PID控制原理：比例、积分、微分的作用与离散化实现

聊到电机控制，PID 是绕不开的核心。说实话，我入行头两年，觉得 PID 就是调三个数，没什么技术含量。直到有一次做伺服驱动器，电机在低速时抖得像筛子，我才意识到——不懂原理，调参就是瞎蒙。

这一章，咱们把 PID 的底裤扒干净。比例、积分、微分到底在干什么？怎么从连续公式变成单片机里跑的代码？位置式和增量式有什么区别？

连续域下的 PID 表达式

先看最经典的连续形式：

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

三个部分各司其职。我习惯用一个比喻来理解：

• 比例项——就像你开车时看到偏离车道，立刻打方向盘。反应快，但容易过头。
• 积分项——方向盘打正了车还在偏？那就持续加力，直到完全回正。能消除静差，但容易超调。
• 微分项——提前预判车的偏离趋势，在偏差变大之前就收油或补油。能抑制震荡，但对噪声敏感。

比例作用：最直接的反馈

比例项的输出 = Kp × 当前偏差。偏差越大，输出越强。我在做云台电机时遇到过一个问题：Kp 调大了，电机响应快，但到位后总在目标值附近来回晃；Kp 调小了，晃是不晃了，但反应慢半拍。

为什么会这样？因为比例控制天生有静差。电机带负载时，需要一定的输出才能维持位置，而比例项只有在偏差存在时才有输出。这就导致——你永远到不了目标值，只能无限接近。

积分作用：消除静差的利器

积分项累加过去的偏差。只要偏差存在，积分值就会一直增长，直到输出足够大，把电机推到目标位置。

但积分有个副作用——积分饱和。我在做电动工具项目时踩过这个坑：电机启动时偏差很大，积分项快速累积到上限。等电机到达目标位置时，积分值还卡在上限，导致输出迟迟降不下来，电机冲过头，来回震荡好几秒才稳定。

解决办法？限幅、积分分离、抗饱和算法。后面章节会细讲，这里先记住：积分不是越大越好。

微分作用：提前预判，抑制震荡

微分项看的是偏差的变化率。偏差变化越快，微分输出越大。说白了，它是在跟偏差的「趋势」作斗争。

我做过一个高速贴片机的运动控制，电机加减速时震荡特别严重。加了微分项之后，震荡明显被压住了。但微分对噪声极其敏感——传感器信号稍微有点毛刺，微分输出就会剧烈跳动。

PID 的离散化：从连续到数字

单片机不认识连续积分和微分。我们需要把公式变成离散的、可迭代的形式。

离散化的核心思路：

• 积分 → 累加求和：∫e(τ)dτ ≈ Ts × Σe(k)
• 微分 → 后向差分：de(t)/dt ≈ (e(k) - e(k-1)) / Ts

其中 Ts 是采样周期。采样周期怎么选？我一般遵循一个原则：采样频率至少是系统带宽的 10 倍。比如电机电流环带宽 1kHz，采样频率至少 10kHz。

离散后的位置式 PID 公式：

u(k) = Kp * e(k) + Ki * Ts * Σe(i) + Kd * (e(k) - e(k-1)) / Ts

为了方便，通常把 Ki 和 Kd 重新定义为离散域系数：

u(k) = Kp * e(k) + Ki_d * Σe(i) + Kd_d * (e(k) - e(k-1))

其中：
Ki_d = Ki * Ts
Kd_d = Kd / Ts

位置式 PID vs 增量式 PID

这是面试常考题，也是实际选型的关键。

对比项	位置式 PID	增量式 PID
输出含义	直接输出控制量（如占空比）	输出控制量的增量（Δu）
计算公式	u(k) = Kp·e(k) + Ki·Σe + Kd·Δe	Δu(k) = u(k) - u(k-1)
积分累积	需要单独累加偏差	隐含在输出累加中
积分饱和	容易发生，需额外处理	不易发生，天然抗饱和
执行器切换	切换时输出可能突变	切换平滑，无冲击
适用场景	位置环、速度环	电流环、步进电机控制

增量式 PID 的推导其实很简单：

Δu(k) = Kp * (e(k) - e(k-1)) + Ki * e(k) + Kd * (e(k) - 2*e(k-1) + e(k-2))

你看，公式里没有累加项 Σe。这意味着什么？就算你把 Δu 算错了，下一拍就能纠正回来。而位置式一旦积分累积出错，要花很长时间才能消化掉。

两种 PID 的代码实现对比

下面是我在实际项目中用过的代码骨架，去掉了一些工程细节，保留核心逻辑。

位置式 PID：

typedef struct {
    float Kp, Ki, Kd;
    float integral;
    float prev_error;
    float out_max, out_min;
} PositionPID;

float PositionPID_Update(PositionPID *pid, float setpoint, float feedback) {
    float error = setpoint - feedback;
    pid->integral += error;
    // 积分限幅
    if (pid->integral > pid->out_max) pid->integral = pid->out_max;
    if (pid->integral < pid->out_min) pid->integral = pid->out_min;

    float output = pid->Kp * error
                 + pid->Ki * pid->integral
                 + pid->Kd * (error - pid->prev_error);
    pid->prev_error = error;

    // 输出限幅
    if (output > pid->out_max) output = pid->out_max;
    if (output < pid->out_min) output = pid->out_min;
    return output;
}

增量式 PID：

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

float IncrementalPID_Update(IncrementalPID *pid, float setpoint, float feedback) {
    pid->error[2] = pid->error[1];
    pid->error[1] = pid->error[0];
    pid->error[0] = setpoint - feedback;

    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]);

    // delta 累加到外部变量，不做内部积分
    return delta;
}

注意增量式的输出是 Δu，需要在外部累加：u += Δu。累加后的 u 再做限幅。

知识体系总览

下面这张图把本章的核心逻辑串起来了：

避坑指南

最后分享几个我踩过的坑，希望能帮你省点时间：

• 积分限幅一定要做。我曾经在位置式 PID 里忘了加积分限幅，电机启动时积分累积到几万，输出直接饱和，电机像疯了一样冲出去。嗯，那次差点把夹具撞坏。
• 微分项慎用。如果传感器噪声大，宁可不加微分，也别加一个没滤波的微分。否则系统会高频抖动，听起来像电机在「唱歌」。
• 采样周期要固定。离散化公式依赖固定的 Ts。如果采样周期不固定，PID 参数会「漂移」。我习惯用定时器中断来保证采样间隔一致。
• 增量式也要做输出限幅。虽然增量式不容易积分饱和，但累加后的 u 如果不限幅，一样会溢出。

好了，这一章的内容就到这里。PID 的原理和离散化是后续调参的基础，理解透了，后面调 Kp、Ki、Kd 才能有的放矢。