詳解PID控制器原理
一、P – Proportional 比例
想象一下一個全速行進的機器人,假設傳感器上的值為1000。 現在,由於它的速度和慣性,它可能會超過一點, 當編寫程序時,這可能是一個大麻煩,你想盡可能的準確。這個問題如圖所示(x軸上的綠色標記代表理想距離):
在理想世界中,您告訴機器人在哪裡停止,它就停止在哪裡
但是,我們不是理想世界,如果我們突然告訴它停止,我們會有超調的問題,結果可能是這樣的:
現在這個超調不會是一個問題,如果它的距離總是相同的。然而,有很多變量可以改變它超出的距離。 例如:
- 電池電壓。 如果電池電量不足,則電機不能快速運行,會有較少的慣性, 在這種情況下,機器人超調變小
- 如果機器人碰到一些東西,那麼超調會變小
- 如果某些東西將機器人朝向想要行進的方向推動,則超調將會 變得更大
所以你可以看到,超調不好。 所以P控制器控制速度, 所以P控制器控制速度平穩地,讓它在接近目標時減速,以縮小超調。 這就是為什麼它被稱為比例控制器 – 輸出速度與要更改的值成比例,我們稱之為誤差(error)。
它是怎麼做的?
你有一個很好的變量,叫做誤差(error)。這將是根據這個值對應的傳感器的讀書,它還在變化,就像前文提到的。例如,誤差可以是剩下要走的距離,剩下的要提升的高度,需要繼續加熱的溫度,等等。
為瞭計算誤差,我們隻需減去傳感器給我們的讀數,這個讀書我們希望傳感器在完成後立即告訴我們。
誤差 =(目標值) – (傳感器讀數)
error = (target value) – (sensor reading)
因此,通過給出一些示例值來說明你想要的距離和它實際走過的距離,你會看到當它接近目標時,誤差會越來越小。
下面是幾個示例值:
目標值 | 當前傳感器讀數 | 誤差 |
---|---|---|
1000 | 200 | 800 |
1000 | 400 | 600 |
1000 | 600 | 400 |
1000 | 800 | 200 |
1000 | 1000 | 0 |
我們可以用這個來控制應用程序的速度,如果你想用一個簡單的P控制器,沒有I和D項。為此,我們可以寫:
error = (target value) – (sensor reading); speed = error;
另外,誤差值可能不太像我們想要的那樣。 這個值可能太高瞭,所以它超標瞭很多。 如果過調,它會嘗試和糾正過調(誤差將變成負數),所以你可以在在調試器或窗口觀察值和發生的情況,你將看到誤差在振蕩,超調然後過度校正。
或者,誤差值太小,但通常不會遇到這個問題。
對於任一問題,您可以更改誤差,以保持其比例因子,但你可以將錯誤乘以(或除)另一個數字,一個常數。 你可以稱之為任何你喜歡的名字,但它通常被稱為“Kp” – 比例組件的常數。
Kp = 0.5; while (condition) { error = (target value) – (sensor reading); speed = Kp * error; }
二、I – Integral 積分
所以代碼的比例部分已經得到瞭,所以剩下的誤差是相當小的。比例太小,不能產生很大的差異。這就是積分。積分是之前的誤差的總和。所以當你的誤差非常小,積分起到作用,但它實際上如何工作的呢?
積分想要得到它,使其行進足夠快以縮小誤差,但不要太快,因為那樣可能會有超調的風險.它通過慢慢加速的方式去決定走多快,積分可以想這樣計算
積分=積分+誤差* 時間增量
integral = integral + error*dT
以上的設置是這樣的,所以“積分”的新值等於(等號左側)
先前的“積分”值,加上(誤差*時間增量)。忽略時間增量部分,我稍後再來討論這個問題。
積分增加的方式可以如下表中所示(使用誤差為2 做例子):
Cycle # | Previous value for integral | Error | New value for integral |
---|---|---|---|
0 | 0 | 2 | 2 |
1 | 2 | 2 | 4 |
2 | 4 | 2 | 6 |
3 | 6 | 2 | 8 |
4 | 8 | 2 | 10 |
粗體的數字(New value for integral積分的新值)在不斷增加.
