PID 控制：从基本原理到嵌入式实现

假设手边有一块加热台，想让它停在 60 ℃。最直接的办法是低于 60 ℃就开，到了就关。程序确实好写，但断电以后，加热片和底板里的热量还会继续传到测温点，温度往往还要往上走一截。等温度掉下来再开，又开始下一轮。

换成 PWM 呢？给一个固定占空比，确实可能在某个温度附近停住。可一开风扇，或者放上一个冷工件，刚才合适的占空比就不够了。

PID 就是在处理这件事：温度还差多少、这个差距持续了多久、现在升温有多快，合起来决定下一次给多少功率。下面一直用这个加热台作例子，公式和代码也按同一套单位来写。响应曲线里会标明哪些来自厂商资料，哪些是数值仿真；这里没有把仿真当成实测。

1. 应用范围与控制目标#

1.1 什么时候适合用 PID#

PID 适合这样的闭环任务：有可测的结果、有可以连续或分档调节的执行量，目标会变化，外界也会来捣乱。温控只是其中一种，电机转速、液位、气压和电流环也都符合这个模式。它不是“让设备立刻到目标”的魔法公式；对有明显延迟和热惯性的加热台，首要目标通常是不过冲、稳得住，并能在负载变化后回到设定温度。

1.2 本文的例子和约定#

本文以低压直流加热台为例：温度用 ℃ 表示，控制输出归一化到 0～1，对应 PWM 占空比。先看闭环里每个量的角色，再解释 P、I、D 的取舍，最后落到定时任务、代码、整定和保护上。

2. 闭环控制基础与性能指标#

2.1 先理解闭环：PID 到底控制什么#

以低压直流加热台为例：

符号	含义	加热台中的实例
$r(t)$	设定值，setpoint	60 ℃
$y(t)$	测量值，process variable	传感器测得的温度
$e(t)$	误差	目标温度减去测量温度
$u(t)$	控制量	经过限幅的 PWM 占空比
$G(s)$	被控对象的动态模型	加热功率到温度的关系

定义误差为：

e(t)=r(t)-y(t)

图 1：本文绘制的负反馈框图。控制器期望输出与执行器实际输出应区分，后者可能受到占空比、电流或电压限制。

顺着图走一圈：目标是 60 ℃，传感器读到 50 ℃，相减得到 10 ℃的误差；PID 算出占空比，功率级开始加热，下一次再读温度。开风扇以后，温度下降会重新变成误差，控制器就有了加大输出的依据。

本文约定占空比越大，温度越高。如果接的是制冷器，方向就反过来了。上电调参前可以先给一点输出，看读数往哪边走；方向接反时，误差会越调越大。

3. P、I、D 原理及响应对比#

3.1 比例 P：对当前误差直接作出反应#

u_P(t)=K_p e(t)

先只留 P。若 $K_p=0.02\ {^\circ\!\mathrm C}^{-1}$ ，差 10 ℃就给 20% 占空比，差 5 ℃就给 10%。快接近目标时，供热也跟着减小。

麻烦在于，加热台即使到了 60 ℃也一直在散热，维持温度还得供电。可纯 P 在误差为零时，输出也变成了零。没有额外的偏置或前馈，温度就可能停在目标下面一点，用这点误差换取保温所需的功率。

图 2：裁自 Microchip / Atmel AVR221，2016 年版第 5 页，Figure 1-3。红色虚线是目标，蓝线最后仍低一点。原图未标横轴单位，这里只比较曲线形状。

可以用一个简单模型说明。对单位负反馈、稳定且无积分的对象，若直流增益为 $G(0)$ ，设定值为幅度 $R$ 的阶跃，且闭环稳定、没有饱和，则：

e_{\mathrm{ss}}=\frac{R}{1+K_pG(0)}

这个模型里，增大 $K_p$ 能把残差压小。但加热和测温都有滞后，增益太大又容易来回振荡。所以看到“还差几度”时，不能一直加 P。上式也有适用条件；带积分的对象等其他系统，结论可能不同。

3.2 积分 I：把持续存在的误差积累起来#

u_I(t)=K_i\int_0^t e(\tau)\,\mathrm d\tau

假如温度一直停在 58 ℃，P 的输出已经不再变了，I 还会把这 2 ℃的误差一拍一拍累加进去，慢慢把占空比抬高。到了 60 ℃，新增的积分变成零，之前攒下来的输出还在，可以继续保温。

