PID控制算法实战：位置式与增量式的核心区别与工程选型

1. 从“调水温”到“控电机”：PID算法的生活化理解

聊到PID算法，很多刚接触自动控制的朋友可能会被一堆公式和术语吓到。其实，它的核心思想就藏在我们每天的生活里。想象一下你正在洗澡，想调到最舒服的水温。你拧开水龙头，发现水太凉了，于是你立刻把热水阀门开大一点；过了一会儿，水温上来了，但好像又有点烫，你赶紧把热水阀门往回关一点；最后，水温稳定在你想要的温度附近，你只需要微调一下阀门就能保持住。这个“感知水温（太凉/太烫）→ 调整阀门（开大/关小）→ 再次感知 → 微调”的过程，本质上就是一个PID控制器的雏形。

PID算法，就是把这个“调水温”的直觉过程，用数学语言精确地描述出来，并交给计算机或微控制器去执行，从而实现对各种物理量（比如电机转速、飞行器姿态、炉内温度）的精准、稳定、快速的控制。它由三个核心环节组成，对应着人类调节行为的三个维度：

• P（比例）：对应“立刻反应”。水温差得越多（误差大），你拧阀门的动作幅度就越大。这就是比例控制，输出与当前误差成正比，反应快，但容易“刹不住车”，导致在目标值附近来回震荡。
• I（积分）：对应“消除余差”。如果水管基础水温就是偏凉，光靠比例调节，你可能永远无法让水温达到目标值，总会差那么一点（静态误差）。这时你会想：“已经调了好一会儿了，怎么还差点？”于是你持续地、缓慢地加大热水阀门。积分控制就是干这个的，它累积历史误差，专门消除这种长期存在的偏差。
• D（微分）：对应“预见未来”。当你发现水温正在快速上升，虽然还没超过目标值，但根据上升趋势，你预判到马上要烫了，于是提前开始关小阀门，防止超调。微分控制就是根据误差的变化率（趋势）来提前施加一个反向的制动作用，增加系统稳定性。

今天我们要深入探讨的，不是PID的基本原理，而是它在代码实现上的两种经典形式：位置式PID和增量式PID。这两种算法在公式上看似只有细微差别，但在实际嵌入式系统、机器人、无人机等领域的应用场景、抗干扰能力、编程实现上却有着天壤之别。很多初学者在第一次将PID从理论公式转化为实际代码时，都会在这里卡壳，或者选错了形式导致系统难以调试。接下来，我们就抛开复杂的理论推导，直接从工程实现的角度，把这两种算法的本质、区别、适用场景以及那些教科书上不会写的“坑”一次性讲透。

2. 位置式PID：最直观的“绝对命令”模式

位置式PID，也叫全量式PID，是PID公式最直接的翻译。它的输出直接对应着执行机构的目标位置。比如，控制舵机打到某个具体角度，或者控制阀门开到某个具体的开度。

2.1 算法公式与代码直观体现

我们先来看它的离散化公式（在微控制器中，世界是离散的采样点）：

u(k) = Kp * e(k) + Ki * ∑e(j) + Kd * [e(k) - e(k-1)]

其中：

• u(k)：本次计算出的控制量输出（绝对位置）。
• e(k)：本次采样误差（设定值 - 当前测量值）。
• ∑e(j)：从第一次采样到当前第k次的所有误差累加和（积分项）。
• [e(k) - e(k-1)]：本次误差与上次误差的差值（微分项，近似为变化率）。

