PID的学习与理解（一）

最新推荐文章于 2024-06-27 05:18:54 发布

头盖骨获取工程师

最新推荐文章于 2024-06-27 05:18:54 发布

阅读量1.1k

点赞数 2

分类专栏： PID 文章标签： pid matlab

本文链接：https://blog.csdn.net/weixin_49909123/article/details/110533072

版权

PID 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

PID的学习与理解

前言

前言

最近在做SRT，方向是足式机器人，，例会上老师要求我们学习PID这一有趣的东西，对于新手的我来说只知道个~~PDD GDP~~ 。于是乎，在广泛的搜索资料和摸索中，也是勉勉强强了解了一下什么是PID。

什么是PID？

什么是PID呢？相信在网络上已经有很多的PID的解释了，解释大多有趣好动，在这里我也简单的说一下。

PID是一种在实验控制中广泛运用的一种控制器，它通过p（比例）I（积分）D（微分），将偏差的比例积分微分通过线性组合构成控制量，用该控制量对受控对象进行控制，这就是PID算法。

举个有趣的例子：
在家中洗澡的时候，往往是用手来调节水的温度，所以每当冬天洗澡，我就会~~缩成一团~~ 。用手调节温度往往是不好的，有的时候调小了，有的时候调大了，对人的身体健康都是有害的，这个调节过程我们就可以将他近似地想成是一个PID肉体控制器~。

P:P总是获得水温的差度。由于每次改变的是误差，所以我们可以把它想象成一个加热器，我们如果想要把水温升到某一温度时，我们需要加热，温差过大就开足马力加热，太小则稍微加热，建立一个一次函数的关系，就可以实现最基本的“比例”控制了，Kp大，调节作用会越激进，Kp变小可以让调节作用更保守。但是每次加热不可能稳稳的加热到需要的温度，总是在其上下徘徊。因为我们每次增加的数值往往并不能够与目标值相差为零，一旦不为零，就会造成超出或不够，自然是上下徘徊。

D:所以我们又引入D这一个变量，使用它时我们可以让被控制的物理量的“变化速度”趋于0，即类似于“阻尼”的作用（类似于斜率）可以让其温度震荡变小，直至震荡为零，稳稳地到达设定的水温。但是有的时候由于外界作用，加热和散热功率相等，导致如果我们加热到100度，则只能加热到80度上不去了。为了消除这个误差，使我们的水温变回去。

I:所以我们又引入I这个概念，它可以用来消除“静态误差”。所以我们设置一个积分量。只要偏差存在，就不断地对偏差进行积分（累加），并反应在调节力度上。

PID的公式与讲解。

PID说是PID但是有时候只有PI/PD，并无完全使用P.I.D.
在这里插入图片描述
PID

P:(比例模块)
其就等于一个变量KP，他来乘以我们的error（偏差值），构成kp*error（t）
举个简简单单的例子：当我们想把水温跳到从0到10时，我们设定每次增加其偏差值的一半也就是kp=0.5，于是乎

第一次：0+0.5*10=5
第二次：5+5*0.5=7.5
第三次：7.5+2.5*0.5=8.75
第四次：…
这样一来就能够慢慢的加到我们所需要的那个10了。

I:（积分模块）
积分则是误差在一定时间内的和，积分作用是其误差变化的“面积”。面积即为积分作用的结果，其不断累积的误差，最终乘以积分系数K i就得到了积分部分的输出，也就是说其值就是error偏差变化的曲线与x，y轴的面积，它可以消除稳态误差，帮助我们达到我们所需要的值。
从另一个角度看，我们可以将这个面积细分成许许多多个小矩形，随着时间的延长，所加的矩形面积也越小，从而如果出现了稳态误差，小矩形面积不为零，则可以进行加操作直到没有。
在这里插入图片描述

D:（微分模块）
微分则是误差变化曲线某处的导数，或者说是某一点的斜率当偏差变化过快，微分环节会输出较大的负数，作为抑制输出继续上升，从而抑制过冲。所以我们可以把它叫成“阻尼”模块，它可以在突然变化太大时调整曲线，从而慢慢地变成平稳的直线（偏差为0）.
在这里插入图片描述

PID的伪代码操作

接下来我们要进行伪代码的操作

我们在c的环境下实现一下。
P:
在这里插入图片描述

PI:
在这里插入图片描述
PID:

~~至于PD,把PID拆开就好啦~~~~
主要是懒emmmmm

公式变换

PID标准公式在上面已经展现出来了，下一步为了运用我们要将它进行变换：

在这里插入图片描述

之后我们要将它进行离散化
为什么要将他离散化，直接这样用不香么？
因为：

在计算机中实现，我们要将它离散化。为什么要离散化？
因为计算机处理的是离散信号，我们研究的理论最后需要计算机处理，所以要离散化。
由于PID的算法可以通过计算，用计算机进行实现，从而形成数字式的PID控制器。当采样周期T足够短时，我们可以用求和代替积分，用差商代替微分，是连续系统的PID算法离散化

所以为了之后在matlab等仿真软件上模拟，我们需要将他离散化。

也就是：
在这里插入图片描述
对于：
P模块没有改变.
I模块变成了一个一个的矩形面积相加求和（面积）.
D模块则是前一个与后一个的插值（导数）
此后我们可以从离散化的公式中，我们可以知道比例控制是每次的误差值，而积分控制是每次误差的和；微分控制是这一次误差与上一次误差的差值。

如何调节PID呢？

PID写出来并不难，难就难在与如何对他的调整，这对使它实际运用中有重要意义。重要的是：目前我也不会调这个东西~~emmmmmm~~ 。

第一步：将Kp、Ki和Kd设置为0。这样可以有助于我们开始调整。
第二步：增加Kp直到误差相当小，这样可以保证我们大部分调整正确（P是pid中最重要的，将他调好可以有利于我们的下一步工作）。
第三步：增加Kd，直到任何超过你可能拥有的覆盖面积（因为他上面的公式中就是求面积）。
第四步：增加Ki，直到任何仍然存在的错误被消除。由于ki是基于斜率的，所以我们应该从小值开始调整。
第五步：使用调整常量的规则，可以根据经验来更改一些常量，以使其工作到最佳性能。

还有一个到处都可以看见的口诀：

调试口诀
参数整定找最佳，从小到大顺序查，先是比例后积分，最后再把微分加，
曲线振荡很频繁，比例度盘要放大，曲线漂浮绕大湾，比例度盘往小扳，
曲线偏离回复慢，积分时间往下降，曲线波动周期长，积分时间再加长，
曲线振荡频率快，先把微分降下来，动差大来波动慢，微分时间应加长，
理想曲线两个波，前高后低4比1。