4、经典PID控制：PID原理、在发动机控制中的应用、参数整定方法（Ziegler-Nichols等）
各位同学，今天我们聊聊PID控制。说实话，在航空发动机控制这个圈子里混了十几年，PID是我打交道最多的算法，没有之一。别看现在什么现代控制、智能控制吹得天花乱坠，真到了发动机台架试车或者飞控系统里，PID依然是压舱石。
4.1 PID控制原理：说白了就是三个字
PID，全称比例-积分-微分控制。我习惯把它拆成三兄弟来看：
- 比例（P）：看现在。误差有多大，我就掰多大劲儿。你跑偏了1度，我立马给1度的修正量。
- 积分（I）：看过去。误差一直存在？那我慢慢累积力量，直到把它消除。比如发动机转速一直偏低0.5%，积分项就会持续增加油量。
- 微分（D）：看未来。误差变化快了？我提前踩刹车或者加油门，防止超调。说白了就是预测一下趋势。
数学表达式很简单：
u(t) = Kp * e(t) + Ki * ∫e(t)dt + Kd * de(t)/dt其中u(t)是控制输出，e(t)是误差。嗯，这里要注意，实际工程中我们用的多是位置式PID或者增量式PID，后面我会讲到。
我的经验：刚入行时，我总觉得积分项越强越好，结果有一次在发动机慢车状态调试，积分饱和导致油门猛增，差点触发超温保护。后来我学乖了——积分项一定要加限幅和抗饱和处理。
4.2 在发动机控制中的应用场景
航空发动机控制，说白了就是管好燃油流量、可调叶片角度、放气活门这些执行机构。PID在这里面扮演什么角色？我举几个典型例子：
4.2.1 转速闭环控制
这是最经典的应用。给定一个目标转速（比如高压转子转速NH），通过调节燃油流量Wf来跟踪。我参与过一个项目，发动机在过渡态时转速波动很大，单纯靠P控制根本压不住，加了D之后才稳住。
4.2.2 温度限制保护
涡轮前温度T4是红线参数。我们通常用PID做温度限制器——当温度接近上限时，PID自动介入，把燃油流量往下拉。说白了就是“保命模式”。
4.2.3 可调静子叶片（VSV）控制
VSV角度需要随转速和压比调节。早期我用查表法，后来发现用PID做闭环控制，响应更快，而且能自适应发动机老化带来的偏差。
避坑指南：我曾经在VSV控制中直接用位置式PID，结果发现执行机构频繁抖动。后来改成增量式PID，输出变化更平滑，抖动问题就解决了。
4.3 参数整定方法：Ziegler-Nichols及其他
参数整定，说白了就是找Kp、Ki、Kd这三个数。很多新手喜欢一上来就调参，调了半天还是震荡。我建议先掌握经典方法。
4.3.1 Ziegler-Nichols频域法（闭环整定）
这个方法我用了很多年。步骤很简单：
- 先把Ki和Kd设成0，只留Kp。
- 慢慢增大Kp，直到系统输出出现等幅振荡。
- 记下此时的临界增益Ku和振荡周期Tu。
- 按下面表格计算参数：
| 控制器类型 | Kp | Ki | Kd |
|---|---|---|---|
| P | 0.5 * Ku | - | - |
| PI | 0.45 * Ku | 1.2 * Kp / Tu | - |
| PID | 0.6 * Ku | 2 * Kp / Tu | Kp * Tu / 8 |
注意：这个方法要求系统能稳定振荡。有些发动机模型在临界增益下会发散，这时候就别硬试了。我曾经在一个高增益的燃油计量阀上试过，结果振荡幅度越来越大，差点把执行机构烧了。
4.3.2 Ziegler-Nichols开环法（阶跃响应法）
这个方法更安全。给系统一个阶跃输入，记录响应曲线。找到滞后时间L和时间常数T，然后：
- P控制器：Kp = T / L
- PI控制器：Kp = 0.9 * T / L, Ki = 0.3 / L
- PID控制器：Kp = 1.2 * T / L, Ki = 0.6 / L, Kd = 0.5 * L
我个人习惯用这个方法做初值，然后再微调。你想想看，发动机这种大惯性系统，开环阶跃响应很容易做，而且安全。
4.3.3 工程实用技巧
除了Z-N法，我还会用以下方法：
- 试凑法：先调P到系统临界稳定，再加I消除静差，最后加D抑制超调。说白了就是“先粗调后细调”。
- 衰减曲线法：让系统出现4:1衰减振荡，记录参数。这个方法比Z-N法更温和，适合发动机这种对超调敏感的系统。
- 基于模型的自整定：现在很多数字控制器支持在线辨识参数。我最近在做一个项目，用递推最小二乘法在线估计发动机模型，然后自动计算PID参数。效果不错，但计算量稍大。
我的建议：初学者先别急着用高级方法。把Z-N法吃透，再结合试凑法，基本能解决90%的工程问题。我见过太多人一上来就搞什么模糊PID、神经网络PID，结果连基本参数都整定不好。
4.4 代码示例：增量式PID实现
下面是我常用的增量式PID代码，C语言风格，适合嵌入式实现：
typedef struct {
float Kp, Ki, Kd;
float error_prev; // 上一次误差
float error_prev2; // 上上次误差
float output; // 当前输出
} PID_Controller;
void PID_Init(PID_Controller *pid, float kp, float ki, float kd) {
pid->Kp = kp;
pid->Ki = ki;
pid->Kd = kd;
pid->error_prev = 0;
pid->error_prev2 = 0;
pid->output = 0;
}
float PID_Update(PID_Controller *pid, float setpoint, float measurement) {
float error = setpoint - measurement;
// 增量式输出
float delta = pid->Kp * (error - pid->error_prev)
+ pid->Ki * error
+ pid->Kd * (error - 2*pid->error_prev + pid->error_prev2);
pid->output += delta;
// 更新历史误差
pid->error_prev2 = pid->error_prev;
pid->error_prev = error;
return pid->output;
}使用提示：这段代码里我用了增量式，好处是输出不会突变，而且容易加限幅。实际使用时，记得在PID_Update后面加一句输出限幅，比如：if(pid->output > MAX_OUTPUT) pid->output = MAX_OUTPUT;
4.5 总结与思考
PID控制，说白了就是三个参数的博弈。在航空发动机领域，它之所以经久不衰，是因为简单、可靠、可解释。你想想看，一个飞控系统的安全认证有多严格？现代控制理论再漂亮，拿不出足够的验证数据，谁敢用？
我个人觉得，学PID控制，关键不是背公式，而是理解“反馈”的本质。发动机是一个非线性、时变的系统，但PID通过不断修正，硬是把它管得服服帖帖。这就是工程智慧。
下一章我们会讲更高级的现代控制方法，但请记住：先把PID玩透了，再谈别的。