用一段最朴素的C语言代码来体现这个思想：

// 定义PID结构体 typedef struct { float Kp, Ki, Kd; // PID参数 float setpoint; // 目标值 float integral; // 误差积分累计值 float prev_error; // 上一次的误差，用于计算微分 float output_max; // 输出上限 float output_min; // 输出下限 } PID_Controller; // 位置式PID计算函数 float PID_Positional_Calculate(PID_Controller *pid, float measured_value) { float error = pid->setpoint - measured_value; // 比例项 float P_out = pid->Kp * error; // 积分项：累加误差，并做抗积分饱和处理（后面会讲） pid->integral += error; // 积分限幅，防止积分项过大（一个非常重要的实践技巧） if (pid->integral > INTEGRAL_LIMIT) pid->integral = INTEGRAL_LIMIT; if (pid->integral < -INTEGRAL_LIMIT) pid->integral = -INTEGRAL_LIMIT; float I_out = pid->Ki * pid->integral; // 微分项：本次误差与上次误差的差值 float derivative = error - pid->prev_error; float D_out = pid->Kd * derivative; // 更新上一次误差 pid->prev_error = error; // 计算总输出 float output = P_out + I_out + D_out; // 对总输出进行限幅，确保在物理执行机构的可接受范围内 if (output > pid->output_max) output = pid->output_max; if (output < pid->output_min) output = pid->output_min; return output; }

从代码中可以清晰看到，output是一个绝对值。你直接把这个值赋给执行机构（比如，PWM_Duty = output;），执行机构就会移动到对应的位置。

2.2 核心特点与“积分饱和”这个大坑

位置式PID最大的特点是积分项的记忆性。integral这个变量会不断累加历史所有误差。这既是它的优势，也是它最大的麻烦来源——积分饱和（Integral Windup）。

想象一个场景：你用位置式PID控制一个机器人轮子电机，目标速度是100转/分。但一开始，轮子被卡住了（测量值为0）。此时误差e(k)持续为100，积分项integral会飞速累加到一个巨大的正值。当你突然松开卡阻，轮子开始转动，测量值上升，误差开始减小。但此时，那个已经巨大的integral项依然在起作用，它会继续输出一个巨大的控制量，导致电机“冲过头”，转速远超100，产生严重的超调，然后系统开始剧烈震荡，甚至失控。

这就是积分饱和。在误差长期存在或执行机构已到达极限时，积分器仍在“盲目”累加，一旦条件改变，这个被“卷起来”的巨大积分量就会猛烈释放，破坏系统稳定。

注意：上面代码中的INTEGRAL_LIMIT和输出限幅，就是对抗积分饱和最基本的手段。但更优的做法是“条件积分”或“遇限削弱积分”，即当输出已经达到限幅时，停止积分或只累积与输出方向相反的误差。这是位置式PID实现时必须仔细处理的关键点。

2.3 适用场景分析

位置式PID适用于执行机构本身需要明确位置指令的系统。例如：

• 舵机（Servo）控制：直接给定目标角度脉冲宽度。
• 步进电机：通过给定脉冲数来控制绝对位置。
• 阀门开度控制：直接输出一个0-100%的开度信号。
• 需要“记忆”功能的场合：因为积分项累积了所有历史误差，即使某次采样有噪声干扰，其对输出的整体影响相对较小，抗干扰能力较强（前提是处理好饱和）。

3. 增量式PID：更安全的“调节指令”模式

如果位置式PID是下达“绝对坐标”的命令，那么增量式PID下达的就是“相对移动”的指令。它不直接计算执行机构的目标位置，而是计算本次控制周期相对于上一次控制周期，控制量需要改变多少。

3.1 公式推导与本质理解

增量式PID的公式可以从位置式推导出来。我们定义增量Δu(k) = u(k) - u(k-1)。

将位置式公式分别写出u(k)和u(k-1)，然后相减：u(k) = Kp*e(k) + Ki*∑e(j) + Kd*[e(k)-e(k-1)]u(k-1) = Kp*e(k-1) + Ki*∑e(j-1) + Kd*[e(k-1)-e(k-2)]

两式相减，注意积分项：Ki*∑e(j) - Ki*∑e(j-1) = Ki*e(k)。 最终得到增量式PID公式：

Δu(k) = Kp*[e(k)-e(k-1)] + Ki*e(k) + Kd*[e(k) - 2e(k-1) + e(k-2)]

