增量式PID与位置式PID：为你的电机控制系统做出精准抉择
在嵌入式电机控制的世界里，PID控制器是当之无愧的基石。但很多工程师在项目推进到一定深度后，往往会遇到一个看似基础却至关重要的选择：是使用增量式PID，还是位置式PID？这个选择并非简单的“哪个更好”，而是一个需要结合你的系统特性、硬件资源、性能目标以及潜在风险进行综合权衡的决策。它直接关系到系统的响应速度、抗干扰能力、代码的健壮性，乃至最终产品的稳定性和用户体验。无论是驱动一个需要精确定位的机械臂关节，还是稳定一个高速旋转的云台，选错了算法，后续的调参工作可能事倍功半，甚至引入难以排查的隐患。今天，我们就抛开教科书式的定义对比，从工程实践的角度，深入剖析这两种算法的内核差异，并结合真实的电机控制场景，为你梳理出一套清晰的选型逻辑和实战技巧。
1. 内核解析：两种PID算法的本质差异
要做出正确选择，首先必须理解两者在数学表达和物理意义上的根本不同。这不仅仅是公式的差异，更代表了两种截然不同的控制哲学。
位置式PID，顾名思义，其输出直接对应执行机构（如电机PWM占空比）的绝对位置。它的离散化公式经典而直观：
u(k) = Kp * e(k) + Ki * Σe(j) + Kd * [e(k) - e(k-1)]其中，u(k)是本次控制量的绝对输出值，e(k)是当前偏差，Σe(j)是从初始时刻到当前时刻所有偏差的累加和（积分项）。你可以把它想象成一个“指挥官”，每次采样周期到来时，它都会根据当前战场的全部情报（历史误差总和、当前误差、误差变化趋势），重新计算并下达一个全新的、完整的指令给电机：“PWM值应该设定为50%”。
注意：位置式PID的积分项
Σe(j)是一个持续累积的量。这是一个强大的武器，能有效消除静差，但也是一把双刃剑，一旦系统出现持续偏差（如电机卡死），积分项会不断累加，导致“积分饱和”，输出值远超执行机构极限，系统恢复时需要很长时间“消化”这个过大的积分值，从而产生超调或响应迟钝。
相比之下，增量式PID则更像一个“调整者”。它不直接输出控制量的绝对值，而是输出控制量的增量变化。其公式由位置式推导而来：
Δu(k) = Kp * [e(k) - e(k-1)] + Ki * e(k) + Kd * [e(k) - 2e(k-1) + e(k-2)] u(k) = u(k-1) + Δu(k)增量式PID的核心在于，它只关心“跟上一次相比，我应该改变多少”。最终的输出u(k)是上一次输出u(k-1)加上本次计算出的增量Δu(k)。这种结构带来了一些微妙而重要的特性。
为了更清晰地对比两者的核心特征，我们可以从以下几个维度进行审视：
| 特性维度 | 位置式PID | 增量式PID |
|---|---|---|
| 输出本质 | 控制量的绝对量 | 控制量的变化量 |
| 积分项处理 | 直接对误差进行累加 (Σe) | 隐含积分，表现为对当前误差的加权 (Ki*e(k)) |
| 对历史状态的依赖 | 强依赖（需存储所有误差和或积分值） | 弱依赖（仅需最近2-3次误差值） |
| 手动/自动切换 | 切换时需进行无扰切换处理，较复杂 | 切换瞬间输出自然连续，实现无扰切换更简单 |
| 抗积分饱和 | 需额外设计抗饱和机制（如积分分离、遇限削弱） | 天然具备一定抗饱和能力 |
从代码实现上看，这种差异也非常明显。位置式PID通常需要维护一个静态的积分累加变量，而增量式PID只需要记住前两次的误差值。
// 位置式PID结构体示例（需存储积分和与上次误差） typedef struct { float Kp, Ki, Kd; float integral; // 积分累加和 float prev_error; // 上一次误差 } Positional_PID; // 增量式PID结构体示例（需存储前两次误差） typedef struct { float Kp, Ki, Kd; float prev_error; // e(k-1) float prev2_error; // e(k-2) } Incremental_PID;理解这些底层差异，是我们后续分析其在不同场景下表现的基础。位置式更像一个全局优化器，而增量式则是一个局部微调器。
