pid算法实现

㈠ 一文搞懂PID控制算法

PID算法是工业应用中最广泛算法之一，在闭环系统的控制中，可自动对控制系统进行准确且迅速的校正。PID算法已经有100多年历史，在四轴飞行器，平衡小车、汽车定速巡航、温度控制器等场景均有应用。

之前做过循迹车项目，简单循迹摇摆幅度较大，效果如下所示：

PID算法优化后，循迹稳定性能较大提升，效果如下所示：

PID算法：就是“比例（proportional）、积分（integral）、微分（derivative）”，是一种常见的“保持稳定”控制算法。

常规的模拟PID控制系统原理框图如下所示：

因此可以得出e(t)和u(t)的关系：

其中：

Kp：比例增益，是调适参数；

Ki：积分增益，也是调适参数；

Kd：微分增益，也是调适参数；

e：误差=设定值（SP）- 回授值（PV）；

t：目前时间。

数学公式可能比较枯燥，通过以下例子，了解PID算法的应用。

例如，使用控制器使一锅水的温度保持在50℃，小于50℃就让它加热，大于50度就断电不就行了？

没错，在要求不高的情况下，确实可以这么干，如果换一种说法，你就知道问题出在哪里了。

如果控制对象是一辆汽车呢？要是希望汽车的车速保持在50km/h不动，这种方法就存在问题了。

设想一下，假如汽车的定速巡航电脑在某一时间测到车速是45km/h，它立刻命令发动机：加速！

结果，发动机那边突然来了个100%全油门，嗡的一下汽车急加速到了60km/h，这时电脑又发出命令：刹车！结果乘客吐......

所以，在大多数场合中，用“开关量”来控制一个物理量就显得比较简单粗暴了，有时候是无法保持稳定的，因为单片机、传感器不是无限快的，采集、控制需要时间。

而且，控制对象具有惯性，比如将热水控制器拔掉，它的“余热”即热惯性可能还会使水温继续升高一小会。

此时就需要使用PID控制算法了。

接着咱再来详细了解PID控制算法的三个最基本的参数：Kp比例增益、Ki积分增益、Kd微分增益。

1、Kp比例增益

Kp比例控制考虑当前误差，误差值和一个正值的常数Kp（表示比例）相乘。需要控制的量，比如水温，有它现在的 当前值 ，也有我们期望的 目标值 。

当两者差距不大时，就让加热器“轻轻地”加热一下。

要是因为某些原因，温度降低了很多，就让加热器“稍稍用力”加热一下。

要是当前温度比目标温度低得多，就让加热器“开足马力”加热，尽快让水温到达目标附近。

这就是P的作用，跟开关控制方法相比，是不是“温文尔雅”了很多。

实际写程序时，就让偏差（目标减去当前）与调节装置的“调节力度”，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越大，调节作用越激进，Kp调小会让调节作用更保守。