这个公式看起来复杂了一点，但它的物理意义非常清晰：

• 比例项：Kp*[e(k)-e(k-1)]，关注误差的变化量。误差在扩大还是缩小？
• 积分项：Ki*e(k)，关注当前误差本身。这是和位置式最大的不同，它只关心当前时刻的误差，没有历史累加。
• 微分项：Kd*[e(k) - 2e(k-1) + e(k-2)]，关注误差变化的变化率（加速度），对噪声更敏感，通常需要配合低通滤波。

对应的C代码实现如下：

typedef struct { float Kp, Ki, Kd; float setpoint; float prev_error; // 需要记住前两次误差 float prev_error2; float output_max_delta; // 输出增量的最大限制 } PID_Incremental; float PID_Incremental_Calculate(PID_Incremental *pid, float measured_value) { float error = pid->setpoint - measured_value; // 计算三项增量 float delta_P = pid->Kp * (error - pid->prev_error); float delta_I = pid->Ki * error; float delta_D = pid->Kd * (error - 2*pid->prev_error + pid->prev_error2); // 计算总增量 float delta_output = delta_P + delta_I + delta_D; // 对增量进行限幅，防止单次变化过大 if (delta_output > pid->output_max_delta) delta_output = pid->output_max_delta; if (delta_output < -pid->output_max_delta) delta_output = -pid->output_max_delta; // 更新历史误差 pid->prev_error2 = pid->prev_error; pid->prev_error = error; // 注意：函数返回的是增量，不是绝对量！ return delta_output; } // 在实际系统中，你需要这样使用： // float current_control = ...; // 当前控制量 // float delta = PID_Incremental_Calculate(&pid, measured_val); // current_control += delta; // 在原有控制量基础上增加 // current_control = constrain(current_control, MIN, MAX); // 最终输出前仍需限幅 // set_actuator(current_control); // 驱动执行机构

3.2 核心优势：天然抗积分饱和与手动/自动无扰切换

增量式PID最突出的优点，正是解决了位置式PID的痛点。

1. 天然抗积分饱和：因为输出是增量，每次计算只与最近几次误差有关。当系统被卡住，误差持续为正时，delta_I项虽然也持续为正，但每次计算出的delta_output是一个有限值。执行机构到达极限后，current_control被限幅卡住。当下一个周期到来时，计算增量delta_output的公式里并没有一个巨大的历史积分项需要“消化”，系统不会产生剧烈的反向冲击。一旦误差改变方向（如轮子开始转动），delta_output可以立即变为负值，平稳地减小控制量。这使得系统在启动、停止、设定值突变或遇到强干扰时更加平滑、安全。

2. 易于实现手动/自动无扰切换：这是工业控制中一个非常重要的需求。在自动控制（PID控制）模式下，如果突然需要切换到手动模式（由操作员直接给定控制量），或者从手动模式切回自动模式，必须保证切换瞬间执行机构不会产生剧烈的“跳动”。

   • 对于位置式PID，切换时需要将u(k-1)手动设定为当前执行机构的实际位置，并清空积分器，操作复杂且容易出错。
   • 对于增量式PID，切换异常简单。无论何时切换到自动模式，PID控制器只是开始计算一个“增量”Δu。只要在切换的瞬间，将PID内部记录的prev_error和prev_error2初始化为当前误差（或0），那么第一次计算出的Δu就会很小，不会对当前运行状态产生冲击。因为它的输出不依赖于历史绝对状态，只依赖近期的误差变化。

3.3 适用场景与潜在问题

增量式PID非常适合控制执行机构本身具有“积分”特性或被控对象惯性较大的系统。例如：

• 直流电机调速（PWM控制）：你控制的是PWM占空比的“增加量”或“减少量”，电机转速是PWM的积分结果。
• 温度控制：加热棒的功率变化导致温度变化，温度是功率的积分。
• 无人机、平衡车：控制电机力矩的增量来调整姿态和速度。

