第三章 经典控制理论回顾：PID控制、前馈控制、根轨迹法在运动系统中的应用与局限
各位工程师朋友，大家好。这一章咱们聊聊经典控制理论。说实话，我做了十几年运动控制，最常用的还是这些“老家伙”——PID、前馈、根轨迹。别看现在自适应控制、AI控制炒得火热，但你要是连这些经典方法都玩不转，那后面的内容基本就是空中楼阁。
我个人习惯，每次接手一个新项目，第一件事就是拿PID先跑一遍。为什么？因为经典控制理论是经过几十年工程验证的，稳定、可靠、可解释。今天我就结合自己的项目经验，带大家回顾一下这三个核心方法，以及它们在运动系统里到底能干什么、不能干什么。
核心观点：经典控制理论是自适应控制的基础。不理解PID的局限，你就不知道自适应控制要解决什么问题；不理解根轨迹，你就看不懂自适应控制的稳定性分析。
3.1 PID控制：运动系统的“万金油”
PID控制，说白了就是三个字：看现在（比例）、忆过去（积分）、猜未来（微分）。我在调试伺服驱动器时，90%的问题靠调PID就能解决。但这里有个坑——很多人以为PID是万能的。
比例控制（P）：你想想看，位置偏差越大，输出的力矩就越大。这很直观。但P太大，系统会震荡。我记得有一次调一个龙门架，P给到30，整个架子像筛糠一样抖，吓得我赶紧断电。
积分控制（I）：用来消除稳态误差。但积分有个毛病——它会把过去的误差“记仇”记很久。如果系统有饱和，积分会一直累积，产生所谓的“积分饱和”现象。我曾经在调一个大型转台时，积分项累积到让电机直接堵转，差点烧了驱动器。
微分控制（D）：预测未来的趋势。但微分对噪声极其敏感。你想想，传感器上稍微有点毛刺，微分一算，输出就炸了。所以我一般建议，如果编码器分辨率不够高，D项能不用就不用。
避坑指南：我曾经在调试一个高速贴片机时，发现位置总是过冲。后来发现是微分项放大了编码器的量化噪声。解决办法很简单——在微分通道加一个低通滤波器，截止频率设为系统带宽的3-5倍。
PID的传递函数长这样：
G(s) = Kp + Ki/s + Kd*s
离散化后（位置式PID）：
u(k) = Kp*e(k) + Ki*sum(e(i)*Ts) + Kd*(e(k)-e(k-1))/TsPID在运动系统中的局限：
- 参数固定，无法自适应：负载变了，PID参数就得重新调。我见过一个自动化产线，换了一种工件后，整个系统就开始震荡。
- 对纯滞后系统效果差：比如长距离的皮带传动，PID基本无能为力。
- 多轴耦合时难以解耦：XY平台对角线运动时，两个轴的PID会互相干扰。
3.2 前馈控制：让系统“预判”你的操作
前馈控制，说白了就是“提前给油”。你开车过弯，是等到了弯道再打方向盘，还是提前预判？前馈就是后者。
在运动系统里，前馈通常和PID配合使用。PID负责“纠偏”，前馈负责“领路”。我习惯把前馈分成两种：
- 速度前馈：根据目标速度，提前给一个对应的控制量。这样PID只需要处理速度误差，而不是从零开始建立速度。
- 加速度前馈：用于补偿惯性力。在高速运动中，加速度前馈能显著减少跟踪误差。
举个例子，一个伺服系统跟踪正弦轨迹。没有前馈时，相位滞后可能达到20度。加上速度前馈后，滞后降到5度。再加上加速度前馈，基本能做到1度以内。这是我实测过的数据。
关键公式：前馈控制量 = 速度前馈系数 * 目标速度 + 加速度前馈系数 * 目标加速度
注意：前馈系数不是随便给的。我一般先让系统跑一个低速轨迹，调好PID，然后逐步增加前馈系数，直到跟踪误差最小。
前馈控制的局限：
- 依赖精确模型：前馈本质上是一个逆模型。如果模型不准，前馈反而会引入误差。我曾经在调一个柔性臂时，因为忽略了关节的弹性，前馈加得越多，震荡越厉害。
- 无法处理未知扰动：前馈只能补偿已知的、可建模的力。突然的摩擦力变化、负载突变，前馈是反应不过来的。
- 对参数变化敏感：系统参数变了，前馈系数就得重新标定。这也是为什么自适应控制要引入在线参数估计。
3.3 根轨迹法：从“极点”看系统本质
根轨迹法，很多人觉得这是理论课才用的东西。但说实话，我在实际调参时，脑子里一直在画根轨迹。为什么？因为根轨迹告诉你：当你改变某个参数时，系统的闭环极点会怎么跑。
你想想看，一个运动系统，极点位置决定了它的响应速度、阻尼比、稳定性。根轨迹法就是把这些关系画成一张图。
根轨迹法的核心思想：
- 系统的闭环极点 = 开环传递函数的极点 + 开环零点 + 增益K
- 当K从0变化到无穷大时，闭环极点在复平面上画出的轨迹就是根轨迹
- 根轨迹进入右半平面（实部>0），系统就失稳了
我记得有一次调一个双惯量系统（电机+弹性联轴器+负载），用PID怎么调都有谐振。后来画了根轨迹才发现，问题出在开环零点太靠近虚轴。我加了一个陷波滤波器，把那个零点抵消掉，系统立马稳定了。
警告：根轨迹法只适用于线性时不变系统。如果你的系统有摩擦、间隙、饱和等非线性特性，根轨迹给出的结论可能不准确。我见过有人用根轨迹法分析一个带摩擦的系统，结果实际调试时完全对不上。
根轨迹法在运动系统中的典型应用：
| 应用场景 | 根轨迹分析内容 | 实际意义 |
|---|---|---|
| 伺服位置环调参 | 分析位置环增益Kp对极点位置的影响 | 确定最大Kp，避免震荡 |
| 速度环PI参数整定 | 分析Ki/Kp比值对阻尼比的影响 | 找到最佳阻尼比（通常0.7左右） |
| 谐振抑制 | 分析机械谐振极点与滤波器零点的对消 | 设计陷波滤波器参数 |
| 前馈补偿器设计 | 分析前馈通道对闭环极点的影响 | 确保前馈不改变系统稳定性 |
根轨迹法的局限：
- 只适用于单输入单输出系统：多轴系统需要解耦后才能用。
- 对模型精度要求高：模型参数差一点，根轨迹就完全不一样。我遇到过标称模型和实际模型差了20%，根轨迹分析完全失效。
- 无法处理时变系统：系统参数随时间变化时，根轨迹法需要反复重新计算，不实用。
3.4 三种方法的对比与选择
说了这么多，到底什么时候用哪种方法？我个人的经验是：
- 简单系统、负载稳定：PID就够了。别整那些花里胡哨的。
- 需要高精度跟踪：PID+前馈。前馈能解决80%的跟踪误差。
- 系统有谐振或稳定性问题：根轨迹法分析，然后加滤波器或调整结构。
- 负载变化大、参数不确定：经典方法搞不定，这时候才需要自适应控制。
我的调试习惯：先让系统跑起来（PID），再优化精度（前馈），最后分析稳定性（根轨迹）。这三步走完，90%的运动控制问题都能解决。剩下的10%，就是我们后面要讲的自适应控制的主场了。
嗯，经典控制理论就回顾到这里。这些方法虽然“老”，但它们是运动控制的基石。你把这些吃透了，后面学自适应控制会轻松很多。记住，自适应控制不是要取代经典控制，而是在经典控制的基础上，增加“自适应”的能力——让系统自己调整参数、自己适应变化。