三、参数整定方法论：Ziegler-Nichols法、试凑法、基于模型的自整定
做运动控制这些年，我见过不少工程师一上来就调PID参数，调了半天系统还在那抖。说实话，参数整定这事儿，有章法可循。今天我就把三种最实用的方法掰开揉碎了讲给你听。
3.1 Ziegler-Nichols法：经典中的经典
Ziegler-Nichols法，圈里人常叫它ZN法。1942年提出的老方法，但到现在还在用，为什么？因为它简单、有效、有理论依据。
核心思想：先让系统临界振荡，然后根据振荡周期和增益算出PID参数。
操作步骤：
- 把积分I和微分D关掉，只留比例P
- 慢慢增大比例增益，直到系统出现等幅振荡
- 记录此时的临界增益Ku和振荡周期Tu
- 套用ZN公式计算参数
ZN法参数计算公式（表）
| 控制器类型 | Kp | Ki | Kd |
|---|---|---|---|
| P控制器 | 0.5 × Ku | - | - |
| PI控制器 | 0.45 × Ku | 0.54 × Ku / Tu | - |
| PID控制器 | 0.6 × Ku | 1.2 × Ku / Tu | 0.075 × Ku × Tu |
我个人习惯，用ZN法算出来的参数当起点，然后微调。为什么？因为ZN法对某些系统太激进，容易超调。我在调试一台晶圆传输机械臂时，用ZN法算出的参数直接让末端抖得像筛子——后来我把Kp降了20%，才稳下来。
⚠ 注意：ZN法要求系统能进入等幅振荡。如果系统不允许振荡（比如精密对准台），就别用这招。
3.2 试凑法：老工程师的看家本领
试凑法，说白了就是凭经验调。别小看它，我见过干了二十年的老师傅，闭着眼都能把参数调好。
基本原则：
- 先比例，后积分，再微分——这个顺序别搞反
- 比例决定响应速度——Kp太小反应慢，太大就振荡
- 积分消除静差——Ki太大容易积分饱和
- 微分抑制超调——Kd对噪声敏感，慎用
我曾经调试一台涂胶机的Y轴，系统总是有0.1mm的定位误差。我先把Kp调到刚好不振荡，然后一点点加Ki。你猜怎么着？Ki加到某个值后，误差没了，但电机开始嗡嗡响。嗯，这就是积分饱和的前兆。后来我加了积分限幅，问题解决。
💡 我的试凑口诀：
比例调响应，积分消静差，微分压超调，三者要平衡。
振荡减比例，静差加积分，超调加微分，噪声减微分。
试凑法步骤：
- 设Ki=0，Kd=0，调Kp直到系统出现轻微振荡
- 将Kp回退10%-20%，让系统稳定
- 加Ki，从0开始慢慢增大，直到静差消除
- 如果超调大，加Kd，从0.01倍Kp开始试
- 反复微调，直到满足指标
3.3 基于模型的自整定：现代控制的味道
这个方法听起来高大上，其实原理不复杂。先辨识出系统的数学模型，然后根据模型自动算出最优参数。
流程是这样的：
- 给系统一个激励信号（阶跃、正弦、伪随机序列）
- 采集响应数据
- 用最小二乘法或递推算法辨识出传递函数
- 根据模型参数，用极点配置或最优控制算出PID值
我在调试一台高速贴片机的Z轴时，用了基于模型的自整定。那台机器的负载变化很大——吸嘴换不同尺寸的芯片，质量从0.1g到5g不等。手动调参根本调不过来。后来我用递推最小二乘法在线辨识惯量，然后自动更新PID参数。效果？换芯片时定位精度始终保持在±5μm以内。
一个简单的模型辨识代码片段（Python伪代码）
# 递推最小二乘法辨识二阶系统
import numpy as np
theta = np.zeros(4) # 参数向量 [a1, a2, b1, b2]
P = 1000 * np.eye(4) # 协方差矩阵
lambda_forget = 0.98 # 遗忘因子
for k in range(len(y_meas)):
phi = np.array([-y_meas[k-1], -y_meas[k-2],
u[k-1], u[k-2]])
# 增益计算
K = P @ phi / (lambda_forget + phi.T @ P @ phi)
# 参数更新
theta = theta + K * (y_meas[k] - phi.T @ theta)
# 协方差更新
P = (P - K @ phi.T @ P) / lambda_forget⚠ 注意：模型辨识对激励信号有要求。如果激励不够丰富，辨识出的模型可能不准。我曾经用阶跃信号去辨识一个柔性系统，结果模型完全不对——因为阶跃信号没激发出高频模态。后来改用伪随机序列，才搞定。
3.4 三种方法怎么选？
我做了个对比表，你一看就明白：
| 方法 | 适用场景 | 优点 | 缺点 |
|---|---|---|---|
| ZN法 | 简单系统、初次调试 | 快速、有理论依据 | 可能太激进、需要振荡 |
| 试凑法 | 经验丰富的工程师、复杂系统 | 灵活、可处理非线性 | 依赖经验、耗时 |
| 模型自整定 | 变负载、高精度、自动化需求 | 自适应、精度高 | 需要激励信号、计算量大 |
我个人建议：新手先用ZN法找感觉，老手用试凑法快速调，遇到变负载系统就上模型自整定。没有万能的方法，只有最合适的方法。
💡 避坑指南：我曾经在调试一台晶圆划片机时，用ZN法算出的参数直接让Y轴撞了限位——因为ZN法没考虑系统的加速度限制。从那以后，我每次用ZN法算完参数，都会先做一次仿真验证。你想想看，仿真又不花钱，撞一次限位可要花好几万。
好了，三种方法都讲完了。记住，参数整定不是一锤子买卖。系统会老化，负载会变化，环境会漂移。定期检查参数，该调就调，这才是工程师该有的态度。