若你正在制作一个平衡车，有了P的作用，你会发现，平衡车在平衡角度附近来回“狂抖”，比较难稳住。

2、Kd微分增益

Kd微分控制考虑将来误差，计算误差的一阶导，并和一个正值的常数Kd相乘。

有了P的作用，不难发现，只有P好像不能让平衡车站起来，水温也控制得晃晃悠悠，好像整个系统不是特别稳定，总是在“抖动”。

设想有一个弹簧：现在在平衡位置上，拉它一下，然后松手，这时它会震荡起来，因为阻力很小，它可能会震荡很长时间，才会重新停在平衡位置。

请想象一下：要是把上图所示的系统浸没在水里，同样拉它一下 ：这种情况下，重新停在平衡位置的时间就短得多。

此时需要一个控制作用，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。

因为，当比较接近目标时，P的控制作用就比较小了，越接近目标，P的作用越温柔，有很多内在的或者外部的因素，使控制量发生小范围的摆动。

D的作用就是让物理量的速度趋于0，只要什么时候，这个量具有了速度，D就向相反的方向用力，尽力刹住这个变化。

Kd参数越大，向速度相反方向刹车的力道就越强，如果是平衡小车，加上P和D两种控制作用，如果参数调节合适，它应该可以站起来了。

3、Ki积分增益

Ki积分控制考虑过去误差，将误差值过去一段时间和（误差和）乘以一个正值的常数Ki。

还是以热水为例，假如有个人把加热装置带到了非常冷的地方，开始烧水了，需要烧到50℃。

在P的作用下，水温慢慢升高，直到升高到45℃时，他发现了一个不好的事情：天气太冷，水散热的速度，和P控制的加热的速度相等了。

这可怎么办？

P兄这样想：我和目标已经很近了，只需要轻轻加热就可以了。

D兄这样想：加热和散热相等，温度没有波动，我好像不用调整什么。

于是，水温永远地停留在45℃，永远到不了50℃。

根据常识，我们知道，应该进一步增加加热的功率，可是增加多少该如何计算呢？

前辈科学家们想到的方法是真的巧妙，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。

这样一来，即使45℃和50℃相差不是太大，但是随着时间的推移，只要没达到目标温度，这个积分量就不断增加，系统就会慢慢意识到：还没有到达目标温度，该增加功率啦！

到了目标温度后，假设温度没有波动，积分值就不会再变动，这时，加热功率仍然等于散热功率，但是，温度是稳稳的50℃。

Ki的值越大，积分时乘的系数就越大，积分效果越明显，所以，I的作用就是，减小静态情况下的误差，让受控物理量尽可能接近目标值。

I在使用时还有个问题：需要设定积分限制，防止在刚开始加热时，就把积分量积得太大，难以控制。

PID算法的参数调试是指通过调整控制参数（比例增益、积分增益/时间、微分增益/时间） 让系统达到最佳的控制效果 。

调试中稳定性（不会有发散性的震荡）是首要条件，此外，不同系统有不同的行为，不同的应用其需求也不同，而且这些需求还可能会互相冲突。

PID算法只有三个参数，在原理上容易说明，但PID算法参数调试是一个困难的工作，因为要符合一些特别的判据，而且PID控制有其限制存在。

1、稳定性

若PID算法控制器的参数未挑选妥当，其控制器输出可能是不稳定的，也就是其输出发散，过程中可能有震荡，也可能没有震荡，且其输出只受饱和或是机械损坏等原因所限制。不稳定一般是因为过大增益造成，特别是针对延迟时间很长的系统。

2、最佳性能

PID控制器的最佳性能可能和针对过程变化或是设定值变化有关，也会随应用而不同。

两个基本的需求是调整能力（regulation，干扰拒绝，使系统维持在设定值）及命令追随 （设定值变化下，控制器输出追随设定值的反应速度）。有关命令追随的一些判据包括有上升时间及整定时间。有些应用可能因为安全考量，不允许输出超过设定值，也有些应用要求在到达设定值过程中的能量可以最小化。

3、各调试方法对比

4、调整PID参数对系统的影响

㈡ 用PID算法实现温度控制

第一步：把器件等各种实物连上...
第二步：开环，对PWM的控温信号加阶跃（改变PWM的占空比），由输入输出的结果大致得出加热器的数学模型
第三部：由理论公式整定出PID参数
第四部：根据实际结果调节PID以达到你想要的指标

㈢ 什么是“PID算法”

“PID算法”在过程控制中，按偏差的比例（P）、积分（I）和微分（D）进行控制的PID控制器（亦称PID调节器）是应用最为广泛的一种自动控制器。

它具有原理简单，易于实现，适用面广，控制参数相互独立，参数的选定比较简单等优点；而且在理论上可以证明，对于过程控制的典型对象──“一阶滞后+纯滞后”与“二阶滞后+纯滞后”的控制对象，PID控制器是一种最优控制。

PID调节规律是连续系统动态品质校正的一种有效方法，它的参数整定方式简便，结构改变灵活（PI、PD、…）。

控制点包含三种比较简单的PID控制算法，分别是：增量式算法，位置式算法，微分先行。 这三种PID算法虽然简单，但各有特点，基本上能满足一般控制的大多数要求。

PID增量式算法

离散化公式：

△u(k)= u(k)- u(k-1)

△u(k)=Kp[e(k)-e(k-1)]+Kie(k)+Kd[e(k)-2e(k-1)+e(k-2)]

