# PID控制原理与增量式PID算法

> 本小节纯粹在理论上讲解 PID 控制原理，先引出模拟 PID 控制公式，然后离散化处理，推导出位置式 PID 控制公式，再进一步推导出增量式 PID 控制公式。

将偏差的比例（Proportion）、积分（Integral）和微分（Differential）通过线性组合构成控制量，用这一控制量对被控对象进行控制，这样的控制器称 PID 控制器。

## 模拟 PID 控制

在模拟控制系统中，控制器最常用的控制规律是 PID 控制。为了说明控制器的工作原理，先看一个例子。下图所示是一个小功率直流电机的调速框图。

![小功率直流电机调速系统](/files/-M67lVfngPQ8LcsIKjdd)

上图中，给定转速 $$n\_0(t)$$ 与实际转速 $$n(t)$$ 进行比较，其差值 $$e(t)=n\_0(t)-n(t)$$，经过 PID 控制器调整后输出电压控制信号 $$u(t)$$，$$u(t)$$ 经过功率放大后，驱动直流电动机改变其转速。

抽象化的模拟 PID 控制系统原理框图，如下图所示。该系统由模拟 PID 控制器和被控对象组成。

![模拟 PID 控制系统原理图](/files/-M67lVft_SworrlIFtvE)

图中，$$r(t)$$ 是给定值，$$y(t)$$ 是系统的实际输出值，给定值与实际输出值构成控制偏差：

$$e(t)=r(t)-y(t)$$ （式 1-1）

$$e(t)$$ 作为 PID 控制的输入， 作为 PID 控制器的输出和被控对象的输入。 所以模拟 PID 控制器的 控制规律为

$$u(t)=kp\[e(t)+\frac{1}{Ti}\int e(t)dt+Td\frac{de(t)}{dt}]$$ （式 1-2）

其中，$$K\_p$$ 为控制器的比例系数，$$T\_i$$ 为控制器的积分时间，也称积分系数，$$T\_d$$为控制器的微分时间，也称微分系数。

## 数字 PID 控制

由于计算机的出现，计算机进入了控制领域。人们将模拟 PID 控制规律引入到计算机中来。对（式 1-2）的 PID 控制规律进行适当的变换，就可以用软件实现 PID 控制，即数字 PID 控制。

数字式 PID 控制算法可以分为位置式 PID 和增量式 PID 控制算法。

### 位置式 PID 算法

由于计算机控制是一种采样控制，它只能根据采样时刻的偏差计算控制量，而不能像模拟控制那样连续输出控制量，进行连续控制。由于这一特点，（式 1-2）中的积分项和微分项不能直接使用，必须进行离散化处理。离散化处理的方法为：以 T 作为采样周期，k 作为采样序号，则离散采样时间 kT对应着连续时间 t，用矩形法数值积分近似代替积分，用一阶后向差分近似代替微分，可作如下近似变换：

> $$t\approx kT (k = 0,1,2,...)$$
>
> $$\int e(t)dt\approx T\sum\_{j=0}^{k} e(jT) = T\sum\_{j=0}^{k} e\_j$$
>
> $$\frac{de(t)}{dt} \approx \frac{e(kT)-e\[(k-1)T]}{T} = \frac{e\_k-e\_{k-1}}{T}$$

上式中，为了表达的方便，将类似于 $$e(kT)$$ 简化成 $$e\_k$$ 等。

将（式 2-1）代入（式 1-2），就可以得到离散的 PID 表达式为

$$u\_k = Kp\[e\_k+\frac{(T)}{Ti}\sum\_{j=0}^{k}e\_j+Td\frac{(e\_k-e\_{k-1})}{T}]$$ （式 2-2）

或

$$u\_k = Kp\*e\_k+Ki\sum\_{j=0}^{k}e\_j+Kd\frac{(e\_k-e\_{k-1})}{T}$$ （式 2-3）

其中，

> $$k$$ 为 采样序号，k = 0,1,2,...；
>
> $$u\_k$$ 为第 k 次采样时刻的计算机输出值；
>
> $$e\_k$$ 为第 k 次采样时刻输入的偏差值；
>
> $$e\_{k-1}$$ 为第 k-1 次采样时刻输入的偏差值；
>
> $$Ki$$ 为积分系数，$$Ki=kp\*\frac{T}{Ti}$$；
>
> $$Kd$$ 为微分系数，$$Kd=Kp\*\frac{Td}{T}$$。

