pid算法实例详解

对串级PID和单级PID的理解(基于匿名微型六轴)

来源：本站 | 作者：小古 | 发表时间：2015-04-01 | 点击量：1565

/******************** (C) COPYRIGHT 2014 ANO Tech

*************************** * 文件名 ：ANO_FlyControl.cpp

* 描述 ：飞行控制

*********************************************************************

*************/

include \ANO_FlyControl fc;

/*

先整定内环，后整定外环。 参数整定找最佳，从小到大顺序查

先是比例后积分，最后再把微分加

曲线振荡很频繁，比例度盘要放大

曲线漂浮绕大湾，比例度盘往小扳

曲线偏离回复慢，积分时间往下降

曲线波动周期长，积分时间再加长

曲线振荡频率快，先把微分降下来

动差大来波动慢。微分时间应加长

理想曲线两个波，前高后低4比1

*/ /*

ROLL和PIT轴向按照以上公式计算PID输出，但YAW轴比较特殊，因为偏航

角法线方向刚好和地球重力平行，

这个方

对串级PID和单级PID的理解(基于匿名微型六轴)

来源：本站 | 作者：小古 | 发表时间：2015-04-01 | 点击量：1565

/******************** (C) COPYRIGHT 2014 ANO Tech

*************************** * 文件名 ：ANO_FlyControl.cpp

* 描述 ：飞行控制

*********************************************************************

*************/

include \ANO_FlyControl fc;

/*

先整定内环，后整定外环。 参数整定找最佳，从小到大顺序查

先是比例后积分，最后再把微分加

曲线振荡很频繁，比例度盘要放大

曲线漂浮绕大湾，比例度盘往小扳

曲线偏离回复慢，积分时间往下降

曲线波动周期长，积分时间再加长

曲线振荡频率快，先把微分降下来

动差大来波动慢。微分时间应加长

理想曲线两个波，前高后低4比1

*/ /*

ROLL和PIT轴向按照以上公式计算PID输出，但YAW轴比较特殊，因为偏航

角法线方向刚好和地球重力平行，

这个方

正文开始：这篇文章分为三个部分：

? ? ?

PID原理普及

常用四轴的两种PID算法讲解(单环PID、串级PID) 如何做到垂直起飞、四轴飞行时为何会飘、如何做到脱控？

PID原理普及

1、 对自动控制系统的基本要求： 稳、准、快：

稳定性（P和I降低系统稳定性，D提高系统稳定性）：在平衡状态下，系统受到某个干扰后，经过一段时间其被控量可以达到某一稳定状态； 准确性（P和I提高稳态精度，D无作用）：系统处于稳态时，其稳态误差；

快速性（P和D提高响应速度，I降低响应速度）：系统对动态响应的要求。一般由过渡时间的长短来衡量。

2、 稳定性：当系统处于平衡状态时，受到某一干扰作用后，如果系统输出能够恢复到原来的稳态值，那么系统就是稳定的；否则，系统不稳定。

3、 动态特性（暂态特性，由于系统惯性引起）：系统突加给定量（或者负载突然变化）时，其系统输出的动态响应曲线。延迟时间、上升时间、峰值时间、调节时间、超调量和振荡次数。

通常： 上升时间和峰值时间用来评价系统的响应速度； 超调量用来评价系统的阻尼程度；

正文开始：这篇文章分为三个部分：

? ? ?

PID原理普及

常用四轴的两种PID算法讲解(单环PID、串级PID) 如何做到垂直起飞、四轴飞行时为何会飘、如何做到脱控？

PID原理普及

1、 对自动控制系统的基本要求： 稳、准、快：

稳定性（P和I降低系统稳定性，D提高系统稳定性）：在平衡状态下，系统受到某个干扰后，经过一段时间其被控量可以达到某一稳定状态； 准确性（P和I提高稳态精度，D无作用）：系统处于稳态时，其稳态误差；

快速性（P和D提高响应速度，I降低响应速度）：系统对动态响应的要求。一般由过渡时间的长短来衡量。

2、 稳定性：当系统处于平衡状态时，受到某一干扰作用后，如果系统输出能够恢复到原来的稳态值，那么系统就是稳定的；否则，系统不稳定。

3、 动态特性（暂态特性，由于系统惯性引起）：系统突加给定量（或者负载突然变化）时，其系统输出的动态响应曲线。延迟时间、上升时间、峰值时间、调节时间、超调量和振荡次数。

通常： 上升时间和峰值时间用来评价系统的响应速度； 超调量用来评价系统的阻尼程度；

PID算法

PID控制器是一种常用的控制技术，常用于多种机械装置（如车辆、机器人、火箭）中。用数学方式来描述PID控制器是非常复杂的。本文描述了如何在使用NXT-G编程的LEGO机器人上创建PID控制器。

文中将以实例来说明如何创建PID来完成机器人巡线任务。PID创建完成后，经过简单的修改就可以应用到其他地方，如，让机器人跑直线，做两轮平衡机器人。

其实学过微积分的人很容易理解PID的典型描述，本文是写给那些对PID几乎没有任何概念的读者，比如参加FLL比赛的3~8年级的孩子们。考虑到大家可能不了解微积分，因此我尽量不使用微积分，从非常低的起点开始建造整个概念。

