PID参数理解及调参方法（附典型PID算法程序）
PID参数的意义
Kp是加快系统响应速度，提高系统的调节精度； Ki用于消除稳态误差； Kd改善系统的稳态性能
调PID步骤
(1) 确定比例系数Kp 确定比例系数Kp 时，首先去掉PID 的积分项和微分项，可以令Ti=0、Td=0，使之成为 纯比例调节。输入设定为系统允许输出最大值的60％～70％，比例系数Kp 由0 开始逐渐增 大，直至系统出现振荡；再反过来，从此时的比例系数Kp 逐渐减小，直至系统振荡消失。 记录此时的比例系数Kp，设定PID 的比例系数Kp 为当前值的60％～70％。
(2) 确定积分时间常数Ti 比例系数Kp 确定之后，设定一个较大的积分时间常数Ti，然后逐渐减小Ti，直至系统出现 振荡，然后再反过来，逐渐增大Ti，直至系统振荡消失。记录此时的Ti，设定PID 的积分 时间常数Ti 为当前值的150％～180％。
(3) 确定微分时间常数Td 微分时间常数Td 一般不用设定，为0 即可，此时PID 调节转换为PI 调节。如果需要设定， 则与确定Kp 的方法相同，取不振荡时其值的30％。
(4) 系统空载、带载联调 对 PID 参数进行微调，直到满足性能要求。
为了达到比较好的效果一般不采用整数，但同时为了减轻单片机的负担，通常放大2^n这些参数进行运算，在运算结果中再除以2 ^n，因为单片机可以用移位来完成，速度比较快，常使用8倍或16倍放大，注意这三个参数采用相同的放大比例，而且最后一定要还原。
典型PID算法程序
位置式PID算法
这个程序是网上搜集而来的，我在此有疑惑，这个经典程序并没有设置采样周期，这会造成极大的CPU资源浪费，是不是采样周期还需要自己写？还是说模糊PID控制可以不设定采样周期，有热心的网友麻烦评论告诉我一下
增量式PID算法，增量式运算量没有位置式那么大，适合单片机。例程如下 下面的程序是直接给A、B、C赋值，准确的说不算是直接调Kp/Ki/Kd
typedef struct PID
{
int SetPoint; //设定目标 Desired Value
long SumError; //误差累计
double Proportion; //比例常数 Proportional Const
double Integral; //积分常数 Integral Const
double Derivative; //微分常数 Derivative Const
int LastError; //Error[-1]
int PrevError; //Error[-2]
} PID;
static PID sPID;
static PID *sptr = &sPID;
/*====================================================================================================
Initialize PID Structure PID参数初始化
=====================================================================================================*/
void IncPIDInit(void)
{
sptr->SumError = 0;
sptr->LastError = 0; //Error[-1]
sptr->PrevError = 0; //Error[-2]
sptr->Proportion = 0; //比例常数 Proportional Const
sptr->Integral = 0; //积分常数Integral Const
sptr->Derivative = 0; //微分常数 Derivative Const
sptr->SetPoint = 0;
}
/*====================================================================================================
增量式PID计算部分
=====================================================================================================*/
int IncPIDCalc(int NextPoint)
{
register int iError, iIncpid; //当前误差
iError = sptr->SetPoint - NextPoint; //增量计算
iIncpid = sptr->Proportion * iError //E[k]项
- sptr->Integral * sptr->LastError //E[k－1]项
+ sptr->Derivative * sptr->PrevError; //E[k－2]项
//存储误差，用于下次计算
sptr->PrevError = sptr->LastError;
sptr->LastError = iError;
//返回增量值
return(iIncpid);
}
