简易PID算法的快速扫盲
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
2 开环控制
3 闭环控制
4 PID
4.1 系统架构
4.2 理论基础
4.3 离散化
4.4 伪算法
5 C++实现
6 总结
1 前言
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；
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；
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；
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。
4 PID
4.1 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；
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；
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；
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；
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；
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；
| 参数 | 上升时间 | 超调量 | 响应时间 | 稳态误差 | 稳定性 |
|---|---|---|---|---|---|
| Kp | 减少 | 增加 | 小变化 | 减少 | 降级 |
| Ki | 减少 | 增加 | 增加 | 消除 | 降级 |
| Kd | 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；
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；
比例项： 积分项： 微分项：
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 <iostream>
#include <cmath>
#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::PID( 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;
}
/**
* Implementation
*/
PIDImpl::PIDImpl( 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 <stdio.h>
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。
由于作者能力和水平有限，文中难免存在错误和纰漏，请不吝赐教。
长按下图二维码关注，独自前进，走得快；结伴而行，走得远；在这里除了肝出来的文章，还有一步一个脚印学习的点点滴滴；