PID算法基本原理及整定实现方法

1、关于自动调节系统几个关键名词

1.1、自动调节系统

比方说桌子上放个物体，样子像块金属，巴掌大小。你心里会觉得这个物体比较重，就用较大力量去拿，可是这个东西其实是海绵做的，外观被加工成了金属的样子。手一下子“拿空了”，打住了鼻子。这是怎么回事？比例作用太强了。导致你的大脑发出指令，让你的手输出较大的力矩，导致“过调”。
还是那个桌子，还放着一块相同样子的东西，这一次你会用较小的力量去拿。可是东西纹丝不动。怎么回事？原来这个东西确确实实是钢铁做的。刚才你调整小了比例作用，导致比例作用过弱。导致你的大脑发出指令，命令你的手输出较小的力矩，导致“欠调”。
还是那个桌子，第三块东西样子跟前两块相同，这一次你一定会小心点了，开始力量比较小，感觉物体比较沉重了，再逐渐增加力量，最终顺利拿起这个东西。为什么顺利了呢？因为这时候你不仅使用了比例作用，还使用了积分作用，根据你使用的力量和物体重量之间的偏差，逐渐增加手的输出力量，直到拿起物品以后，你增加力量的趋势才得以停止。
这三个物品被拿起来的过程，就是一个很好的整定自动调节系统参数的过程。凡是具备控制思想和调节方法的系统都叫自动调节系统。

1.2、负反馈

负反馈是个对收集到的信号进行相反处理的办法叫做负反馈，要想让一个放大器稳定，需要用到负反馈。
走路的时候，眼睛看路，他会告诉你个信号：偏左了，偏右了，然后让你脑子进行修正。信号发到你脑子里面后，你脑子里要对反馈信号与目标信号相减，然后进行修正。偏左了就向右点，偏右了就向左点。对这个相减的信号就是负反馈。如果相加就是正反馈了，那样走着走着你就掉进坑里去了。

2、什么是PID

PID，就是对输入偏差进行比例积分微分运算，运算的叠加结果去控制执行机构。其中调节器就是人的大脑，就是一个调节系统的核心。任何一个控制系统，只要具备了带有 PID的大脑或者说是控制方法，那它就是自动调节系统
基本的调节器具有两个输入量：被调量和设定值：被调量就是反映被调节对象的实际波动的量值（变化），设定值就是人们设定的值，也就是人们期望被调量需要达到的值（固定）
只要记住这三个量：设定值、被调量、输出指令。事实上，为了描述方便，习惯上更精简为两个量：输入偏差和输出指令。输入偏差是被调量和设定值之间的差值
P就是比例，就是输入偏差乘以一个系数（提高响应速度）；
I就是积分，就是对输入偏差进行积分运算（减少误差）；
D就是微分，对输入偏差进行微分运算（抑制震荡）。
PID 算法的一般形式如下图所示：

控制器本身就是比例、积分、微分三个环节的加和。这里我们规定（在t时刻）：
①输入量为 r(t); ②输出量为 c(t); ③偏差量为 e(t)=rin(t)-rout(t);

3、PID分类

3.1、模拟PID 控制

在我们的微处理器里面，因为控制器是通过软件实现其控制算法的，所以必 须对模拟调节器进行离散化处理，这样它只需根据采样时刻的偏差值计算控制 量。因此，我们需要使用离散的差分方程代替连续的微分方程。
模拟PID控制原理：如图所示是一个小功率直流电机的调速原理图。给定速度n0(t)与实际转n(t)速进行比较 ，其差值e(t) ，经过 PID 控制器调整后输出电压控制信号 ， 经过功率放大后，驱动直流电动机改变其转速。

常规的模拟 PID 控制系统原理框图如下图所示：

该系统由模拟 PID 控制器和被控对象组成。图中，r(t) 是给定值，y(t) 是系统的实际输出值，给定值与实际输出值构成控制偏差 e(t)： e(t) = r(t) - y(t)
e(t) 作为 PID 控制的输入， 作为 PID 控制器的输出和被控对象的输入。 所以模拟 PID 控制器的控制规律为：

其中： Kp ―― 控制器的比例系数
Ti －－ 控制器的积分时间，也称积分系数
Td ―― 控制器的微分时间，也称微分系数

3.2、数字PID控制

3.2.1 位置式 PID

由于计算机控制是一种采样控制， 它只能根据采样时刻的偏差计算控制量，而不能像模拟控制那样连续输出控制量量， 进行连续控制。 由于这一特点式中的积分项和微分项不能直接使用，必须进行离散化处理。
离散化处理的方法为：以T作为采样周期，作为采样序号，则离散采样时间对应着连续时间 ，用矩形法数值积分近似代替积分，用一阶后向差分近似代替微分，最后可以得到离散的 PID 表达式为：