例如误差持续为 2 ℃， $K_i=0.005\ ({^\circ\!\mathrm C}\cdot\mathrm s)^{-1}$ ，那么积分输出每秒增加 0.01，即一个百分点的占空比。

图 3：AVR221 第 5 页，Figure 1-4。绿色 PI 曲线靠近目标，蓝色纯 I 曲线慢得多。这张原图省略了坐标刻度，只用来说明趋势。

前提是目标确实够得着，而且闭环能稳定下来。若加热器已经全功率，温度还是上不去，积分继续加也变不出更多功率，反而会留下一个很大的内部数值。后面单独处理它。

3.3 微分 D：对变化速度作出反应#

理想的误差微分形式为：

u_D(t)=K_d\frac{\mathrm de(t)}{\mathrm dt}

比如温度只有 55 ℃，但升温速度很快，继续给大功率就可能冲过头。这时 D 可以先减一点输出。它用的是眼下的变化速度，传感器迟到的那部分信息仍然补不回来。

D 对噪声也很敏感。温度读数只跳了 0.1 ℃，若两次采样只隔 1 ms，差分算出来就是 100 ℃/s。控制器看见的“快速变化”可能全是噪声，所以实际使用时通常要给微分加滤波。

还有一个容易碰到的尖峰：目标从 40 ℃改成 60 ℃，实物温度还没动，误差已经跳了 20 ℃。直接对误差微分，就会产生 derivative kick。常见做法是把 D 改接到测量值上：

u_D(t)=-K_d\frac{\mathrm dy(t)}{\mathrm dt}

目标不变时，误差的变化就是测量值变化的相反数，两种写法相同。目标跳变时，测量微分不会直接响应这个跳变；P 项仍然会变。Control Guru把这两条信号的区别画得很清楚。

图 4：AVR221 第 6 页，Figure 1-5。PD 改变了过渡过程，最终仍和 P 留着相近的残差。D 并不负责提供恒定的保温功率。

3.4 为什么很多工程系统只用 PI#

先把 PI 调到能用，是个省事的起点。若超调和恢复速度已经能接受，就可以先不加 D。尤其当读数本身一直跳动时，加 D 很可能先得到一条抖得更厉害的 PWM 曲线。

只有确实还缺一点阻尼、测量信号也够干净时，再试带滤波的 D，并同时记录温度和输出。

3.5 连续 PID：先统一参数形式#

3.5.1 并联形式#

本文使用以下增益定义：

u(t)=u_b+K_pe(t)+K_i\int_0^t e(\tau)\,\mathrm d\tau +K_d\frac{\mathrm de(t)}{\mathrm dt}

$u_b$ 是偏置或前馈基值。忽略偏置，并在零初始条件下取拉普拉斯变换，理想控制器为：

C(s)=K_p+\frac{K_i}{s}+K_ds

图 5：裁自 TI《Real-Time Control Reference Guide》，2021 年 10 月版第 24 页，Figure 8。P、I、D 各走一条支路，最后相加。原始 PDF。

图上的理想微分器在高频处会一直放大信号。实际常用的写法会多一个滤波时间常数：

C(s)=K_p+\frac{K_i}{s}+\frac{K_ds}{1+T_fs}

$T_f$ 决定微分支路的滤波强度，MathWorks 的 pid 文档使用的就是这套并联参数。注意上式仍对误差微分，后面的 C 代码则按前面讨论的方式改成测量微分。

3.5.2 标准形式与并联形式不能直接抄参数#

另一种常见表达是：

C(s)=K_p\left(1+\frac{1}{T_is}+T_ds\right)

在相同理想结构下：

K_i=\frac{K_p}{T_i},\qquad K_d=K_pT_d

抄参数时尤其容易在这里弄反。“积分增益 2”和“积分时间 2 s”差别很大：增大 $K_i$ ，积分更快；增大 $T_i$ ，积分反而更慢。先看清调参界面或代码到底收哪一种。

如果输入误差单位为 ℃、输出为 0～1 的占空比，三项增益的量纲分别为：

参数	单位
$K_p$	${^\circ\!\mathrm C}^{-1}$
$K_i$	$({^\circ\!\mathrm C}\cdot\mathrm s)^{-1}$
$K_d$	$\mathrm s/{^\circ\!\mathrm C}$

