第2章：经典PID控制理论——P、I、D参数的含义与作用
各位工程师朋友，咱们今天聊聊PID。说实话，我入行那会儿，第一个接触的控制器就是PID。那时候带我的老师傅跟我说了一句话，我到现在还记得：「PID这东西，你搞懂了它，就能搞定八成以上的运动控制问题。」后来十几年下来，我发现这话还真不夸张。
PID控制，说白了就是三个字：比例、积分、微分。别被名字吓到，咱们一个一个拆开看。
2.1 P——比例控制：最直接的反馈
比例控制，就是根据当前误差的大小，直接给出一个控制量。误差越大，控制力越强。
数学上很简单：
u(t) = Kp * e(t)其中 e(t) 是当前误差，Kp 是比例增益。
我刚开始做电机转速控制时，就只用了P控制。结果发现一个问题：系统永远到不了目标值。比如目标转速1000转，实际只能到980转。这就是所谓的「稳态误差」。
为什么会这样？你想想看，当误差变小时，P控制给出的力也变小了。到最后，控制力刚好和摩擦力、负载这些干扰平衡了，误差就卡在那里不动了。
关键点：P控制响应快，但单独使用会有稳态误差。Kp越大，响应越快，但太大容易震荡。
2.2 I——积分控制：消除稳态误差的利器
积分控制，就是把过去所有的误差累加起来，再乘以一个系数。它的作用是「算旧账」——只要误差一直存在，积分项就会一直增长，直到把误差彻底消除。
数学表达式：
u(t) = Ki * ∫e(t)dt我在做温控系统时遇到过一件事。一个加热炉，用P控制总是差2度到不了设定值。加上积分项之后，嘿，误差慢慢就消失了。但要注意，积分项加多了，系统会变得「迟钝」，而且容易产生超调。
避坑指南：我曾经在一个项目中，积分系数设得太大，结果系统一直在震荡，怎么都稳不下来。后来发现是积分饱和了——误差累积太多，控制器输出已经顶到上限了。解决办法是加积分限幅，或者用抗积分饱和算法。
2.3 D——微分控制：提前预判变化
微分控制，看的是误差的变化趋势。误差在变大，它就给出反向力；误差在变小，它就减小控制力。说白了，就是「踩刹车」的作用。
数学表达式：
u(t) = Kd * de(t)/dt微分项对噪声特别敏感。我做过一个机械臂的位置控制，加了微分之后，系统确实更稳了，但传感器一有噪声，电机就开始抖。后来加了低通滤波才解决。
我的经验：微分项在实际工程中，我一般用得比较谨慎。很多时候，PI控制就够用了。只有在需要快速响应又不想超调的场景下，我才会加D。
2.4 PID的完整数学表达
把三个部分合在一起，就是完整的PID控制律：
u(t) = Kp * e(t) + Ki * ∫e(t)dt + Kd * de(t)/dt这个公式看着简单，但实际用起来门道很多。我见过不少工程师，调了三天三夜都调不好一个PID参数，就是因为没理解这三个项之间的相互作用。
2.5 位置式PID vs 增量式PID
在实际工程中，PID有两种实现方式：位置式和增量式。这个区别很重要，我当年就吃过亏。
位置式PID
位置式PID直接计算控制量的绝对值。它的输出就是当前时刻应该给执行器的值。
u(k) = Kp * e(k) + Ki * Σe(i) + Kd * [e(k) - e(k-1)]优点：直观，容易理解。
缺点：积分项需要累加所有历史误差，容易积分饱和。而且一旦输出有突变，执行器会跳变。
增量式PID
增量式PID计算的是控制量的变化量，而不是绝对值。
Δu(k) = Kp * [e(k) - e(k-1)] + Ki * e(k) + Kd * [e(k) - 2*e(k-1) + e(k-2)]
u(k) = u(k-1) + Δu(k)优点：没有积分饱和问题，输出变化平滑，手动/自动切换时冲击小。
缺点：需要记住前几次的误差值，占用一点内存。
我的建议：做运动控制，我一般优先用增量式PID。特别是做伺服电机控制、机器人关节控制这些场景，增量式更安全。位置式PID我更多用在过程控制中，比如温度、液位这些变化慢的系统。
2.6 本章知识体系
下面这张图，是我自己总结的PID知识框架。你看一眼，就能把整章内容串起来。
这张图把PID的三个核心参数、完整公式、两种实现方式都串起来了。你保存下来，以后调参的时候可以对照着看。
2.7 小结
这一章咱们把PID的底子打好了。P是当下，I是过去，D是未来。三个参数配合好了，系统就能又快又稳。
位置式和增量式的选择，我个人的经验是：做运动控制，优先选增量式；做过程控制，位置式也够用。没有绝对的好坏，看场景。
下一章，咱们会聊怎么把这些理论用到实际的运动控制系统中去。到时候我会拿一个具体的电机控制案例，手把手带大家走一遍。
公众号:蓝海资料掘金营，微信deep3321