一 PID基本概述：
1，PID是一個閉環控制算法。因此要實現PID算法，必須在硬件上具有閉環控制，就是得有反饋。比如控制一個電機的轉速，就得有一個測量轉速的傳感器，並將結果反饋到控制路線上，下面也將以轉速控制為例。
2，PID是比例(P)、積分(I)、微分(D)控制算法。但並不是必須同時具備這三種算法，也可以是PD,PI,甚至只有P算法控制。我以前對於閉環控制的一個最樸素的想法就只有P控制，將當前結果反饋回來，再與目標相減，為正的話，就減速，為負的話就加速。現在知道這只是最簡單的閉環控制算法。
3，比例(P)、積分(I)、微分(D)控制算法各有作用：
比例，反應系統的基本（當前）偏差e(t)，係數大，可以加快調節，減小誤差，但過大的比例使系統穩定性下降，甚至造成系統不穩定；
積分，反應系統的累計偏差，使系統消除穩態誤差，提高無差度，因為有誤差，積分調節就進行，直至無誤差；
微分，反映系統偏差信號的變化率e(t)-e(t-1)，具有預見性，能預見偏差變化的趨勢，產生超前的控制作用，在偏差還沒有形成之前，已被微分調節作用消除，因此可以改善系統的動態性能。但是微分對噪聲干擾有放大作用，加強微分對系統抗干擾不利。
積分和微分都不能單獨起作用，必須與比例控制配合。
4，控制器的P,I,D項選擇：根據實際的目標系統調試出最佳的PID參數。
二 常用控制規律的特點：
1、比例控制規律P：採用P控制規律能較快地克服擾動的影響，它的作用於輸出值較快，但不能很好穩定在一個理想的數值，不良的結果是雖較能有效的克服擾動的影響，但有餘差出現。它適用於控制通道滯後較小、負荷變化不大、控制要求不高、被控參數允許在一定範圍內有餘差的場合。如：水泵房冷、熱水池水位控制；油泵房中間油罐油位控制等。
2、比例積分控制規律(PI)：在工程中比例積分控制規律是應用最廣泛的一種控制規律。積分能在比例的基礎上消除餘差，它適用於控制通道滯後較小、負荷變化不大、被控參數不允許有餘差的場合。如：流量控制系統；油泵房供油管流量控制系統；溫度調節系統等。
3、比例微分控制規律(PD)：微分具有超前作用，對於具有容量滯後的控制通道，引入微分參與控制，在微分項設置得當的情況下，對於提高系統的動態性能指標，有著顯著效果。因此，對於控制通道的時間常數或容量滯後較大的場合，為了提高系統的穩定性，減小動態偏差等可選用比例微分控制規律。如：加熱型溫度控制、成分控制。需要說明一點，對於那些純滯後較大的區域裡，微分項是無能為力，而在測量信號有噪聲或週期性振動的系統，則也不宜採用微分控制。如：大窯玻璃液位的控制。
4、例積分微分控制規律(PID)：PID控制規律是一種較理想的控制規律，它在比例的基礎上引入積分，可以消除餘差，再加入微分作用，又能提高系統的穩定性。它適用於控制通道時間常數或容量滯後較大、控制要求較高的場合。如溫度控制、成分控制等。
鑑於D規律的作用，我們還必須瞭解時間滯後的概念，時間滯後包括容量滯後與純滯後。其中容量滯後通常又包括：測量滯後和傳送滯後。測量滯後是檢測元件在檢測時需要建立一種平衡，如熱電偶、熱電阻、壓力等響應較慢產生的一種滯後。而傳送滯後則是在傳感器、變送器、執行機構等設備產生的一種控制滯後。純滯後是相對與測量滯後的，在工業上，大多的純滯後是由於物料傳輸所致，如：大窯玻璃液位，在投料機動作到核子液位儀檢測需要很長的一段時間。
總之，控制規律的選用要根據過程特性和工藝要求來選取，決不是說PID控制規律在任何情況下都具有較好的控制性能，不分場合都採用是不明智的。如果這樣做，只會給其它工作增加複雜性，並給參數整定帶來困難。當採用PID控制器還達不到工藝要求，則需要考慮其它的控制方案。如串級控制、前饋控制、大滯後控制等。
5、公式：
數值pid的計算：
6、問題。Kp,Ti,Td三個參數的設定是PID控制算法的關鍵問題。一般說來編程時只能設定他們的大概數值，並在系統運行時通過反覆調試來確定最佳值。因此調試階段程序須得能隨時修改和記憶這三個參數。
7、參數的自整定。在某些應用場合，比如通用儀表行業，系統的工作對象是不確定的，不同的對象就得采用不同的參數值，沒法為用戶設定參數，就引入參數自整定的概念。實質就是在首次使用時，通過N次測量為新的工作對象尋找一套參數，並記憶下來作為以後工作的依據。
8、PID算法流程圖：
三 PID參數調整口訣：
參數整定找最佳，從小到大順序查
先是比例後積分，最後再把微分加
曲線振盪很頻繁，比例度盤要放大
曲線漂浮繞大灣，比例度盤往小扳
曲線偏離回覆慢，積分時間往下降
曲線波動週期長，積分時間再加長
曲線振盪頻率快，先把微分降下來
動差大來波動慢。微分時間應加長
理想曲線兩個波，前高後低四比一
一看二調多分析，調節質量不會低
若要反應增快，增大P減小I
若要反應減慢，減小P增大I
如果比例太大，會引起系統震盪
如果積分太大，會引起系統遲鈍
免費領取價值3000元課程
閱讀更多 機器人學院 的文章