若把输出单位从 0～1 改为 0～100，保持同样控制作用时增益的数值也要相应换算。

3.6 从曲线看控制器的作用#

图 6：AVR221 第 6 页，Figure 1-6。原资料这组示例中，PI 消除了残差，PID 的超调更小。图中没有给出完整模型和增益，不能据此提取一组实物参数。

这种对比图很直观，但读完往往还有个问题：换个参数会怎样？为方便自己跑一遍，下面另选一个写得清楚的二阶对象：

G(s)=\frac{1}{(s+1)^2} \quad\Longleftrightarrow\quad \ddot y+2\dot y+y=u

目标从 0 跳变为 1，全部初始状态为零。控制周期 $T_s=0.01\ \mathrm s$ ，微分作用于测量值，滤波时间常数 $T_f=0.05\ \mathrm s$ 。对象通过步长 0.001 s 的前向欧拉法积分，控制输出在两次更新之间保持不变。本组仿真不加输出限幅、噪声和额外纯延迟。

图 7：本文数值仿真，参数在图例中，和上一张厂商图不是同一组实验。

这次 P 的稳态值是 $2/3$ ，可以直接用前面的稳态误差公式核对。PI 把残差补上了，不过也带来了超调；再加合适的测量微分，过渡过程又变了。换一组增益，曲线的好坏顺序也可能改变。

看曲线时，除了多久升上去，还要看最高冲到哪里、多久才停稳、最后差多少。“2 秒稳定”要说清楚容差，比如进入目标 ±2% 后不再跑出去；否则两个人口中的“稳定”可能差很多。

加热台还得试一次放上冷工件，看看温度跌下去以后多久恢复。目标变化与负载变化走过的信号通道不同，MathWorks 的跟踪与抗扰示例专门比较了这件事。启动曲线好看，不一定代表受扰以后也恢复得好。

4. 离散化、采样与 C 实现#

4.1 位置式计算#

设采样周期为固定的 $T_s$ ，使用当前误差的后向矩形积分和一阶后向差分：

\begin{aligned} e_k&=r_k-y_k\\ I_k&=I_{k-1}+K_iT_se_k\\ D_k&=\frac{K_d}{T_s}(e_k-e_{k-1})\\ u_k&=u_b+K_pe_k+I_k+D_k \end{aligned}

每次算出来的都是完整输出，所以叫位置式。得到 1.2 也只能输出 100% 占空比，这一步限幅放在写 PWM 之前。

网上的代码有时只有 sum += ki * error，看起来少乘了一个周期，其实可能在初始化时就算进 ki 了。例如 Arduino PID Library 的 SetTunings()会把连续 $K_i$ 乘上周期、 $K_d$ 除以周期。对照代码时要连初始化一起看。本文代码保留连续增益，在计算时显式带入 $T_s$ 。

4.2 增量式从哪里来#

将同一位置式在相邻时刻相减，偏置恒定时得到：

\begin{aligned} \Delta u_k={}&K_p(e_k-e_{k-1})+K_iT_se_k\\ &+\frac{K_d}{T_s}(e_k-2e_{k-1}+e_{k-2})\\ u_k={}&u_{k-1}+\Delta u_k \end{aligned}

这个等价关系用的是同一套固定周期、理想误差微分、无饱和的公式。换成测量微分或加上滤波以后，先写出新状态方程，再相减，才能知道到底等价到哪一步。

增量式也要处理饱和。u[k-1] 存的是限幅前的计算值，还是上次实际给出去的值，会直接影响下一拍。Arm CMSIS-DSP 的 PID 文档给出了这种递推结构；其中 Ki、Kd 已按离散公式使用，移植时同样要先换算周期。

4.3 对测量微分并增加一阶滤波#

采用：

D(s)=-\frac{K_ds}{1+T_fs}Y(s)

用后向欧拉替代 $s$ ，整理得到：

D_k=\frac{T_f}{T_f+T_s}D_{k-1} -\frac{K_d}{T_f+T_s}(y_k-y_{k-1})

后面的 C 代码就用这一行更新 D。增大 $T_f$ ，曲线会平滑些，反应也会慢些。如果为了压住噪声不断加大滤波，最后可能把原本想要的微分作用也拖迟了。传感器和模拟前端已有的滤波延迟也算在环路里。

