PID学习笔记——从定性到公式再到简单的PID调参方式

最新推荐文章于 2024-07-18 11:53:56 发布

一大只藏獒

最新推荐文章于 2024-07-18 11:53:56 发布

阅读量1k

点赞数 15

文章标签：学习笔记 stm32 单片机 mcu

本文链接：https://blog.csdn.net/weixin_55933483/article/details/137728697

版权

什么是PID

P（proportion 比例） I(integration 微分) D（differentiation 积分）控制

经典的PID控制框图为：

简单的理解，pid算法事实上是一个负反馈调节算法，是将系统目前值与期望值之间的误差，即距离我们所希望达到的预期所相差的部分作为函数的输入，对其进行一定的运算在加入原输入中，从而达到最终使得系统状态维持在我们所希望的位置。

比如将50度的水烧开到80度，我们所遇到的误差值就为80-50=30，此处的80就为我们的预期值，而这里的30就作为差值最后会输入到函数中，最终通过pid的控制我们会得到80度的水。

定性理解PID算法

我们此处定性的描述P、I、D三个值的作用。

P，比例，可以认为此项为简单粗暴的比例关系，其计算逻辑为给误差值（err）一个系数kp，然后将这个乘积与原值相加，使得系统不断地向预期值接近，这一过程将随着每一次原值的更新而不断迭代，直到达到预期值。比如在烧水的例子里，我们对水的加热力度会随着水温的升高而改变，使水的温度向80度逼近，换句话说，当err越大时，P的调节效果会越剧烈。

I，积分，此项在离散的系统中为累加，他可以使得在小误差范围内，当前值向预期值接近。在实际控制过程中，会出现一个“阻尼”，使得P的控制没有办法很好地靠近预期值，网上一个很形象的描述就是烧水的时候如果在70度时加热和散热的热量相同了，那么水将会停留在70度，此实P的控制将会在实际意义上不产生任何效果（因为吸热和散热已经抵消），此时就需要这么一个量，这个量将会是在之前迭代过程中的误差值之和再乘一个系数ki,这样以来，即使P已经回天乏术，加上新的控制量后(因为随着迭代次数的增加，我们的原值会继续向着预期值靠近)，我们的水温还是会逐渐升高。

D，微分，此项可以理解为系统的变化趋势（导数值）乘一个系数kd，对系统施加一个相反的效果；此项在离散系统中体现为差分运算，即当前状态与上一个状态的差值乘一个kd的系数，这一项的作用体现在修正作用上，相当于给了系统一个阻尼，当系统在P的作用下越过了预期值时，D将会向反方向将系统拉回来。假如加热超过了80度，然后此时水温将在80度上下震荡，因为低于80度了加热的太猛超过了，高于80度降温得太猛又下去了，此实我们引入D，D将会向反方向抵消P的效果，最终使得系统稳定在预期值，即在80度时停止震荡。

经典PID公式

下面从公式的角度进行分析：

PID的公式为：

$$
U（t）=k_{p} \left ( err\left ( t \right )+\frac{1}{T_{i} } \int err\left ( t \right )\mathrm{d}t +\frac{T_{d}\mathrm{derr\left ( t \right )} }{\mathrm{d}t } \right )
$$

公示打开后可以变成：

$$
U（t）=k_{p}err\left ( t \right )+\frac{k_{p}}{T_{i} } \int err\left ( t \right )\mathrm{d}t +\frac{k_{p}T_{d}\mathrm{derr\left ( t \right )} }{\mathrm{d}t }
$$

三个系数可以简化为：

$$
U（t）=k_{p}err\left ( t \right )+k_{i}\int err\left ( t \right )\mathrm{d}t +\frac{k_{d}\mathrm{derr\left ( t \right )} }{\mathrm{d}t }
$$

其中kp为比例项的系数，ki为积分项的系数，kd为微分项的系数，这三个系数的值就为我们需要调节的参数，即P、I、D的值。

我们可以认为在采样周期为T时，系统为离散系统，此实上述的PID公示变为：

$$
U(t)=K_{p}e(k)+\frac{K_{p}T}{T_{i}} \sum_{n=0}^{k} e_{n}+\frac{K_{p}T_{d}}{T}\left ( e(k)-e(k-1) \right )
$$

此时我们可以定义：

$$
K_{P} = K_{p}
$$

$$
K_{I}=\frac{K_{p}T}{T_{i}}
$$

$$
K_{D}=\frac{K_{p}T_{d}}{T}
$$

所以此时离散状态下的PID可以简化为：

$$
U(t)=K_{P}e(k)+K_{I}\sum_{n=0}^{k} e_{n}+K_{D}\left ( e(k)-e(k-1) \right )
$$

同样此时该公式前面的三个系数为我们所需要调节的。

简单的PID参数调节方式

PID参数调节方式：

我们在使用PID时，单独使用一个是没有意义的，PI一般情况下用于追求稳定的系统，I的累计误差会使得系统最后的值趋于预期值，PD一般用于追求快速响应的系统，由于D值的阻尼作用，P值可以采用激进一些的策略来逼近预期值；而PID则用于即追求稳定性，又需要快速响应的系统。一般来说，PID中参数越多越难调节，在这里根据网上的学习，稍微总结了一下调参的规律：