那麼我們如何將它添加到現有代碼中呢? 我們把它加起來。所以現在的速度是:
speed = (Kp * error) + integral
那麼現在加瞭積分偽代碼就變成這樣:
Kp = 0.5; while (condition) { error = (target value) – (sensor reading); integral = integral + error; speed = Kp*error + integral; }
就像比例部分的代碼一樣,我們需要對積分加上一個常數項。我將使用0.2作為Ki的一個例子值,盡管和K一樣,它隻是一個數字我隨便舉例的。
Kp = 0.5; Ki = 0.2; while (condition) { error = (target value) – (sensor reading); integral = integral + error; speed = Kp*error + Ki*integral; }
前文告訴過你忽略時間增量,但我現在就解釋一下
Integral = integral + error*dT
增量時間是必須的,因為循環不會總是花費同樣的時間完成每個周期,但是當每個周期花費同樣的時間時, dT可以合並到Ki中,如果每個周期不花費同樣的時間,隻需要將代碼用於每個周期,這樣你可以使用這個周期的時間作為你的增量時間
在這個教程裡,我們將假設周期之間的時間總是相同的,因此dT將被並入Ki。
這裡是關於積分的幾個問題:
問題1:
當你的誤差幾近於0時,你的積分可能任然是一個可以保持速度足夠高保持錯誤的變化的值,方程隻會自己達到0,如果它超過一個等於0 的誤差,那麼負誤差就會減去現有的積分.所以,如果速度任然很高來保持誤差,我們將面臨一個問題,是吧?
對於這個題,有一個非常簡單的解決方案,那就是在誤差達到0時重新設置積分,如下所示
Kp = 0.5; Ki = 0.2; while (condition) { error = (target value) – (sensor reading); integral = integral + error; if (error is 0) { integral = 0; } speed = Kp*error + Ki*integral; }
問題2:
它被稱為integral wind-up.它可以從一個大誤差開始,一旦循環開始運行,積分將開始構建。所以,在這個積分需要的時候
使用時,它的值已經遠遠超過可用的值。有一些簡單的解決辦法, 我列舉三個解決方案:
解決方案#1 –限制積分所能達到的值。如果太高,為什麼不給它加個限度?一個限制可以寫成如下:
if (integral is greater than or equal to the maximum value) { integral = maximum value; }
但是,如果積分太大,但它是負的形式(即,使速度相反)快速地,你需要重寫和上面一樣的,但是為負的版本的積分。
解決方案#2 – 限制積分允許建立的范圍。因此,如果錯誤對於積分來說太大瞭,我們可以禁用該范圍的積分。
if ( error is greater than useful for the integral ) { disable the integral (set the integral to 0); }
但同樣,就像在解決方案1中一樣,你需要重寫相同的但要是積分的負值。或者,如果您的編程語言支持使用一個絕對值的工具,您可以使用它使代碼更短,也許更簡單。
如何在代碼中實現絕對值的工具:
if ( abs(error) is greater than useful for the integral) { disable the integral (set the integral to 0); }
解決方案#3–限制積分允許積累的時間。這樣做有點復雜,但仍然可行。
對於本教程,我們將使用解決方案#2,因為它是最簡短的.
