4. 微分控制D：预测未来，抑制超调的利器

各位工程师朋友，咱们接着聊PID。前面讲了P和I，一个管现在，一个管过去。那D呢？D管的是未来。

听起来有点玄乎是吧？其实说白了，微分控制就是根据误差变化的趋势，提前做出反应。你想想看，如果误差正在快速减小，系统还在猛踩油门，那肯定要冲过头。D的作用就是提前收油，防止超调。

4.1 微分项的数学本质

微分项的公式很简单：

D_out = Kd * (error - last_error) / dt

这里的关键是 (error - last_error)，也就是误差的变化量。如果误差在减小，这个差值就是负数，D输出就是负的，相当于在刹车。如果误差在增大，D输出就是正的，相当于在加速。

我个人习惯把D理解成「阻尼器」。就像你推一扇带阻尼的门，推得越快，阻力越大。这样门就不会咣当一声撞到墙上。

4.2 我在项目中踩过的坑

我曾经在一个伺服电机项目里吃过D的亏。当时电机在低速运行时，位置反馈有轻微的噪声。我加了D之后，电机反而开始高频抖动，嗡嗡作响，像得了帕金森一样。

为什么会这样？因为微分放大了噪声。你想想看，误差信号里混着高频噪声，每次采样计算出来的变化量忽大忽小，D输出也跟着剧烈波动。这就是所谓的「微分放大噪声」问题。

后来我加了低通滤波，把反馈信号先平滑一下，再计算微分，问题就解决了。嗯，这里要注意：

• 反馈信号必须干净：如果传感器噪声大，先滤波再微分
• 采样周期要稳定：dt 抖动也会引入噪声
• D值不要太大：过大的D会让系统变得敏感，甚至不稳定

4.3 微分控制的实际效果

咱们来看一个实际对比。假设一个位置控制系统的阶跃响应：

控制方式	超调量	调节时间	稳态误差
纯P控制	45%	1.2s	有
PI控制	30%	0.8s	无
PID控制	5%	0.5s	无

看到没？加了D之后，超调从30%降到了5%，调节时间也缩短了。这就是D的威力——它让系统既快又稳。

4.4 微分项的工程实现

在实际嵌入式代码里，我一般这样实现微分项：

// 微分项计算（带一阶低通滤波）
float derivative = (error - last_error) / dt;
// 低通滤波，截止频率约 50Hz
float alpha = 0.2;  // 滤波系数
filtered_derivative = alpha * derivative + (1 - alpha) * filtered_derivative;
D_out = Kd * filtered_derivative;

这里的关键是滤波系数alpha的选择。alpha越小，滤波越强，但响应也越慢。我一般根据系统的带宽来调，经验值是0.1到0.3之间。

4.5 微分先行：一个更聪明的做法

在实际工程中，我更喜欢用「微分先行」结构。什么意思呢？就是只对反馈信号做微分，不对设定值做微分。

你想想看，如果设定值突然跳变（比如从0直接跳到100），误差瞬间变化很大，微分项会输出一个巨大的脉冲，导致系统剧烈抖动。这就是所谓的「微分冲击」。

微分先行的做法是：

// 只对反馈做微分
derivative = (feedback - last_feedback) / dt;
D_out = -Kd * derivative;  // 注意负号

这样设定值跳变时，微分项不会产生冲击。我在很多工业项目中都用这个方案，效果很好。

4.6 调参实战：D的调节方法

我个人习惯的D参数调节步骤：

1. 先调好P和I：让系统基本稳定，允许有少量超调
2. 从0开始增加D：每次增加10%，观察超调变化
3. 找到临界点：当超调明显减小，但系统开始出现高频抖动时，退回20%
4. 微调：在临界点附近做±5%的微调，找到最佳值

4.7 什么时候该用D，什么时候不该用

不是所有系统都需要D。我总结了几条经验：

• 需要快速响应且低超调：必须用D，比如伺服定位、机器人关节控制
• 系统惯性大：D效果明显，比如大负载的升降台
• 反馈噪声大：慎用D，或者加滤波后使用
• 纯滞后系统：D基本没用，甚至有害，比如温度控制、液位控制

我记得有一次做恒温箱控制，温度传感器响应很慢，加了D之后反而让温度波动更大。后来我把D去掉，只用PI，效果反而更好。所以说，D不是万能的，要根据系统特性来选。

4.8 小结

微分控制D，说白了就是给系统加了一个「预见性刹车」。它能让系统更快地到达目标，同时避免冲过头。但D也是一把双刃剑——用好了是利器，用不好就是噪声放大器。

下一章咱们聊聊PID的终极调参大法，包括怎么用Ziegler-Nichols方法快速找到一组靠谱的参数。到时候我会分享一个我用了十年的调参口诀，保证让你少走弯路。

公众号:蓝海资料掘金营，微信deep3321