pid控制算法通俗讲解(转).docxVIP

PID控制应该算是应用非常广泛的控制算法了。 小到控制一个元件的温度，大到 控制无人机的飞行姿态和飞行速度等等，都可以使用 PID控制。这里我们从原 理上来理解PID控制。 PID(proportion integration differentiation) 其实就是指比例，积分，微分控制。先 把图片和公式摆出来，看不懂没关系。(一开始看这个算法，公式能看懂，具体 怎么用怎么写代码也知道，但是就是不知道原理，不知道为什么要用比例，微 分，积分这3个项才能实现最好的控制，用其中两个为什么不行，用了 3个项 能好在哪里，每一个项各有什么作用) 连入+ 连入+ TD TDderr(t) ) dt 1 ( U(t) = kp(err(t} + — I err(t)dt + 总的来说，当得到系统的输出后，将输出经过比例，积分，微分 3种运算方式, 叠加到输入中，从而控制系统的行为，下面用一个简单的实例来说明。 比例控制算法 我们先说PID中最简单的比例控制，抛开其他两个不谈。还是用一个经典的例 子吧。假设我有一个水缸，最终的控制目的是要保证水缸里的水位永远的维持在 1米的高度。假设初 试时刻，水缸里的水位是0.2米，那么当前时刻的水位和 目标水位之间是存在一个误差的 error，且error为0.8.这个时候，假设旁边站着 一个人，这个人通过往缸里加水的方式来控制水位。 如果单纯的用比例控制算法， 就是指加入的水量 u 和误差 error 是成正比的。即 u=kp*error 假设 kp 取 0.5， 那么 t=1 时（表示第 1 次加水，也就是第一次对系统施加控制），那么 u=0.5*0.8=0.4 ，所以这一次加入的水量会使水位在 0.2 的基础上上升 0.4 ，达到 0.6. 接着， t=2 时刻（第 2 次施加控制），当前水位是 0.6，所以 error 是 0.4。 u=0.5*0.4=0.2 ，会使水位再次上升 0.2，达到 0.8. 如此这么循环下去，就是比例控制算法的运行方法。 可以看到，最终水位会达到我们需要的 1 米。 但是，单单的比例控制存在着一些不足，其中一点就是 -稳态误差！（我也是看 了很多，并且想了好久才想通什么是稳态误差以及为什么有稳态误差）。 像上述的例子，根据 kp 取值不同，系统最后都会达到 1 米，不会有稳态误差。 但是，考虑另外一种情况，假设这个水缸在加水的过程中，存在漏水的情况，假 设每次加水的过程， 都会漏掉 0.1 米高度的水。仍然假设 kp 取0.5 ，那么会存在 着某种情况，假设经过几次加水， 水缸中的水位到 0.8 时，水位将不会再变换！ ！！ 因为，水位为 0.8，则误差 error=0.2. 所以每次往水缸中加水的量为 u=0.5*0.2=0.1. 同时，每次加水缸里又会流出去 0.1 米的水！！！加入的水和流 出的水相抵消，水位将不再变化！！ 也就是说，我的目标是 1 米，但是最后系统达到 0.8 米的水位就不在变化了，且 系统已经达到稳定。由此产生的误差就是稳态误差了。 （在实际情况中，这种类似水缸漏水的情况往往更加常见，比如控制汽车运动， 摩擦阻力就相当于是 “漏水”，控制机械臂、无人机的飞行，各类阻力和消耗都可 以理解为本例中的 “漏水”） 所以，单独的比例控制，在很多时候并不能满足要求。 积分控制算法 还是用上面的例子， 如果仅仅用比例， 可以发现存在暂态误差， 最后的水位就卡 在 0.8 了。于是，在控制中，我们再引入一个分量，该分量和误差的积分是正比 关系。所以，比例 +积分控制算法为： u=kp*error+ ki ?.f .error 还是用上面的例子来说明，第一次的误差 error 是 0.8，第二次的误差是 0.4，至 此，误差的积分（离散情况下积分其实就是做累加）， ^3=0.8+0.4=12 这个时候的控制量，除了比例的那一部分，还有一部分就是一个系数 ki乘以这个 积分项。由于这个积分项会将前面若干次的误差进行累计， 所以可以很好的消除 稳态误差（假设在仅有比例项的情况下，系统卡在稳态误差了，即上例中的0.8， 由于加入了积分项的存在，会让输入增大，从而使得水缸的水位可以大于 0.8， 渐渐到达目标的1.0.）这就是积分项的作用。 微分控制算法 换一个另外的例子，考虑刹车情况。平稳的驾驶车辆，当发现前面有红灯时，为 了使得行车平稳，基本上提前几十米就放松油门并踩刹车了。 当车辆离停车线非 常近的时候，则使劲踩刹车，使车辆停下来。整个过程可以看做一个加入微分的 控制策略。 微分，说白了在离散情况下，就是 error的差值，就是t时刻和t-1时刻error的 差，即u=kd* （error （t）-error （t-1 ）），其中的kd是一个系数项。可