第4章 PID控制在轨迹跟踪中的应用：位置式PID、增量式PID、参数整定方法
PID控制，说白了就是三个字：比例、积分、微分。很多刚入行的朋友觉得这东西太老了，都什么年代了还用PID？我刚开始做移动机器人那会儿也这么想，直到在真实硬件上跑现代控制算法时被各种问题折磨得够呛，才老老实实回来把PID吃透。
其实在轨迹跟踪这个领域，PID依然是工业界最广泛使用的算法。为什么？因为它简单、可靠、可解释性强。你想想看，一个现场调试工程师，拿着示波器就能调参，出了问题能快速定位，这比那些黑箱式的神经网络实用太多了。
核心观点：PID控制不是万能的，但不懂PID是万万不能的。在轨迹跟踪中，PID负责的是“当前位置与目标位置的偏差修正”，是整个控制链路中最基础也最关键的一环。
4.1 位置式PID：最直观的偏差修正
位置式PID，也叫全量式PID。它的输出直接就是控制量，比如电机的PWM占空比、舵机的角度值。公式长这样：
u(k) = Kp * e(k) + Ki * Σe(i) + Kd * [e(k) - e(k-1)]其中：
- e(k)：当前时刻的偏差（目标位置 - 当前位置）
- Σe(i)：从启动到现在的偏差累积和
- e(k) - e(k-1)：偏差的变化率
我在做AGV（自动导引车）项目时，一开始用的就是位置式PID。效果嘛，直线跟踪还行，但一到弯道就出问题——积分项累积得太大，过弯时控制量饱和，车子直接冲出去了。这就是位置式PID的一个典型问题：积分饱和。
避坑指南：位置式PID的积分项是“历史总账”。一旦系统长时间存在偏差（比如被卡住），积分项会累积到非常大的值。当偏差消除后，这个巨大的积分值还会持续输出，导致严重的超调。我曾经在调试一个机械臂时，就因为积分饱和导致末端执行器直接撞上了限位块，差点把传感器干废了。
位置式PID的优点是结构清晰，适合理论分析。但实际工程中，我很少直接用它，除非系统对积分饱和有专门的抗饱和处理。
4.2 增量式PID：工程界的宠儿
增量式PID，顾名思义，它输出的是控制量的增量，而不是全量。公式如下：
Δu(k) = Kp * [e(k) - e(k-1)] + Ki * e(k) + Kd * [e(k) - 2*e(k-1) + e(k-2)]最终的控制量：
u(k) = u(k-1) + Δu(k)为什么增量式PID在工程中更受欢迎？我总结了三个原因：
- 无积分饱和问题：增量式只计算最近几次偏差的变化，没有历史累积。即使执行器被卡住，恢复后也不会出现巨大的控制量跳变。
- 抗扰动能力强：误操作或传感器瞬间跳变，只会影响当前周期的增量，不会污染整个控制历史。
- 便于切换控制模式：从手动控制切换到自动控制时，增量式PID只需要从当前输出值开始累加增量，不会产生冲击。
我记得有一次在调试四轮差速底盘时，电机驱动器偶尔会丢脉冲。用位置式PID时，每次丢脉冲都会导致积分项异常，底盘跑着跑着就偏了。换成增量式PID后，问题迎刃而解——因为增量式只关心“最近的变化”，丢脉冲的影响只持续几个周期就消失了。
个人经验：在轨迹跟踪中，我通常对位置环用增量式PID，对速度环用位置式PID。为什么？位置环需要平滑输出，避免积分饱和；速度环需要快速响应，位置式的全量输出更直接。这个搭配我在多个项目中验证过，效果不错。
4.3 位置式 vs 增量式：一张表说清楚
| 对比维度 | 位置式PID | 增量式PID |
|---|---|---|
| 输出形式 | 全量控制值 | 控制增量 |
| 积分饱和 | 容易发生 | 不会发生 |
| 误操作影响 | 持续影响 | 单周期影响 |
| 手动/自动切换 | 需要特殊处理 | 天然平滑 |
| 计算量 | 较小 | 稍大（需存储历史值） |
| 适用场景 | 理论分析、速度环 | 位置环、工程实践 |
4.4 参数整定方法：从玄学到科学
调PID参数，是每个做控制的工程师都绕不开的坎。我刚入行时，调参全靠“玄学”——先给个Kp，看响应，再调Ki，再调Kd，来回折腾半天。后来总结出一套系统方法，效率高多了。
4.4.1 经验试凑法（最常用）
这个方法的核心是：先比例，后积分，再微分。
- 调Kp：Ki和Kd设为0，逐渐增大Kp直到系统出现等幅振荡。记录此时的Kp（称为临界增益Ku）和振荡周期Tu。
