模糊自整定增量式PID在STM32电机速度闭环中的工程实现

简介：一套基于STM32F103ZET6与编码器直流电机的模糊自整定增量式PID速度控制程序，面向嵌入式初学者、电机控制开发者及备赛学生。代码按照正点原子工程规范分块编写，注释清晰，相比普通增量式PID具备更强鲁棒性，可帮助读者理解模糊控制规则如何在线调整PID参数，并可直接移植或二次开发。压缩包共170个文件，整体约4.74MB，以39个h头文件、38个c源文件为主，另有hex烧录文件、uvprojx工程文件及map、axf等编译输出，便于查看结构、修改源码和直接下载验证。目前已有4282人学习下载。资料包含完整工程目录、编译脚本、链接脚本和说明文本，读者可顺着注释梳理模糊推理与增量式PID的计算流程，同时利用keilkilll脚本等辅助手段提升后续开发效率。

1. 一个反直觉的结论：PID参数不是常数，模糊自整定到底在整什么

在电机速度闭环里，最磨人的不是PID算法本身，而是那三个参数的“有效期”。你会发现：空载时调好的Kp，挂上负载后转速像泡了水的皮带，Kp加两格又开始抖。更反直觉的是，PID参数本身并不是一组常数，它只是在特定工作点对系统模型的近似补偿。工作点一变，原来的近似就失效了。模糊自整定增量式PID正是从这里切入：它把调试经验编码成一张误差和误差变化率层面的规则表，由STM32F103在每个控制周期去查表修正Kp、Ki、Kd，相当于在PID外面又套了一个工况识别层。搞懂模糊PID的机制，你才算真正理解速度闭环里“参数漂移”这个玄学问题的根源在哪里。

2. 增量式PID：为什么电机调速里大家都用增量而不是位置式

很多从课本入门的人都会先背位置式PID公式：输出等于比例项、积分项、微分项的加权和。课本没有告诉你，工业电机调速里大量落地代码写的却是增量式。两者的控制目标一样，但增量式算的是“这一拍要对上一拍的输出加多少”，而不是“这一拍输出应该是多少”。这个差别在电机场景里有三个连锁后果：手动/自动切换无扰动、积分累积被差分运算天然稀释、执行器自带记忆所以输出连续。下面拆开看。

2.1 增量式输出的本质：它不是PID，是PID的差分

先给位置式PID公式：

u(k) = Kp * e(k) + Ki * T * Σe(i) + Kd * (e(k) - e(k-1)) / T

这里T是采样周期。把第k拍的控制量u(k)与第k-1拍的控制量u(k-1)相减，整理后得到：

Δu(k) = Kp * (e(k) - e(k-1)) + Ki * T * e(k) + Kd * (e(k) - 2*e(k-1) + e(k-2)) / T

实际写入PWM比较寄存器的值仍是：

u(k) = u(k-1) + Δu(k)

关键在第二行：整个公式里没有任何一项是“从零开始累积的积分和”。积分的作用被隐含进了“这一拍误差”和“上一拍输出”的关系里。STM32定时器的比较寄存器天然保留上一拍的占空比，所以DPU（数字处理单元）只要算出Δu，把它加到原值上即可。

一个最小可用的实现长这样：

typedef struct { float kp, ki, kd; float e1; /* e(k-1) */ float e2; /* e(k-2) */ float u_prev; /* 上一拍实际输出的占空比 */ float delta_u_max; /* 增量限幅 */ } IncPID; float inc_pid_step(IncPID *pid, float e) { /* 增量式核心：差分、积分项、二阶差分 */ float delta_u = pid->kp * (e - pid->e1) + pid->ki * e + pid->kd * (e - 2.0f * pid->e1 + pid->e2); if (delta_u > pid->delta_u_max) delta_u = pid->delta_u_max; if (delta_u < -pid->delta_u_max) delta_u = -pid->delta_u_max; float u = pid->u_prev + delta_u; pid->u_prev = u; /* 先保存历史误差，再返回，下一拍差分正确 */ pid->e2 = pid->e1; pid->e1 = e; return u; }

代码里第一个if限幅限的是“变化率”，而不是“占空比绝对值”。这一点会在下一个节讲清楚。限幅值delta_u_max建议取PWM满量程的5%到10%；如果设成和满量程一样大，这条保护就失去了意义。e2和e1的更新顺序决定了二阶差分的符号，必须先保存旧值再更新，否则(Kd项)算出来的是另一个差分方向。

2.2 积分饱和为什么在增量式里被“隐藏”了

位置式PID有个经典坑：误差大时积分项不断累积，输出明明已经顶到占空比上界，误差还在被积分，这个“积分记忆”会在误差反向时造成大超调。解决起来要额外加anti-windup逻辑，判断执行器是否饱和，再决定要不要停止积分。

