PID自整定算法实战：用C语言模拟一个恒温系统（从建模到调参全流程）

PID自整定算法实战：用C语言模拟一个恒温系统（从建模到调参全流程）

1. 系统建模与仿真环境搭建

在开始PID自整定之前，我们需要先建立一个能够准确反映真实世界热力学特性的仿真环境。让我们从一个简单的房间恒温系统模型开始：

#include <math.h> // 一阶惯性环节模型参数 typedef struct { double thermal_resistance; // 热阻 (K/W) double thermal_capacity; // 热容 (J/K) double ambient_temp; // 环境温度 (°C) } ThermalModel; // 更新温度状态 double update_temperature(double current_temp, double heater_power, ThermalModel* model, double time_step) { double tau = model->thermal_resistance * model->thermal_capacity; double temp_diff = model->ambient_temp - current_temp; double temp_rate = (temp_diff + heater_power * model->thermal_resistance) / tau; return current_temp + temp_rate * time_step; }

这个模型基于以下物理定律：

• 热流平衡方程：Q = (T_env - T) / R + P
• 温度变化率：dT/dt = (T_env - T + PR) / (RC)

关键参数示例：

2. PID控制器基础实现

2.1 位置式PID实现

位置式PID直接计算控制量的绝对值，适合执行机构需要精确位置控制的场景：

typedef struct { double Kp, Ki, Kd; double integral; double prev_error; double setpoint; } PositionalPID; double positional_pid_update(PositionalPID* pid, double current_value, double dt) { double error = pid->setpoint - current_value; pid->integral += error * dt; double derivative = (error - pid->prev_error) / dt; double output = pid->Kp * error + pid->Ki * pid->integral + pid->Kd * derivative; pid->prev_error = error; return output; }

2.2 增量式PID实现

增量式PID计算控制量的变化量，对执行机构冲击小，适合阀门等设备：

typedef struct { double Kp, Ki, Kd; double prev_error; double prev_prev_error; } IncrementalPID; double incremental_pid_update(IncrementalPID* pid, double current_value, double dt) { double error = pid->setpoint - current_value; double delta = pid->Kp * (error - pid->prev_error) + pid->Ki * error * dt + pid->Kd * (error - 2*pid->prev_error + pid->prev_prev_error) / dt; pid->prev_prev_error = pid->prev_error; pid->prev_error = error; return delta; }

两种PID形式的对比：

3. 自整定算法实现

3.1 基于阶跃响应的Ziegler-Nichols方法

void ziegler_nichols_tune(PIDParams* params, double ku, double tu) { params->Kp = 0.6 * ku; params->Ki = 2 * params->Kp / tu; params->Kd = params->Kp * tu / 8; } int find_ultimate_gain(ThermalModel* model, PositionalPID* pid, double* ku, double* tu) { // 逐步增加Kp直到出现持续振荡 double kp = 0.1; double amplitude = 0; int oscillation_count = 0; while (kp < 10.0) { pid->Kp = kp; pid->Ki = 0; pid->Kd = 0; // 运行仿真并检测振荡 if (detect_oscillation(/*...*/)) { if (oscillation_count++ > 3) { *ku = kp; *tu = measure_oscillation_period(/*...*/); return 1; } } else { oscillation_count = 0; } kp += 0.1; } return 0; }

3.2 改进型继电自整定

void relay_autotune(PIDParams* params, ThermalModel* model, double setpoint, double hysteresis) { double output = 100.0; // 初始加热功率 double direction = 1.0; double peak_temp = setpoint; double trough_temp = setpoint; for (int i = 0; i < 1000; i++) { // 更新系统温度 double temp = update_temperature(/*...*/); // 检测峰值和谷值 if (temp > peak_temp) peak_temp = temp; if (temp < trough_temp) trough_temp = temp; // 继电切换 if (temp > setpoint + hysteresis) direction = -1.0; if (temp < setpoint - hysteresis) direction = 1.0; output = 100.0 * direction; // 计算振荡参数 if (i % 100 == 0 && i > 0) { double amplitude = (peak_temp - trough_temp) / 2; double period = /* 计算振荡周期 */; // 更新PID参数 update_pid_params(params, amplitude, period); peak_temp = setpoint; trough_temp = setpoint; } } }

注意：实际应用中需要添加安全限制，防止温度超出合理范围

4. 可视化与性能评估

4.1 数据记录与绘图

建议使用以下数据结构记录仿真过程：

typedef struct { double time; double temperature; double setpoint; double control_output; double Kp, Ki, Kd; // 当前PID参数 } SimulationRecord; void log_simulation(SimulationRecord* log, int* index, double time, double temp, double setpoint, double output, PIDParams params) { log[*index] = (SimulationRecord){ .time = time, .temperature = temp, .setpoint = setpoint, .control_output = output, .Kp = params.Kp, .Ki = params.Ki, .Kd = params.Kd }; (*index)++; }

性能评估指标：

1. 上升时间：从10%到90%设定值所需时间
2. 超调量：最大超出设定值的百分比
3. 稳态误差：稳定后与设定值的偏差
4. 调节时间：进入±2%稳定带所需时间

4.2 手动调参与自整定对比

通过以下代码可以比较不同调参方法的效果：

void compare_tuning_methods() { ThermalModel model = { /* 初始化参数 */ }; double setpoint = 25.0; // 手动调参 PIDParams manual_params = { .Kp = 1.2, .Ki = 0.05, .Kd = 2.0 }; run_simulation("manual.csv", &model, setpoint, manual_params); // Ziegler-Nichols自整定 PIDParams zn_params; ziegler_nichols_autotune(&zn_params, &model, setpoint); run_simulation("zn_autotune.csv", &model, setpoint, zn_params); // 继电自整定 PIDParams relay_params; relay_autotune(&relay_params, &model, setpoint, 0.5); run_simulation("relay_autotune.csv", &model, setpoint, relay_params); }

典型对比结果：

5. 实际应用中的优化技巧

5.1 防止积分饱和

// 在PID更新函数中添加抗饱和逻辑 double anti_windup_pid_update(PositionalPID* pid, double current_value, double dt, double output_limit) { double error = pid->setpoint - current_value; // 条件积分 if (!((pid->output > output_limit && error > 0) || (pid->output < -output_limit && error < 0))) { pid->integral += error * dt; } // ...其余PID计算... }

5.2 设定值滤波

// 一阶低通滤波器 double setpoint_filter(double new_setpoint, double* filtered_value, double time_constant, double dt) { double alpha = dt / (time_constant + dt); *filtered_value = alpha * new_setpoint + (1 - alpha) * (*filtered_value); return *filtered_value; }

5.3 变参数PID

void adaptive_pid_update(PositionalPID* pid, double current_value, double dt) { double error = pid->setpoint - current_value; double abs_error = fabs(error); // 根据误差大小调整参数 if (abs_error > 5.0) { // 大误差区间 - 强调比例作用 pid->Kp = 2.0; pid->Ki = 0.0; } else if (abs_error > 1.0) { // 中等误差区间 - 正常PID pid->Kp = 1.0; pid->Ki = 0.1; } else { // 小误差区间 - 强调积分作用 pid->Kp = 0.5; pid->Ki = 0.2; } // ...更新PID输出... }

在完成这个恒温系统仿真项目后，我发现最关键的insight是：自整定算法虽然方便，但任何PID控制都需要结合实际系统的动态特性进行调整。特别是在热系统中，热容和热阻的准确测量对控制效果影响极大。建议在实际应用中先用阶跃响应法获取系统大致参数，再结合自整定算法微调。