- 1 什么是增量式PID?
- 2 举个例子
- 2.1 位置式PID
- 2.2 增量式PID
- 3 伪算法
- 4 C语言实现
- 5 总结
在之前一篇博客中简单介绍了PID算法的基本原理和位置式算法的实现过程，由于部分推导过程已经在上一篇文章做过介绍，所以推导过程本文不再赘述，重点将对离散增量式PID的算法进行实现。
1 什么是增量式PID?
先看一下增量式PID的离散公式如下：
：比例系数
：积分系数
：微分系数
：偏差
对于所谓的位置式，增量式的算法，这两者只是在算法的实现上的存在差异，本质的控制上对于系统控制的影响还是相同，单纯从输入和输出的角度来比较，具体如下表所示；
这里简单的说明一下；
- 位置式：位置式算法较为简单，直接输入当前的偏差
；
- 增量式：增量式算法需要保存历史偏差，
，即在第
次控制周期时，需要使用第
和第
次控制所输入的偏差，最终计算得到
，此时，这还不是我们所需要的PID输出量；所以需要进行累加；
不难发现第一次控制周期时，即时；
由以上公式我们可以推导出下式；
所以可以看出，最终PID的输出量，满足以下公式；
可见增量式算法，就是所计算出的PID增量的历史累加和；
2 举个例子
2.1 位置式PID
下面从一个简单的例子中去理解一下增量式PID，这里依然举一个不是很恰当的例子； 如果是位置式PID算法的话：
- 隆哥对一个直流电机进行调速，设定了转速为 1000；
- 这时由于反馈回来的速度和设定的速度偏差为
；
- 经过位置式PID计算得到
- 反馈装置检测到电机转速，然后重复以上步骤；
整体框图如下所示；
2.2 增量式PID
对于增量式PID来说；
- 隆哥对一个直流电机进行调速，设定了转速为 1000；
- 这时由于反馈回来的速度和设定的速度偏差为
和上上次的偏差
，这三个输入量经过增量PID计算得到
- 系统中还保存了上一次的PID输出的
，所以
- 反馈装置检测到电机转速，然后重复以上步骤；
整体框图如下所示；
所以这里不难发现，所谓增量式PID，它的特点有：
- 需要输入历史的偏差值；
- 计算得到的是PID输出增量，因此每一次需要累加历史增量最为当前的PID输出；
下面简单介绍一下如何实现增量式PID算法；
3 伪算法
previous02_error := 0 //上上次偏差
previous01_error := 0 //上一次偏差
integral := 0 //积分和
pid_out := 0 //pid增量累加和
//循环
//采样周期为dt
loop:
//setpoint 设定值
//measured_value 反馈值
error := setpoint − measured_value //计算得到偏差
proportion := error - previous01_error //计算得到比例输出
integral := error × dt //计算得到积分累加和
derivative := (error − 2*previous01_error + previous02_error) / dt //计算得到微分
pid_delta := Kp × error + Ki × integral + Kd × derivative //计算得到PID增量
pid_out := pid_out + pid_delta //计算得到PID输出
//保存当前的偏差和上一次偏差作为下一次采样所需要的历史偏差
previous02_error := previous01_error
previous01_error := error //保存当前偏差为下一次采样时所需要的历史偏差
wait(dt) //等待下一次采用
goto loop
4 C语言实现
这里直接使用了TI公司的PID算法，做了积分抗饱和；具体可以参考
controlSUITE\libs\app_libs\motor_control\math_blocks\v4.2\pid_grando.h具体代码如下所示；
pid_grando.h/* =================================================================================
File name: PID_GRANDO.H
===================================================================================*/
#ifndef __PID_H__
#define __PID_H__
typedef struct { _iq Ref; // Input: reference set-point
_iq Fbk; // Input: feedback
_iq Out; // Output: controller output
_iq c1; // Internal: derivative filter coefficient 1
_iq c2; // Internal: derivative filter coefficient 2
} PID_TERMINALS;
// note: c1 & c2 placed here to keep structure size under 8 words
typedef struct { _iq Kr; // Parameter: reference set-point weighting
_iq Kp; // Parameter: proportional loop gain
_iq Ki; // Parameter: integral gain
_iq Kd; // Parameter: derivative gain
_iq Km; // Parameter: derivative weighting
_iq Umax; // Parameter: upper saturation limit
_iq Umin; // Parameter: lower saturation limit