4.4 一份可移植的 C 实现#

图 8：AVR221 第 9 页，Figure 2-1。定时触发计算，参数和历史状态放进一个结构体。右侧文字在原 PDF 中已有重叠，裁图保留原样；这里主要看调用关系。

真正写程序时，PID 函数不需要知道 ADC 寄存器和 PWM 通道。外层按时送进目标与测量值，函数保留上一拍状态，返回一个输出即可。下面按这个分工写位置式 PID，D 用测量差分加一阶滤波，I 用条件积分。

integral 和 derivative 存的是已经乘过各自增益的输出分量。因此日志里把 P、I、D 加上偏置，就能和未限幅输出核对。

调用前检查输入是有限值，参数满足 $T_s>0$ 、 $T_f\geq0$ 、 $K_i\geq0$ ，输出上下限顺序正确。这里仍按“输出越大，温度越高”来写；制冷等反向对象要统一处理控制方向。

1
#include <stdbool.h>
2

3
typedef struct {
4
    float kp, ki, kd;
5
    float ts, tf;
6
    float out_min, out_max;
7
    float bias;
8
    float integral;
9
    float derivative;
10
    float prev_y;
11
    bool initialized;
12
} PID;
13

14
static float clampf(float x, float lo, float hi)
15
{
16
    if (x < lo) return lo;
17
    if (x > hi) return hi;
18
    return x;
19
}
20

21
/* initial_output is the desired output at the transfer instant.
22
 * A sufficiently large I term is allowed to cancel P during transfer.
23
 */
24
static void pid_reset(PID *p, float setpoint, float measured,
25
                      float initial_output)
26
{
27
    const float u0 = clampf(initial_output, p->out_min, p->out_max);
28
    p->integral = u0 - p->bias - p->kp * (setpoint - measured);
29
    p->derivative = 0.0f;
30
    p->prev_y = measured;
31
    p->initialized = true;
32
}
33

34
static float pid_step(PID *p, float setpoint, float measured)
35
{
36
    if (!p->initialized) {
37
        pid_reset(p, setpoint, measured, p->bias);
38
    }
39

40
    const float error = setpoint - measured;
41
    const float proportional = p->kp * error;
42
    const float alpha = p->tf / (p->tf + p->ts);
43
    p->derivative = alpha * p->derivative
44
        - p->kd / (p->tf + p->ts) * (measured - p->prev_y);
45
    p->prev_y = measured;
46

47
    const float delta_i = p->ki * p->ts * error;
48
    const float trial_i = p->integral + delta_i;
49
    const float trial_u = p->bias + proportional
50
        + trial_i + p->derivative;
51

52
    const bool pushes_high = trial_u > p->out_max && delta_i > 0.0f;
53
    const bool pushes_low = trial_u < p->out_min && delta_i < 0.0f;
54
    if (!pushes_high && !pushes_low) {
55
        p->integral = trial_i;
56
    }
57

58
    const float raw_u = p->bias + proportional
59
        + p->integral + p->derivative;
60
    return clampf(raw_u, p->out_min, p->out_max);
61
}

调用方式如下。这里的数值只是为了把 ℃、秒和 0～1 占空比接起来，实物要重新调参：

1
static PID heater = {
2
    .kp = 0.02f, .ki = 0.005f, .kd = 0.01f,
3
    .ts = 0.1f, .tf = 0.3f,
4
    .out_min = 0.0f, .out_max = 1.0f, .bias = 0.0f,
5
};
6

7
/* Call once after configuration and after the first valid measurement. */
8
static void heater_start(float target_c, float measured_c)
9
{
10
    pid_reset(&heater, target_c, measured_c, 0.0f);
11
}
12

13
/* Call every 100 ms with a fresh, validated measurement.
14
 * The returned duty is mapped to the hardware PWM compare register.
15
 */
16
static float heater_update(float target_c, float measured_c)
17
{
18
    return pid_step(&heater, target_c, measured_c);
19
}

4.4.1 初始化与手自动切换#

假设手动模式下正在输出 30%，切自动时却一下跳到 80%，温度就会多冲一段。pid_reset() 用当前误差反算积分，让 P、I 和偏置之和先接上这 30%。下次调用仍会正常积一拍分，所以匹配的是切换瞬间。

