PID算法介绍

Hardware SIG
1

PID算法介绍文档

目录

  1. 控制理论基础
  2. PID控制算法
  3. 增量PID算法
  4. 遇限削弱积分法
  5. 总结

控制理论基础

开环控制

定义： 开环控制是一种控制系统，其输出对输入没有反馈作用，控制器的输出仅依赖于输入信号，而不考虑实际输出与期望输出之间的偏差。

特点：

  • 结构简单，成本低
  • 响应速度快
  • 无法自动修正偏差
  • 对系统参数变化和外部干扰敏感
  • 控制精度有限

数学模型：

y(t) = G(s) * r(t)

其中：

  • y(t) 为系统输出
  • r(t) 为参考输入
  • G(s) 为系统传递函数

应用场景：

  • 简单的开关控制
  • 定时器控制
  • 程序控制
  • 对精度要求不高的场合

局限性：

  • 无法处理系统参数变化
  • 无法抑制外部干扰
  • 稳态误差无法自动消除

闭环控制

定义： 闭环控制（反馈控制）是一种控制系统，通过测量实际输出与期望输出的偏差，并将偏差信号反馈给控制器，从而自动调节控制量以减小偏差。

特点：

  • 具有自动纠偏能力
  • 对系统参数变化和外部干扰具有鲁棒性
  • 控制精度高
  • 系统稳定性好
  • 响应速度相对较慢

数学模型：

e(t) = r(t) - y(t)
u(t) = C(s) * e(t)
y(t) = G(s) * u(t)

其中：

  • e(t) 为误差信号
  • r(t) 为参考输入
  • y(t) 为系统输出
  • u(t) 为控制信号
  • C(s) 为控制器传递函数
  • G(s) 为被控对象传递函数

闭环传递函数：

Y(s)/R(s) = G(s)C(s) / [1 + G(s)C(s)]

优势：

  • 自动消除稳态误差
  • 抑制外部干扰
  • 提高系统鲁棒性
  • 改善动态性能

PID控制算法

基本原理

PID控制器是一种线性控制器，它根据给定值r(t)与实际输出值y(t)构成控制偏差：

e(t) = r(t) - y(t)

PID控制器的输出由比例项、积分项和微分项组成：

u(t) = Kp * e(t) + Ki * ∫e(t)dt + Kd * de(t)/dt

各分量作用

1. 比例项 (P)

  • 作用：提供与误差成比例的控制量
  • 特点：响应速度快，但存在稳态误差
  • 影响：增大Kp可减小稳态误差，但过大会导致超调

2. 积分项 (I)

  • 作用：累积误差，消除稳态误差
  • 特点：消除稳态误差，但会降低响应速度
  • 影响：增大Ki可加快消除稳态误差，但过大会导致振荡

3. 微分项 (D)

  • 作用：预测误差变化趋势，提供阻尼作用
  • 特点：抑制超调，提高系统稳定性
  • 影响：增大Kd可减少超调，但过大会放大噪声

离散化实现

在数字控制系统中，PID算法需要离散化：

u(k) = Kp * e(k) + Ki * T * Σe(i) + Kd * [e(k) - e(k-1)]/T

其中：

  • k 为采样时刻
  • T 为采样周期
  • e(k) 为当前时刻误差
  • Σe(i) 为误差累积和

参数整定方法

1. Ziegler-Nichols方法

  • 临界比例法
  • 阶跃响应法

2. 试凑法

  • 先调比例项
  • 再调积分项
  • 最后调微分项

3. 自整定算法

  • 基于模型的自整定
  • 基于规则的自整定

增量PID算法

算法原理

增量PID算法是标准PID算法的一种改进形式，它计算控制量的增量而不是绝对值：

Δu(k) = u(k) - u(k-1)

将标准PID公式代入：

Δu(k) = Kp * [e(k) - e(k-1)] + Ki * T * e(k) + Kd * [e(k) - 2e(k-1) + e(k-2)]/T

算法优势

1. 抗积分饱和

  • 避免积分项累积过大
  • 提高系统响应速度
  • 减少超调量

2. 无冲击切换

  • 从手动切换到自动时无冲击
  • 系统启动平稳
  • 提高安全性

3. 易于实现

  • 计算量小
  • 存储需求少
  • 适合嵌入式系统

实现代码示例

class IncrementalPID:
    def __init__(self, kp, ki, kd, dt):
        self.kp = kp
        self.ki = ki
        self.kd = kd
        self.dt = dt
        self.prev_error = 0
        self.prev_prev_error = 0
        
    def calculate(self, error):
        # 计算增量
        delta_u = (self.kp * (error - self.prev_error) + 
                  self.ki * self.dt * error +
                  self.kd * (error - 2*self.prev_error + self.prev_prev_error) / self.dt)
        