进一步可以改写成

△u(k)=Ae(k)-Be(k-1)+Ce(k-2)。

㈣ 关于Android系统实现PID算法控制温度

第一步：把器件等各种实物连上
第二步：开环，对PWM的控温信号加阶跃（改变PWM的占空比），由输入输出的结果大致得出加热器的数学模型
第三部：由理论公式整定出PID参数
第四部：根据实际结果调节PID以达到你想要的指标

㈤ PID算法实现该系统控制

增量式PID控制程序：
%Increment PID Controller
clear all
close all
ts=0.005;
sys=tf([0.1,10],[0.0004,0.0454,0.555,1.51,11],'inputdelay',0.2);
dsys=c2d(sys,ts,'z');
[num den]=tfdata(dsys,'v');
for k=1:44
yout(k)=0;
end
u_1=0;u_2=0;u_3=0;u_4=0;
y_1=0.0;y_2=0.0;y_3=0.0;y_4=0.0;
x=[0,0,0];error_1=0,error_2=0;
kp=0.016;ki=0.056;kd=1
for k=45:1000
time(k)=k*ts;
kp=0.55,ki=0,kd=0;
rin(k)=1.0;
(k)=kp*x(1)+kd*x(2)+ki*x(3);
u(k)=u_1+(k);
yout(k)=-den(2)*y_1-den(3)*y_2-den(4)*y_3-den(5)*y_4+num(1)*u_1+num(2)*u_2+num(3)*u_3+num(4)*u_4
error=rin(k)-yout(k);
u_4=u_3;u_3=u_2;u_2=u_1;u_1=u(k);
y_4=y_3;y_3=y_2;y_2=y_1;y_1=yout(k);
x(1)=error-error_1; %calculating p
x(2)=error-2*error_1+error_2; %calculating d
x(3)=error; %calculating i
error_2=error_1;error_1=error;
end
figure(1);
plot(time,rin,'b',time,yout,'r');
xlabel('time(s)'),ylabel('rin,yout');
title('单位阶跃响应曲线')

Z-N法整定：
clear all
close all
ts=0.005;
sys=tf([0.1,10],[0.0004,0.0454,0.555,1.51,11],'inputdelay',0.2);
dsys=c2d(sys,ts,'z');
rlocus(dsys)

㈥ PID控制器是如何实现的

In the conventional PID control algorithm, the proportional, integral and derivative parts are implemented in the forward loop, thus acting on the error between the set-point and closed-loop response. This PID controller implementation may lead to an undesirable phenomenon, namely the derivative kick. Also, by moving the PD part into an inner feedback loop, an unstable or integrating process can be stabilized and then controlled more effectively by the PI controller in the forward path. 在传统的 PID 控制算法中将因此根据之间设置点和闭环响应错误的正向循环中实现比例、 积分和衍生金融工具的部件。 此 PID 控制器实现可能会导致一个不良的现象就是衍生的踢。 同时，通过将局部放电的一部分移动到一个内部反馈循环，一个不稳定的或将集成过程可以稳定，然后向前路径中的 PI 控制器通过更有效地控制。
Therefore, the control structure shown in Fig. 1, which is known as a PI-PD control structure, has been proposed. In this structure, G(s) is the plant transfer function因此，提出控制结构，称为 PI-PD 控制结构的图 1 所示。 在这种结构 G(s) 是植物传递函数
and GPI(s) and GPD(s) are the PI and PD controller transfer functions, respectively, which have the following ideal forms: 与 GPI(s) 和 GPD(s) PI 和 PD 控制器传输功能，分别是，哪有以下的理想形式：

