PID控制器算法

[复制链接]

gaosmile 发布时间：2020-9-25 22:07

技术帖
文章封面:	-
文章简介:	-

网上关于PID算法的文章很多，但是感觉有必要自己再进行一次总结，抽丝剥茧地重新认识了一下PID；

1 前言" A; j0 l' _; g6 a' `' J

控制系统通常根据有没有反馈会分为开环系统和闭环系统，在闭环系统的控制中，PID算法非常强大，其三个部分分别为；

P：比例环节；
I：积分环节；
D：微分环节；1 H6 `& A. M b# t' @

PID算法可以自动对控制系统进行准确且迅速的校正，因此被广泛地应用于工业控制系统。

2 开环控制

首先来看开环控制系统，如下图所示，隆哥蒙着眼，需要走到虚线旗帜所表示的目标位置，由于缺少反馈（眼睛可以感知当前距离和位置，由于眼睛被蒙上没有反馈，所以这也是一个开环系统），最终隆哥会较大概率偏离预期的目标，可能会运行到途中实线旗帜所表示的位置。

开环系统的整体结构如下所示；

这里做一个不是很恰当的比喻；

Input：告诉隆哥目标距离的直线位置（10米）；
Controller：隆哥大脑中计算出到达目标所需要走多少步；
Process：双腿作为执行机构，输出了相应的步数，但是最终仍然偏离了目标；
" c7 A; `4 R. Q/ z7 R

看来没有反馈的存在，很难准确到达目标位置。

3 闭环控制

所以为了准确到达目标位置，这里就需要引入反馈，具体如下图所示；

在这里继续举个不怎么恰当的比喻；隆哥重获光明之后，基本可以看到目标位置了；

第一步Input：告诉隆哥目标距离的直线位置（10米）；
第二步Controller：隆哥大脑中计算出到达目标所需要走多少步；
第三步Process：双腿作为执行机构，输出了相应的步数，但是最终仍然偏离了目标；
第四步Feedback：通过视觉获取到目前已经前进的距离，（比如前进了2米，那么还有8米的偏差）；
第五步err：根据偏差重新计算所需要的步数，然后重复上述四个步骤，最终隆哥达到最终的目标位置。. s' K4 H% w& a# t; f
! _; U0 C/ ?" s. C& H

4 PID4.1 系统架构

虽然在反馈系统下，隆哥最终到达目标位置，但是现在又来了新的任务，就是又快又准地到达目标位置。所以这里隆哥开始采用PID Controller，只要适当调整P，I和D的参数，就可以到达目标位置，具体如下图所示；

隆哥为了最短时间内到达目标位置，进行了不断的尝试，分别出现了以下几种情况；

跑得太快，最终导致冲过了目标位置还得往回跑；
跑得太慢，最终导致到达目标位置所用时间太长；1 |3 b6 P3 Q% S4 g: x, ^" ^$ i

经过不断的尝试，终于找到了最佳的方式，其过程大概如下图所示；

这里依然举一个不是很恰当的比喻；

第一步：得到与目标位置的距离偏差（比如最开始是10米，后面会逐渐变小）；
第二步：根据误差，预估需要多少速度，如何估算呢，看下面几步；, Y" [- w' V. H- }% E# T

P比例则是给定一个速度的大致范围，满足下面这个公式；

因此比例作用相当于某一时刻的偏差（err）与比例系数的乘积，具体如下所示； å¾®ä¿¡å¾ç_20200925215809.png

比例作用

绿色线为上述例子中从初始位置到目标位置的距离变化；红色线为上述例子中从初始位置到目标位置的偏差变化，两者为互补的关系；

I积分则是误差在一定时间内的和，满足以下公式；

如下图所示；

红色曲线阴影部分面积即为积分作用的结果，其不断累积的误差，最终乘以积分系数就得到了积分部分的输出；

D微分则是误差变化曲线某处的导数，或者说是某一点的斜率，因此这里需要引入微分；

从图中可知，当偏差变化过快，微分环节会输出较大的负数，作为抑制输出继续上升，从而抑制过冲。

综上，，，，分别增加其中一项参数会对系统造成的影响总结如下表所示；[td]

参数	上升时间	超调量	响应时间	稳态误差	稳定性
Kp/ d3 Z5 o* C( I6 T	减少	增加	小变化	减少	降级
Ki. Q c& [( @' Q9 ? E, B7 K, Y. {	减少	增加	增加	消除	降级
Kd( ~0 G1 s5 e' f; a	微小的变化	减少	减少	理论上没有影响	小，稳定性会提升

