存在控制误差时，积分控制就进行，直至无差，积分调节停止，积分控制输出一常值。

加入积分控制可使得系统的相对稳定性变差。 $T_i$ 值的减小可能导致系统的超调量增大， $T_i$ 值的增大可能使得系统响应趋于稳态值的速度减慢。

这里的积分作用说的是 “ $T_i$ 越小说明当前的修正值与之前的误差关系不紧密，因此积分的效果不明显”。

位置式与增量式 PID 算法的区别

位置式 PID 的输出与过去的所有状态有关，计算时要对 $e$ （每一次的控制误差）进行累加，这个计算量非常大，而明显没有必要。而且小车的 PID 控制器的输出并不是绝对数值，而是一个 $\Delta$ ，代表增多少，减多少。换句话说，通过增量 PID 算法，每次输出是 PWM 要增加多少或者减小多少，而不是 PWM 的实际值。所以明白增量式 PID 就行了。

增量型 PID，是对位置型 PID 取增量，这时控制器输出的是相邻两次采样时刻所计算的位置值之差，得到的结果是增量，即在上一次的控制量的基础上需要增加（负值意味减少）控制量。

篇外：一些讨论

PID 控制积分时间和微分时间的物理意义

才多星
61 赞

在解释 PID 控制相关概念时，应尽量采用无公式、纯物理解释的方式。因为关注此问题的大多是初学者，过早引入复杂公式不利于其理解。从知识体系角度看，熟练掌握 PID 控制，在自动化控制学习中约完成了 50% ；若进一步学习拉氏变换及其他变换与现代控制理论，则自动化控制知识掌握程度可达 80% - 90%。

PID 控制的基本结论

先给出结论： $P$ 是正常情况下的输入增量， $I$ 用于应对系统中的 “阻力”， $D$ 用于应对系统的 “惯性”。任何一个系统与期望达到的值相比，必然存在误差，且系统内部存在阻力和惯性。本质上，对系统的控制就是对误差、阻力和惯性这三个因素的调控。理论上，若能明确这三个参数与时间、地点等相关的函数，就能实现对系统的精准控制，但实际中难以做到，故而产生了多种控制方式以及用于确定这些函数的方法。

很多人习惯用 “水池放水” 和 “车子撞墙” 这两个例子解释 PID 控制。作者最初学习时也曾借助它们思考，但经反思，这两个例子并非最适宜。因为在尚未理解 PID 控制时，构建相关复杂模型会分散对其物理本质的关注。

更合适的参考示例

人类对旋转较为敏感。从出生起，我们便处于旋转的世界，地球、太阳系、宇宙皆在持续旋转。对于大脑而言，一个旋转的飞轮更易构建直观模型，且可从动态和静态两个角度进行观察。

设想有一个飞轮，它可以是拖拉机上的大转盘，也可以是一张 CD。该飞轮初始静止，因有重量而具有惯性，其轴存在摩擦力，若无动力输入，飞轮速度会逐渐减慢直至停止。具体而言，飞轮的重量对应惯性，即转动飞轮需要施加力；轴的摩擦力会产生阻力，导致飞轮减速，若不加干预，飞轮最终会停止转动。

基于飞轮示例的 PID 控制分析

假设有一个静止的飞轮，其上有一个竖直朝下的箭头。要求飞轮将箭头顺时针转动至竖直向上 12 点的位置，且不能有偏差。飞轮配备编码器系统，可精确获取箭头位置，同时存在一个力 $F$ 能推动飞轮转动，且飞轮自身可控制该力大小。

设定多个时刻，如 $t_1$ 、 $t_2$ 、 $t_3$ 、 $t_4$ 、 $t_5$ 、 $t_6$ 、 $t_7$ 。每个时刻箭头对应一个位置， $t_7$ 时刻箭头到达 12 点位置。每个时刻位置与 $t_7$ 时刻位置存在差值 $\text{error}$ 。差值 $\text{error}$ 越大，可施加的力越大；当差值为 0 时，无需施加力，因已达目标位置。

