PID：Proportional Integral Derivative
PID控制：对偏差信号e(t)进行比例、积分和微分运算变换后形成的一种控制规律。
u ( t ) = K P e ( t ) + K I ∫ 0 t e ( t ) d t + K D d e ( t ) d t u(t)=K_Pe(t)+K_I \int_0^t e(t)dt+K_D\frac{de(t)}{dt} u(t)=KPe(t)+KI∫0te(t)dt+KDdtde(t)
模拟PID调节器
P（比例）控制
u
=
K
P
e
u=K_Pe
u=KPe
G c ( s ) = U ( s ) e ( s ) = R 2 R 1 = K P G_c(s)=\frac{U(s)}{e(s)}=\frac{R_2}{R_1}=K_P Gc(s)=e(s)U(s)=R1R2=KP
K p > 1 K_p>1 Kp>1时：
a. 开环增益加大，稳态误差减小；
b. 幅值穿越频率增大，过渡过程时间缩短；
c. 系统稳定程度变差。
K p < 1 K_p<1 Kp<1时：
与Kp>1时，对系统性能的影响正好相反。
比例积分调节器
u = K P ( e + 1 T I ∫ 0 t e d t ) u=K_P (e+\frac{1}{T_I}\int_0^t edt) u=KP(e+TI1∫0tedt)
其中
T
I
T_I
TI为时间积分
对于滞后效应较小的对象，
T
I
T_I
TI可以选择的小一些，如流量，压力等
对于滞后效应较大的对象， T I T_I TI可以选择的大一些，如温度等
G
c
(
s
)
=
U
(
s
)
e
(
s
)
=
1
R
C
S
=
1
T
S
G_c(s)=\frac{U(s)}{e(s)}=\frac{1}{RCS}=\frac{1}{TS}
Gc(s)=e(s)U(s)=RCS1=TS1
比例微分调节器
u = K P ( e + T D d e d T ) + u 0 u=K_P(e+T_D \frac{de}{dT})+u_0 u=KP(e+TDdTde)+u0
T D T_D TD为微分常数
u
0
u_0
u0为偏差e=0时的调节器输出，又称为稳态工作点
G
c
(
s
)
=
u
0
(
s
)
u
i
(
s
)
=
R
C
S
=
T
S
G_c(s)=\frac{u_0(s)}{u_i(s)}=RCS=TS
Gc(s)=ui(s)u0(s)=RCS=TS
比例积分微分调节器
u = K P ( e + 1 T I ∫ 0 t e d t + T D d e d T ) + u 0 u=K_P(e+\frac{1}{T_I}\int_0^t edt+T_D \frac{de}{dT})+u_0 u=KP(e+TI1∫0tedt+TDdTde)+u0
数字PID控制方法
用数值逼近的方法实现PID控制规律
用求和代替积分，用后向差分代替微分，模拟PID离散化为差分方程
u ( t ) ≈ u ( k ) u(t)\approx u(k) u(t)≈u(k)
e ( t ) ≈ e ( k ) e(t)\approx e(k) e(t)≈e(k)
∫ 0 t e ( t ) d t ≈ T ∑ j = 0 k e ( j ) \int_0^t e(t)dt\approx T\sum_{j=0}^ke(j) ∫0te(t)dt≈T∑j=0ke(j)
d e ( t ) d ( t ) ≈ e ( k ) − e ( k − 1 ) T \frac{de(t)}{d(t)}\approx\frac{e(k)-e(k-1)}{T} d(t)de(t)≈Te(k)−e(k−1)
T为采集周期，K为采集信号
显然，T必须足够短，才能保证有足够的精度
位置式PID控制算法
∫ 0 t e ( t ) d t ≈ T ∑ j = 0 k e ( j ) \int_0^t e(t)dt\approx T\sum_{j=0}^ke(j) ∫0te(t)dt≈T∑j=0ke(j)
d e ( t ) d ( t ) ≈ e ( k ) − e ( k − 1 ) T \frac{de(t)}{d(t)}\approx\frac{e(k)-e(k-1)}{T} d(t)de(t)≈Te(k)−e(k−1)