这个选择更适合手动切自动。冷启动时，如果拿 0% 去匹配，它可能用负积分抵消初始 P，让升温慢下来。希望开机就体现 P 的作用，可以改成积分清零、D 清零，再把 prev_y 设成当前测量值。MathWorks 的无扰切换示例还展示了手动期间持续跟踪输出的做法。

还有个小细节：把 ki 设成零，只是停止新增积分，旧的 integral 仍会参与输出。想测试纯 P，记得同时处理这个旧状态。换参数、换方向时也一样。

4.4.2 不要把控制核心当成完整设备程序#

传感器断线返回什么？ADC 数据超范围以后关不关输出？控制任务多久没运行算故障？这些判断放在外层。尤其别把 NaN 直接传进来，它可能一路污染内部状态，普通的大小比较也拦不住它。

参数和状态尽量由同一个任务管理。串口调参时一次换完整组参数，避免刚换完 kp 就被控制中断打断，算了一拍新旧混用的结果。长时间关闭输出时，也别让积分在后台照常积着。

4.5 采样周期：不只是把代码放进定时器#

图 9：裁自 TI 参考手册第 16 页，Figure 5。右边的对象连续变化，左边的控制器只在离散时刻计算；Hold 表示两次更新之间保持控制输出。

一次控制更新，实际经历的是传感器响应、采样、计算、PWM 生效。PID 函数算得快，不代表这整条链就快。比如传感器每 200 ms 才刷新一次，主循环每 1 ms 算一次，大部分时候用的还是旧温度。

初步估算时，可以先让采样频率 $f_s$ 比期望闭环带宽 $f_b$ 高一个数量级，再把采样保持、滤波与计算延迟放进模型检查。这个比例只给起点，不能据此断言稳定。温控和电机电流环的时间尺度也差得很远。

环节	要确认的问题
传感器	数据是否真的在每次控制更新前刷新？
ADC 与前端	是否同步采样，是否存在混叠或较大的滤波延迟？
控制任务	周期是否稳定，最坏计算时间是否满足截止时间？
PWM	控制更新和 PWM 载波是什么关系，比较值何时生效？
数据记录	日志和通信是否阻塞了控制任务？

PWM 每秒开关多少次，和 PID 每秒更新多少次，是两件事。加热器可以使用较高频率的 PWM，而控制任务慢一些；具体周期仍要看对象和测量链路。

本例 ts=0.1，就每 100 ms 调用一次。如果实际每 10 ms 调用，程序还以为过了 100 ms，单位时间内的积分就加了十倍。若使用实测间隔，积分、微分和滤波系数要一起跟着变；任务严重超时则另作故障处理。

Microchip AN937 的定时中断流程原图，包含误差累积、积分限制和微分历史更新

图 10：裁自 Microchip AN937，2004 年版第 6 页，Figure 4。它把累积误差和差分历史放进定时中断，适合对照早期整数实现的任务分工。

这张老图也值得带着问题看：它有 error = 0? 的提前返回分支。零误差时仍可能需要积分提供保温功率，测量值也可能仍在变化，所以不能把这个分支直接搬成“误差为零就输出零”，也不能因此漏掉通用实现里的状态更新。本文代码每次都更新历史值并计算输出。

5. 加热台硬件和整定#

5.1 真实硬件还需要哪些环节#

低压直流加热控制的 MCU、栅极驱动、MOSFET、加热负载、温度采样与独立保护功能连接图

图 11：低压直流加热系统的功能连接示意。箭头表示信号或作用关系，不是完整导线连接，不能直接用于投板。

MCU 给的是逻辑信号，真正承受负载电流的是功率级。MOSFET 选型、驱动电压和散热要按负载来算。采样线如果贴着大电流回路走，读数可能跟着开关动作跳；传感器如果离加热片很远，读到的又是迟到的温度。两种情况都会让调参变得费劲。

图里的独立过温切断也要保留。传感器断线、程序卡住时，仍应有办法关掉加热输出。

5.2 先记录一次对象响应#

先给一个小幅、可控的开环输出变化，同时记下时间、占空比和温度。看温度多久开始动、大约多久接近新平衡、最终升了多少。对某些温控工况，可以先试着拟合成：

G(s)\approx\frac{K}{\tau s+1}e^{-Ls}

这里 $K$ 是局部静态增益， $\tau$ 是时间常数， $L$ 是延迟。比如占空比加了 0.1，稳定温度升了 8 ℃，这个工况附近的 $K$ 约为 80 ℃/单位占空比。若曲线一直爬升、明显振荡，或不同工况差别很大，就要换更合适的模型。

