PID控制算法的改进与实现：提高鲁棒性与适应性

1. 传统PID的局限性#

传统 PID 控制器（Proportional-Integral-Derivative）凭借结构简单、鲁棒性好在工业中占据统治地位。但在工程实践中，开发者常遇到以下挑战：

执行器饱和：电机电压或阀门开度有极限，导致积分项盲目累积。
参数时变：系统负载或环境（如温度、风力）变化，导致预设参数失效。
测量噪声：微分项对高频噪声极度敏感，容易导致输出剧烈震荡。

2. 抗饱和 PID 控制（Anti-Windup）#

核心痛点： 当偏差长时间存在（如电机被卡死），积分项会累积到极大值。即使偏差消失，系统也需要很长时间才能退饱和，导致严重的超调。

改进方案： 引入积分限幅或反计算（Back-calculation）。

C语言工程实现#

1
typedef struct {
2
    float Kp, Ki, Kd;
3
    float integral;
4
    float prev_error;
5
    float out_max, out_min; // 输出限幅
6
    float i_max;            // 积分限幅（关键）
7
} AntiWindupPID;
8

9
float AntiWindupPID_Compute(AntiWindupPID *pid, float setpoint, float actual) {
10
    float error = setpoint - actual;
11

12
    // 1. 比例项
13
    float p_out = pid->Kp * error;
14

15
    // 2. 积分项：带抗饱和逻辑
16
    pid->integral += error;
17
    if (pid->integral > pid->i_max) pid->integral = pid->i_max;
18
    else if (pid->integral < -pid->i_max) pid->integral = -pid->i_max;
19
    float i_out = pid->Ki * pid->integral;
20

21
    // 3. 微分项
22
    float d_out = pid->Kd * (error - pid->prev_error);
23
    pid->prev_error = error;
24

25
    float output = p_out + i_out + d_out;
26

27
    // 4. 输出限幅
28
    if (output > pid->out_max) return pid->out_max;
29
    if (output < pid->out_min) return pid->out_min;
30
    return output;
31
}

3. 滑模 PID 控制（Sliding Mode PID）#

核心痛点： 传统 PID 对模型参数变化（如由于磨损导致的摩擦力改变）抵抗力弱。

核心原理： 定义一个滑模面，通常由偏差和偏差变化率线性组合而成。通过非线性控制律强迫系统状态向该平面靠拢。

C语言代码实现#

1
typedef struct {
2
    float Kp, Ki, Kd;
3
    float lambda; // 滑模增益
4
    float prev_error;
5
} SMPID;
6

7
float SMPID_Compute(SMPID *pid, float setpoint, float actual) {
8
    float e = setpoint - actual;
9
    float de = e - pid->prev_error;
10

11
    // 计算滑模切换面 s = de + lambda * e
12
    float s = de + pid->lambda * e;
13

14
    // 基础PID输出 + 滑模切换控制（这里使用简单的符号函数扩展）
15
    float u_pid = pid->Kp * e + pid->Kd * de;
16
    float u_smc = pid->Ki * (s > 0 ? 1.0f : -1.0f); // 切换项减少静态误差
17

18
    pid->prev_error = e;
19
    return u_pid + u_smc;
20
}

4. 鲁棒 PID 控制（Robust PID）#

核心原理： 针对噪声和外部随机扰动，在 PID 输出中加入不确定性补偿补偿。其思路是假设扰动是有界的，通过增加额外的阻尼项来抵消扰动。

核心实现逻辑#

鲁棒 PID 往往通过动态调整增益来应对误差范围。当误差较大时，增大比例作用快速收敛；误差小时，减小作用防止震荡。

1
float RobustPID_Compute(RobustPID *pid, float setpoint, float actual) {
2
    float error = setpoint - actual;
3
    // 动态调整因子：误差越大，自适应调整项越强
4
    float adjustment = pid->uncertainty_factor * (error * error);
5

6
    float output = (pid->Kp + adjustment) * error + ... // 结合积分与微分
7
    return output;
8
}

5. 算法选择建议#

算法类型	适用场景	优势	劣势
抗饱和 PID	阀门、电机控制、电源限流	物理执行器安全保护	参数增加，需额外整定积分阈值
滑模 PID	强干扰环境、不确定机械系统	极强的抗干扰能力	容易产生震荡（抖振）
遗传算法优化	离线参数整定、复杂多变量系统	自动化整定，无需人工经验	计算量巨大，不适合嵌入式在线运行

6. 总结与展望#

在实际工程中，建议遵循“先基础、后改进”的原则。对于大多数硬件项目，抗饱和 PID + 微分低通滤波（针对噪声）即可满足 90% 的需求。只有在高性能航模或精密机床上，才需要考虑滑模或鲁棒控制。