但它也有自己的问题：

• 积分抗静态误差能力相对较弱：由于没有历史误差累加，纯增量式在应对恒定干扰时，可能需要更长时间或更大的Ki系数才能完全消除静差。实践中，有时会采用“增量式+位置式积分”的变种，即单独用一个变量缓慢累积误差来补偿。
• 对计算误差更敏感：因为是计算增量，如果计算机存在舍入误差，这些误差可能会在连续的current_control += delta累加中逐渐累积，产生漂移。不过在现代浮点或定点运算中，这个问题通常不显著。
• 微分项对噪声敏感：公式中二阶差分项e(k) - 2e(k-1) + e(k-2)会放大测量噪声，通常需要对测量值进行滤波，或对微分项单独进行低通滤波（如使用一阶惯性环节）。

4. 位置式 vs 增量式：关键差异与选型决策表

为了更直观地对比，我将两者的核心差异总结如下：

选型决策指南：

1. 先看执行机构：如果你的执行机构接收“绝对位置指令”（如角度、位置），优先考虑位置式。如果接收“速度/增量指令”（如“加速/减速”、“增功率/减功率”），优先考虑增量式。
2. 再看安全要求：如果系统害怕执行机构突然的、大幅度的跳动（如大型机械臂、精密温控设备），增量式因其天然抗饱和特性而更安全。
3. 最后看操作模式：如果系统需要频繁在手动和自动模式间切换，增量式的实现复杂度和可靠性优势巨大。

在实际项目中，这两种算法并非水火不容。例如，在电机控制中，外环（位置环）可能用位置式PID计算目标速度，而内环（速度环）则用增量式PID来计算PWM占空比的变化量，形成串级PID，结合两者优点。

5. 从理论到实践：参数整定心得与常见陷阱

无论选择哪种形式，PID参数（Kp， Ki， Kd）的整定都是绕不开的挑战。网上流传的“Ziegler-Nichols”等工程整定法是一个起点，但真正上手调试，更多靠的是经验和感觉。

5.1 调试顺序与手感

我个人的习惯是“先P，再I，最后D”，并且在调试时，将目标值设定在系统正常工作范围的中间点进行。

1. 整定Kp（比例系数）：

   • 目标：让系统能够快速响应并达到目标值附近，允许存在一些震荡和静差。
   • 方法：将Ki和Kd设为0。从小到大地增加Kp。
   • 观察：系统响应速度变快。Kp太小，响应慢；Kp增大到某个临界点，系统开始出现等幅振荡（临界振荡）。此时Kp的60%~70%通常是一个不错的起点。
   • 手感：像是在调节系统的“刚度”。Kp越大，系统越“硬”，拒绝偏差的能力越强，但也更容易震荡。

2. 整定Ki（积分系数）：

   • 目标：消除上一步留下的静态误差（静差）。
   • 方法：保持上一步得到的Kp，从小到大地增加Ki。
   • 观察：静差逐渐减小直至消失。但Ki过大会引入相位滞后，导致系统超调增大，响应变慢，甚至出现低频振荡。
   • 手感：像是在给系统增加“耐心”。Ki能消除顽固偏差，但“耐心”太好（Ki太大），系统反应会变得迟钝且容易过冲。
   • 重要技巧：对于增量式PID，Ki的作用更像是“阻尼”。适当增大Ki，有时反而能让系统更平稳。

3. 整定Kd（微分系数）：

   • 目标：抑制超调，减小震荡，提高系统稳定性。
   • 方法：保持Kp和Ki，从小到大地增加Kd。
   • 观察：系统超调量减小，响应曲线变得平滑。但Kd对测量噪声极其敏感，加得太大，一点小小的噪声都会被放大，导致输出剧烈抖动，系统反而失稳。
   • 手感：像是在给系统增加“预见性”和“阻尼”。它能预感变化趋势并提前刹车，但“疑心病”不能太重（Kd不能太大），否则会把噪声误判为趋势。
   • 必须做的：引入微分项时，一定要对测量信号进行滤波，或者使用“不完全微分”算法（在微分项后串联一个低通滤波器）。

5.2 那些容易踩的“坑”

