4、Ziegler-Nichols整定：Z-N第一法（阶跃响应法）、Z-N第二法（临界比例法）、参数计算表
聊到PI参数整定，Ziegler-Nichols法是个绕不开的话题。说实话，这方法虽然年头不短了，但在工程现场依然很能打。我最早接触它是在一个直流无刷电机的项目上，当时被参数调得焦头烂额，老工程师甩给我一张表说「照着算」。嗯，结果还真管用。
Z-N法分两种：第一法靠阶跃响应，第二法靠临界振荡。咱们一个一个说。
4.1 Z-N第一法：阶跃响应法
这个方法也叫「开环阶跃响应法」。说白了，就是先把系统开环，给一个阶跃信号，然后看输出曲线长什么样。
具体怎么做？
- 断开反馈，让电机开环运行。
- 给一个固定的占空比阶跃（比如从0%跳到10%）。
- 记录转速或电流的响应曲线。
你会得到一条典型的S形曲线。从曲线上提取两个关键参数：
- 滞后时间 L：从阶跃开始到曲线开始明显上升的时间。
- 时间常数 T：曲线从开始上升到最终值的63.2%所需的时间。
关键点：L和T的提取精度直接影响整定结果。我建议用示波器或高精度数据采集，别靠肉眼估。
拿到L和T后，查Z-N参数计算表就能算出Kp和Ki。我待会儿统一给表。
我的经验：有一次我在一个风机项目上用这个方法，结果L值特别小，差点以为是系统响应太快。后来发现是采样率不够，把延迟给吞了。所以采样频率至少要比系统带宽高10倍。
4.2 Z-N第二法：临界比例法
这个方法更常用，尤其是在现场调试的时候。它不需要开环，直接在闭环里调。
步骤很简单：
- 先把积分项关掉（Ki=0），微分项也关掉（Kd=0）。
- 慢慢增大比例增益Kp，直到系统开始等幅振荡。
- 记录此时的Kp值，记为临界增益 Ku。
- 记录振荡周期，记为临界周期 Tu。
注意：等幅振荡意味着系统处于临界稳定状态。千万别让振荡幅度太大，否则可能烧电机或损坏机械。我见过有人把Kp拧到最大，结果电机直接啸叫，电流飙到保护值。嗯，那场面挺吓人的。
拿到Ku和Tu后，同样查表计算。
4.3 参数计算表
这是Z-N法的核心。两张表，一张对应第一法，一张对应第二法。我直接给你整理好。
表1：Z-N第一法（阶跃响应法）参数计算
| 控制器类型 | Kp | Ki | Kd |
|---|---|---|---|
| P控制器 | T / L | — | — |
| PI控制器 | 0.9 × (T / L) | Kp / (3.33 × L) | — |
| PID控制器 | 1.2 × (T / L) | Kp / (2 × L) | Kp × (0.5 × L) |
表2：Z-N第二法（临界比例法）参数计算
| 控制器类型 | Kp | Ki | Kd |
|---|---|---|---|
| P控制器 | 0.5 × Ku | — | — |
| PI控制器 | 0.45 × Ku | Kp / (0.833 × Tu) | — |
| PID控制器 | 0.6 × Ku | Kp / (0.5 × Tu) | Kp × (0.125 × Tu) |
注意：表中Ki的单位是「每秒积分次数」，也就是积分时间常数的倒数。有些资料直接给积分时间常数Ti，换算关系是Ki = Kp / Ti。别搞混了。
4.4 实际应用中的坑
Z-N法虽然经典，但也不是万能药。我踩过几个坑，跟你分享一下。
- 第一法对噪声敏感：阶跃响应曲线如果噪声大，L和T根本读不准。我建议先做低通滤波，或者用多次平均。
- 第二法可能找不到振荡：有些系统刚性太强，或者摩擦力太大，怎么调Kp都不振荡。这时候可以适当加一点积分项再试，或者改用其他方法。
- 算出来的参数需要微调：Z-N法给出的参数通常偏激进，系统容易超调。我个人的习惯是算出来后，把Kp乘以0.7，Ki乘以0.8，先跑一轮看看。
避坑指南：我曾经在一个伺服电机项目上直接用Z-N第二法算出来的参数，结果系统振荡了半小时才稳定。后来发现是负载惯量太大，临界周期Tu测短了。解决办法是让系统带实际负载跑，别空载测。
4.5 代码示例：自动提取L和T
如果你用单片机或上位机做自动整定，可以写个简单的算法来提取L和T。下面是一个伪代码示例：
// 伪代码：从阶跃响应数据中提取L和T
float extract_L_T(float* data, int len, float step_time) {
// 1. 找到响应开始上升的点
float threshold = 0.05 * (data[len-1] - data[0]);
int start_idx = 0;
for (int i = 1; i < len; i++) {
if (data[i] - data[0] > threshold) {
start_idx = i;
break;
}
}
float L = (start_idx * sample_time) - step_time;
// 2. 找到63.2%的点
float final_val = data[len-1];
float target = data[0] + 0.632 * (final_val - data[0]);
int target_idx = 0;
for (int i = start_idx; i < len; i++) {
if (data[i] >= target) {
target_idx = i;
break;
}
}
float T = (target_idx * sample_time) - (start_idx * sample_time);
return L, T;
}注意：这个算法对噪声很敏感。实际使用时，建议先对数据做滑动平均滤波，或者用最小二乘法拟合S曲线。否则提取出来的L和T可能偏差很大。
好了，Z-N法的核心内容就这些。下一章咱们聊聊更高级的自整定方法，比如基于继电反馈的整定。那个方法比Z-N法更鲁棒，尤其适合现场调试。