PID 控制器：調校 P、I、D

一個誤差，三個時間點

想像一陣風把你的車吹偏，你正要把它導回車道中央。你的大腦同時做三件事。它看你現在偏了多遠，按比例打方向盤——偏得多就打得多。它注意到你已經持續往右漂了一陣子，於是加上一個穩定的固定修正去抵消這個偏向。它還盯著縫隙閉合得多快，在你衝過中線前就先鬆手。當下的誤差、累積的過去誤差、預測的未來誤差。這就是PID的全部。

正式地說，回授迴路中的控制器量測誤差 e(t) = 設定值 − 量測值，並產生一個控制訊號 u(t)——油門、加熱功率、馬達電壓——去驅動受控體（plant）。PID 結合三項，每項各由一個可調增益加權：比例項 Kp·e、積分項 Ki·∫e dt、微分項 Kd·de/dt。三個數字，三種行為。控制工程的藝術，就在於如何選它們。

        setpoint           error e          control u          output y
  r ───►(+)───────► e ───►[  PID  ]───► u ───►[ PLANT ]───┬───► y
        ▲ −                                                │
        │                                                  │
        └───────────────────[ SENSOR ]◄────────────────────┘
                          (measured output)

     u(t) = Kp·e(t)  +  Ki·∫e(t)dt  +  Kd·de(t)/dt
            └─PRESENT─┘  └──PAST────┘  └──FUTURE───┘

經典的單迴路 PID。誤差餵入三個並聯項，其總和驅動受控體。P 作用於現在、I 作用於累積的過去、D 作用於預測的未來。

比例項：快，但留下一道缺口

從最簡單的控制器開始：純比例，u = Kp·e。誤差越大，你推得越用力。把 Kp 調高，系統反應就越來越快——階躍響應會陡峭地爬向目標。那為何不乾脆用一個巨大的 Kp 了事？兩個原因，而它們正是 PID 存在的核心。

首先，比例控制器幾乎總會留下一道永久的缺口——你在第 4 級遇過的穩態誤差。想像一個馬達轉速迴路：馬達要對抗摩擦、需要穩定的 6 V 才能轉到目標 1000 rpm。在純 P 之下，要持續產生 6 V 控制量的唯一辦法，就是讓誤差保持非零：u = Kp·e 意味著若 u 必須是 6 V 且 Kp = 2，那 e 就得永遠停在相當於 3 rpm 的位置。控制器需要一點殘留誤差來「養活」自己的輸出。把 Kp 調高能縮小缺口，但你永遠到不了零——而把 Kp 推得太遠，就引來第二個問題。

其次，大的 Kp 會讓迴路振盪、最終失穩。真實受控體有遲滯——馬達的慣性、加熱器的熱質量——所以輸出是在你推之後才反應。等量測追上來，誤差早已反號，而強勢的控制器又往反方向過度修正。推得夠猛，擺動就不減反增。第 4 級的穩定性準則，正是限制你能用多少 P 的那道牆。

  rpm           Kp too LOW: slow, big steady gap
 1000 ┤- - - - - - - - - - - - - - - - - setpoint
      │              ________________________
      │        _____/         ↑ leftover error
      │   ____/
    0 ┤__/
      └──────────────────────────────────► t

  rpm           Kp too HIGH: fast but rings, smaller gap
 1000 ┤- - - -/\- - - -/‾\- - - - - - - - setpoint
      │     /  \  /‾\ /   \___/‾‾‾‾
      │    /    \/   v
    0 ┤__/
      └──────────────────────────────────► t