全量式或位置式 PID 控制算法

• 其中：k ―― 采样序号，k ＝0，1，2，……；
• uk ―― 第 k 次采样时刻的计算机输出值；
• ek ―― 第k次采样时刻输入的偏差值；
• ek－1 ―― 第k－1次采样时刻输入的偏差值；
• Ki ――积分系数，Ki＝Kp *T Ti ；
• Kd ――微分系数， Kd＝Kp *Td T ；

算法的缺点是： 由于全量输出， 所以每次输出均与过去状态有关， 计算时要对 ek 进行累加，工作量大； 并且，因为计算机输出的 对应的是执行机构的实际位置， 如果计算机出现故障，输出的 将大幅度变化，会引起执行机构的大幅度变化，有可能因此造成严重的生产事故在实生产际中是不允许的。增量式 PID 控制算法可以避免着重现象发生。

位置式 PID 的 C 语言实现：

//①定义PID变量结构体
struct _pid{
				float SetSpeed; //定义设定值
				float ActualSpeed; //定义实际值
				float err; //定义偏差值
				float err_last; //定义上一个偏差值
				float Kp,Ki,Kd; //定义比例、积分、微分系数
				float voltage; //定义电压值（控制执行器的变量）
				float integral; //定义积分值
}pid; 
//②初始化变量 
//统一初始化变量，尤其是 Kp,Ki,Kd 三个参数，调试过程当中，对于要求的控制效果，可以通过调节这三个量直接进行调节。  
void PID_init(){
				printf("PID_init begin \n");
				pid.SetSpeed=0.0;
				pid.ActualSpeed=0.0;
				pid.err=0.0;
				pid.err_last=0.0;
				pid.voltage=0.0;
				pid.integral=0.0;
				pid.Kp=0.2;
				pid.Ki=0.015;
				pid.Kd=0.2;
				printf("PID_init end \n");
}
//③编写控制算法 
//注意：这里用了最基本的算法实现形式，没有考虑死区问题，没有设定上下限，只是对公式的一种直接的实现
float PID_realize(float speed)
{
	pid.SetSpeed=speed;
	pid.err=pid.SetSpeed-pid.ActualSpeed;

	pid.integral+=pid.err;
	pid.voltage=pid.Kp*pid.err+pid.Ki*pid.integral+pid.Kd*(pid.err-pid.err_last);
	pid.err_last=pid.err;
	pid.ActualSpeed=pid.voltage*1.0;

	return pid.ActualSpeed;
}

3.2.2 增量式 PID

增量式PID是指数字控制器的输出只是控制量的增量∆uk。当执行机构需要的控制量是增量，而不是位置量的绝对数值时，可以使用增量式PID控制算法进行控制。 增量式PID控制算法可以通过位置式离散PID 表达式推导出，可以得到控制器的第 k－1个采样时刻的输出值为：

增量式PID控制算法与位置式PID算法相比，计算量小的多，因此在实际中得到广泛的应用

增量式 PID代码实现

struct _pid
{
	float SetSpeed; //定义设定值
	float ActualSpeed; //定义实际值
	float err; //定义偏差值
	float err_next; //定义上一个偏差值
	float err_last; //定义最上前的偏差值
	float Kp,Ki,Kd; //定义比例、积分、微分系数
}pid;

void PID_init()
{
	pid.SetSpeed=0.0;
	pid.ActualSpeed=0.0;
	pid.err=0.0;
	pid.err_last=0.0;
	pid.err_next=0.0;
	pid.Kp=0.2;//比例常数
	pid.Ki=0.015;//积分时间常数
	pid.Kd=0.2;//微分时间常数
}

float PID_realize(float speed)
{
	pid.SetSpeed=speed;
	pid.err=pid.SetSpeed-pid.ActualSpeed;
	float incrementSpeed=pid.Kp*(pid.err-pid.err_next)+pid.Ki*pid.err+pid.Kd*(pid.err-2*pid.err_next+pid.err_last);
	pid.ActualSpeed+=incrementSpeed;
	pid.err_last=pid.err_next;
	pid.err_next=pid.err;

return pid.ActualSpeed;
}

4、P纯比例作用趋势图的特征分析

所谓P，就是比例作用，是把调节器的输入偏差乘以一个系数，作为调节器的输出。而调节器的输入偏差就是被调量减去设定值的差值。当设定值不变的时候，调节器的输出只与被调量的波动有关。概念性公式如下：
输出波动=被调量波动*比例增益 （注：当设定值不变）
通过概念性公式，我们可以得到如下结论，对于一个单回路调节系统，单纯的比例作用 下：输出的波形与被调量的波形完全相似。
一句话简述：被调量变化多少，输出乘以比例系数的积就变化多少。或者说：被调量与输出的波形完全相似
几个输出曲线和被调量曲线的推论：

