众所周知，PID是车辆控制中常见的算法，也是一种非常经典的控制模型。本文将着重讲解PID。

何为PID？

P：Proportion，比例控制，可通俗理解为一个比例系数；

I：Integral，积分控制，可通俗理解为使误差降为0而调和的参数；

D：Derivative，微分控制，可通俗理解为最快获得最优解的参数。

PID框图

PID需要由被控对象的偏差来做模型输入，被控对象偏差=被控对象输入值-目标设定值。比如，ACC的目标车速为100kph，而实际测到的车速为98kph，则100kph为目标设定值，97kph为被控对象输入值，被控对象偏差为3kph。

P比例控制是一种最简单的控制方式，模型的输出与被控对象偏差信号成比例关系。假设，我们要控制一爬楼梯机器人，目标要爬100层楼梯，而K_p（P）的值为99，此时，我们可以得到结论：机器人一下可以走到第99个楼梯上，无论如何都无法走到第100个楼梯上，即存在稳态误差。如果K_p（P）的值是9，那机器人依然可以走到第99层，也无法走到第100个楼梯上，需要更多的控制循环方能走到第99个楼梯上。从而我们可以知道，比例系数K_p的作用是加快系统的响应速度，提高系统的调节精度。K_p越大，系统的响应速度越快，但也越容易产生超调，甚至可能会导致系统不稳定；K_p越小，系统的响应速度越慢，延长调节时间，使系统动态特性变差。

PI控制，即为比例+积分控制，当按照一定的爬楼梯步伐走到第101楼梯，然后又回头走到第99楼梯上，在第100楼梯处来回震荡几次后走到目标位置处。从而我们可以知道，在积分I控制过程中，系统的输出与被控对象偏差信号的积分成正比关系。对一个自适应系统来说，引入积分项可消除稳态误差。积分项对误差的影响取决于时间的积分，随着时间的增加，积分项会变大，此时，积分项会随着时间的增加而加大，进而推动系统的输出增大，使稳态误差变小，直到等于0。因此，K_i（积分系数）的作用是消除系统的稳态（静态）误差，K_i越大，系统的静态误差消除越快；K_i过大时，响应过程的初期会产生积分项饱和现象，从而引起响应过程的超调；K_i过小时，使系统静态误差难以消除，影响系统的调节精度。

PD控制，即为比例+微分控制，当按照一定的爬楼梯步伐走到第103楼梯后慢慢往第100楼梯处走。如果最后能精确停在第100楼梯处，说明没有误差出现，如果停在第100楼梯附近（如第99楼梯处或第111楼梯处），说明系统有误差。从而，我们可知，在微分控制D中，系统的输出与被控对象的偏差信号的微分（偏差的变化率）成正比关系。微分系数K_d的作用是改善系统的动态特性，其作用主要是在响应过程中抑制偏差向任何方向的变化，对偏差变化进行提前预报。K_d过大时会延长调节时间，会降低系统抗干扰性。

以上内容供读者参考学习。

（END）