PID算法数学原理

增量式PID算法

PID原理

位置式PID算法

PID的连续方程如下,TI是积分时间常数，它表示积分速度的大小，TI越大，积分速度越慢，积分作用越弱。TD是微分时间常数，TD越大微分作用越强。
$$U(t)=k_p(err(t)+\frac{1}{T_I}{\int }_0^{t}err(t)dt+\frac{T_{D}derr(t)}{dt})$$
如果想在计算机中实现该算法，就需要将其离散化。其中T是系统时间周期。
$$U(k)=k_p(err(k)+\frac{T}{T_I}\sum err(k)+\frac{T_D}{T}(err(k)-err(k-1)))$$
由于T和TI和TD都是不随时间变化的常数，所以也可以简化记作
$$U(k)=k_{p}err(k)+k_i\sum err(k)+k_d(err(k)-err(k-1)))$$
上式就是位置式PID算法的离散描述公式。从数学公式我们可以看出，位置式PID算法计算的结果与每一时刻的err值都有关，这样就很容易产生累计误差。所以我们需要这个公式的变形，来解决增量误差过大的问题。

增量式PID算法

k-1时刻的位置式PID公式如下
$$U(k-1)=k_{p}err(k-1)+k_i\sum err(k-1)+k_d(err(k-1)-err(k-2)))$$
用k时刻的PID输出减去k-1时刻的PID输出，我们可以得到增量式PID公式
$$\Delta U=k_p(err(k)-err(k-1))+k_{i}err(k)+k_d(err(k)-2err(k-1)-err(k-2))$$

PID类设计

增量式PID

$${\theta }_e=\theta -\arctan (\frac{y_s-y}{x_s-x})$$

$$l_e^2=(x_s-x{)}^2+(y_s-y{)}^2$$