先来看看一个适于巡线的机器人是什么样的结构。看下图，这个机器人用两个马达驱动，分别与车轮A、C连接，前端装有垂直向下的光电传感器，红圈标出的部分就是光电传感器能“看到”的部分。带箭头的大长方形表示机器人的其余部分，箭头指示机器人的运动方向。

巡线是机器人的基本技术，也是大家学习机器人时最先要做的。能够巡线的自动装置具有机器人的全部特点：使用传感器收集周围环境的信息，并据此调整机器人的运动状态。

巡线机器人可以使用1个光电传感器、2个光电传感器、一打光电传感器或者装上你所有的

PID算法（c语言) #include #include struct _pid {

int pv; //integer that contains the process value 过程量 int sp; //integer that contains the set point 设定值 float integral; // 积分值 －－ 偏差累计值 float pgain; float igain; float dgain;

int deadband; //死区 int last_error; };

struct _pid warm,*pid;

int process_ point, set_point, dead_band; float p_gain, i_gain, d_gain, integral_val,new_integ;

//－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

pid_init DESCRIPTION This function initializes the pointers in the _pid structure to the process variable and

#include\int E0=0; int E1=0; int E2=0; int Error0=0; int Error1=0; int Ppid=0;

int Pctr(int ch1,int ch2,int Kp,int Ki,int Kd) {

E0=ch1-ch2;//增量计算当前E0

Error0=E0-E1;//当前差值Eo是差值

Error1=E1-E2;//上一次差值上一次值也再上一次值得差值 Ppid=(int)(Ki*Error0+Kp*E0+Kd*(Error0-Error1)); E2=E1;//

E1=E0;//存储误差，用于下次计算

return Ppid;//Return }

/*====================================================================================================

增量式PID计算部分 //增量式PID算法核心部分！P控制误差D

==============

增量式PID算法小结

一、PID 算法简介

顾名思义，P 指是比例（Proportion），I 指是积分（Integral），D 指微分（Differential）。 比例P：比例控制是一种最简单的控制方式。其控制器的输出与输入误差信号成比例关系。偏差一旦产生，控制器立即就发生作用即调节控制输出，使被控量朝着减小偏差的方向变化，偏差减小的速度取决于比例系数Kp，Kp越大偏差减小的越快，但是很容易引起振荡，尤其是在迟滞环节比较大的情况下，Kp减小，发生振荡的可能性减小但是调节速度变慢。但单纯的比例控制存在稳态误差不能消除的缺点。这里就需要积分控制。

积分 I：在积分控制中，控制器的输出与输入误差信号的积分成正比关系。对一个自动控制系统，如果在进入稳态后存在稳态误差，则称这个控制系统是有稳态误差的或简称有差系统。为了消除稳态误差，在控制器中必须引入“积分项”。积分项对误差取决于时间的积分，随着时间的增加，积分项会增大。这样，即便误差很小，积分项也会随着时间的增加而加大，它推动控制器的输出增大使稳态误差进一步减小，直到等于零。因此，比例+积分(PI)控制器，可以使系统在进入稳态后无稳态误差。实质就是对偏差累积进行控制，直至偏差为零。积分控制作用始终

#include\int E0=0; int E1=0; int E2=0; int Error0=0; int Error1=0; int Ppid=0;

int Pctr(int ch1,int ch2,int Kp,int Ki,int Kd) {

E0=ch1-ch2;//增量计算当前E0

Error0=E0-E1;//当前差值Eo是差值

Error1=E1-E2;//上一次差值上一次值也再上一次值得差值 Ppid=(int)(Ki*Error0+Kp*E0+Kd*(Error0-Error1)); E2=E1;//

E1=E0;//存储误差，用于下次计算

return Ppid;//Return }

/*====================================================================================================

增量式PID计算部分 //增量式PID算法核心部分！P控制误差D

==============

数字PID控制算法仿真研究

摘要

PID控制是最早发展起来的控制策略之一，由于其算法简单，鲁棒性好和可靠性高，被广泛应用于工业过程控制，尤其用于可简历精确数学模型的确定性控制系统。而实际生产过程往往具有非线性、时变不确定性，难以建立精确的数学模型，应用常规PID控制器不能达到理想的控制效果。为了达到使PID控制能适应复杂的工况和高指标的控制要求，人们对PID控制进行了改进，出现了各种新型PID控制器，对于复杂对象，其控制效果超过常规PID控制。

本文介绍了PID控制技术的研究进展。分析了传统的模拟和数字PID控制算法，并对传统的PID控制算法进行微分项和积分项的改进，仿真研究了几种比较普遍运用的方法，包括积分分离PID控制算法、抗积分饱和PID控制算法、不完全微分PID控制算法、微分先行PID控制算法等。并在研究先进控制算法的基础上，将模糊控制与PID控制结合，实现模糊PID控制，利用模糊推理方法实现对PID参数的在线自整定。最后，根据现实情况，从系统的性能指标出发，针对实际控制对象，选择合适的PID控制算法，并用Matlab与Simulink软件进行仿真及研究，结果表明系统的控制效果良好。

关键词：PID；改进型PID；模糊PID；MATL