適合計算積分的范圍將為+/- 40,但隻是一個隨機數。 下面代碼的完整版(如果剩下的話會被稱為“PI控制“[比例積分控制])將是這樣的:
Kp = 0.5; Ki = 0.2; while (condition) { error = (target value) – (sensor reading); integral = integral + error; if (error = 0) { integral = 0; } if ( abs(error) > 40) { integral = 0; } speed = Kp*error + Ki*integral; }
三、D – Derivative 導數
PID代碼的最後一點——導數!導數的工作就是預測未來的誤差價值,然後進行相應的速度行為。例如,如果它認為它會過調,會使它慢下來。
為瞭能夠預測下一個誤差,我們需要知道先前的誤差,然後找到這兩者的區別。
derivative = ( (current error) – (previous error) ) / dT
這個公式將發現當前誤差和之前的誤差之間的變化,然後我們可以通過將其添加到當前誤差中來預測下一個誤差。就像積分一樣,導數是由dT影響的,但是一個循環的周期話費的時間總是相同的,dT可以合並到Kd。
這裡有一個表,展示瞭未來可能發生的誤差的例子,通過導數計算的:
Current error | Previous error | Next error (error + derivative) |
---|---|---|
50 | 55 | 45 |
20 | 30 | 10 |
2 | 3 | 1 |
5 | 15 | -5 |
在我們的代碼中,導數是用上面的方程計算出來的,然後加到速度上(在這裡也乘以Kd來達到縮放的目的)。
我們需要創建一個新的整數,來命名先前的誤差(或者任何一個你喜歡的方式,隻要它表示之前的誤差值),我們讓它更新自己在我們我們計算完導數後。我們可以用簡單的方式讓它更新,設置它的值為誤差值。
一下是完整的控制PID的偽代碼:
Kp = 0.5; Ki = 0.2; Kd = 0.1; while (condition) { error = (target value) – (sensor reading); integral = integral + error; if (error = 0) { integral = 0; } if ( abs(error) > 40) { integral = 0; } derivative = error – previous_error; previous_error = error; speed = Kp*error + Ki*integral + Kd*derivative; }
四、調整常數項
這是費時又費力的工作。 有很多不同的方法來調整Kp,Ki和Kd,我會盡我所能地解釋一下他們。 調整PID常數可以通過計算機程序完成,通過數學計算或通過手動調整, 我強烈建議您隨時查看誤差,速度等等,所以你可以看到距離到達目標還剩下多少需要改變。 使用調試器或類似的監視工具來檢查結果。
首先,瞭解調節PID控制器的規則很重要。 當每個常數增加時有什麼改變如下表所示。 常數 術語在左側的列中,並且它們具有的效果在頂行列出。
效果如下:
- Rise time – 從起點到目標點所需的時間
- Overshoot – 改變的量太大瞭; 值比錯誤更大
- Settling time – 遇到變化時需要解決的時間
- Steady-state error – 均衡時的誤差
- Stability – 速度的“平滑度”
當每個常數增加時會發生什麼?
Constant: | Rise time: | Overshoot: | Settling | Steady-state Stability: | Stability: |
---|---|---|---|---|---|
Kp | decrease | increase | Small change | decrease | degrade |
Ki | decrease | increase | increase | decrease | degrade |
Kd | minor change | decrease | decrease | No effect | Improve (if small enough) |
手工調優:
手動調優是完全由你自己完成的——沒有涉及到數學,但有時也會有些低效。我個人使用手動調優方法,因為我可以溫和地增加每一個常量,並且知道什麼時候會變得太高,而像ziegler – nichols方法這樣的數學方法,你永遠不會知道事情會怎樣發展,直到你嘗試之後。畢竟,在理論上,實踐和理論是一樣的,但在實踐中,它們不是。我調整常量的方式如下:
1.將Kp、Ki和Kd設置為0。這將使他們暫時癱瘓。
2.增加Kp直到誤差相當小,但是它仍然從開始到結束足夠快。
3.增加Kd,直到任何超過你可能擁有的覆蓋。但是小心Kd——太多會使它過度
4.增加Ki,直到任何仍然存在的錯誤被消除。從一個非常小的數字開始,不要驚訝,如果它小到0.0001甚至更小。
5.使用調整常量的規則(在上一頁的表格中),您可以稍微更改一些常量,以使其工作到最佳性能。
數學方式
@todo 試過再補充
工具方式
@todo試過再補充
五、補充
while循環:
您可能已經註意到,在我的所有偽代碼示例中,我將主代碼放在while循環中。 這是因為誤差變化時需要重新計算誤差,積分,微分和速度。 例如,如果您將速度計算一次,但不再次計算,則無法重新刷新並相應地更改速度 – 它將以原始速度繼續運行!