1. 对于正作用的调节系统，顶点、谷底均发生在同一时刻。
2. 对于负作用的调节系统，被调量的顶点就是输出的谷底，谷底就是输出的顶点。
3. 对于正作用的调节系统，被调量的曲线上升，输出曲线就上升；被调量曲线下降， 输出曲线就下降。两者趋势完全一样。
4. 对于负作用的调节系统，被调量曲线和输出曲线相对。 波动周期完全一致。

只要被调量变化，输出就变化；被调量不变化，不管静态偏差有多大，输出也不 会变化。

5、I 纯积分作用趋势图的特征分析

I 就是积分作用就是如果调节器的输如偏差不等于零，就让调节器的输出按照一定的速度一直朝一个方向累加下去。 积分相当于一个斜率发生器。启动这个发生器的前提是调节器的输如偏差不等于零，斜 率的大小与两个参数有关：输入偏差的大小、积分时间。
纯积分作用可以存在，但是很可能没有实用意义，那么单纯积分作用的特性总结如下：

1. 输出的升降与被调量的升降无关，与输入偏差的正负有关。
2. 输出的升降与被调量的大小无关。
3. 输出的斜率与被调量的大小有关。
4. 被调量不管怎么变化，输出始终不会出现节跃扰动。
5. 被调量达到顶点的时候，输出的变化趋势不变，速率开始减缓。
6. 输出曲线达到顶点的时候，必然是输入偏差等于零的时候。
   

6、D 纯微分作用趋势图的特征分析

D 就是微分作用。单纯的微分作用是不存在的，一句话就就是被调量不动，输出不动；被调量一动，输出马上跳

根据微分作用的特点，咱们可以得出如下曲线的推论：

1. 微分作用与被调量的大小无关，与被调量的变化速率有关；
2. 与被调量的正负无关，与被调量的变化趋势有关；
3. 如果被调量有一个阶跃，就相当于输入变化的速度无穷大，那么输出会直接到最小或者最大；
4. 微分参数有的是一个，用微分时间表示。有的分为两个：微分增益和微分时间（KD是微分增益，TD是微分时间）微分增益表示输出波动的幅度，波动后还要输出回归，微分时间表示回归的快慢。
5. 由第 4条得出推论：波动调节之后，输出还会自动拐回头。
   总结：
6. 比例作用：输出与输入曲线相似。
7. 积分作用：只要输入有偏差输出就变化
8. 微分作用：输入有抖动输出才变化，且会猛变化。

7、PID参数整定

7.1、参数整定的分类

整定参数的方法有理论计算法和经验试凑法两种
理论计算法需要大 量的计算，对于初学者和数学底子薄弱的人会望而却步，并且计算效果还需要进一步的修改 整定，所以，在实际应用过程中，理论计算法比较少。经验试凑法最广为人知的就是第一章提到的整定口诀了，该方法提供了一个大致整 定的方向形性思路
我们可以依靠分析比例、积分、微分的基本性质，判读趋势图中，比例、积分、微分的 基本曲线特征，从而对 PID 参数进行整定。这个方法虽然基本等同于经验试凑法，但是它又 比传统的经验试凑法更快速更直观的，更容易整定。因而，我把这种依靠对趋势图的判读， 整定参数的办法，称之为：趋势读定法。
趋势读定法三要素：设定值、被调量、输出。三个曲线缺一不可。

7.2、PID整定口诀

7.3、参数整定的方法

关于 P、I、D 三个参数的主要作 用，可以大致又不完全地概况为：P 用于提高响应速度、I 用于减小静差、D用于抑制震荡。
首先我们需要明确我们的控制目标，也就是满足控制系统的 3 个要求：
①稳定性
②快速性
③准确性
具体的评估指标有最大超调量、上升时间、静差等。
最大超调量是响应曲线的最大峰值与稳态值的差，是评估系统稳定性的一个重要指标；
上升时间是指响应曲线从原始工作状态出发，第一次到达输出稳态值所需的时间，是评估系统快速性的一个重要指标；
静差是被控量的稳定值与给定值之差，一般用于衡量系统的准确性，如下图所示：

首先设I和D值为零，然后把P值从0逐渐增大，直到系统震荡。

这个时候因为P值比较大，出现了震荡。可能大家会疑惑，为什么I值为零， 但是没有静差呢？因为这个时候的 P 值已经很大了，静差一般是在P值较小而 I值为零的时候出现的。为了验证我们的想法，我们对PID参数进行调整。

如我们所设想的，在P值较小的时候出现了静差，响应速度也明显降低。所以增大P值可以一定程度上消除静差，提高响应速度，但是会导致系统震荡，而加入微分控制可以有效抑制震荡。下面我们尝试一组新的 PID 参数：

加入微分控制之后，很明显系统的震荡得到了抑制，震荡次数减少。事物都有两面性，微分控制也是弊端的。可以看到，系统的响应明显变慢了，因为引入微分控制相当于增大了系统的阻尼。这个时候我们需要结合P值和I值进行进一步的优化。