STM32 PID算法深度解析：从原理到参数整定的实践指南

PID 算法是工业控制领域应用最广泛的算法之一，堪称经典中的经典。它不仅是很多控制系统的基石，同时也最能体现反馈控制的思想。在 云栈社区 的技术讨论中，PID 一直是嵌入式与自动化方向的高频话题。掌握其设计与实现，对于研发人员来说足以应对大多数常见的控制问题。

PID 算法的一般形式

PID 算法通过误差信号控制被控量，控制器本身是比例（P）、积分（I）、微分（D）三个环节的加和。在 t 时刻，我们规定：

1. 输入量为：
   

2. 输出量为：
   

3. 偏差量为：
   
   

PID 算法的数字离散化

假设采样间隔为 T，则在第 K 个 T 时刻：

偏差表达式为：

积分环节用加和的形式表示为：

微分环节用斜率的形式表示为：

最终，PID 算法离散化后的式子为：

上式可进一步表示为经典的 PID 位置型公式：

在式中：

• 比例参数 k_p：控制器的输出与输入偏差值成比例关系。一旦出现偏差，比例调节会立即产生作用以减少偏差。
  
  特点：过程简单快速、能够加快调节并减小误差；但会使系统稳定性下降，且容易产生余差。

• 积分参数 k_i：主要用来消除静差（系统稳定后输出值与设定值间的差值）。它实际上是一个偏差累积的过程，通过累积误差来抵消系统固有的静差。
  

• 微分参数 k_d：反应偏差信号的变化趋势，能够根据趋势进行超前调节，从而增加系统的快速性。
  

以上是位置型 PID 的离散形式。另一种常见的表述是增量式 PID。根据上文，我们可以轻松地推导出 u(k-1) 的表达式：

那么，增量调节值 Δu(k) 即为：

这就是离散化 PID 的增量式表达。不难看出，增量式的结果仅与最近三次的偏差有关，这大大增强了系统的稳定性。需要注意的是，最终的输出量 u(k) 应该是 u(k-1) 加上增量调节值。

为什么需要 PID？

设想一个场景：我们希望将水温控制到 30℃。普通的“到位即停”策略，会由于加热惯性（余热）导致温度继续上冲，加上环境散热，系统难以稳定。

PID 控制的整体过程是：设定一个目标值，反馈系统传回实际输出值并计算误差，PID 控制器根据此误差实时调整输入量，最终使输出快速、平稳地维持在设定值。

本质上，引入 PID 的原因在于，普通控制手段无法让输出既快速又稳定地达到并锁定在设定值。

控制器 P、I、D 项的选择

深入了解各种控制规律的适用场景，有助于我们更精准地进行 技术文档 中提及的参数整定查阅：

(1) 比例控制（P）：能较快地克服扰动，动作快，但不能很好地稳定在理想值，有余差。适用于通道滞后小、负荷变化不大、且允许有余差的场合。

(2) 比例积分控制（PI）：在比例的基础上消除余差。应用极为广泛，适用于通道滞后小、负荷变化不大，但不允许有余差的场合。

(3) 比例微分控制（PD）：微分具有超前作用。对于容量滞后大的控制通道，引入微分能显著提高系统的动态性能。不适合纯滞后大、或测量信号有噪声的系统。

(4) 比例积分微分控制（PID）：一种较为理想的控制规律，结合了三者的优点（消除余差、提高稳定性）。适用于通道滞后大、控制要求高的场合。

值得注意的是，时间滞后包含容量滞后（测量滞后与传送滞后）和纯滞后。控制规律的选用必须依照过程特性和工艺要求来定，而不是所有场合都盲目套用 PID。参数 Kp、Ti、Td 的设定是核心，调试阶段需要程序具备随时修改和记忆参数的能力。

数字 PID 控制器

模拟 PID 的离散化，其对应关系通常如下所示：

进而在数字系统中，我们可以得到差分方程的形式，将其拆解为比例项、积分项和微分项：

参数的自整定

在某些场景下，工作对象不确定，需要引入参数自整定的概念。本质是通过 N 次测量为新对象寻找一套合适的参数。

1. 临界比例度法（Ziegler-Nichols）

在纯比例作用下，逐渐增加增益直到产生等幅振荡。

1. 将纯比例控制器接入系统（Ti = ∞，Td = 0）。
2. 由小到大改变比例增益 K，直到闭环出现持续等幅振荡。
3. 记录此时的临界增益 Ku 和临界周期 Tu。
4. 按下表得出 PID 控制器参数。

注意事项：试验时应使系统工作在线性区；对于无自平衡特性的对象，按表求得的参数可能使衰减率偏大；部分具有大时间常数的单容对象可能无法用此法整定。一般认为该法的适用范围最好满足：

• 当 $K_pK_u > 20$ 时，应采用更复杂的控制算法。
• 当 $K_pK_u < 2$ 时，应使用能补偿传输迟延的控制策略。
• 当 $1.5 < K_pK_u < 2$ 且精度要求不高时，可修正使用 PID。
• 当 $K_pK_u < 1.5$ 时，微分作用已不大，使用 PI 控制器即可。

