编辑导语:PID控制算法应该是一种常见且应用广泛的算法，在无人机、平衡车等中经常用到。控制速度和状态；本文介绍了自动控制算法PID的原理和应用。让我们来看看。

生活中的一些小电器，无人机的飞行姿态和飞行速度控制等。都适用于PID——PID控制是自动控制原理中的经典算法。

我们经常看到这种设备，但是我们没有去关注它，也没有去发现它，没有去深入探索它，没有去主动搜索它的原理。

为什么产品经理需要保持强烈的好奇心？发现生活中和身边的美好，发掘为我所用。

比如我们家的恒温热水器，小米的平衡车，我们常说的自动驾驶，无人机，扫地机，消防服务机器人等等，应用非常广泛。

无论你是否学过控制理论，只要涉及到机电一体化系统，你一定会接触到PID控制算法。

为什么需要PID控制器？

你肯定用过恒温热水壶。你想让热水壶里的水保持恒温。回家就可以喝了。你不需要等水烧开后再等它冷却到适合饮用的温度。

这时就需要一种算法将水温加热到目标位置附近，能够“预见”水温的变化趋势，然后根据各种环境因素造成的误差进行调整，维持设定的目标。

当然热水壶不需要那么高的精度，可能只有PD才能做到。

就是比如在自动驾驶中，需要让汽车保持一定的设定速度行驶，或者让汽车保持在固定的车道上行驶，这就需要非常精确。

现在你知道PID是什么了吧！

接下来，我们来了解一下他的原理。

1.PID是什么？

PID，即比例比例、积分积分、微分导数的缩写；比例积分微分控制，简称PID控制。

简单来说，就是根据给定值和实际输出值，形成控制偏差，将偏差通过比例、积分、微分进行线性组合，形成控制量来控制被控对象。

常规PID控制器是一种线性控制器。

2.PID原理

通用PID控制原理图:

该系统由PID控制器和被控对象(通常是执行机构，如电机等)组成。).

既然知道了PID控制器的工作原理，为什么还需要比例、积分、微分这三个环节呢？具体功能是什么？

从时间上看，比例作用是针对控制当前系统误差，积分作用是针对系统误差的历史，微分作用反映系统误差的变化趋势。三者的结合是“过去、现在、未来”的完美结合。

引用百度的标准解释:

这个例子有点极端。假设你要在高速公路上跟你前面的车走100米，假设你前面的车是匀速自动驾驶巡航。

这时候你把三个环节想成你自己=比例，你的另外两个兄弟，一个是微分，一个是积分。

现在你的车相距300m，你踩下油门，车快速加速，开始接近目标。

你的车正在慢慢接近100米的目标。

这时，你的兄弟“微分”说:“兄弟，慢点！！快到了。”这就是分化的作用，对未来的判断和控制。

你肯定不会一下子调整好这个和车的距离。可能你一次不到100m，然后跟踪距离超过100m。

就这样，你和你哥就这样来回调整，最后把车距调整到了100m左右(极端的，不可能人为做到)。

但是路上有坑洼、风阻、上坡环境干扰因素。

这个时候，你很久没说话的哥哥的“积分”就发挥作用了。他一直在监控你稳驾的误差(100米的稳定状态和车)，然后计算并告诉你该给多大的油门。

至此，我想我应该对PID有了初步的了解。

接下来，我们通过一个略显详细的例子来了解PID的三个环节是如何工作的。

我们就拿大热的自动驾驶仪做个简单的例子。自动驾驶有两个直观的应用，一个是保持固定车道，一个是保持固定速度。

保持固定车道就是控制方向盘，保持固定速度就是控制油门；两者都很直观，我们就以定速(匀速巡航)为简单例子。

定速巡航也是一项非常成熟的技术，已经成为很多中低端车型上的标配。

1.先说P-比例调节。

现在我们想让我们的车在高速公路上保持100km/h的速度行驶，目前的速度是40 km/h。

达到100km/h有三种方法:

对应的P值是:大、中、小。

直观反应对比如图所示:

从图中可以看出:

说到这，你可能明白了。

车辆响应的速度和时间取决于P的值——即P值越大，车辆响应越快，时间越短。

p值大，虽然反应快，但反应激烈，类似突然加速，坐在车里有强烈的推背感；相应的，在接近目标时，由于惯性很容易超调，而为了抑制过度超调，需要猛踩刹车，骑手身体前倾。

另外，由于惯性大，车辆调整到100km/h的匀速需要更长的时间，因为车辆调整震动需要更长的时间。

这种骑行体验不是很好，这就要求我们设定一个合理的P值，车辆的反应没有那么激烈，反应时间是你能接受的。

类似开车，你用S挡(有的叫运动挡，有的叫超车挡)超车，动力输出更大，提速更快，然后换到D挡(行驶挡)维持；你可以感觉到，同样的油门，S挡和D挡的响应不一样，P值的设定也不一样。

好吧，你有P为什么还需要D？

人的欲望是没有止境的。我们总是希望越多越好，越快越好(前提是给的越少越好)。

这时候引入一个D，反应速度稍微快一点，但是反应没有那么激烈；即在P值适中的情况下，达到100的速度比只有P的速度更快(用时更少)，但车辆没有剧烈振荡(比没有D的更温和)。

2.微分调节

为了不让车速超调，我们给他一个反向减速。即车辆越接近100，求解100的速度越慢；与100km/h的差距越大，接近速度越快。

注意，这个速度不是车辆的行驶速度，而是达到目标速度100的时间。

这可能不太好理解。这相当于你的车速是90 km/h，为了防止超调，你这个时候开始松油门，速度更快。当你达到95km/h时，油门会慢慢松开。

设置d值也有三种情况:

直观的响应比较图表:

p值不变前提下d值影响的变化表现。

d值太大，减速度就大，也可以理解为目标速度100附近阻力大。那么就需要更长的时间才能达到目标。

D的值太小，虽然可以快速达到目标，但是D对P的影响不够，容易超调，需要多次调整才能进入稳定状态。

在P和D的相互作用和调节的控制下，最终的理想状态如下。

既能在相对较快的时间内达到目的，又不会因剧烈反应而引起不适。

有P有D就完美了吗？看似完美，但如果想更完美，就需要引入一个I词条。

3.I积分调整

有了P和D，看似完美，但世界是不稳定的，没有不变的状态。正所谓“万物不变，唯一不变的是变”。

你终于在100km/h后稳定了你的车辆，但仍然有两个因素，内部和外部。

本质上，你的汽车的燃料效率正在改变。对外，风阻和路况(如摩擦比、平整度、轻微坡度等。)都在改变。这些干扰因素都会影响车辆的恒定目标速度。

所以I(积分)会介入检测过去一段时间车速的状态，然后进行积分适当帮助P。

I值设置也有三种情况:

直观的响应比较图表:

以上是PID三环节的调整，使被控对象达到稳定均衡的运行系统。

最后用一个动画来看看他们之间的关系。

其实在日常生活中，我们可以看到很多产品使用PID，但并不是PID的三种调节都用。

根据不同的使用环境调整不同的产品；必须使用p。I和D基于系统的响应速度、输入振动的程度等。，并根据实施效果和控制精度做出相应的权衡。

当然也有工程师工程技术和如何设计的因素。

比如很久以前，我用的是大牌的三轴手持云台。我不带手机开机，三轴开始转。这是设计问题。创业的时候，目标和现状差距很大。这时候工程师让我介入，造成超调。其实只需要单独设计I就可以了。

比如平衡车多的时候，不明所以的很多厂商都会进入这个市场；最后是进入市场的产品，机器一开机，平衡车前后剧烈震荡，需要半天时间才能进入平衡状态，有的产品甚至要你强行站在上面才能进入平衡状态。

虽然这项技术已经发展了几十年，但是广泛应用于工业和日常生活的小产品中。

产品经理虽然不需要深入了解技术，但需要全面透彻地了解使用场景、使用体验、竞争现状，帮助工程师设计产品。还需要根据实际情况做出相应的取舍，因为成本可能是需要考虑的重要因素。

作者:Arvinzhou，微信号:zf519678391；微信官方账号:面向墙壁获取知识，ID: aipm001)欢迎关注我！

本文由@发布中中中中中中中中中中中中中中中中中未经许可，禁止转载𰵍𰵍𰵍𰵍𰵍2。

图片来自Unsplash，基于CC0协议。