指针指向初始点；

红色是目标点；

灰色细线是转动中的某个时刻的瞬间

然而，由于轴存在阻力，仅依据差值施加力，飞轮可能无法到达 12 点位置。例如，箭头指向 11 点时，即便施加力 $F_1$ ，但因轴阻力 $F_2$ 的存在，二者相互抵消，导致箭头停留在 11 点，形成 “静态差”。为解决此问题，需施加更大的力 $F_3$ 克服阻力。具体做法是，将所有时刻箭头位置与 12 点的差值累加，形成积分。当箭头因阻力无法到达 12 点时，该差值持续累加，直至某一时刻，力 $F_3$ 克服轴阻力，使飞轮继续转动并最终指向 12 点。此时差值为 0，即便继续累加，力 $F_3$ 也不再变化。

另外，由于飞轮具有惯性，在接近 12 点时，例如箭头指向 11 点 58 分位置时，需提前降低甚至撤销力 $F_1$ ，让飞轮利用自身惯性转动到 12 点位置。对于飞轮，其惯性等效于转速，转速可通过计算第一个时刻与 12 点的差值减去第二个时刻与 12 点的差值得到（位置采样时间需保持一致）。

最终得到一个力 $F_0 = A + B + C$ 。其中， $A$ 与差值相关，代表当前需立即改变的部分； $B$ 与所有差值的和相关，用于弥补过去未改变的部分； $C$ 与惯性相关，是对未来需改变部分的提前估计。 $A$ 、 $B$ 、 $C$ 分别对应 PID 控制中的比例（ $P$ ）、积分（ $I$ ）、微分（ $D$ ）。

在现实世界中，无刷直流电机的转子类似于上述飞轮，这也是电机位置控制的基本思路。虽然 PID 各部分之间存在一定耦合关系，但在实际应用中，只要能以低成本解决问题即可，“低成本 + 能用” 是关键原则。

编辑于 2022 - 09 - 26 18:32

寒士
16 赞

PID 控制是根据输入偏差 $e$ 计算输出。积分时间 $I$ 的物理意义为：当输入为阶跃的偏差 $e$ 时，经过积分时间 $I$ （秒），输出达到 $e$ 。所以，积分时间 $I$ 越大，对输出的影响越小。微分时间 $D$ 的物理意义是：当输入为斜坡的偏差 $e$ ，且 1 秒内 $e$ 变化了 1 时，输出就是 $D$ 。因此，微分时间越大，对输出的影响越大。

编辑于 2017 - 11 - 05 20:30

帅得自然
14 赞

PID 的准确名称应为 PID 补偿控制。 $P$ 指以 $P$ 的比例对当前误差 $e$ 进行补偿，误差 $e$ 越大， $P e$ 乘积越大，补偿速度越快。 $I$ 用于补偿过去一段时间的累积误差。由于 $P$ 补偿在离散时间下不连续，假设 $e$ 是时间的函数，那么 $P$ 补偿为 $P e (t) - P e (t + 1)$ ，这里 $t + 1$ 并非时间增加 1 秒，而是补偿次数增加一次。显然，这一次和上一次之间的误差不可能为 0，所以需要对过去一段时间求连续积分以消除该误差。 $D$ 指补偿未来一段时间的预测误差。在补偿了 $P$ 和 $I$ 后，仅弥补了过去和当下的误差，但随着系统运行，未来必然会出现误差，因此需要预测并补偿未来的误差。

编辑于 2021 - 08 - 06 17:03

积分作用为什么能消除系统稳态误差？

创建时间：2018 - 10 - 23 20:36:30

匿名用户

5 赞

在 PID 控制中，其对误差进行比例 - 积分 - 微分运算，进而确定被控对象的输入。当误差偏大时，控制结果始终朝着使误差减小的方向进行。PID 控制的表达式为：