        # 更新误差历史
        self.prev_prev_error = self.prev_error
        self.prev_error = error
        
        return delta_u

应用场景

  • 电机速度控制
  • 温度控制系统
  • 液位控制
  • 压力控制

遇限削弱积分法

算法背景

在传统PID控制中，当系统输出达到执行器限幅时，积分项会继续累积，导致积分饱和现象。遇限削弱积分法通过检测输出限幅状态，动态调整积分项权重来解决这一问题。

算法原理

基本思想： 当控制输出达到限幅时，削弱或停止积分项的累积，避免积分饱和。

数学表达式：

u(k) = Kp * e(k) + α(k) * Ki * T * Σe(i) + Kd * [e(k) - e(k-1)]/T

其中 α(k) 为积分削弱系数：

α(k) = {
    1,    当 |u(k-1)| < umax
    β,    当 |u(k-1)| ≥ umax 且 e(k) * u(k-1) > 0
    0,    当 |u(k-1)| ≥ umax 且 e(k) * u(k-1) ≤ 0
}

其中：

  • umax 为执行器限幅值
  • β 为削弱系数 (0 < β < 1)
  • e(k) * u(k-1) > 0 表示误差与控制输出同号

算法特点

1. 抗积分饱和

  • 有效防止积分项过度累积
  • 提高系统响应速度
  • 减少超调量

2. 保持控制精度

  • 在非限幅状态下保持正常PID性能
  • 在限幅状态下智能调整积分作用

3. 提高系统稳定性

  • 避免因积分饱和导致的系统振荡
  • 改善系统动态性能

实现算法

class AntiWindupPID:
    def __init__(self, kp, ki, kd, dt, umax, beta=0.5):
        self.kp = kp
        self.ki = ki
        self.kd = kd
        self.dt = dt
        self.umax = umax
        self.beta = beta
        self.prev_error = 0
        self.integral = 0
        self.prev_output = 0
        
    def calculate(self, error):
        # 计算比例项和微分项
        p_term = self.kp * error
        d_term = self.kd * (error - self.prev_error) / self.dt
        
        # 计算积分削弱系数
        if abs(self.prev_output) >= self.umax and error * self.prev_output > 0:
            alpha = self.beta
        elif abs(self.prev_output) >= self.umax and error * self.prev_output <= 0:
            alpha = 0
        else:
            alpha = 1
            
        # 更新积分项
        self.integral += alpha * self.ki * self.dt * error
        i_term = self.integral
        
        # 计算控制输出
        output = p_term + i_term + d_term
        
        # 限幅
        if output > self.umax:
            output = self.umax
        elif output < -self.umax:
            output = -self.umax
            
        # 更新状态
        self.prev_error = error
        self.prev_output = output
        
        return output

参数选择

1. 削弱系数β的选择

  • β = 0：完全停止积分
  • β = 0.5：中等削弱
  • β = 1：不削弱（等同于标准PID）

2. 限幅值umax的确定

  • 根据执行器物理限制
  • 考虑系统安全要求
  • 平衡控制性能与安全性

应用领域

  • 伺服电机控制
  • 化工过程控制
  • 航空航天控制
  • 机器人控制

总结

算法对比

特性 标准PID 增量PID 遇限削弱积分PID
抗积分饱和 差 好 很好
实现复杂度 中等 简单 中等
控制精度 高 高 很高
响应速度 中等 快 快
稳定性 中等 好 很好

选择建议

1. 标准PID适用于：

  • 系统无积分饱和问题
  • 对实现复杂度要求不高
  • 控制精度要求高

2. 增量PID适用于：

  • 嵌入式系统
  • 需要抗积分饱和
  • 计算资源有限

3. 遇限削弱积分PID适用于：

  • 执行器有明显限幅
  • 对控制性能要求高
  • 系统稳定性要求高

发展趋势

随着控制理论的发展，PID算法也在不断演进：

  1. 自适应PID：根据系统特性自动调整参数
  2. 模糊PID：结合模糊逻辑提高控制性能
  3. 神经网络PID：利用神经网络优化控制策略
  4. 预测PID：结合预测模型提高控制精度

这些改进算法在保持PID控制器简单性的同时，显著提高了控制性能和适应性，使PID控制在现代工业控制中仍然发挥着重要作用。

3 个赞
PID算法咨询