u k = K P [ e k + T T I ∑ j = 0 k e ( j ) + T D T （ e k − e k − 1 ) + u 0 u_k=K_P[e_k+\frac{T}{T_I}\sum_{j=0}^ke(j)+\frac{T_D}{T}（e_k-e_{k-1})+u_0 uk=KP[ek+TIT∑j=0ke(j)+TTD（ek−ek−1)+u0
增量式PID控制算法
u k = K P [ e k + T T I ∑ j = 0 k e ( j ) + T D T （ e k − e k − 1 ) + u 0 u_k=K_P[e_k+\frac{T}{T_I}\sum_{j=0}^ke(j)+\frac{T_D}{T}（e_k-e_{k-1})+u_0 uk=KP[ek+TIT∑j=0ke(j)+TTD（ek−ek−1)+u0
u k − 1 = K P [ e k − 1 + T T I ∑ j = 0 k − 1 e ( j ) + T D T （ e k − 1 − e k − 2 ) + u 0 u_{k-1}=K_P[e_{k-1}+\frac{T}{T_I}\sum_{j=0}^{k-1}e(j)+\frac{T_D}{T}（e_{k-1}-e_{k-2})+u_0 uk−1=KP[ek−1+TIT∑j=0k−1e(j)+TTD（ek−1−ek−2)+u0
Δ u k = u k − u k − 1 = K P [ e k − e k − 1 + T T I e k + T D T （ e k − 2 e k − 1 + e k − 2 ) \Delta u_k=u_k-u_{k-1}=K_P[e_k-e_{k-1}+\frac{T}{T_I}e_k+\frac{T_D}{T}（e_k-2e_{k-1}+e_{k-2}) Δuk=uk−uk−1=KP[ek−ek−1+TITek+TTD（ek−2ek−1+ek−2)
位置式PID算法设计
u k = K P e k + K I ∑ j = 0 k e ( j ) + K d ( e k − e k − 1 ) u_k=K_Pe_k+K_I\sum_{j=0}^ke(j)+K_d(e_k-e_{k-1}) uk=KPek+KI∑j=0ke(j)+Kd(ek−ek−1)
K I = K p T i K_I=\frac{K_p}{T_i} KI=TiKp
K D = K P ∗ T D K_D=K_P*T_D KD=KP∗TD
比例输出： P p ( k ) = K p e k P_p(k)=K_pe_k Pp(k)=Kpek
积分输出： P I ( k ) = K I ∑ j = 0 k e j = K I e k + P I ( k − 1 ) P_I(k)=K_I\sum_{j=0}^ke_j=K_Ie_k+P_I(k-1) PI(k)=KI∑j=0kej=KIek+PI(k−1)
微分输出： P D ( k ) = K D ( e k − e k − 1 ) P_D(k)=K_D(e_k-e_{k-1}) PD(k)=KD(ek−ek−1)
增量式PID算法设计
Δ u k = d 0 e k + d 1 e k − 1 + d 2 e k − 2 \Delta u_k=d_0e_k+d_1e_{k-1}+d_2e_{k-2} Δuk=d0ek+d1ek−1+d2ek−2
初值 e k = e k − 1 = e k − 2 = 0 e_k=e_{k-1}=e_{k-2}=0 ek=ek−1=ek−2=0
常见PID参数经验选择范围
常见被控制量经验采集周期
确定PID调参（扩充临界比例法）
a:选取短的采样频率，一般选择被控制对象纯滞后时间的十分之一
b:去掉积分和微分作用，逐渐减小比例度 θ ( θ = 1 K p ) θ(θ=\frac{1}{K_p}) θ(θ=Kp1)，直到系统发生持续等幅振荡。记录发生震荡的临界比例读和周期 θ u θ_u θu和 T u T_u Tu
c:选择控制度
741
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