2. 性能对决：响应、抗扰与稳态精度
在实际的电机控制系统中，算法的理论特性会转化为可观测、可测量的性能指标。我们通过几个关键场景来对比两者的实战表现。
2.1 动态响应速度与超调
对于阶跃信号（比如突然让电机从静止加速到某个目标速度），两种算法的初始响应可能类似，因为它们都受比例项Kp主导。然而，在接近目标值的过程中，差异开始显现。
- 位置式PID：由于积分项是误差的累加，在接近目标时，虽然当前误差
e(k)很小，但累积的Σe(j)可能已经很大，导致控制器仍然输出一个较大的值，容易造成较大的超调。之后，需要误差反向（过冲）来“消化”过大的积分值，系统可能经历数次衰减振荡才稳定下来。 - 增量式PID：其积分项是
Ki * e(k)，只与当前误差有关。当系统接近目标时，e(k)变小，积分作用立刻减弱。因此，增量式PID通常能实现更平滑的收敛，超调量相对较小。这在云台稳定、相机对焦等对运动平滑性要求极高的场景中是一个显著优势。
2.2 抗干扰能力与恢复性
这是体现两者哲学差异最明显的地方。假设系统稳定运行时，突然受到一个短暂的外部扰动（如负载突变、一阵风吹过云台）。
- 位置式PID：扰动产生一个正偏差
e(k)，积分项开始累加这个偏差。即使扰动很快消失（偏差变回0），但已经累加到积分项中的值不会自动消失，它会继续作用，导致输出维持在一个偏离原平衡点的位置，从而产生一个稳态误差，或者需要很长时间才能靠微小的反向误差慢慢“磨”掉这个积分。这就是积分饱和的负面影响之一。 - 增量式PID：扰动产生正偏差
e(k)，本次输出增量Δu(k)为正，输出增加以抵抗扰动。当扰动消失，e(k)变回0，e(k-1)还是正偏差，那么Δu(k)的计算中，Kp*[0 - e(k-1)]项为负，Ki*0项为0，Kd*[0 - 2e(k-1) + e(k-2)]项通常也为负（假设扰动前稳定）。因此，下一个周期的增量Δu(k+1)很可能为负，开始主动将输出拉回扰动前的水平。这种“自我修正”的倾向使得增量式PID在应对突发干扰后，恢复速度往往更快。
我们可以用一个简单的模拟数据来感受一下。假设目标值为100，系统受扰动后测量值跌至80，扰动持续2个周期后消失。
| 周期(k) | 测量值 | 位置式输出 u(k) | 增量式输出 u(k) | 说明 |
|---|---|---|---|---|
| 0 | 100 | 稳定值 | 稳定值 | 稳定状态 |
| 1 | 80 | 大幅增加 | 增加 (Δu>0) | 扰动出现，两者均增加输出以抵抗 |
| 2 | 80 | 继续增加（积分累积） | 小幅增加或持平 | 扰动持续 |
| 3 | 100 | 仍维持高位（积分未消） | 开始下降(Δu<0) | 扰动消失，增量式立即开始回调 |
| 4 | 102 | 缓慢下降 | 继续下降，接近原值 | 增量式快速恢复 |
2.3 稳态精度与积分作用
很多人认为增量式PID的积分作用弱，稳态精度会差。这是一个常见的误解。在理想的无噪声、无扰动的稳态下，当系统误差e(k)恒为0时，增量式PID的积分项Ki * e(k)为0，输出增量Δu(k)也为0，输出u(k)将保持恒定，系统能无静差地维持稳定。它的积分能力体现在对持续存在的小偏差的持续修正上。
然而，在实际的数字系统中，存在量化误差、测量噪声。如果噪声导致e(k)在0附近随机跳动，位置式PID的积分项Σe(j)可能会因为噪声的随机性而缓慢漂移（随机游走），长期来看可能引入低频漂移。而增量式PID的积分作用对每个周期的噪声是独立的，不易产生这种累积漂移，但其输出u(k)会随着噪声有一定的高频微小抖动。对于电机控制，PWM本身也有分辨率限制，这种微小抖动有时可以被硬件过滤掉。