1. 采样周期T的隐身参数：我们写的离散PID公式里，通常隐含了采样周期T。在标准位置式公式中，积分项应是Ki * T * ∑e(k)，微分项应是Kd / T * [e(k)-e(k-1)]。很多简单的实现（包括本文前面的示例代码）把T合并到了Ki和Kd参数里，即Ki' = Ki * T，Kd' = Kd / T。这意味着，当你改变控制器的运行频率（采样周期T）时，即使Kp， Ki‘， Kd’不变，系统的实际控制效果也会改变！调试时固定T，如果要改T，需要重新整定参数，或者使用显式包含T的公式。

2. 输出限幅与积分抗饱和的先后顺序：这是一个经典的实现细节。正确的顺序是：先计算PID输出，再对总输出进行限幅。而在进行积分累加（位置式）或判断（条件积分）时，要基于限幅后的输出是否还有余量来决定。错误的顺序会导致积分器在系统饱和时继续“卷积分”，失去抗饱和效果。

3. 微分项的“微分冲击”：设定值（Setpoint）的突变会导致误差e(k)突变，进而使微分项[e(k)-e(k-1)]产生一个巨大的尖峰（微分冲击），可能损坏执行机构。解决方法是对微分项采用“测量值微分”而非“误差微分”。即微分项改为-Kd * [measured(k) - measured(k-1)]。因为设定值突变时，测量值不会突变，从而避免了冲击。这是工程中非常常见的做法。

4. “陀螺仪走直线”场景下的PID应用：这是热词中提到的一个典型场景，比如两轮平衡车或循迹小车。这里通常使用串级PID。

   • 外环（角度/位置环）：使用位置式PID。输入是期望角度（如0度保持直立）与陀螺仪/IMU解算出的当前角度的误差，输出是目标角速度。这个环负责“想去哪里”。
   • 内环（角速度环）：使用增量式PID。输入是外环给出的目标角速度与陀螺仪直接测量的当前角速度（陀螺仪输出就是角速度）的误差，输出是电机PWM的增量。这个环负责“快速响应，平稳执行”。
   • 内环的响应速度要远快于外环（通常采样频率高5-10倍），这样才能保证内环能很好地“跟踪”外环给出的指令。调试时，先调稳内环（让电机快速、平稳地响应速度指令），再调外环（让车身能稳定直立或走到指定位置）。

6. 代码优化与进阶思路

对于资源紧张的微控制器（如STM32， Arduino），PID算法的实现还需要考虑效率和数值问题。

1. 定点数运算：如果使用没有硬件浮点单元（FPU）的MCU，浮点数运算会非常慢。可以将所有参数和变量进行定点数（Q格式）转换。例如，使用int32_t类型，将小数放大2^15倍进行运算，最后结果再缩小回来。这能极大提升计算速度。

2. 消除积分漂移的改进积分器：对于位置式PID，积分项除了限幅，还可以采用“梯形积分”代替“矩形积分”，提高精度。更高级的做法是使用“变积分”算法，在误差大时减弱积分作用，误差小时增强积分作用，兼顾快速性和稳定性。

3. 微分先行与不完全微分：如前所述，使用测量值微分避免设定值突变冲击。同时，在微分项后增加一个一阶低通滤波器（alpha * D_filtered + (1-alpha) * D_current），构成不完全微分，能有效抑制高频噪声，使微分作用更平滑。

4. PID抗积分饱和的“Clamping”方法：这是一种更优雅的抗饱和处理。在计算积分项增量ΔI时，先计算未限幅的理论输出u_unclamped。如果u_unclamped超过了输出限幅，且ΔI的方向是使输出更超限的方向，那么就将ΔI置为0。这能有效防止积分器在饱和期间继续“卷积分”。

最终，PID控制既是一门科学，也是一门艺术。理论公式是骨架，而工程实践中的这些细节处理——抗饱和、滤波、无扰切换、定点化——才是让算法真正在硬件上稳定、可靠运行的肌肉和血液。理解位置式和增量式的本质区别，根据你的被控对象和执行机构特性做出正确选择，再耐心地、有方法地调整参数，你就能让这个诞生了近百年的经典算法，在今天的智能设备中继续发挥强大的威力。