PID控制算法C语言实现：位置式与增量式3种代码结构对比与性能分析

在嵌入式控制和自动化系统中，PID（比例-积分-微分）控制器因其结构简单、鲁棒性强和易于实现等优点，成为应用最广泛的控制算法之一。本文将深入探讨PID控制算法的C语言实现，重点对比位置式、增量式及抗积分饱和三种代码结构的差异，并提供完整的工程实现方案。

1. PID控制算法基础与离散化

PID控制器通过比例、积分和微分三个环节的组合，对系统偏差进行调节。其连续时间表达式为：

u(t) = K_p e(t) + K_i \int_0^t e(\tau)d\tau + K_d \frac{de(t)}{dt}

在数字系统中，我们需要对上述连续方程进行离散化处理。设采样周期为T，第k次采样时刻的偏差为e_k，则离散PID表达式为：

// 位置式PID离散公式 u_k = K_p*e_k + K_i*T*sum(e_j) + K_d*(e_k - e_{k-1})/T // 增量式PID公式 Δu_k = K_p*(e_k - e_{k-1}) + K_i*T*e_k + K_d*(e_k - 2e_{k-1} + e_{k-2})/T

三种实现方式的主要区别如下表所示：

2. 位置式PID实现与结构体设计

位置式PID是最直接的实现方式，其C语言结构体定义如下：

typedef struct { float SetPoint; // 目标值 float ActualValue; // 实际值 float Err; // 当前偏差 float ErrLast; // 上次偏差 float Kp, Ki, Kd; // PID系数 float Integral; // 积分项 float Output; // 输出值 float MaxOutput; // 输出上限 float MinOutput; // 输出下限 } PositionalPID; void PID_Init(PositionalPID *pid) { pid->SetPoint = 0.0f; pid->ActualValue = 0.0f; pid->Err = 0.0f; pid->ErrLast = 0.0f; pid->Integral = 0.0f; pid->Output = 0.0f; pid->MaxOutput = 1000.0f; pid->MinOutput = -1000.0f; } float PID_Calculate(PositionalPID *pid, float feedback) { pid->ActualValue = feedback; pid->Err = pid->SetPoint - pid->ActualValue; // 积分项计算（带抗饱和处理） if(pid->Output < pid->MaxOutput && pid->Output > pid->MinOutput) { pid->Integral += pid->Err; } // PID计算 pid->Output = pid->Kp * pid->Err + pid->Ki * pid->Integral + pid->Kd * (pid->Err - pid->ErrLast); // 输出限幅 pid->Output = (pid->Output > pid->MaxOutput) ? pid->MaxOutput : ((pid->Output < pid->MinOutput) ? pid->MinOutput : pid->Output); pid->ErrLast = pid->Err; return pid->Output; }

注意：位置式PID需要特别注意积分饱和问题。当输出达到限幅值时，应停止积分项的累加，否则会导致系统响应迟缓。

3. 增量式PID实现与优化

增量式PID通过计算控制量的增量来工作，天然具有抗积分饱和特性。其实现代码如下：

typedef struct { float SetPoint; // 目标值 float ActualValue; // 实际值 float Err; // 当前偏差 float ErrLast; // 上次偏差 float ErrBeforeLast; // 上上次偏差 float Kp, Ki, Kd; // PID系数 float Output; // 输出值 float MaxOutput; // 输出上限 float MinOutput; // 输出下限 } IncrementalPID; float PID_Calculate(IncrementalPID *pid, float feedback) { float deltaOutput; pid->ActualValue = feedback; pid->Err = pid->SetPoint - pid->ActualValue; // 增量计算 deltaOutput = pid->Kp * (pid->Err - pid->ErrLast) + pid->Ki * pid->Err + pid->Kd * (pid->Err - 2*pid->ErrLast + pid->ErrBeforeLast); // 更新历史偏差 pid->ErrBeforeLast = pid->ErrLast; pid->ErrLast = pid->Err; // 输出更新和限幅 pid->Output += deltaOutput; pid->Output = (pid->Output > pid->MaxOutput) ? pid->MaxOutput : ((pid->Output < pid->MinOutput) ? pid->MinOutput : pid->Output); return pid->Output; }

增量式PID的特点包括：

• 只与最近几次的偏差有关，计算量小
• 输出的是控制增量，误动作影响小
• 天然抗积分饱和
• 适用于执行机构带积分部件的对象（如步进电机）

4. 抗积分饱和PID实现策略

抗积分饱和（Anti-Windup）PID通过限制积分项的增长来防止系统超调。以下是三种常见的实现方法：

4.1 积分分离法

float PID_Calculate_IntegralSeparation(PositionalPID *pid, float feedback) { pid->ActualValue = feedback; pid->Err = pid->SetPoint - pid->ActualValue; // 积分分离：偏差大时不积分 float integralTerm = 0; if(fabs(pid->Err) < 200.0f) { // 阈值可调 pid->Integral += pid->Err; integralTerm = pid->Ki * pid->Integral; } pid->Output = pid->Kp * pid->Err + integralTerm + pid->Kd * (pid->Err - pid->ErrLast); // 输出限幅 pid->Output = clamp(pid->Output, pid->MinOutput, pid->MaxOutput); pid->ErrLast = pid->Err; return pid->Output; }