5.3 一套有顺序的手动整定方法#

先关闭 I、D，清掉旧状态，从小 P 做一点目标变化。观察温度的同时也看占空比；若占空比一直打满，只看温度曲线很难分清是参数问题，还是设备本来就只能这么快。

P 增大到响应明显快起来以后，若开始超调或振荡，就退回一些。然后一点点加 I，把持续残差补掉。热过程有时很慢，改完要等足够久再判断，否则上一组参数的热量还没散完，下一组已经换上去了。

PI 能满足要求就先用 PI。还想压超调，再试带滤波的 D，比较加入前后的温度与输出抖动。最后试试冷工件、风扇、不同温度目标，以及长时间全功率后把目标调低。最后这一项，正好能检查抗饱和有没有实际起作用。

每次只改一类参数，把周期和曲线一起保存。否则调了半天，很容易只记得“刚才那组好像更好”。

5.4 如何看待 Ziegler–Nichols#

Ziegler–Nichols 能给出一组经验初值，NI 文档介绍了相关整定方法。用之前先看清是哪一种实验、哪一种 PID 参数形式，别拿到三个数字就填进去。

闭环临界比例法会把系统推到持续振荡附近，测临界增益和周期。加热台若不允许过温，就不适合硬做这种实验。得到初值后也要重新检查超调、噪声、饱和恢复和不同工作点。

6. 抗积分饱和、噪声与安全#

6.1 为什么限幅之后，还需要抗积分饱和#

把目标设得很高，加热器全功率跑了很久，温度还是差一截。积分每一拍都在增加，PWM 却早已卡在 100%。这时把目标调低，明明该减功率了，程序还可能继续全功率加热：之前攒下来的积分太多，一时减不掉。

这就是积分饱和，也称 integral windup。只写 u = clamp(u, 0, 1)，并没有约束内部积分状态。

图 12：本文仿真。对象为 $2\dot y+y=u$ ，PI 参数 $K_p=2$ 、 $K_i=1$ ，周期 0.01 s，输出范围 0～1。前 8 s 的目标是不可达的 1.5，之后降为 0.4。只限幅的那条曲线在目标降低后仍持续饱和，条件积分则更快退出。

6.2 条件积分和反算#

可以先试算一次。若输出已经超上限，本次积分还想往上加，就舍弃这次积分；超下限时反过来处理。若这次变化能把输出拉回范围内，就允许它减下去。代码里把候选值叫作 trial_i 和 trial_u，正好能对上这几步。

这种写法不难检查，不过限幅边界附近的行为还受每次积分步长影响。另外，软件以为自己输出了 80%，功率级可能已经因限流只能给出 40%；只看软件里的限幅就发现不了这件事。

另一类方法把饱和前后的差值反馈到积分器：

I_k=I_{k-1}+T_s\left[K_ie_k+K_{aw} \left(u_{\mathrm{sat},k}-u_{\mathrm{raw},k}\right)\right]

例如算出 1.4，限幅后只有 1.0，差值就是 −0.4；这条反馈会把积分往回拉。实现上先用旧积分求 $u_{\mathrm{raw},k}$ ，再限幅，最后更新积分，就不会互相等着对方的新值。 $K_{aw}$ 的单位是 $\mathrm s^{-1}$ ，越大拉回得越快，仍需按离散周期检查稳定性。

如果执行器另有电流环或限流器，最好把实际执行量反馈回来；有前馈时，还要分清哪一部分输出属于 PID。MathWorks 的抗饱和示例分别展示了条件积分、反算和外部跟踪，可以对着框图查。

6.3 噪声与独立保护#

微分支路和采样链路的滤波会带来相位滞后，不能只靠把 $T_f$ 调大来压住输出抖动。先核对传感器刷新率、布线和测量噪声，再决定是否真的需要 D。无论控制器参数怎样，独立过温切断、传感器断线处理和输出故障默认态都应在 PID 外层生效。