3. 工程实现考量：复杂度、安全性与无扰切换
理论性能最终要落地到代码和硬件上。在工程实现层面，两者的差异直接影响了系统的可靠性和开发效率。
3.1 代码复杂性与计算量
从上面的代码示例可以看出，增量式PID所需存储的状态变量更少（通常只需前两次误差），计算步骤也稍简单。在资源极其受限的8位或低端32位MCU上，这能节省宝贵的RAM和CPU周期。但以现代常见的ARM Cortex-M系列MCU的性能来看，这点计算差异几乎可以忽略不计。真正的复杂性差异体现在外围功能上。
位置式PID由于存在积分饱和的严重风险，必须配套实现抗积分饱和机制。常见的策略有：
- 积分分离：当误差大于某个阈值时，取消积分作用。
- 遇限削弱积分：当输出饱和时，只累计能减小输出方向的误差积分。
- 积分限幅：直接给积分项
integral设置一个绝对值上限。
// 位置式PID带积分限幅和输出限幅的示例计算 float Positional_PID_Calculate(Positional_PID *pid, float setpoint, float measurement) { float error = setpoint - measurement; // 积分项累加 pid->integral += error * pid->Ki; // **积分限幅（必须的！）** if (pid->integral > INTEGRAL_MAX) pid->integral = INTEGRAL_MAX; else if (pid->integral < -INTEGRAL_MAX) pid->integral = -INTEGRAL_MAX; float derivative = (error - pid->prev_error) / dt; // 假设dt为采样周期 float output = pid->Kp * error + pid->integral + pid->Kd * derivative; // **输出限幅** if (output > OUTPUT_MAX) output = OUTPUT_MAX; else if (output < OUTPUT_MIN) output = OUTPUT_MIN; pid->prev_error = error; return output; }而增量式PID天然的结构使其在输出达到限幅后，一旦误差反向，增量Δu也反向，输出能自然地从饱和点回落，无需特别复杂的抗饱和逻辑。这使得增量式PID的代码更简洁，更不易因忘记处理饱和而出错。
3.2 无扰切换与手动/自动模式
在工业控制中，系统常常需要在“手动模式”（操作员直接给定输出）和“自动模式”（PID控制）之间切换。切换瞬间如果输出值发生跳变，会对生产过程产生冲击，这是不允许的。
- 位置式PID：为实现无扰切换，在从手动切到自动时，需要将PID控制器的内部状态（主要是积分项
integral）进行初始化，使其计算出的输出值恰好等于当前的手动输出值。这需要额外的计算和逻辑。 - 增量式PID：无扰切换的实现简单得多。因为它的输出是上次输出加增量。在手动模式下，只要停止更新PID的误差历史（
prev_error,prev2_error），保持其不变。当切换到自动模式时，自动模式的第一次计算是基于旧的误差历史和新的偏差，产生的增量Δu通常很小，输出u(k)会从手动模式的值开始平滑变化，自然实现了无扰切换。这个特性使增量式PID在需要频繁模式切换的场合备受青睐。
3.3 对执行器特性的适应性
增量式PID输出的是变化量，这对某些具有“积分”特性的执行器来说非常匹配。例如，步进电机是通过接收脉冲（增量）来运动的，控制步进电机的驱动器通常接受“方向+脉冲”信号，每个脉冲走一步。用增量式PID直接计算脉冲频率的增量，实现起来非常直观。而对于普通的直流有刷或BLDC电机，通过PWM控制，接受的是电压或电流的绝对值设定，两者在接口上都需要一步累加（u(k) = u(k-1) + Δu(k)），因此在这个层面上区别不大。
