3. PID 控制器基础：比例、积分、微分与数字实现

PID 控制器，说白了就是三个字：现在、过去、未来。比例看现在，积分看过去，微分看趋势。我刚开始做轨迹跟踪时，总觉得这玩意儿太简单，不就是三个系数调来调去吗？后来被一台老旧的直流电机狠狠教育了一回——调了三天，电机还是抖得像筛糠。嗯，从那以后我才真正沉下心来理解这三个参数到底在干什么。

3.1 比例 P：最直接的纠偏

比例控制最简单——误差越大，输出越大。你想想看，机器人偏离轨迹 10 厘米，和偏离 1 厘米，控制力度肯定不一样。P 就是那个放大系数。

核心公式： u(t) = Kp × e(t)

其中 e(t) 是当前误差，Kp 是比例增益。

但比例控制有个硬伤：稳态误差。我记得有一次调一个移动机器人的直线跟踪，P 给到 5 的时候，机器人离目标线总是差 2 厘米。加 P 到 8，差 1 厘米。再加到 12，系统开始震荡。这就是比例控制的局限——你永远在误差和稳定性之间做 trade-off。

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 震荡甚至发散

3.2 积分 I：消除历史欠账

积分就是来收拾比例留下的烂摊子的。它把过去所有的误差累加起来，只要还有稳态误差，积分项就会一直增长，直到把误差推回零。

核心公式： u(t) = Ki × ∫e(τ)dτ

Ki 是积分增益，积分从 0 到当前时刻。

我曾经踩过的坑：积分饱和。有一次给一个机械臂做位置控制，启动时误差很大，积分项疯狂累积。等误差归零后，积分项还保留着巨大的值，导致系统超调严重，机械臂直接撞上了限位块。从那以后，我每次用积分必加 anti-windup。

积分也不是越大越好。Ki 太大，系统会「过冲」——误差还没归零，积分已经推过头了。我个人的习惯是：先调好 P，让系统稳定，再一点点加 I，每次加完跑一次阶跃响应，看超调量。

3.3 微分 D：提前踩刹车

微分看的是误差的变化率。误差在快速增大？微分项给出反向力，提前抑制。说白了就是「预判」。

核心公式： u(t) = Kd × de(t)/dt

Kd 是微分增益。

微分对噪声极其敏感。我做过一个激光雷达导航的项目，测距数据本身就有抖动，加上微分后，控制输出高频震荡，电机嗡嗡响。后来加了低通滤波才解决。所以我的建议是：传感器噪声大的场景，D 要慎用，或者干脆不用。

参数 作用 副作用 典型应用场景
P 快速响应当前误差 稳态误差 所有场景的基础
I 消除稳态误差 积分饱和、超调 高精度定位、恒速控制
D 抑制超调、提高响应 放大噪声 平滑轨迹、低噪声环境

3.4 位置式 PID 与增量式 PID

数字 PID 有两种实现方式，我刚开始学的时候也搞混过。这里直接说区别：

  • 位置式 PID：直接计算完整的控制量 u(k)。需要累加所有历史误差，容易积分饱和。
  • 增量式 PID：只计算控制量的变化量 Δu(k)。不需要累加，输出是增量，天然抗积分饱和。

我的选择原则：执行器是比例阀、伺服电机这类需要绝对位置的，用位置式；步进电机、PWM 占空比这类只关心变化量的，用增量式。增量式还有一个好处——切换手动/自动模式时无冲击，因为输出是增量，不会突变。

3.5 数字 PID 的实现

把连续 PID 离散化，就得到数字 PID。这里给出最常用的两种实现代码。

位置式 PID

typedef struct {
    float Kp, Ki, Kd;
    float integral;
    float prev_error;
    float output_limit;  // 输出限幅
} PID_Position;

float PID_Position_Calc(PID_Position *pid, float setpoint, float measurement) {
    float error = setpoint - measurement;
    
    // 比例项
    float P = pid->Kp * error;
    
    // 积分项（带限幅）
    pid->integral += error;
    if (pid->integral > pid->output_limit / pid->Ki)
        pid->integral = pid->output_limit / pid->Ki;
    if (pid->integral < -pid->output_limit / pid->Ki)
        pid->integral = -pid->output_limit / pid->Ki;
    float I = pid->Ki * pid->integral;
    
    // 微分项
    float D = pid->Kd * (error - pid->prev_error);
    pid->prev_error = error;
    
    // 合成输出
    float output = P + I + D;
    
    // 输出限幅
    if (output > pid->output_limit) output = pid->output_limit;
    if (output < -pid->output_limit) output = -pid->output_limit;
    
    return output;
}

增量式 PID

typedef struct {
    float Kp, Ki, Kd;
    float error[3];  // e(k), e(k-1), e(k-2)
    float output_limit;
} PID_Incremental;

float PID_Incremental_Calc(PID_Incremental *pid, float setpoint, float measurement) {
    // 更新误差队列
    pid->error[2] = pid->error[1];
    pid->error[1] = pid->error[0];
    pid->error[0] = setpoint - measurement;
    
    // 计算增量
    float delta = pid->Kp * (pid->error[0] - pid->error[1])
                + pid->Ki * pid->error[0]
                + pid->Kd * (pid->error[0] - 2*pid->error[1] + pid->error[2]);
    
    // 增量限幅
    if (delta > pid->output_limit) delta = pid->output_limit;
    if (delta < -pid->output_limit) delta = -pid->output_limit;
    
    return delta;  // 外部累加这个增量到当前输出
}

注意：增量式 PID 返回的是 Δu，不是 u。外部调用需要维护一个全局变量累加：output += PID_Incremental_Calc(...)。我见过有人直接把增量当绝对输出用，结果系统完全失控。

3.6 PID 知识体系总览

下面这张图把 PID 的核心脉络串起来了，建议你保存下来，调参时对照着看。

PID 控制器知识体系 PID 控制器知识体系 PID 控制器 比例 P Kp × e(t) 积分 I Ki × ∫e(τ)dτ 微分 D Kd × de/dt 特性 快速响应当前误差 存在稳态误差 特性 消除稳态误差 注意积分饱和 特性 抑制超调 对噪声敏感 位置式 PID 输出绝对控制量 u(k) 增量式 PID 输出控制增量 Δu(k) 调参顺序：先 P → 再加 I → 最后加 D（如果需要）

这张图把 P、I、D 三个分支和两种实现方式的关系画清楚了。调参时记住一个原则：先 P 后 I 再 D。先把比例调稳，再用积分消除静差，最后用微分改善动态响应。别一上来三个参数一起调，那样你永远不知道谁在起作用。

← 上一章 📖 返回目录 下一章 →