循環對PID控制器至關重要 – 不要忘記添加一個!
那麼,你如何讓它最終退出循環,每次當它完成瞭它的工作?
其中的一個常見的方法是,如果你知道它需要多長時間才能完成,你 可以將循環設置為指定的時間量(但顯然比它需要的稍微多一點),以確保它確實完成瞭循環。
另一種方法是檢測一旦誤差達到零,並且已經完成。如果你選擇這種方式,一定要註意確保它已經完全停止。舉個例子,如果你告訴它運行循環直到誤差達到0,如果有任何過度,沒什麼能做的,因為它將會停止(過度,錯誤必須通過一個點(0)。所以,你可以得到循環多長時間內誤差保持在0。如果它隻是在一個非常短的時間內處於0,那麼很有可能它已經被過度並且需要重新調整自己。或者,如果它在一段較長時間內保持在0的值,那麼說它已完全停止是安全的。
重新設置積分和之前的錯誤:
我前面已經講過瞭,有時你需要把積分重置為0,但是最後一次需要0的值。當您開始循環時,代碼會自動假設這個積分是0,之前的誤差是它應該的值。但是,如果循環已經運行,那麼這個積分的值和之前的錯誤仍然是原來的值。
這可以通過在循環開始之前設置積分值和前一個錯誤的值來確定。
六、總結
Proportional-你的誤差,在真實值和預期值之間。
error = (target value) – (sensor reading)
Integral – 先前誤差的運行和,用於在誤差很小的時候進行精細的調整。
integral = integral + error*dT
Derivative – 誤差的變化,用來預測下一個誤差可能是什麼。
derivative = ( (current error) – (previous error) ) / dT
The loop – 所有的計算都需要在循環中運行-不要忘記包含它!
將三個組件放在一起,再加上一些對Kp、Ki和Kd的精確值,您將擁有一個非常一致和精確的控制器。
七、調試口訣
參數整定找最佳,從小到大順序查,先是比例後積分,最後再把微分加,
曲線振蕩很頻繁,比例度盤要放大,曲線漂浮繞大灣,比例度盤往小扳,
曲線偏離回復慢,積分時間往下降,曲線波動周期長,積分時間再加長,
曲線振蕩頻率快,先把微分降下來,動差大來波動慢,微分時間應加長,
理想曲線兩個波,前高後低4比1
八、具體方法
(1)確定比例系數Kp
確定比例系數Kp時,首先去掉PID的積分項和微分項,可以令Ti=0、Td=0,使之成為純比例調節。輸入設定為系統允許輸出最大值的60%~70%,比例系數Kp由0開始逐漸增大,直至系統出現振蕩;再反過來,從此時的比例系數Kp逐漸減小,直至系統振蕩消失。記錄此時的比例系數Kp,設定PID的比例系數Kp為當前值的60%~70%。
(2)確定積分時間常數Ti
比例系數Kp確定之後,設定一個較大的積分時間常數Ti,然後逐漸減小Ti,直至系統出現振蕩,然後再反過來,逐漸增大Ti,直至系統振蕩消失。記錄此時的Ti,設定PID的積分時間常數Ti為當前值的150%~180%。
(3) 確定微分時間常數Td
微分時間常數Td一般不用設定,為0即可,此時PID調節轉換為PI調節。如果需要設定,則與確定Kp的方法相同,取不振蕩時其值的30%。
(4) 系統空載、帶載聯調
對PID參數進行微調,直到滿足性能要求。
以上就是詳解PID控制器原理的詳細內容,更多關於PID控制器的資料請關註WalkonNet其它相關文章!
推薦閱讀:
- 基於OpenMV的圖像識別之數字識別功能
- C++使用chrono庫處理日期和時間的實現方法
- vue3 獲取元素高度不準的問題
- python 基於pygame實現俄羅斯方塊
- vue3中hooks的簡介及用法教程