4.2 条件积分法

float PID_Calculate_ConditionalIntegral(PositionalPID *pid, float feedback) { pid->ActualValue = feedback; pid->Err = pid->SetPoint - pid->ActualValue; // 条件积分：根据输出状态决定积分方向 if(!((pid->Output >= pid->MaxOutput && pid->Err > 0) || (pid->Output <= pid->MinOutput && pid->Err < 0))) { pid->Integral += pid->Err; } pid->Output = pid->Kp * pid->Err + pid->Ki * pid->Integral + pid->Kd * (pid->Err - pid->ErrLast); pid->Output = clamp(pid->Output, pid->MinOutput, pid->MaxOutput); pid->ErrLast = pid->Err; return pid->Output; }

4.3 变积分系数法

float PID_Calculate_VariableIntegral(PositionalPID *pid, float feedback) { float integralCoeff = 1.0f; // 积分系数 pid->ActualValue = feedback; pid->Err = pid->SetPoint - pid->ActualValue; // 根据偏差大小动态调整积分系数 if(fabs(pid->Err) > 200.0f) { integralCoeff = 0.0f; } else if(fabs(pid->Err) < 180.0f) { integralCoeff = 1.0f; } else { integralCoeff = (200.0f - fabs(pid->Err)) / 20.0f; } pid->Integral += pid->Err; pid->Output = pid->Kp * pid->Err + integralCoeff * pid->Ki * pid->Integral + pid->Kd * (pid->Err - pid->ErrLast); pid->Output = clamp(pid->Output, pid->MinOutput, pid->MaxOutput); pid->ErrLast = pid->Err; return pid->Output; }

5. 三种实现方式的性能对比

通过实际测试数据，我们对比三种PID实现方式的性能指标：

提示：在实际工程中选择PID实现方式时，需要根据执行机构特性、控制精度要求和处理器资源等因素综合考虑。对于快速响应系统，增量式PID通常是更好的选择；而对于需要高精度的场合，抗积分饱和PID表现更优。

6. PID参数整定方法与技巧

PID控制器的性能很大程度上取决于三个参数（Kp、Ki、Kd）的整定。以下是几种常用的整定方法：

6.1 临界比例度法（Ziegler-Nichols方法）

1. 将积分和微分作用去除（Ti=∞，Td=0），只保留比例控制
2. 逐渐增大Kp直到系统出现等幅振荡，记录此时的临界增益Kc和振荡周期Tc
3. 根据下表确定PID参数：

6.2 试凑法经验参数

对于不同被控对象，可参考以下经验参数范围：

6.3 参数整定口诀

参数整定找最佳，从小到大顺序查 先是比例后积分，最后再把微分加 曲线振荡很频繁，比例度盘要放大 曲线漂浮绕大湾，比例度盘往小扳 曲线偏离回复慢，积分时间往下降 曲线波动周期长，积分时间再加长 理想曲线两个波，前高后低4比1

7. 工程实践中的PID优化技巧

在实际工程应用中，除了基本的PID算法外，还可以采用以下优化策略：

7.1 梯形积分改进

将矩形积分改为梯形积分，提高积分项的精度：

// 传统矩形积分 integral += error; // 梯形积分改进 integral += (error + lastError) / 2.0f; lastError = error;

7.2 微分先行

只对测量值进行微分，不对设定值微分，可减少设定值突变引起的冲击：

// 传统微分项 derivative = (error - lastError) / T; // 微分先行 derivative = -(measurement - lastMeasurement) / T; lastMeasurement = measurement;

7.3 死区处理

对于存在测量噪声或执行机构死区的系统，可加入死区处理：

if(fabs(error) > deadZone) { // 执行PID计算 } else { // 误差在死区内，保持输出不变 }

7.4 变参数PID

根据系统状态动态调整PID参数：

if(fabs(error) > threshold1) { // 大偏差区间，增强比例作用 Kp = Kp1; Ki = Ki1; Kd = Kd1; } else if(fabs(error) > threshold2) { // 中等偏差区间 Kp = Kp2; Ki = Ki2; Kd = Kd2; } else { // 小偏差区间，增强积分作用 Kp = Kp3; Ki = Ki3; Kd = Kd3; }

在实际项目中，PID控制器的实现需要根据具体被控对象特性进行选择和调整。通过本文介绍的三种实现方式及其优化方法，工程师可以构建出满足不同场景需求的高性能PID控制系统。