4. 选型指南与参数调试实战
综合了原理、性能和实现，我们可以得出一些实用的选型建议。但请记住，没有放之四海而皆准的答案，最适合的才是最好的。
4.1 何时优先考虑位置式PID？
- 设定点频繁大幅变化的定位控制：例如机械臂从一个点快速运动到另一个点。位置式PID对目标变化的响应更“直接”和“猛烈”，可能更快地驱动电机达到新目标。但需精心调参以避免过冲。
- 需要非常强的积分作用来克服恒定阻力：如果系统存在恒定的负载或摩擦力，导致在目标点存在稳态误差，位置式PID强大的积分累加能力可以更坚决地“怼”上去，消除静差。但同样要处理好饱和。
- 控制量输出具有绝对物理意义且需精确监控：在某些场合，控制量本身（如阀门开度0-100%）是需要被精确记录和监控的，位置式PID直接输出这个绝对值，更直观。
4.2 何时优先考虑增量式PID？
- 对平滑性和超调要求极高的场景：如云台增稳、相机伺服、精密仪器平台。增量式更温和的收敛特性是天生的优势。
- 系统存在频繁或不可预测的干扰：如无人机在空中受到阵风，AGV轮子打滑。增量式更快的干扰恢复能力能提升系统鲁棒性。
- 执行机构本身容易饱和或需频繁模式切换：如阀门、舵机。增量式简化了抗饱和和无扰切换逻辑，提高了安全性和可靠性。
- 快速原型开发或资源受限：当你希望快速搭建一个可用的控制器，且不想花太多精力处理积分饱和等边角问题时，增量式是一个更“省心”的起点。
4.3 参数调试的经验之谈
无论选择哪种，调试PID参数（Kp, Ki, Kd）都是必经之路。虽然齐格勒-尼科尔斯法等经典方法提供了起点，但实战中更多依赖经验和观察。
- 先调Kp，再调Ki，最后调Kd：这是黄金法则。先将Ki和Kd设为0，增大Kp直到系统出现等幅振荡（临界振荡），此时记录临界增益Kc和振荡周期Pc。然后根据公式设定初始参数。
- 位置式PID的Ki要更谨慎：因为其积分作用强，过大的Ki会迅速导致饱和和剧烈振荡。建议从理论计算值的50%开始尝试。
- 增量式PID关注“增量”的幅度：调试时，除了看系统输出响应，还可以监控
Δu(k)的大小。在稳态下，Δu(k)应该在0附近微小波动。如果波动过大，可能是Kp或Kd太大。 - 利用示波器或数据可视化工具：这是最重要的调试手段。同时捕获目标值、反馈值、输出值（PWM）以及误差曲线。观察上升时间、超调量、稳定时间。对于突加负载测试，重点看恢复时间和恢复过程中的最大偏差。
下面是一个调试增量式PI（常用于速度环）的简单步骤示例，假设我们通过上位机能实时修改参数和观测波形：
- 初始化：设置Ki=0， Kd=0， 给定一个较小的Kp。
- 阶跃响应测试：给一个速度阶跃指令（如从0到1000 RPM）。观察反馈速度曲线。
- 增大Kp：逐步增大Kp，直到系统响应速度足够快，但开始出现轻微超调或振荡。记下这个Kp值作为基准。
- 引入Ki：将Ki设置为一个非常小的值（如Kp/100）。观察稳态误差是否减小。缓慢增大Ki，直到静差在可接受范围内，但注意观察动态响应是否变差（反应变慢或出现低频振荡）。
- 微调：在Kp和Ki之间反复微调，寻找响应速度和稳定性的最佳平衡点。有时略微降低Kp并增加Ki，反而能得到更平滑的响应。
最后，分享一个我在调试四旋翼无人机姿态控制时的实际体会。最初在姿态环（控制角度）使用了位置式PID，发现虽然能快速跟踪角度指令，但在受到强风扰动后，飞行器恢复平缓的过程总有轻微的“犹豫”感，日志显示是积分项在作祟。后来将姿态环的外环（角度环）改为增量式PID，内环（角速度环）保留位置式PID。这样一来，外环的增量式输出作为内环的目标角速度，其平滑的特性使得内环的目标值变化更柔和，整个系统在抗扰动后的恢复过程更加干净利落，飞行员手感明显提升。这个案例说明，有时混合使用两种算法，让它们各司其职，可能是更优的架构选择。不要被非此即彼的思维限制住，深入理解工具的特性，才能灵活地解决工程问题。