純比例控制。低 Kp：遲緩且穩態誤差大。高 Kp：靈敏但振盪——而且無論如何誤差都到不了零。

積分消滅缺口；微分馴服擺動

積分項正是那道頑固殘餘誤差的解藥。I 項輸出 Ki·∫e dt——它把誤差隨時間累積起來。只要還有任何誤差殘留，積分就持續增長，把控制訊號推得越來越用力，直到誤差被逼到剛好為零。此時積分停止變化，並守住受控體所需的固定值——馬達那 6 V。妙處在於積分記住了偏向，控制器不再需要活的誤差來維持輸出。在數學上，積分器替迴路加上一個位於原點的極點（s = 0），由第 4 級的誤差分析可知，這保證了對階躍命令的穩態誤差為零。

但積分脾氣不好。因為只要誤差存在它就一直推，它傾向過衝——等輸出終於到達設定值時，積分早已累積了一大坨「推力庫存」，要花時間才能釋放掉，於是系統會先衝過目標再折返。積分讓迴路更準，卻更慢穩定、更易振鈴。它是那個拿速度換精度的項。

於是輪到微分項出場，它是煞車。D 輸出 Kd·de/dt——它對誤差變化得多快作反應。當輸出正衝向設定值時，誤差快速縮小，de/dt 又大又負，D 便在系統抵達之前就先把控制訊號拉回。這是純粹的預測：D 作用於預測的未來，加入阻尼以壓制過衝，讓你能安全地使用比原本更高的 Kp 與 Ki。一個調得好的 D 項，能把搖晃振鈴的迴路變成俐落、阻尼良好的迴路。

  EFFECT OF RAISING EACH GAIN (hold the others fixed):

          rise time   overshoot   settling time   steady-state err
  ↑ Kp    faster ↓    larger  ↑   small change     smaller ↓
  ↑ Ki    faster ↓    larger  ↑   longer  ↑         ELIMINATED ↓↓
  ↑ Kd    little      smaller ↓   faster  ↓         no effect

  (these are tendencies, not laws — the terms interact)

標準 PID 速查表：每個增益如何在上升時間、過衝、穩定與誤差之間取捨。積分是唯一能把穩態誤差逼到零的項；微分是唯一純粹提供阻尼的項。

一個實作的馬達轉速迴路

讓我們套上數字。一台驅動飛輪的直流馬達，可建模為一階受控體，轉移函數為 G(s) = K/(τs + 1)，其中 K 是穩態增益（每伏特多少 rpm），τ 是機械時間常數（慣性反應要多久）。設 K = 200 rpm/V、τ = 0.5 s，我們下達一個從 0 到 1000 rpm 的階躍命令。逐項看著控制器演化。

  Plant:  G(s) = 200 / (0.5 s + 1)      target = 1000 rpm

  (1) P only,  Kp = 0.01
      steady output settles at ~667 rpm   →  333 rpm SHORT.
      (loop gain Kp·K = 2, error = r/(1+2) = 333)

  (2) P + I,  Kp = 0.01, Ki = 0.05
      output now reaches 1000 rpm exactly, but OVERSHOOTS to
      ~1150 rpm and rings for ~3 s before settling.

  (3) P + I + D,  Kp = 0.01, Ki = 0.05, Kd = 0.004
      output reaches 1000 rpm, overshoot trimmed to ~3%,
      settles cleanly in ~1.2 s. Zero steady-state error.

         1150 ┤      ,-.        (2) PI: overshoot + ring
         1000 ┤----/---`-.__________  ← (3) PID: crisp
          667 ┤   /         (1) P-only floor (gap!)
            0 ┤__/
              └───────────────────────► t

同一受控體，三種控制器。純 P 短少 333 rpm。加 I 補上缺口卻過衝。再加 D 抑制過衝，得到俐落、快速、準確的響應。

仔細讀第一行——這正是第 4 級誤差公式的實戰。只有比例增益時，迴路增益是 Kp·K = 0.01 × 200 = 2，一階階躍會穩定到 r·(迴路增益)/(1 + 迴路增益) = 1000 × 2/3 ≈ 667 rpm。短少的 333 rpm 就是穩態誤差，由有限增益所烙下。步驟 (2) 的積分項讓這個誤差在數學上不可能存在：任何殘留誤差只要給足時間，都會積分到輸出剛好落在目標上。