This structure, which uses an inner feedback loop, is not a totally new concept. Benouarets [11] was the first to mention the PI-PD controller structure. Unfortunately, its true potential was not recognized there as it was used to control plants with simple stable real pole transfer functions where its advantages are relatively minor. Later, Kwak et al. [6] and Park et al. [2] used a PID-P control structure for controlling integrating and unstable processes, respectively. However, as they still use the derivative term, D, in the forward path, the structure这种结构，使用一个内反馈循环，不是一种全新的概念。 Benouarets [11] 率先提 PI-PD 控制器结构。 不幸的是，它的真正潜力未被识别存在，它用来控制植物与真正的简单稳定杆传递函数，其优点是相对较小。 稍后，郭 et al.[6] 和 [2] 公园 et al.，分别控制集成和不稳定的进程使用-P PID 控制结构。 但是，作为他们仍使用该结构正向的路径中的衍生金融工具的术语 D，
may result in a derivative kick. Also, they use a gain only controller to alter the open-loop unstable or integrating processes to open-loop stable processes and then可能会导致衍生的踢。 他们还，改变开环稳定进程的开环不稳定或集成过程使用增益唯一控制器，然后
use the PID controller for an effective control of the overall system. It is better to use an inner feedback loop with a PD controller rather than a P-only controller, as this not only converts the open-loop unstable or integrating processes to open-loop stable processes but also guarantees more suitable pole locations. To clarify this better, consider the PD controller of the form given by
Eq. 2 and a general plant transfer function of 使用一个有效的控制整个系统的 PID 控制器。 最好 PD 控制器，而不是一个只 P 的控制器使用一个内反馈循环，因为这不仅能将开环不稳定或集成流程转换为开环稳定进程，也保证了更适合杆位置。 若要更好地阐明这，考虑给予式 2 和一个总厂传递函数的窗体的 PD 控制器The closed-loop transfer function for the inner loop, 在内部的循环的闭环传递函数
with G(s) given by Eq. 3, is获式 3 G(s)，是

provided that n>m+2. The modification in the last two erms of the denominator of Eq. 4, e to the insertion f the PD controller used in the feedback loop, is clear. 提供该 n > m + 2。 由于到使用反馈及时插入 f 规划署控制器的式 4，分母的最后两个条款的修改是清晰
Let us assume that the coefficients a0 and a1 take suitable alues to make the plant transfer function given in Eq. 3 unstable, integrating or a resonant plant transfer让我们假定您与系数 a0 a1 采取适当 alues 进行传递函数方程 3 不稳定，集成中给出的植物或共振的植物传输
function. The PD controller used in the inner feedback loop can be used to convert it to an open-loop stable plant transfer function for the PI controller used in the函数。 内反馈循环中使用的 PD 控制器可用来将其转换为一个开环稳定植物传递函数中使用的 PI 控制器，
forward loop, which can then be used for a more satisfactory closed-loop performance. Another point, which should be pointed out, is that the use of the PI-PD controller gives more flexibility than a PID-P controller to locate the poles of open-loop plant transfer function Gil(s) in more desired locations, with the simultaneous转发，然后可用于更令人满意的闭环性能的循环。 应该指出，另一点是 PI-PD 控制器的使用提供更大的灵活性，比在更多所需的位置，同时与找到的开环植物传递函数 Gil(s) 杆将-P PID 控制器
use of Kf and Td rather than a gain-only parameter Kf. 使用的 Kf 和 Td 而不是只增益参数 Kf
呵呵，在线翻译的。

㈦ PID的计算公式

PID的增量型公式：

PID=Uk+KP*【E(k)-E(k-1)】+KI*E(k)+KD*【E(k)-2E(k-1)+E(k-2)】

PID算法具体分两种：一种是位置式的 ，一种是增量式的。

位置式PID的输出与过去的所有状态有关，计算时要对e（每一次的控制误差）进行累加，这个计算量非常大，而明显没有必要。而且小车的PID控制器的输出并不是绝对数值，而是一个△，代表增多少，减多少。换句话说，通过增量PID算法，每次输出是PWM要增加多少或者减小多少，而不是PWM的实际值。所以明白增量式PID就行了。

PID控制原理：

本系统通过摆杆（辊）反馈的位置信号实现同步控制。收线控制采用实时计算的实际卷径值，通过卷径的变化修正PID前馈量，可以使整个系统准确、稳定运行。

PID系统特点：

1、主驱动电机速度可以通过电位器来控制，把S350设置为SVC开环矢量控制，将模拟输出端子FM设定为运行频率，从而给定收卷用变频器的主速度。

2、收卷用S350变频器的主速度来自放卷（主驱动）的模拟输出端口。摆杆电位器模拟量

信号通过CI通道作为PID的反馈量。S350的频率源采用主频率Ⅵ和辅助频率源PID叠加的方式。通过调整运行过程PID参数，可以获得稳定的收放卷效果。

3、本系统启用逻辑控制和卷径计算功能，能使系统在任意卷径下平稳启动，同时两组PID参数可确保生产全程摆杆控制效果稳定。