本文详细介绍了PID控制算法的工作原理，通过举例解释了闭环控制的概念。PID由比例(P)、积分(I)和微分(D)三部分组成，能够有效纠正偏差，使系统达到稳定状态。比例P负责即时响应误差，积分I用于减少静态误差，微分D则预测误差趋势以提前调整。文中还展示了PID算法的数学表达式和程序实现，帮助读者深入理解PID控制器的运作机制。
说到PID，我们最先想到的就是闭环控制，那么什么是闭环控制呢？举个例子，我们很难在沙漠这样的环境中走成一条直线，因为没有参照物，或者参照物本身就是歪的，但是我们很容易在一条笔直的马路上走成直线，那我们是如何在马路上走成直线的呢？首先，我们得先设定一个目标量，就是沿着一条直线行走，其次我们需要一个执行器，也就是我们的双腿，还需要一个传感器，就是我们的眼睛，判断是否偏移了白线，以及获得一个偏差量，把得到的偏差量送给我们的执行器，，双腿就会微调方向，以及保证沿着这条白线行走，所以这六个环节组成的环就称为闭环控制。
闭环控制的控制原理就是当输出量与目标量不一致时，通过计算调整到与目标量一致。其中，PID算法是闭环算法中最简单的一种算法。PID是比例 (Proportion)、积分 (Integral)、 微分 ,(Differential coefficient) 的缩写，分别代表了三种控制算法。通过这三个算法的组合可有效地纠正被控制对象的偏差，从而使其达到一个稳定的状态。它不依赖任何被控对象具体的数学模型，所以几乎可以应用于各种场合。
比例P
比例P的作用最明显，原理也是最简单的。举个例子，当我们要加热一桶水到一定的温度时，这时有“设定水温”和“当前水温”两个值，而这两个值之间也会有一个误差值，比例P的作用就是将这个误差值按照一定的比例去升高或者降低水温。比例P越大，加热的速度就越快，但是容易产生震荡。比例P越小，加热的速度就越慢，但是不容易产生震荡。
偏差量 = 目标量 - 当前量
比例P = 偏差量 * 比例系数P
执行量 = 比例P
积分I
积分I作用是累计误差量，减小静态情况下的误差，让受控物理量尽可能的接近目标值。还是以加热水为例子。当在一个非常寒冷的环境是，我们需要将一桶水加热到50℃，但是当我们把水加热到45℃时，比例P的加热速度和水的散热速度达到平衡，这时水温将不再升高和降低，但是离我们的目标值还差5℃，这时我们会增加一个积分量，这个积分量只要存在 误差，就会不断的对偏差进行积分（累加），并反应在调节力度上，也就是加热量上，将水温不断的加热到50℃。积分的系数越大，积分的效果越明显，但是需要设置积分限制，防止在刚开始加热时，就把积分的累计的过大，在后期难以调节。
偏差量 = 目标量 - 当前量
积分I = 积分I + 偏差量 * 积分系数I
执行量 = 比例P + 积分I
微分D
D的作用可以作为一个先知，通俗的来说就是预测未来，它的作用是对误差的趋势进行预测，提前对输出量做出预判性的调整。它可以得到误差的变化趋势，有利于减小超调，克服震荡，提高系统响应速率，但是在干扰信号严重的系统中不适宜加入微分环节。
偏差量 = 目标量 - 当前量
微分D = （偏差量 - 上一次误差量） * 微分D
执行量 = 比例P + 积分I + 微分D
得到的完整的PID算法为：
e(k)为上一次的误差值，e(k-1)为上上次的误差值
程序编写
error1_V = (Vset_target - Vout_actual); //当前误差
e1_V = error1_V - error2_V; //上上次误差
ERROR_Increase_V += Kp_V * e1_V + Ki_V * error1_V + Kd_V * (e1_V - e2_V); //PID算法
error2_V = error1_V; //移位
e2_V = e1_V; //移位
Execution = ERROR_Increase_V ； //给执行量赋值
扫一扫
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