} PID_PARAMETERS;
typedef struct { _iq up; // Data: proportional term
_iq ui; // Data: integral term
_iq ud; // Data: derivative term
_iq v1; // Data: pre-saturated controller output
_iq i1; // Data: integrator storage: ui(k-1)
_iq d1; // Data: differentiator storage: ud(k-1)
_iq d2; // Data: differentiator storage: d2(k-1)
_iq w1; // Data: saturation record: [u(k-1) - v(k-1)]
} PID_DATA;
typedef struct { PID_TERMINALS term;
PID_PARAMETERS param;
PID_DATA data;
} PID_CONTROLLER;
/*-----------------------------------------------------------------------------
Default initalisation values for the PID objects
-----------------------------------------------------------------------------*/
#define PID_TERM_DEFAULTS { \
0, \
0, \
0, \
0, \
0 \
}
#define PID_PARAM_DEFAULTS { \
_IQ(1.0), \
_IQ(1.0), \
_IQ(0.0), \
_IQ(0.0), \
_IQ(1.0), \
_IQ(1.0), \
_IQ(-1.0) \
}
#define PID_DATA_DEFAULTS { \
_IQ(0.0), \
_IQ(0.0), \
_IQ(0.0), \
_IQ(0.0), \
_IQ(0.0), \
_IQ(0.0), \
_IQ(0.0), \
_IQ(1.0) \
}
/*------------------------------------------------------------------------------
PID Macro Definition
------------------------------------------------------------------------------*/
#define PID_MACRO(v) \
\
/* proportional term */ \
v.data.up = _IQmpy(v.param.Kr, v.term.Ref) - v.term.Fbk;\
\
/* integral term */ \
v.data.ui = _IQmpy(v.param.Ki, \
_IQmpy(v.data.w1, (v.term.Ref - v.term.Fbk))) + v.data.i1;\
v.data.i1 = v.data.ui; \
\
/* derivative term */ \
v.data.d2 = _IQmpy(v.param.Kd, _IQmpy(v.term.c1, \
(_IQmpy(v.term.Ref, v.param.Km) - v.term.Fbk))) - v.data.d2; \
v.data.ud = v.data.d2 + v.data.d1; \
v.data.d1 = _IQmpy(v.data.ud, v.term.c2); \
\
/* control output */ \
v.data.v1 = _IQmpy(v.param.Kp, (v.data.up + v.data.ui + v.data.ud)); \
v.term.Out= _IQsat(v.data.v1, v.param.Umax, v.param.Umin); \
v.data.w1 = (v.term.Out == v.data.v1) ? _IQ(1.0) : _IQ(0.0); \
#endif // __PID_H__
example/* Instance the PID module */
PID pid1={ PID_TERM_DEFAULTS, PID_PARAM_DEFAULTS, PID_DATA_DEFAULTS };
main() {
pid1.param.Kp = _IQ(0.5);
pid1.param.Ki = _IQ(0.005);
pid1.param.Kd = _IQ(0);
pid1.param.Kr = _IQ(1.0);
pid1.param.Km =_IQ(1.0);
pid1.param.Umax= _IQ(1.0);
pid1.param.Umin= _IQ(-1.0);
}
void interrupt periodic_interrupt_isr() {
pid1.Ref = input1_1; // Pass _iq inputs to pid1
pid1.Fbk = input1_2; // Pass _iq inputs to pid1
PID_MACRO(pid1); // Call compute macro for pid1
output1 = pid1.Out; // Access the output of pid1
}
5 总结
本文简单总结了位置式PID算法和增量式PID算法的差异，参考了TI公司的增量式PID算法实现，对于不同的控制对象可以根据系统要求选择合适的PID算法；
由于作者能力和水平有限，文中难免存在错误和纰漏，请不吝赐教。
评论（0）
您还未登录，请登录后发表或查看评论