$k_p e + k_I \int e dt + k_d \frac{de}{dt} = k_p e_n + k_I \sum_{i = 0}^{i = n} e_i \Delta t + k_d \frac{e_n - e_{n - 1}}{\Delta t}$

误差是时间的函数，对误差的积分反映了系统从开始运行至当前时刻累计的误差结果。这种在时间维度上的累计，促使系统在整个运行过程中朝着误差减小的方向变化。而比例环节仅反映当前时刻的误差，微分环节则反映当前时刻与前一时刻的误差。

简而言之，积分从整体上对系统的误差进行控制，比例和微分是在单一时刻调整系统的误差。积分从整体控制误差的结果使得最终的稳定误差趋向于 0。

当然，如果积分作用过强，会导致系统不稳定。当 $k_I$ 很大时，若误差较大，控制输入 $u$ 也会很大，这会进一步增大误差，最终导致系统不稳定。

发布于 2023 - 05 - 28 01:01，编辑于 2023 - 05 - 28 01:07

风行

43 赞

在负反馈控制系统中，控制信号的输出依据设定信号与输出信号的差值来进行控制。

以一个跟随控制的伺服控制系统为例，伺服器需跟随一个变化的目标运动，设定值即为实际目标的位置。若目标处于动态移动状态，此时伺服系统实际的位置会产生偏差以及时间上的滞后。这时传感器会检测出与目标系统的实际偏差值，例如该偏差值为 5 毫米，那么控制系统的偏差信号就是一个负偏差。控制器对该偏差信号进行处理，其中最基本的一个参数是 P 值（比例值），比例信号实时对偏差进行运算，之后将该信号转化为伺服电机的运转，驱动系统接近目标。然而，当系统已十分接近目标但尚未到达目标位置时，由于偏差过小，控制器的输出值也会过小，此时可能出现无法有效驱动伺服电机和机械系统工作的情况，进而可能产生一个静态或稳态的误差值无法被消除。

此时，若给系统参数中添加一个积分参数项，便可解决此问题。原因在于，积分参数项能够对微小的误差进行数值积分，积分作用实际上是一个误差随时间进行数值积累的过程。通过这个微小误差数值积累的积分过程，一些很小的偏差会被放大，从而形成足够的驱动输出，以消除微小的稳态或静态偏差。这便是 PID 控制中积分控制作用的直观解释。

若要了解实际的控制理论和数学过程，可查阅反馈控制理论书籍，书中有完整的数学描述。

发布于 2018 - 10 - 25 16:45

设计 PID 控制，为什么不在增强积分作用的同时增大比例度？

忘川孤帆

8 赞

在理想状态下，高增益能够解决诸多问题，但在工程实际中，控制本身是离散的，反馈信号存在噪声和时延，系统所能容许的总增益存在一定限制。

由于我们没有较好的方法将噪声与所需信号区分开来，只能依据它们频率的差异来赋予不同的增益幅度，以此提高系统性能。添加积分作用是为了在提高低频增益的同时，保持高频增益不变。此时，若同时增大比例度，往往会引发系统振荡。

发布于 2019 - 05 - 04 15:46

明亮明

7 赞

从理论层面来讲，PID 存在无数种可行的参数配置，通过仿真也都能够实现稳定控制。然而，当将这些参数应用于实际时，会发现绝大多数参数并不适用。

这是为什么呢？

因为系统的实际跟随速度、响应速度、反馈强度、采样频率等均存在上限，这就导致系统的实际表现与理论预测存在差异。例如，某套 PID 参数使系统最终以 10Hz 的衰减震荡，在 1s 内稳定下来，另一套参数使其以 1GHz 的衰减震荡，在 100ms 内稳定。但如果系统的最高响应频率仅为 1KHz，那么第二套参数显然会失效，系统将失去稳定。

所以，在工程实践中，一般会在满足响应速度的前提下，尽量使 PID 参数小一些，这也就出现了所谓的 “调参口诀”。而不是像面多了加水，水多了加面那样，不断来回增大参数。

编辑于 2019 - 04 - 12 08:00