PD与PI的实战抉择——从平衡小车到通用控制策略
1. PD与PI控制器的本质区别
第一次接触平衡小车时，我也被PD和PI的选择问题困扰了很久。直到亲手调试了几十次参数后，才真正理解它们的核心差异。简单来说，PD像是个急性子的拳击手，反应快但容易受干扰；PI则像沉稳的狙击手，追求精准但需要耐心等待。
让我们用平衡小车的两个核心环节来具体说明：
- 直立环（角度控制）需要快速响应。当小车倾斜5°时，必须在0.1秒内做出反应，这时PD控制的微分项就像预判对手出拳的拳击手，能提前产生抵抗倾斜的力矩。实测发现，加入D项后响应速度能提升40%以上。
- 速度环（电机控制）则不同。假设我们希望小车完全静止，但电机转动时难免有细微波动。这时PI控制的积分项会悄悄记录这些微小误差，就像狙击手不断修正瞄准偏差，最终实现零速静止。我的实测数据显示，纯P控制会有±2rpm的波动，加入I项后能稳定在±0.5rpm以内。
2. 为什么直立环必须用PD控制
去年帮学生调试比赛小车时，有个经典案例：当去掉D项只用P控制时，小车会像喝醉酒一样左右摇摆，最终倒下。这是因为：
微分控制的预测能力在这里至关重要。假设小车当前角度是0°，但角速度是10°/s（正在快速倒下）。纯P控制看到"角度=0"就停止输出，而PD控制通过角速度预判到0.1秒后会倾斜1°，于是提前输出纠正力矩。这就像骑自行车时，我们不会等车把歪了才调整，而是根据车把的转动趋势提前施力。
但要注意噪声放大问题。我曾用示波器观察过电机编码器信号，发现高频噪声能达到真实信号的30%。如果微分系数Kd设置过大，这些噪声会被放大导致电机抖动。经验值是Kd不超过Kp值的1/5，具体要通过频谱分析确定噪声主要频段。
3. PI控制在速度环中的不可替代性
很多初学者会问：既然PD响应快，为什么速度环不用PD？这涉及到控制理论中稳态误差的核心问题。去年调试的物流AGV小车就是个典型案例：
- 纯P控制时，设定速度1m/s实际只能达到0.97m/s，这3%的误差在长期运行后会导致路径偏移
- 加入I项后，积分器会持续累积这0.03m/s的误差，输出补偿信号直到误差归零
- 实测显示，积分时间常数Ti设置在2-3倍系统惯性时间时效果最佳
但积分控制也有坑。有次比赛前夜，小车突然自己加速冲出赛道——原来是积分饱和（Integral Windup）。这是因为长时间误差累积导致积分项过大。后来我们加了积分限幅（限制积分项最大值）和积分分离（误差大时暂停积分）两个保护措施。
4. 现代控制中的混合策略
在实际工程中，单纯PD或PI往往不够。最近给工业机械臂做关节控制时，我们采用了前馈+反馈的混合方案：
- 前馈控制：根据运动指令提前计算所需力矩（类似开环控制）
- PD反馈：快速补偿模型误差和外部扰动
- PI修正：消除最终的稳态误差
这个方案的响应速度比纯PD快15%，稳态精度比纯PI高20%。具体参数调试时，可以先用阶跃响应测试确定前馈量，再用频域分析法整定PD参数，最后通过长时间运行优化PI参数。
5. 参数整定的实战技巧
经过十几个项目的积累，我总结出一套傻瓜式调试法：
- 先调P：从小到大增加，直到系统出现轻微震荡
- 再调D：观察震荡频率，D值要能抑制这个频段的震荡
- 最后调I：从0开始缓慢增加，直到消除静差但不过度
- 精细调整：用MATLAB的PID Tuner工具验证
有个容易忽略的细节：采样时间的选择。太短会引入噪声，太长会导致控制延迟。经验法则是采样频率至少是系统带宽的10倍。比如平衡小车带宽约20Hz，我们选择200Hz的采样率（5ms间隔）。
6. 从平衡小车到工业应用
这些原则可以扩展到更复杂的系统。比如去年参与的协作机器人项目：
- 关节空间控制用PD：需要快速响应外力干扰
- 末端定位控制用PI：要求毫米级定位精度
- 力控模式用自适应PID：接触力需要动态调整参数
关键是要理解被控对象的物理特性。惯性大的系统（如重型机械臂）要慎用积分控制，而高精度设备（如光刻机）则必须精心设计积分策略。