如果采样周期足够小，则 （式 2-2）或（式 2-3）的近似计算可以获得足够精确的结果，离散控制过程与连续过程十分接近。

（式 2－2）或（式 2－3） 表示的控制算法式直接按（式 1 －2） 所给出的 PID 控制规律定义进行计算的，所以它给出了全部控制量的大小，因此被称为全量式或位置式 PID 控制算法。

这种算法的缺点是：由于全量输出，所以每次输出均与过去状态有关，计算时要对 $$e\_k$$ 进行累加，工作量大。并且，因为计算机输出的对应的是执行机构的实际位置，如果计算机出现故障，输出的将大幅度变化，会引起执行机构的大幅度变化，有可能因此造成严重的生产事故，这在实际生产际中是不允许的。

### 增量式 PID 算法

所谓增量式 PID 是指数字控制器的输出只是控制量的增量 $$\bigtriangleup u\_k$$ 。 当执行机构需要的控制量是增量，而不是位置量的绝对数值时，可以使用增量式 PID 控制算法进行控制。

增量式 PID 控制算法可以通过（式 2－2）推导出。由（式 2－2）可以得到控制器的第 k－1 个采样时刻的输出值为：

$$u\_(k-1) = Kp\[e\_(k-1)+\frac{(T)}{Ti}\sum\_{j=0}^{k-1}e\_j+Td\frac{(e\_(k-1)-e\_(k-2))}{T}]$$ （式 2-4）

用（式 2-2）减去（式 2-4）相减并整理，就可以得到增量式 PID 控制算法公式：

$$\bigtriangleup u\_k = u\_k - u\_{k-1} = Kp\[e\_k-e\_{k-1}+\frac{(T)}{Ti}e\_k+Td\frac{e\_k-2e\_{k-1}+e\_{k-2}}{T}]$$

$$= Kp(1+\frac{T}{T\_i}+\frac{Td}{T})e\_k - Kp(1+\frac{2Td}{T})e\_{k-1}+Kp\frac{Td}{T}e\_{k-2}$$ （式 2-5）

$$=Ae\_k+Be\_{k-1}+Ce\_{k-2}$$

其中，

> $$A=Kp(1+\frac{T}{T\_i}+\frac{Td}{T})$$；
>
> $$B=Kp(1+\frac{2Td}{T})$$；
>
> $$C=Kp\frac{Td}{T}$$。

由（式 2－5）可以看出，如果计算机控制系统采用恒定的采样周期 T ，一旦确定 A、 B、 C，只要使用前后三次测量的偏差值，就可以由（式 2－5）求出控制量。

增量式 PID 控制算法与位置式 PID 算法（式 2－2）相比，计算量小的多，因此在实际中得到广泛的应用。

而位置式 PID 控制算法也可以通过增量式控制算法推出递推计算公式：

$$u\_k=u\_{k-1}+\bigtriangleup u\_k$$ （式 2-6）

（式 2-6）就是目前在计算机控制中广泛应用的数字递推 PID 控制算法。

### 采样周期的选择

香农（Shannon） 采样定律 ：为不失真地复现信号的变化， 采样频率至少应大于或等于连续信号最高频率分量的二倍。根据采样定律可以确定采样周期的上限值。实际采样周期的选择还要受到多方面因素的影响，不同的系统采样周期应根据具体情况来选择。

采样周期的选择，通常按照过程特性与干扰大小适当来选取采样周期：即对于响应快、（如流量、压力） 波动大、易受干扰的过程，应选取较短的采样周期；反之，当过程响应慢（如温度、 成份）、滞后大时，可选取较长的采样周期。

采样周期的选取应与 PID 参数的整定进行综合考虑， 采样周期应远小于过程的扰动信号的周期，在执行器的响应速度比较慢时，过小的采样周期将失去意义，因此可适当选大一点；在计算机运算速度允许的条件下，采样周期短， 则控制品质好；当过程的纯滞后时间较长时， 一般选取采样周期为纯滞后时间的 1/4～1/8。


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://songyibiao.gitbook.io/design-self-balancing-robot/ruan-jian-kai-fa-pian/e08.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.