增量式PID是什么?不知道你就落伍了 |
您所在的位置:网站首页 › 什么是演变算式 › 增量式PID是什么?不知道你就落伍了 |
目录
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( 简易PID算法的快速扫盲 )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 ,即可得到输出 ; 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 ; 作为Process的输入值(可以是PWM的占空比),最终Process输出相应的PWM驱动直流电机; 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 ,系统中保存上一次的偏差 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 加上增量 ,就是本次控制周期的PID输出—— ; 作为Process的输入值(可以是PWM的占空比),最终Process输出相应的PWM驱动直流电机; 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; -END- 往期好文合集 PID到底是个啥?来给你讲个故事 再论PID,PID其实很简单。。。 电子设计竞赛(4)-常用的两种PID算法 最 后 若觉得文章不错,转发分享,也是我们继续更新的动力。 5T资源大放送!包括但不限于:C/C++,Linux,Python,Java,PHP,人工智能,PCB、FPGA、DSP、labview、单片机、等等! 在公众号内回复「更多资源」,即可免费获取,期待你的关注~ |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |