PID控制基础：比例、积分、微分的工作原理与数学表达

说到导航调参，PID 是绕不开的核心。我见过不少新手，上来就调三个系数，结果越调越乱。其实搞懂 P、I、D 各自在干什么，调参就成功了一半。

说白了，PID 就是一个控制器，它盯着「当前值」和「目标值」的差距，然后算出一个控制量，让系统尽快、平稳地到达目标。你想想看，无人机悬停、车辆循迹、云台增稳，背后都是这套逻辑。

比例控制，就是根据误差的大小，按比例输出控制量。误差越大，输出越大。

数学表达很简单：

u(t) = Kp * e(t)

其中 e(t) 是当前误差，Kp 是比例系数。

我在项目中遇到过一件事：有个飞控悬停时总是上下晃。我一看，Kp 设得太高了。比例控制虽然响应快，但过大的 Kp 会让系统震荡，甚至发散。

核心要点：比例控制能快速减小误差，但无法消除稳态误差。纯比例控制下，系统最终会稳定在一个接近目标、但仍有偏差的位置。

举个例子：你开车想保持 100km/h，如果只用比例控制，遇到上坡时车速会掉到 95km/h，然后一直停在 95，回不到 100。这就是稳态误差。

积分控制，说白了就是「算总账」。它把过去所有的误差累加起来，只要还有残余误差，积分项就会一直增长，直到误差被消除。

数学表达：

u(t) = Ki * ∫ e(t) dt

积分项的作用，就是干掉比例控制搞不定的那点稳态误差。回到刚才开车的例子，加上积分项后，车速掉到 95 时，积分项会慢慢累积，持续增加油门，直到车速回到 100。

注意：积分项是把双刃剑。Ki 太大，系统会超调、震荡；Ki 太小，消除误差的速度太慢。我曾经在一个农业无人机项目上，因为积分饱和导致降落时反复弹跳，差点炸机。

这里有个常见问题：积分饱和。当执行器已经饱和（比如油门已经推到最大），积分项还在累加误差。等误差反向时，积分项需要很长时间才能退回来，导致系统响应迟钝。

我的习惯：在导航系统中，我通常会给积分项加限幅，或者使用条件积分——只在误差较小时才启用积分。这样既能消除稳态误差，又不会让积分饱和搞乱系统。

微分控制，看的是误差的变化率。误差在变大，它就提前输出反向控制；误差在变小，它就减少控制量，防止超调。

数学表达：

u(t) = Kd * de(t)/dt

微分项的作用，相当于给系统加了「阻尼」。它让系统更平稳，减少震荡和超调。

但微分项有个致命弱点：对噪声极其敏感。传感器信号稍微有点抖动，微分项就会放大这些噪声，导致控制输出剧烈跳动。

实战经验：我在调试一个激光雷达导航的 AGV 时，加了微分项后小车反而左右摇摆。后来发现是雷达数据有微小抖动，微分项把这些抖动放大了。解决办法：先对误差信号做低通滤波，再送入微分项。

把三个部分加起来，就是完整的 PID 控制器：

u(t) = Kp * e(t) + Ki * ∫ e(t) dt + Kd * de(t)/dt

在数字系统中，我们用的是离散形式：

u[k] = Kp * e[k] + Ki * Σ e[i] * Δt + Kd * (e[k] - e[k-1]) / Δt

其中 Δt 是采样周期。这个公式，就是你在代码里实际要写的东西。

下面这张图，展示了 PID 控制器在导航系统中的位置和信号流向：

我个人习惯的调参顺序是这样的：

一个小技巧：如果你不确定当前参数是否合理，可以给系统一个阶跃输入（比如突然改变目标位置），观察响应曲线。好的响应应该是：快速到达目标、没有或只有少量超调、最终稳定在目标值。