2. 衰减曲线法

闭环扰动试验采用衰减振荡（如 4:1 或 10:1）。

1. 置纯比例作用，系统稳定后做设定值阶跃扰动。
2. 寻找出现 4:1 衰减振荡的过程（如下图 a），记录此时的比例增益 Ks 和振荡周期 Ts。
   
3. 利用 Ks 和 Ts 按下表计算出控制器整定参数。
   

注意：给定的干扰不能太大（约 5%）；对于反应快的系统（如流量），很难得到严格的 4:1 曲线，一般来回波动两次达稳定即可。

3. 经验整定法

• 常用经验值：流量系统 P 40~100，I 0.1~1 min；压力系统 P 30~70，I 0.4~3 min；液位系统 P 20~80，I 1~5 min；温度系统 P 20~60，I 3~10 min，D 0.5~3 min。
• 整定口诀：阶跃扰动投闭环，参数整定看曲线；先投比例后积分，最后再把微分加；理想曲线两个波，振幅衰减4比1；比例太强要振荡，积分太强过程长；动差太大加微分，频率太快微分降；偏离定值回复慢，积分作用再加强。

4. 复杂调节系统的参数整定

以串级系统为例，常采用“先副后主”的两步整定法。先将主回路的比例度放 100%，积分最大，微分为零，按 4:1 衰减法整定副回路；随后把副回路视为主回路的一个环节，同样用 4:1 衰减法整定主回路，最后按经验公式计算主、副回路参数。需留意，如果主、副对象时间常数相近，调整不当可能会引发“共振”。

PID 核心概念的形象理解

我们可以通过一个“漏水的水缸”来类比：

• 采样周期：小明每隔一段时间检查一次水位。检查间隔太长，水漏光；太短，无用功。这个“检查时间”就是采样周期。
• 比例系数：小明用盆、桶或瓢加水。工具的大小决定了加水的剧烈程度，这就是比例系数。
• 积分时间：为了避免一次性加水溢出，小明在水缸上放一个漏斗，让水慢慢流进。漏斗口径的大小控制了流速，这对应了积分时间。
• 微分时间：为了应对突发要求，小明在水面上方凿了个孔，多余的水会通过管子漏走。这个漏出的快慢就是微分时间。

比例带、稳态误差与手动复位

比例控制（P） 的输出与误差成比例关系。下图清晰地展示了比例带（PB）与操作输出（MVp）之间的关系：

纯粹的比例控制往往会产生稳态误差（Off set）。从响应曲线可见，比例带大或小时，测量值 PV 都会与设定值 SV 存在固定的偏差。

为了消除这个稳态误差，我们可以设定一个手动复位值（Manual Reset，MR）。公式表现为：

通过调整 MR，可以将负荷线与控制特性线交点位移，从而让系统输出尽量逼近目标值。

然而，每次都手动复位并不实用。于是，积分控制（I） 应运而生——它能自动改变输出量，起到与手动复位等价的效果。从下图可以看到，在不同积分时间下，I 控制输出叠加 P 控制输出后，能使合成控制量持续增强以消除误差。

微分控制（D） 则是通过误差的变化率来预测未来的趋势，以此提供超前控制，使被控过程趋于稳定。从波形对比中可以看出，微分时间越长，合成的 P+D 控制作用就越强。

设定值改变时的控制效果

不同的 P、I、D 参数组合，会带来截然不同的控制效果。理想的效果是快速响应且无过大超调，而过强或过弱的参数则会导致超调过大或稳定过慢。

我们还可以根据测量值的变动波形，按照如下象限图来定性调整 PID 参数。

实际应用体会与总结

在实际项目中，PID 算法的运用需要灵活的阶段性策略。

以直流电机控制为例，利用 PID 算法调节转速时，通常是通过光电开关测速、单片机计算偏差并输出 PWM 来调节电压。这类系统往往受限于电机的物理特性。

而以高频感应加热从 25℃ 加热到 700℃ 为例，我们可以这样操作：

1. 全力加热阶段（如 25~600℃）：温差巨大，采用 100% 全功率输出。
2. P 算法阶段（如 600℃ 以上）：根据当前温度与目标的误差进行反馈，进一步逼近目标（如达到 650℃）。
3. I 算法阶段（如 640~760℃）：在 P 的稳态极限附近介入，通过累积误差寻找能维持 700℃ 的驱动值，从根本上消除 P 算法产生的净差。
4. D 算法阶段（如 690~710℃）：接近目标时进行微动，抑制剧烈变化，维稳。

很多人刚一上手就把 P、I、D 三个环节都加上，结果反而控制不好。本质上，P 是“打个差不多的大样”，I 是“来回修改拟合至逼近理想”，D 则是“定稿后不允许大改，只做有限微调”。