u(t) = Kp * e(t) + Ki * ∫e(τ)dτ + Kd * de(t)/dt

我来拆解一下：

• 比例项（Kp）：当前误差有多大，我就给多大劲儿。调大了会震荡，调小了反应慢。我记得有一次调一个龙门架，Kp给大了，整个架子抖得像筛糠一样。
• 积分项（Ki）：消除稳态误差。说白了就是“历史欠账要还”。但积分饱和是个坑，我吃过亏——电机启动时积分项疯狂累积，结果超调得一塌糊涂。
• 微分项（Kd）：预测未来趋势。误差变化快了，我就提前刹车。但噪声敏感，信号不干净时微分项会放大抖动。

4.2 前馈控制：让PID轻松点

PID有个毛病——它总是等误差出现了才去纠正。你想想看，这就像开车时看到弯道才打方向盘，肯定不流畅。前馈控制就是提前预判，把已知的扰动或轨迹信息提前补偿进去。

我在做高速贴片机项目时，发现单纯靠PID根本跟不上加速度变化。后来加了速度前馈和加速度前馈，跟踪误差直接降了一个数量级。

u_total = u_PID + u_ff
u_ff = Kff_v * v_desired + Kff_a * a_desired

前馈的好处很明显：

• 减少PID的负担，降低跟踪误差
• 提高响应速度，系统更“跟手”
• 对周期性扰动特别有效

4.3 轨迹规划：让运动更丝滑

轨迹规划是什么？就是告诉电机“你该怎么走”。直接给阶跃信号？那电机就等着被冲击吧。好的轨迹规划能让运动平滑、减少冲击、延长机械寿命。

常见的轨迹规划方法：

我个人习惯用S型曲线。虽然计算量比T型大一点，但效果真的不一样。记得有一次做晶圆搬运机械手，用T型曲线时末端抖动明显，换成S型曲线后，振动直接消失了。

# 伪代码示意
def s_curve_profile(t, total_time, max_vel, max_acc, max_jerk):
    # 分7段：加加速、匀加速、减加速、匀速、加减速、匀减速、减减速
    if t < t1:  # 加加速段
        v = 0.5 * max_jerk * t^2
    elif t < t2:  # 匀加速段
        v = v1 + max_acc * (t - t1)
    # ... 后续段类似
    return v

4.4 伺服系统：执行层面的关键

前面讲的PID、前馈、轨迹规划，最终都要落到伺服系统上。伺服系统说白了就是“听话的电机”——你让它转多少度，它就转多少度，误差很小。

一个典型的伺服系统包含：

• 伺服驱动器：执行控制算法，输出电流
• 伺服电机：带编码器，反馈位置/速度
• 编码器：精度决定系统性能上限

我在选型时有个原则：编码器分辨率至少是定位精度的10倍。比如你要0.1mm的定位精度，编码器分辨率至少得0.01mm。否则你控制算法再牛，也白搭。

4.5 知识体系总览

下面这张图是我自己整理的，把今天讲的内容串起来了。你仔细看看，就能明白它们之间的关系。

嗯，这张图把今天的内容都串起来了。从上到下，轨迹规划告诉系统“去哪”，控制算法决定“怎么去”，伺服系统负责“执行到位”。每一层都不可或缺。

4.6 实战中的几点体会

最后分享几个我踩过的坑，希望对你有帮助：

1. PID参数不是调一次就完事了。负载变化、机械磨损都会影响参数。我习惯在系统里加一个自适应机制，定期微调参数。
2. 前馈模型要定期校准。摩擦系数会随着温度、润滑状态变化。我一般每运行100小时做一次模型更新。
3. 轨迹规划要考虑执行器限制。你算出来的S型曲线再漂亮，电机最大加速度跟不上也是白搭。所以规划前先确认硬件能力。
4. 编码器反馈要滤波。原始信号直接拿来用，微分项会放大噪声。我一般用低通滤波器，截止频率设在系统带宽的3-5倍。