一套你真能用上的調校配方

理論很美，但在實驗台上你是手動調的。以下是多數工程師最先採用的手動配方——它依靠上面那張速查表，並在每一步都尊重第 4 級的穩定性極限。

全部歸零。設 Ki = 0、Kd = 0。先調純 P。
調高 Kp，直到迴路反應俐落、剛開始振盪，然後退回到約一半的值。你現在有了快速但略短少的響應。
加入 Ki 以消除穩態缺口。逐步加大，直到殘餘誤差在可接受時間內消失。Ki 太多，過衝與振鈴會回頭——往回退一點。
僅在過衝或振鈴仍惹人厭時加入 Kd。一點點微分就能換來大量阻尼；加到響應俐落為止，但一旦控制訊號開始看起來抖動，就立刻停手。
反覆迭代。三項會互相影響——加 I 可能逼你微調 P，加 D 可能讓你把兩者都調高。驗證最終的階躍響應符合你對過衝、穩定時間與誤差的目標。

若想要更有系統的起點，經典的 Ziegler–Nichols 法只用一個實驗就給你大致的增益。把 I 與 D 設為零，調高 Kp 直到迴路以穩定、持續不衰減的振幅振盪——稱該增益為臨界增益 Ku、振盪週期為 Tu。然後直接從表中讀出增益。它很少剛好命中（Z–N 經典版給的調校相當激進、易過衝），但它能在幾分鐘內把你帶到正確的鄰里，準備好做手動微調。

  ZIEGLER–NICHOLS (closed-loop / ultimate-gain method)

  Find Ku (gain at sustained oscillation) and Tu (its period).

  Controller │   Kp        Ki = Kp/Ti      Kd = Kp·Td
  ───────────┼──────────────────────────────────────────
     P        │ 0.50·Ku        —               —
     PI       │ 0.45·Ku    Ti = Tu/1.2         —
     PID      │ 0.60·Ku    Ti = Tu/2       Td = Tu/8

  (a starting point, not a final answer — always hand-trim)

Ziegler–Nichols 閉迴路表。一次振盪實驗得出 Ku 與 Tu；表格把它們換算成 P、PI 或 PID 的起始增益。

PID 反咬你的地方：積分飽和與雜訊

有兩個現實世界的小妖怪，把教科書上的 PID 和真正能在現場存活的 PID 分了開來。第一個是積分飽和（windup）。每個真實致動器都會飽和——馬達驅動器只能輸出那麼多伏特，閥門最多只能開到 100%。假設你下達一個大階躍，輸出被限制在全速，卻離目標還很遠。誤差持續很大，於是積分項不斷累積——即使致動器早已到頂、再推也沒用，積分仍捲到一個巨大的值。等輸出終於到達設定值，那一大坨儲存的積分仍繼續猛推致動器，在它慢慢釋放期間，造成巨大而拖沓的過衝。

第二個小妖怪住在微分項裡。D 對誤差的變化率作反應——而量測雜訊，按定義就是一個快速變化的訊號。一個哪怕只帶一點高頻雜訊的感測器，都可能有微小卻極快速的抖動，而 de/dt 放大的正是這個。結果是控制訊號充滿劇烈的尖刺，猛敲你的致動器、浪費能量，還可能激起共振。這就是為何純教科書式的 D 很少被原樣使用。

解藥是濾波微分（filtered derivative）：實務控制器不用純 Kd·s，而是實作 Kd·s/(1 + s/N)——微分後接一個低通濾波器（典型 N ≈ 8–20），把有用的預測保留在重要的頻率，同時把高頻雜訊衰減掉。再配上抗飽和，這就是人們所謂的「實務 PID」，也正是運行在你將設計的運動控制器、無人機飛控與製程迴路裡的東西。