3. 经典PID补偿原理
聊到跟随误差补偿，PID控制是绕不开的基础。说实话，我见过不少工程师一上来就调PID参数，调了半天效果还是不行——其实是对PID每个环节的作用没吃透。这一章，咱们就把PID掰开揉碎了讲清楚。
3.1 PID控制基础
PID，就是比例（Proportional）、积分（Integral）、微分（Derivative）三个词的缩写。它做的事情很简单：根据当前误差、过去误差的累积、未来误差的趋势，算出控制量。
数学表达式长这样：
u(t) = Kp * e(t) + Ki * ∫e(t)dt + Kd * de(t)/dt其中：
- e(t) — 当前位置与目标位置的偏差，也就是跟随误差
- Kp — 比例增益
- Ki — 积分增益
- Kd — 微分增益
- u(t) — 输出给驱动器的控制量
说白了，PID就是三个“纠偏工具”的组合。每个工具干的事不一样，配合好了，伺服系统就能又快又稳地跟上指令。
核心观点：PID不是万能的，但没有PID是万万不能的。在伺服跟随误差补偿中，PID是底层最常用的闭环调节手段。
3.2 比例项对跟随误差的影响
比例项，就是 Kp * e(t)。它直接拿当前误差乘以一个系数，误差越大，输出的纠正力就越大。
我个人的习惯是，调参时先调Kp。为什么？因为比例项决定了系统的“响应速度”。Kp越大，系统对误差的反应越猛，跟随误差能快速被拉回来。
但这里有个坑——Kp不是越大越好。你想想看，如果Kp太大，系统容易震荡，甚至发散。我在项目里遇到过一台贴片机，Kp调得太高，电机在目标位置来回抖动，跟“打摆子”一样。
比例项还有一个天生的缺陷：存在稳态误差。什么意思？就是当系统接近目标时，误差已经很小了，比例项输出的纠正力也很小，可能不足以克服摩擦力或负载，最终停在离目标还有一点距离的位置上。
| Kp值 | 响应速度 | 稳态误差 | 稳定性 |
|---|---|---|---|
| 过小 | 慢 | 大 | 稳定 |
| 适中 | 较快 | 较小 | 良好 |
| 过大 | 快 | 小 | 易震荡 |
注意：纯比例控制无法消除稳态误差。如果你发现系统总是差那么一点点到不了目标位置，别死磕Kp了，该上积分项了。
3.3 积分项消除稳态误差
积分项，就是 Ki * ∫e(t)dt。它把过去所有的误差累加起来，只要误差一直存在，积分值就会越来越大，输出的纠正力也越来越大，直到把误差彻底消除。
嗯，这里要注意：积分项是“算旧账”的。它不管你现在误差多大，它只看你过去累积了多少“债”。所以，对于稳态误差这种“顽固分子”，积分项特别好使。
我曾经调试一台数控机床的Z轴，空载时定位精度还行，一装上刀具就差了0.02mm。调了半天Kp没用，最后加了点Ki，稳态误差直接归零。
但积分项也有副作用：
- 积分饱和 — 如果误差长时间存在，积分值会变得非常大，导致系统超调严重。我建议在代码里做积分限幅。
- 响应变慢 — 积分项会让系统变得“迟钝”，尤其是Ki太大时。
经验之谈：Ki一般从很小的值开始调，比如Kp的1/10到1/100。积分项是“慢药”，别指望它立竿见影。
3.4 微分项预测误差趋势
微分项，就是 Kd * de(t)/dt。它看的是误差的变化率——误差是在变大还是在变小？变大的速度快不快？
说白了，微分项有“预测”能力。它能提前感知误差的变化趋势，在误差还没变得很大之前，就输出一个反向的纠正力，起到“阻尼”作用。
我个人觉得，微分项是PID里最“聪明”的一环。它能让系统更平稳，减少超调和震荡。比如在高速定位场景下，如果没有微分项，电机冲到目标位置时很容易“刹不住车”，冲过头再回来，来回几次才稳定。加了Kd之后，系统能提前减速，一次到位。
但微分项对噪声非常敏感。你想想看，如果位置反馈信号有毛刺，微分项会把噪声放大，导致控制量剧烈抖动。我在一个项目中用过廉价的编码器，信号噪声大，一加Kd电机就嗡嗡响，最后只能放弃微分项，改用其他补偿方式。
| PID项 | 作用 | 主要风险 |
|---|---|---|
| 比例（P） | 快速响应当前误差 | 稳态误差、震荡 |
| 积分（I） | 消除稳态误差 | 积分饱和、响应变慢 |
| 微分（D） | 预测误差趋势、增加阻尼 | 对噪声敏感 |
3.5 PID参数整定方法
参数整定，说白了就是找到Kp、Ki、Kd三个值的最佳组合。方法有很多，我挑几个常用的说说。
3.5.1 试凑法
这是最原始的方法，也是我早期用得最多的。步骤很简单：
- 先把Ki和Kd设为0，只调Kp，从小到大，直到系统出现轻微震荡。
- 然后把Kp往回退一点（比如退到震荡值的60%-70%）。
- 加入Ki，从很小开始，慢慢增加，直到稳态误差消除。
- 最后加Kd，从很小开始，观察系统是否更平稳。
这个方法虽然土，但很实用。我建议新手先用试凑法找感觉。
3.5.2 Ziegler-Nichols法
这是一个经典方法，适合有理论基础的朋友。步骤：
- 同样先只调Kp，找到系统临界震荡时的Kp值（记为Ku）和震荡周期（记为Tu）。
- 然后按以下公式计算PID参数：
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这个方法效率高，但前提是系统允许你把它调到临界震荡。有些场合不允许这样搞，比如精密加工设备。
3.5.3 自整定
现在很多伺服驱动器都自带自整定功能。你按一个按钮，驱动器自己跑一遍流程，自动算出PID参数。说实话，大部分场景下自整定够用了，但遇到特殊工况（比如大惯量、变负载），自整定出来的参数可能不是最优的，还是得手动微调。
我的建议：别完全依赖自整定。理解PID每个项的作用，你才能在自整定基础上做优化。我曾经遇到过自整定出来的Kd太大，导致系统高频抖动，手动降了一半才稳定下来。
好了，PID的基础就讲到这里。下面这张图总结了PID三个项的核心逻辑，你可以对照着理解：
这张图把PID的流程串起来了：目标位置和实际位置比较得到误差，误差分别经过比例、积分、微分三个通道处理，最后求和输出控制量，驱动电机运动，实际位置再反馈回来形成闭环。