PID 控制算法：从原理到实践

ROS>机器人学
3.2k 词

PID（比例-积分-微分）是应用最广泛的控制算法。算法简单、鲁棒性好，适用于温度、压力、流量、液位等几乎所有现场。但它的不足在于：对非线性、时变不确定的系统难以建立精确模型，参数整定也较为繁琐。

三个环节

比例环节（P）

成比例地反映偏差信号 e(t)，偏差一旦产生，控制器立即产生控制作用以减小偏差。

  • Kp 越大，比例作用越强，动态响应越快
  • 但实际系统有惯性——Kp 过大时，输出可能因惯性越过目标值
  • 仅有比例控制时，系统会存在稳态误差

积分环节（I）

输出与误差信号的积分成正比，主要用于消除静差。

只要有误差存在，积分就持续累加，直到误差为零。但引入积分后系统稳定裕度减小，曲线波动增大，需要较长时间才能趋于平整。

积分作用消除静差的原理：只要误差存在就积分 → 输出增大/减小 → 误差归零 → 积分停止 → 输出稳定。

微分环节（D）

反映偏差信号的变化趋势，在偏差变得太大之前引入早期修正信号。

  • 比例和积分是”事后调节”——发生误差后才调节
  • 微分是”事前预防”——发现有变化趋势就提前干预，防止过冲和超调

Kd 从小往大调，不能太强，否则会引起振荡。微分只能作为 P 和 I 的补充，不能起主导作用。

两种实现形式

位置式 PID

输出直接对应执行机构的位置（如阀门开度）：

1
u(k) = Kp·e(k) + Ki·Σe(k) + Kd·[e(k) - e(k-1)]
  • 输出与整个历史状态有关，计算量大
  • 适用于执行机构不带积分部件的对象（如电液伺服阀）

增量式 PID

输出控制量的增量：

1
2
Δu(k) = Kp·[e(k)-e(k-1)] + Ki·e(k) + Kd·[e(k)-2e(k-1)+e(k-2)]
u(k) = u(k-1) + Δu(k)
  • 只与当前拍和前两拍误差有关，累积误差更小
  • 计算机故障时误动作影响小（执行机构有记忆功能，保持原位）
  • 易于实现手动/自动无扰动切换
  • 适用于执行机构带积分部件的对象（如步进电机）

程序优化技巧

积分分离

问题：启动、结束或大幅增减设定值时，短时间产生很大偏差 → 积分累积 → 超调甚至振荡。

解法：偏差大时取消积分作用，接近目标时才引入积分。

1
2
3
4
5
6
7
if (abs(err) > THRESHOLD) {
    use_integral = false;   // 偏差大，不用积分
} else {
    use_integral = true;
    integral += err;        // 偏差小，正常积分
}
u = Kp*err + use_integral*Ki*integral + Kd*(err - err_last);

抗积分饱和

问题：执行机构达到极限位置后，积分仍在累加 → 反向偏差出现时退出饱和区很慢 → 系统”失控”。

解法：判断上一时刻输出是否超限，超限后只累加反方向偏差：

1
2
3
4
5
6
7
if (u_last > umax) {
    if (err < 0) integral += err;   // 已饱和，只累加负偏差
} else if (u_last < umin) {
    if (err > 0) integral += err;   // 已饱和，只累加正偏差
} else {
    integral += err;                // 正常范围，正常累加
}

PID 整定方法

手动试凑法

参数 增大效果 过大风险
Kp 加快响应 超调、稳定性下降
Ki（减小 Ti） 消除静差加快 振荡
Kd 减小超调、加快响应 对干扰敏感

调参顺序：先 P → 再 I → 最后 D（从小往大一点一点加）

衰减曲线法

  1. 积分时间放最大，微分时间放零，纯 P 运行
  2. 慢慢减小比例度，直到出现 4:1（或 10:1）衰减比
  3. 根据衰减周期查表计算各参数

适用于变化较快的压力、流量、液位系统，但负荷变化大时需重新整定。

ROS 动态调参（dynamic_reconfigure）

不用重新编译就能在线调 PID 参数：

1. 创建 cfg 文件

1
2
3
4
5
6
7
8
9
#!/usr/bin/env python
PACKAGE = "my_controller"
from dynamic_reconfigure.parameter_generator_catkin import *

gen = ParameterGenerator()
gen.add("KP", double_t, 0, "KP_param", 0.0, 0, 500)
gen.add("KI", double_t, 0, "KI_param", 0.0, 0, 500)
gen.add("KD", double_t, 0, "KD_param", 0.0, 0, 500)
exit(gen.generate(PACKAGE, "dynamic_PID", "pid"))
1
chmod a+x pid.cfg

2. 代码中配置回调

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
#include <my_controller/PIDConfig.h>

dynamic_reconfigure::Server<my_controller::PIDConfig>* reconf_server_;

void init(ros::NodeHandle& nh) {
    reconf_server_ = new dynamic_reconfigure::Server<PIDConfig>(
        ros::NodeHandle("~/pid"));
    reconf_server_->setCallback(
        boost::bind(&MyController::reconfigCB, this, _1));
}

void reconfigCB(PIDConfig& config) {
    kp_ = config.KP;
    ki_ = config.KI;
    kd_ = config.KD;
}

之后用 rosrun rqt_reconfigure rqt_reconfigure 就能滑条调参了。

PWM 与力矩指令转换

电机控制中，PID 输出最终要转为 PWM 占空比。

电机基本方程（忽略电感）：

$$E = IR + K_e\omega$$
$$T = K_t I$$

合并得：

$$T = \frac{K_t(E - K_e\omega)}{R}$$

PWM 平均电压：$E = V_d \times m$（m 为占空比），代入：

$$m = \frac{T \cdot R + K_e\omega}{K_t \cdot V_d}$$

获取电机参数

  • 电阻 R：万用表测任意两相电阻，值的一半为每相电阻
  • 电感 L：RCL 测量仪 1kHz 测任意两相，值的一半
  • 反电动势系数 Ke：示波器测手拨电机产生的正弦波，$K_e = \frac{V_{peak}}{\omega}$
  • 转矩系数 Kt：$K_t = \frac{60}{2\pi \cdot PP} K_e$（PP 为极对数）

实际中还需考虑粘性阻力、PWM 频率、电流纹波、续流二极管等因素。

MATLAB 仿真示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
clear; clc;
target = [10*ones(100,1); ones(100,1)];
real = zeros(200,1);

Kp = 0.22; Ki = 0.47; Kd = 0.03;
integral = 0; pre_err = 0;

for i = 2:length(target)
    err = target(i) - real(i-1);
    integral = integral + err;
    u = Kp*err + Ki*integral + Kd*(err - pre_err);
    pre_err = err;
    real(i) = u;
end

plot(target, 'b'); hold on; plot(real, 'r');
legend('目标', '实际');