第1章：PID控制基础

各位同学好，我是你们的飞控算法讲师。今天咱们聊聊PID控制基础——这部分内容，说实在的，是后面所有调参工作的根基。我自己带过不少新人，发现很多人一上来就急着调参数，结果越调越乱。嗯，咱们先把基础打牢。

什么是PID？

PID，全称是比例-积分-微分控制。说白了，就是一个控制器，它根据“当前偏差”来决定“怎么调整”。

我举个例子你就明白了：

你用手托着一个盘子，想让盘子保持水平。你的眼睛看到盘子往左边歪了（这就是误差），你的大脑会计算：

• 比例P：“歪了多少？歪得多就用力往回推，歪得少就轻轻推”
• 积分I：“一直歪着？那就持续加力，直到它回正”
• 微分D：“歪的速度快不快？如果正在快速歪过去，提前用力顶住”

飞控里的PID，干的就是这个活。它读取传感器（比如陀螺仪、加速度计）的数据，算出当前姿态和目标姿态的偏差，然后输出一个控制量给电机，让无人机回到期望的位置。

比例P的作用与问题

比例P，是PID里最直观的部分。它的逻辑很简单：偏差越大，输出越大。

公式里就是：P_out = Kp × e(t)，其中e(t)是当前偏差。

你想想看，无人机要悬停在一个高度。如果它偏低了1米，P项就会给一个向上的力；如果偏低了0.1米，给的力就小一些。这就是比例控制。

P的问题在哪里？

我遇到过不少情况：P太小，系统反应慢，无人机像“喝醉了酒”一样晃晃悠悠。P太大，系统会震荡，甚至直接炸机。

更麻烦的是——纯P控制会有稳态误差。什么意思？比如无人机悬停，如果风一直吹，P项只能产生一个“对抗”的力，但永远无法完全消除偏差。因为偏差为零时，P输出也为零，那谁来对抗风？

积分I的作用与问题

积分I，就是用来解决“稳态误差”的。它把过去的偏差累加起来，只要偏差一直存在，I项就会持续增大输出，直到偏差被消除。

公式：I_out = Ki × ∫e(t)dt

说白了，I项有“记性”。它记得过去犯了多少错，然后根据这个“总账”来调整。

I的问题：

• 积分饱和：如果偏差长时间存在，I项会累加到一个很大的值。等偏差反转时，I项需要很长时间才能“消化”掉这个累积值，导致系统响应变慢，甚至超调。
• 积分过大：会导致系统震荡，甚至不稳定。我见过有人把I调得太大，无人机在空中像“抽风”一样上下抖动。

微分D的作用与问题

微分D，是PID里的“预言家”。它根据偏差的变化率，提前做出反应。

公式：D_out = Kd × de(t)/dt

你想想看，如果无人机正在快速偏离目标，D项会提前输出一个反向力，阻止它继续偏离。这就像你开车时，看到前面有弯道，提前减速一样。

D的问题：

• 对噪声敏感：微分放大了高频噪声。传感器数据稍微抖一下，D项就会产生很大的输出，导致电机乱转。
• D过大：系统会变得“僵硬”，响应迟钝，甚至出现高频震荡。

PID公式解析

好了，咱们把三个部分合起来，就是完整的PID公式：

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

其中：

• u(t)：控制输出（比如电机PWM值）
• e(t)：当前偏差（目标值 - 当前值）
• Kp、Ki、Kd：三个待调参数

在实际飞控中，我们用的是离散化版本（因为单片机是数字系统）：

// 伪代码示例
error = target - current;
integral += error * dt;
derivative = (error - last_error) / dt;
output = Kp * error + Ki * integral + Kd * derivative;
last_error = error;

这个代码，说白了就是飞控里最核心的循环。每次传感器更新，就执行一次这个计算，然后输出给电机。

知识体系总览

下面这张图，是我自己整理的PID知识结构。你可以把它当作本章的“地图”：

这张图把PID的三个部分、它们的公式和特性都串起来了。你可以把它保存下来，后面调参时对照着看，会清晰很多。

---