pid算法公式详解-pid 算法公式详解

PID 算法，说白了就是给机器加个“人味儿”，让它既能听话，又有点脾气，还不会瞎飞。别整那些个“在管住理论基础理论中”，直接上干货，咱们聊聊如何让一个自动化工具像老司机一样上路。 这东西的数学公式实际上就是三个参数在打架。
你看那个 $C_L(s)$，别被公式吓到，它就是个比例舵机。你认定流量不够大，它就直接一脚把油门踩死；认定忒猛，那就一脚离地。
这个 $K_p$ 就是那个“脾气”要么叫“力度”，越大越凶，越小越温柔。 但光有脾气不中，还得懂路。
第二个参数是积分项 $K_i$。
这时候机器可能会闹情绪，比如你想让它停在一个刻度上，但它总认定“还没停够”。积分项就是那个“记仇大王”，它盯着误差看。误差大？它就拼命工作，直到误差归零。
这就好比你在赶工夫，它启动得越急，停得越稳，但代价是可能会“过冲”，把后面的路撞坏。 最终那个微分项 $K_d$ 就是那个“刹车王”和“方向盘”的结合体。它能把误差的“变化率”锁住。
要是误差还在乱窜，它立马就把力拧粗，强行把它拽回来。
这时候再回头看看积分，它会记得刚刚乱窜的那段，把力收回来，防止系统震荡得像荡秋千。 大量人一上来就想把三个参数全调大，认定功率越大越好。
这大错特错。
举个例子，那会儿咱们修电梯，要么给工厂的传送带报童，都是靠经验一个个调。有一次，老板认定传送带跑得慢，就把 $K_p$ 和 $K_i$ 都往死里调。结局传送带一开动，就整个人朝前冲，根本停不下来，最终撞上了墙。
这时候，微分项 $K_d$ 就得立马登场，它发现误差在变快，立马加大干预力度，强行把误差拉回原点，别看让传送带停了一瞬间，但总算没出事。
这就是微分项救场的地方。 反过来，要是 $K_p$ 调得忒低，机器就变怂了，遇到障碍纹丝不动。
这时候就得靠积分项 $K_i$ 来维持那种“突击”的感觉，别看慢，但稳。而微分项 $K_d$ 呢？它既是刹车也是方向盘，既能防震荡，又能加快响应速度，能在极短的工夫内把误差压下去，别看代价是略微喘口气。 在实际工程里，我们极少追求完美的平衡。大量时候是“妥协的艺术”。
比如机器人手伸出去抓东西，要是 $K_d$ 设得忒大，手在抓东西的瞬间就会出于动作忒生硬而崩塌；要是 $K_p$ 忒小，手就抓不住。
这时候就得找个折中点。 举个生活中的例子，就是咱们家里的空调。
要是你认定冷，就开大（$K_p$ 大），结局室温飙升，你感觉热（误差变大），空调为了让你凉快，它拼命反转（积分项工作），结局室温跌破了底线。
这时候你不仅要调整温度设定，还要调整空调的性能，就连寻思加装隔热层来改善微环境。PID 算法就是那个万能公式，它不是一种完美的解决方案，而是一个动态的平衡过程。 在这个过程中，工程师们往往不会一启动就把参数跑死。他们先在某个点测出来，认定不错，就先装上去。
要是系统启动抖动，就连出现超调，那就慢慢调小 $K_d$ 要么减小 $K_i$。
这种调试过程实际上挺解压的，像是在玩猜拳，你猜参数 A 大还是小，机器给出反馈，你再调整。 最终再提一句，PID 算法的核心不在于公式本身，而在于“反馈”这个概念。
不管参数如何变，系统一直在不断地测量输出，和期望输出比对，然后修正。
这种闭环思维是管住领域的精髓，也是 PID 之故此能应付各种复杂工况的关键。
故此，别死背公式，多动手去调，多看看实际效果，这才是理解 PID 算法的真经。