4.2 理论基础

上面扯了这么多，无非是为了初步理解PID在负反馈系统中的调节作用，下面开始推导一下算法实现的具体过程；PID控制器的系统框图如下所示；

图片来自Wiki因此不难得出输入和输出的关系；

是比例增益；是积分增益；是微分增益；

4.3 离散化
在数字系统中进行PID算法控制，需要对上述算法进行离散化；假设系统采样时间为则将输入序列化得到；

将输出序列化得到；

所以最终可以得到式①，也就是网上所说的位置式PID：

将式①再做一下简化；

最终得到增量式PID的离散公式如下：

4.4 伪算法

这里简单总结一下增量式PID实现的伪算法；

previous_error := 0 //上一次偏差
integral := 0 //积分和

//循环
//采样周期为dt
loop:
//setpoint 设定值
//measured_value 反馈值
error := setpoint − measured_value //计算得到偏差
integral := integral + error × dt //计算得到积分累加和
derivative := (error − previous_error) / dt //计算得到微分
output := Kp × error + Ki × integral + Kd × derivative //计算得到PID输出
previous_error := error //保存当前偏差为下一次采样时所需要的历史偏差
wait(dt) //等待下一次采用
goto loop

5 C++实现

这里是增量式PID算法的C语言实现；

pid.cpp

#ifndef _PID_SOURCE_
#define _PID_SOURCE_

#include
#include
#include "pid.h"

using namespace std;

class PIDImpl
{
public:
      PIDImpl( double dt, double max, double min, double Kp, double Kd, double Ki );
      ~PIDImpl();
      double calculate( double setpoint, double pv );

private:
      double _dt;
      double _max;
      double _min;
      double _Kp;
      double _Kd;
      double _Ki;
      double _pre_error;
      double _integral;
};

PID:

ID( double dt, double max, double min, double Kp, double Kd, double Ki )
{
pimpl = new PIDImpl(dt,max,min,Kp,Kd,Ki);
}
double PID::calculate( double setpoint, double pv )
{
return pimpl->calculate(setpoint,pv);
}
PID::~PID()
{
delete pimpl;
}

/**2 E" `" i3 p9 M) M+ |3 P* r3 T
* Implementation
+ U% c2 P5 w0 [3 {1 b8 ~; `) Q */
PIDImpl:

IDImpl( double dt, double max, double min, double Kp, double Kd, double Ki ) :
_dt(dt),
_max(max),
_min(min),
_Kp(Kp),
_Kd(Kd),
_Ki(Ki),
_pre_error(0),
_integral(0)
{
}

double PIDImpl::calculate( double setpoint, double pv )
{

// Calculate error
double error = setpoint - pv;

// Proportional term
double Pout = _Kp * error;

// Integral term
_integral += error * _dt;
double Iout = _Ki * _integral;

// Derivative term
double derivative = (error - _pre_error) / _dt;
double Dout = _Kd * derivative;

// Calculate total output
double output = Pout + Iout + Dout;

// Restrict to max/min
if( output > _max )
output = _max;
else if( output < _min )
output = _min;

// Save error to previous error
_pre_error = error;

return output;
}

PIDImpl::~PIDImpl()
{
}

#endif

pid.h

#ifndef _PID_H_
#define _PID_H_

class PIDImpl;
class PID
{
public:
      // Kp -  proportional gain
      // Ki -  Integral gain
      // Kd -  derivative gain
      // dt -  loop interval time
      // max - maximum value of manipulated variable
      // min - minimum value of manipulated variable
      PID( double dt, double max, double min, double Kp, double Kd, double Ki );

      // Returns the manipulated variable given a setpoint and current process value
      double calculate( double setpoint, double pv );
      ~PID();

private:
      PIDImpl *pimpl;
};

#endif

pid_example.cpp

#include "pid.h"
#include

int main() {

PID pid = PID(0.1, 100, -100, 0.1, 0.01, 0.5);

double val = 20;
for (int i = 0; i < 100; i++) {
      double inc = pid.calculate(0, val);
      printf("val:% 7.3f inc:% 7.3f\n", val, inc);
      val += inc;
}

return 0;
}

编译并测试；

g++ -c pid.cpp -o pid.o
# To compile example code:
g++ pid_example.cpp pid.o -o pid_example
6 总结

本文总结了PID控制器算法在闭环系统中根据偏差变化的具体调节作用，每个环节可能对系统输出造成什么样的变化，给出了位置式和增量式离散PID算法的推导过程，并给出了位置式算法的C++程序实现。