- 调Ki：引入积分项，消除稳态误差。Ki从Kp/Tu开始试，观察响应速度。
- 调Kd：加入微分项，抑制超调。Kd从Kp*Tu/8开始试，注意微分对噪声的放大作用。
经验公式（Ziegler-Nichols法）：
- P控制器：Kp = 0.5 * Ku
- PI控制器：Kp = 0.45 * Ku, Ki = 1.2 * Kp / Tu
- PID控制器：Kp = 0.6 * Ku, Ki = 2 * Kp / Tu, Kd = Kp * Tu / 8
这个方法我用了很多年，但要注意：它只适用于线性系统。如果你的系统有严重的非线性（比如摩擦、间隙），这些公式只能作为初始值，最终还得靠手动微调。
4.4.2 基于响应曲线的整定法
如果系统不允许做等幅振荡实验（比如某些精密设备），可以用阶跃响应法。给系统一个阶跃输入，记录响应曲线，提取两个关键参数：
- 滞后时间L：从输入变化到输出开始变化的时间
- 时间常数T：输出从0上升到63.2%稳态值所需的时间
然后查表得到PID参数。这个方法我在调试一个液压伺服系统时用过，效果比纯试凑法好很多，因为液压系统的非线性太强了，试凑法根本找不到稳定的临界点。
4.4.3 自整定与自适应PID
现在很多高端驱动器都支持自整定功能。原理是：控制器自动施加激励信号，采集响应数据，然后通过算法计算出最优参数。我常用的自整定方法有：
- 继电反馈法：用继电环节代替PID，让系统产生极限环振荡，自动提取Ku和Tu
- 模糊PID：根据偏差和偏差变化率，在线调整Kp、Ki、Kd
- 神经网络PID：用神经网络学习最优参数映射关系
注意：自整定不是万能的。我曾经在一个变负载的机械臂上用过继电反馈自整定，结果每次负载变化后参数都不对。后来还是老老实实做了增益调度——根据负载大小切换不同的PID参数组。
4.5 PID参数整定流程（SVG图）
下面这张图是我在实际项目中总结的PID参数整定流程，从系统辨识到最终微调，每一步都有明确的判断标准。
4.6 轨迹跟踪中的PID应用技巧
在轨迹跟踪这个具体场景下，PID的使用有一些特殊技巧。我踩过不少坑，分享几个实用的：
4.6.1 前馈+反馈复合控制
纯PID是反馈控制，它只能事后修正偏差。对于轨迹跟踪这种有明确期望路径的场景，加入前馈项可以大幅提升跟踪精度。
u(k) = u_ff(k) + u_pid(k)其中u_ff(k)是根据期望轨迹计算的前馈控制量，u_pid(k)是PID的反馈修正量。前馈项可以抵消大部分已知的动力学影响，PID只需要处理模型误差和扰动。
我在做无人机轨迹跟踪时，前馈项直接用了期望加速度的逆动力学计算，PID只需要补偿风扰和模型误差，跟踪精度从原来的±10cm提升到了±2cm。
4.6.2 变参数PID
轨迹跟踪中，不同阶段的控制需求不同。比如：
- 启动阶段：需要大Kp快速响应，小Ki防止积分饱和
- 稳态跟踪阶段：需要小Kp防止超调，大Ki消除稳态误差
- 急转弯阶段：需要大Kd抑制过冲
我的做法是：根据轨迹曲率或跟踪误差的大小，在线切换PID参数组。这个在嵌入式系统上实现起来也不复杂，查表就行。
小技巧：参数切换时要做无扰切换。具体来说，切换前把旧参数的积分项值赋给新参数的积分项初始值，避免切换瞬间控制量跳变。这个细节我是在一次无人机炸机后才深刻理解的……
4.6.3 微分先行与不完全微分
纯微分项对噪声极其敏感。轨迹跟踪中，位置测量通常带有噪声，直接微分会放大噪声，导致控制量剧烈抖动。
我的解决方案有两个：
- 微分先行：只对输出量（当前位置）做微分，不对输入量（目标位置）做微分。这样可以避免目标轨迹突变时产生的微分冲击。
- 不完全微分：在微分项后面加一个低通滤波器，滤除高频噪声。公式如下：
D(s) = Kd * s / (Tf * s + 1)其中Tf是滤波时间常数，一般取微分时间的1/10到1/5。
4.7 本章小结
PID控制看似简单，但真正用好它需要大量的工程经验。位置式和增量式各有优劣，我个人的建议是：位置环用增量式，速度环用位置式。参数整定方面，先学会经验试凑法，再根据系统特性选择更高级的方法。
最后说一句：不要迷信算法。再先进的控制器，如果PID参数没调好，效果还不如一个调好的纯P控制器。先把基础打牢，再谈创新。