4、PID控制基础：P、I、D三个环节的作用、位置式PID与增量式PID、参数整定方法
各位同学，欢迎来到第四章。
说实话，PID控制是车辆运动控制里最经典、最实用的算法之一。我做了这么多年控制，从早期的简单循迹到后来的高速车道保持，PID始终是那个最可靠的「老伙计」。今天我们就把它彻底聊透。
4.1 P、I、D三个环节，到底在干嘛？
先别急着看公式。我们用一个场景来理解：
你开车，想保持在车道正中间。眼睛看到偏了（误差），手打方向盘（控制量）。这就是PID的雏形。
4.1.1 P（比例）—— 看当下
P就是「偏多少，打多少」。偏了1米，方向盘打10度；偏了2米，打20度。简单粗暴。
但有个问题：如果只用P，车永远回不到正中间。它会停在某个偏一点的位置——这就是稳态误差。我在做早期AGV小车时吃过这个亏，车总是歪着跑，怎么调P都不行。
核心公式： u(t) = Kp * e(t)
Kp越大，响应越快，但容易震荡。Kp太小，反应迟钝。
4.1.2 I（积分）—— 看过去
I就是「把过去的误差累积起来」。你偏了10秒，我就把这10秒的误差加起来，额外加一把力把你拉回来。
说白了，I就是用来干掉稳态误差的。P搞不定的那点偏差，I来收尾。
注意： I不是越大越好。我曾经在一个项目中把I调得太大，结果车在弯道里疯狂振荡，像喝醉了酒。积分饱和是个大坑，后面我们会讲。
4.1.3 D（微分）—— 看未来
D是「看变化趋势」。你正在快速靠近车道线，D会提前预判，提前打方向盘。说白了，D就是给系统加阻尼，让它别那么「冲」。
我习惯在高速场景下多用D，它能有效抑制超调。但D对噪声特别敏感——传感器抖一下，D就会乱跳。
我的经验： 实际项目中，P和I是主力，D是辅助。很多场景只用PI就够了，加D反而容易出问题。
4.2 位置式PID vs 增量式PID
这两个概念，很多初学者容易混淆。我当年也花了点时间才搞明白。
4.2.1 位置式PID
位置式PID直接计算「当前应该输出多少控制量」。公式长这样：
u(k) = Kp * e(k) + Ki * Σe(i) + Kd * [e(k) - e(k-1)]特点：
- 输出是绝对值，比如「方向盘打30度」
- 需要累加所有历史误差，容易积分饱和
- 一旦计算错误，输出会跳变，很危险
我在做无人驾驶线控底盘时，位置式PID用得比较多。因为执行器（比如转向电机）需要绝对角度指令。
4.2.2 增量式PID
增量式PID只计算「这次比上次多打多少」。公式：
Δu(k) = Kp * [e(k)-e(k-1)] + Ki * e(k) + Kd * [e(k)-2e(k-1)+e(k-2)]
u(k) = u(k-1) + Δu(k)特点：
- 输出是增量，比如「再打2度」
- 不需要累加误差，积分饱和风险小
- 就算计算错误，也只是跳变一个增量，相对安全
选型建议：
- 执行器支持绝对位置指令 → 位置式PID
- 执行器只接受增量指令（如步进电机）→ 增量式PID
- 对安全性要求高 → 增量式PID
4.3 参数整定方法
调参是门手艺活。我见过有人调了三天三夜，也有人十分钟搞定。这里分享几个实用方法。
4.3.1 试凑法（最常用）
步骤很简单：
- 先调P：从小到大，直到系统开始震荡，然后回调到震荡幅度的60%
- 再加I：消除稳态误差，但别加太多，否则会震荡
- 最后加D：抑制超调，但别加太多，否则噪声放大
我曾经调一个循迹小车，P调到50时开始抖，我回调到30，然后加I到0.1，完美。整个过程不到20分钟。
4.3.2 Ziegler-Nichols法（经典方法）
这个方法适合有理论基础的同学：
| 参数 | P控制 | PI控制 | PID控制 |
|---|---|---|---|
| Kp | 0.5 * Ku | 0.45 * Ku | 0.6 * Ku |
| Ki | - | 0.54 * Ku / Tu | 1.2 * Ku / Tu |
| Kd | - | - | 0.075 * Ku * Tu |
其中Ku是临界增益（系统开始震荡时的P值），Tu是震荡周期。
避坑指南： 我曾经在实车上用Z-N法，算出来的参数直接让车在测试场里画龙。原因是实车有延迟和死区，理论值需要打折。建议把算出来的Kp再乘以0.7，Ki乘以0.5，再微调。
4.3.3 自整定法（进阶）
现在很多控制器支持自整定。比如：
- 继电器法：给系统一个方波激励，观察响应
- 模糊PID：根据误差大小自动调整参数
- 自适应PID：在线辨识模型，实时更新参数
我个人觉得，自整定适合量产产品。但在研发阶段，手动调参能让你更理解系统特性。
4.4 实战中的坑与技巧
积分饱和处理： 当执行器达到极限（比如方向盘打到底），积分还在累加。等误差反向时，积分需要时间退出来，导致响应滞后。我的做法是：积分限幅，或者用「积分分离」——误差大时停止积分。
微分先行： 只对测量值微分，不对目标值微分。这样可以避免目标值突变时产生冲击。我在做ACC（自适应巡航）时用过这个技巧，效果很好。
嗯，PID看似简单，但真正用好需要大量实践。我建议你从仿真开始，用MATLAB/Simulink搭一个简单的车辆模型，然后手动调参。调着调着，你就会找到感觉。
下一章我们会讲PID在横向控制中的具体应用——车道保持。到时候你会看到，同样的PID，在不同场景下需要做哪些调整。
先消化这些，有问题随时交流。