|
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； 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； ![]() 这里做一个不是很恰当的比喻；- 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 PID4.1 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；![]() 这里依然举一个不是很恰当的比喻； - 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； ![]() 比例作用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； ![]() 从图中可知，当偏差变化过快，微分环节会输出较大的负数，作为抑制输出继续上升，从而抑制过冲。
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； ![]() 图片来自Wiki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；
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 loop5 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 #include #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 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:% 7.3fn", 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_example6 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。
|
11
/6 
工商网监
湘ICP备2023018690号
3820
淘帖
0
