PID控制能满足相当多的工业对象的控制要求,尤其适用于可建立精确模型的确定性控制系统。由于其算法简单,鲁棒性强和可靠性高适合多数控制系统中,可以结合采用自适应、模糊、滑模、神经网络等智能控制以增强控制性能和适应环境的能力。

首先从理论原则出发:通过实际运行,由液晶屏观察输出曲线与给定曲线之间相似度,根据各种参数对系统的影响,反复调节试凑。

        1.整定比例部分:先将比例系数Kp由小调到大,直到得到超调小,反应快的响应曲线,当没有静差或者静差已经小到允许范围,确定最优比例系数。

        2.积分环节,先将积分常数Ti为最大值,比例系数略微缩小,然后减少积分时间常数,保持良好的情况下消除静差。

        3.加入微分环节:当使用比例积分控制器能消除静差,但动态过程不满意,再加入微分环节,构成PID控制器,逐步地增大微分时间常数,逐步试凑。

        比例作用:迅速消除误差,加大比例系数,可以减少静差,但不能消除稳态误差,过大容易引起不稳定。

        积分作用:消除静差,但容易引起超调,甚至出现振荡。

        微分作用:减小超调,克服振荡,提高稳定性,改善系统动态特性。

机器学习PID参数 pid算法的参数如何确定_时间常数

 

机器学习PID参数 pid算法的参数如何确定_积分控制_02

增量式PID公式:

机器学习PID参数 pid算法的参数如何确定_积分控制_03

算法流程图:

机器学习PID参数 pid算法的参数如何确定_积分控制_04

 

PID具体调参方面:

  1. 起初通过按键进行对调参,根据调参原则手动调参,并尝试看看我们采用的驱动方式是否合适
  2. 通过在程序上对参数进行调整。                    

        采用位置方式?PID算法控制流程:初始设定目标转速(对应左右轮子的转速),PID开始响应时将采集电机实际转速与目标转速,比较后得出偏差值E,进而代入PID计算公式得到调整量,即更新后的PWM的占空比,再进行不断调节处理,直至电机转速稳定在一个小范围上下波动。

        为什么采用增量式PID而不选择位置式PID呢?

        增量式PID算法的无需累积增加,控制增量△Uk与最新三次采样值相关;每次只输出控制增量△Uk,则当发生故障时排除故障点范围大大缩小;当控制手动与自动相互切换时其冲击小,基本上可以做到无干扰切换。