描述

位置式PID的C语言写法详解

PID调节口诀：

参数整定找最佳，从小到大顺序查

先是比例后积分，最后再把微分加

曲线振荡很频繁，比例度盘要放大

曲线漂浮绕大湾，比例度盘往小扳

曲线偏离回复慢，积分时间往下降

曲线波动周期长，积分时间再加长

曲线振荡频率快，先把微分降下来

动差大来波动慢，微分时间应加长

理想曲线两个波，前高后低4比1

一看二调多分析，调节质量不会低

下面以PID调节器为例，具体说明经验法的整定步骤：

A.、让调节器参数积分系数S0=0，实际微分系数k=0，控制系统投入闭环运行，由小到大改变比例系数S1，让扰动信号作阶跃变化，观察控制过程，直到获得满意的控制过程为止。

B、取比例系数S1为当前的值乘以0.83，由小到大增加积分系数S0，同样让扰动信号作阶跃变化，直至求得满意的控制过程。

C、积分系数S0保持不变，改变比例系数S1，观察控制过程有无改善，如有改善则继续调整，直到满意为止。否则，将原比例系数S1增大一些，再调整积分系数S0，力求改善控制过程。如此反复试凑，直到找到满意的比例系数S1和积分系数S0为止。

D、引入适当的实际微分系数k和实际微分时间TD，此时可适当增大比例系数S1和积分系数S0。和前述步骤相同，微分时间的整定也需反复调整，直到控制过程满意为止。

PID参数是根据控制对象的惯量来确定的。大惯量如：大烘房的温度控制，一般P可在10以上，I=3-10，D=1左右。小惯量如：一个小电机带一台水泵进行压力闭环控制，一般只用PI控制。P=1-10，I=0.1-1，D=0，这些要在现场调试时进行修正的。

PID参数的设置的大小，一方面是要根据控制对象的具体情况而定；另一方面是经验。P是解决幅值震荡，P大了会出现幅值震荡的幅度大，但震荡频率小，系统达到稳定时间长；I是解决动作响应的速度快慢的，I大了响应速度慢，反之则快；D是消除静态误差的，一般D设置都比较小，而且对系统影响比较小。对于温度控制系统P在5-10%之间；I在180-240s之间；D在30以下。对于压力控制系统P在30-60%之间；I在30-90s之间；D在30以下。

这里介绍一种经验法。这种方法实质上是一种试凑法，它是在生产实践中总结出来的行之有效的方法，并在现场中得到了广泛的应用。

这种方法的基本程序是先根据运行经验，确定一组调节器参数，并将系统投入闭环运行，然后人为地加入阶跃扰动(如改变调节器的给定值)，观察被调量或调节器输出的阶跃响应曲线。若认为控制质量不满意，则根据各整定参数对控制过程的影响改变调节器参数。这样反复试验，直到满意为止。

经验法简单可靠，但需要有一定现场运行经验，整定时易带有主观片面性。当采用PID调节器时，有多个整定参数，反复试凑的次数增多，不易得到最佳整定参数。

PID是比例，积分，微分的缩写。

比例调节作用：是按比例反应系统的偏差，系统一旦出现了偏差，比例调节立即产生调节作用用以减少偏差。比例作用大，可以加快调节，减少误差，但是过大的比例，使系统的稳定性下降，甚至造成系统的 不稳定。

积分调节作用：是使系统消除稳态误差，提高无差度。因为有误差，积分调节就进行，直至无差，积分调节停止，积分调节输出一常值。积分作用的强弱取决与积分时间常数Ti，Ti越小，积分作用就越强。反之Ti大则积分作用弱，加入积分调节可使系统稳定性下降，动态响应变慢。积分作用常与另两种调节规律结合，组成PI调节器或PID调节器。

微分调节作用：微分作用反映系统偏差信号的变化率，具有预见性，能预见偏差变化的趋势，因此能产生超前的控制作用，在偏差还没有形成之前，已被微分调节作用消除。因此，可以改善系统的动态性能。在微分时间选择合适情况下，可以减少超调，减少调节时间。微分作用对噪声干扰有放大作用，因此过强的加微分调节，对系统抗干扰不利。此外，微分反应的是变化率，而当输入没有变化时，微分作用输出为零。微分作用不能单独使用，需要与另外两种调节规律相结合，组成PD或PID控制器。

位置式PID算法的C语言代码

typedef struct{

float limit; //输出限幅

float target; //目标量

float feedback; //反馈量

float Kp;

float Ki;

float Kd;

float eSum;

float e0; //当前误差

float e1; //上一次误差

}PIDType;

#define max(a， b) (a〉b？ a:b)

#define min(a， b) (a《b？ a:b)

#define range(x， a， b) (min(max(x， a)， b))

float pid_pos_update(PIDType *p)

{

float pe， ie， de;

float out=0;

//计算当前误差

p-〉e0 = p-〉target - p-〉feedback;

//误差积分

p-〉eSum += p-〉e0;

//误差微分

de = p-〉e0 - p-〉e1;

pe = p-〉e0;

ie = p-〉eSum;

p-〉e1 = p-〉e0;

out = pe*(p-〉Kp) + ie*(p-〉Ki) + de*(p-〉Kd);

//输出限幅

out = range(out， -p-〉limit， p-〉limit);

return out;

}

打开APP精彩内容

点击阅读全文