7. 检查表、总结与资料#

7.1 常见故障与排查方向#

现象	优先检查
一启动输出就迅速打满	反馈方向、单位换算、初始状态、目标是否可达
纯 P 稳定但总差一点	保持输出所需的偏置是否存在，是否需要 I 或前馈
升温越过目标后还继续大功率	积分饱和、传感器滞后、热惯性、实际执行器是否跟随命令
输出出现高频抖动	测量噪声、D 增益、微分滤波、ADC 与 PWM 的采样关系
改了定时周期后效果完全不同	是否遗漏 $T_s$ ，或重复折算了离散增益
目标改变时控制量突然尖峰	是否对误差直接微分，P 项阶跃是否也需要设定值斜坡
仿真稳定，实物却振荡	模型漏掉的延迟、执行器动态、死区、采样滤波与负载变化
只在某些工作点稳定	对象增益随工况变化、执行器非线性，是否需要分区整定

遇到振荡，先导出一段日志：目标、测量值、限幅前后输出、P/I/D 分量和时间戳。I 一直往上爬、D 跟着噪声跳、更新周期忽长忽短，会在这些数据里表现得很不一样。

7.2 本文小结#

对加热台而言，先确认方向、采样周期和硬件保护，再从 P 或 PI 起步，通常比直接套一组“PID 参数”更可靠。P 负责眼前误差，I 补偿持续残差，D 用来处理变化趋势但会放大噪声；当输出会饱和时，积分状态必须被单独管理。曲线、日志和实际保护逻辑都要一起验收。

7.3 想继续看，可以从这些资料入手#

本文原创图的生成脚本为仓库中的 scripts/generate-pid-figures.py，需要 Python、NumPy、Matplotlib 和中文字体。运行：

1
python scripts/generate-pid-figures.py

可以重建图 1、图 7、图 11、图 12。厂商图的 PDF 页码、裁切坐标和重建命令在配图来源说明见随文的 ./pid-control-guide/images/SOURCES.txt里；裁切脚本是 scripts/crop-pid-references.py。这些图片随文章保存在本地，阅读时不用等第三方图床。

参考资料#

**先看整体：**TI，Real-Time Control Reference Guide，2021 年 10 月版。第 16 页把采样与保持画在一起，第 24～25 页对照并联、串联 PID。本文图 5、图 9 来自这份手册。
**从公式走到小 MCU：**Microchip / Atmel，AVR221: Discrete PID Controller on tinyAVR and megaAVR devices，2558C，2016 年 9 月。第 5～6 页看响应，第 7～8 页看离散化，第 9～11 页看定点缩放、状态保存和积分限制。本文图 2～4、图 6、图 8 从这里裁取。
**读一份完整的老式实现：**Chris Valenti / Microchip，AN937: Implementing a PID Controller Using a PIC18 MCU，2004 年。第 5～6 页的主程序与中断流程、第 7～10 页的时间基准和三项计算，适合对照阅读。它的整数实现和条件分支有特定背景，本文没有直接移植。图 10 来自第 6 页。
**查参数的定义：**MathWorks，pid — PID controller in parallel form。拿到一组 $K_p,K_i,K_d,T_f$ 时，可以先查这里，核对形式和离散方法。
**查为什么要对测量微分：**Control Guru，PID Control and Derivative on Measurement。重点看目标跳变时，误差与测量值的差别。
**查积分饱和：**MathWorks，Anti-Windup Control Using PID Controller Block。有反算、条件积分、级联执行器和前馈的例子，适合查实际输出该从哪里反馈。
**查切换时为什么跳一下：**MathWorks，Bumpless Control Transfer Between Manual and PID Control。比较有无输出跟踪时，手动切自动的响应。
**比较两种调参目标：**MathWorks，PID Tuning for Setpoint Tracking vs. Disturbance Rejection。能解释为什么目标跟得好，负载扰动后却恢复得慢。
**对照一份常见库的源码：**Brett Beauregard，Arduino PID Library / PID_v1.cpp。重点看 Compute()、SetTunings()、SetSampleTime() 和 Initialize()，对应测量微分、周期换算、限幅和初始化。
**准备使用 Cortex-M 库：**Arm，CMSIS-DSP PID Motor Control。给出了递推系数和 Q15、Q31、浮点接口；定点版本要继续查各自的溢出与缩放说明。
**了解经典整定：**NI，Ziegler-Nichols Autotuning Method。看经验整定怎样给初值，再拿设备的实际约束筛选。

资料检索日期：2026-10-16。原创文字、代码和原创图采用 CC BY 4.0。TI、Microchip / Atmel 的原图只做局部裁切，权利归各自所有，不包含在本文的原创许可里。

音乐

音乐