增量式PID从结构上绕开了这个问题。看公式，Δu里出现的误差都是“这一拍减上一拍”的差值，不存在一个长期累积的Σe项。如果输出已经饱和，也就是u_prev在100%占空比附近，下一拍误差反向，Δu立即变成负数，控制量马上离开饱和区，不需要先把旧积分冲掉。

真正的坑在于：很多人在增量式外面又套了一个“绝对占空比限幅”，然后把这个限幅后的值反馈回u_prev。一旦这样操作，就相当于把位置式的饱和又请了回来。正确的做法是：绝对值限幅只放在最后写比较寄存器之前，u_prev继续保留未经限幅的计算值。这样硬件保护是保护设备，内部状态不被污染，两者职责分开。

2.3 采样周期对增量式PID参数的影响

增量式公式里的Ki和Kd实际上是按“每个控制周期”来定义的，不是按照物理时间秒来定义的。这意味着采样周期一变，三个系数的有效增益全变。比如把控制周期从5ms改成10ms，误差变化率计算的间隔变长了，相同的Kd产生的微分作用会更弱。

实际项目里经常出现这样的场景：在开发板上用10ms周期调好一组参数，为了加快响应把周期改成5ms，结果转速震荡。震荡不是因为增量式PID不对，而是Ki和Kd没有按照周期变化重新标定。合理做法是把控制周期当成设计常量固化下来，规则表里的修正量也绑定这套周期。换周期时，模糊表可以不动，但基底Kp0、Ki0、Kd0必须按周期比例重新换算。

此外，增量式PID手动/自动切换无扰动也是一个容易被忽视的优势。切换时只要保持u_prev等于当前执行器实际输出，新的闭环输出从当前值开始加增量，不会产生阶跃突变。位置式PID切换时一般需要先把输出对齐到当前执行器位置，工程上要多写几行状态同步的代码。

3. 模糊自整定机制：误差空间上的规则表如何替代人工反复调参

模糊自整定做的事情，一句话讲就是把“工程师调参时眼睛看到的事情”变成可计算的规则：误差大且还在变大，就加大Kp、减小Ki；误差小但来回抖，就减小Kp、加强Kd。它不预测系统模型，也不在线辨识参数，而是在一个提前定义好的误差空间（e和ec）上做近似查表。这才是它在STM32F103这种Cortex-M3上可行的根本原因：整个推理过程被提前展开成查表和加权平均，而不是跑一个神经网络。

3.1 模糊化：量化因子决定规则表感受的“刻度”

模糊控制器的两个输入是转速误差e和误差变化率ec。首先要给这两个物理量确定“刻度”——把实际的误差范围映射到模糊论域里。

常见的做法是：设误差基本论域为[-emax, emax]，误差变化率基本论域为[-ecmax, ecmax]，模糊论域取[-3, 3]。量化因子就是：

Ke = 3.0f / emax Kec = 3.0f / ecmax

随后把实际误差乘上Ke，得到规范化后的模糊输入。这一步看着简单，却是整个模糊PID里最容易翻车的地方。量化因子决定了规则表在什么误差范围下会被触发。Ke设大了，误差稍微一变就落到NB或PB的极端区间，规则表会给出很强的修正动作；Ke设小了，误差已经很大了，输入还落在ZO附近，规则表认为“误差很小”，输出自然迟钝。

我一般会这么理解：量化因子相当于规则表的“放大镜”。同一个规则表，换一个不同额定转速的电机时，emax必须按新电机的最高转速重新标定，否则表里的“正大误差”对应的实际物理含义完全不同。这也是很多移植案例中规则表看起来没问题、系统却振荡的根源。

计算隶属度的典型代码可以只保留三角形隶属度的浮点运算：

float tri_mf(float x, float a, float b, float c) { if (x <= a || x >= c) return 0.0f; if (x == b) return 1.0f; if (x > a && x < b) return (x - a) / (b - a); return (c - x) / (c - b); }

这里的a、b、c是某个语言值的三个顶点，比如“负大”可以是[-3, -2, -1]，“零”可以是[-1, 0, 1]，“正大”可以是[1, 2, 3]。每个输入按Ke量化后，最多会落在两个相邻语言值的隶属度上，很少同时落在三个以上，所以实际计算量很小。

3.2 规则库：七个区间上的工作状态判断

输入语言值为负大（NB）、负中（NM）、负小（NS）、零（ZO）、正小（PS）、正中（PM）、正大（PB），组合起来是7×7=49条规则。工程上不会写满49条，很多格子的输出是“保持”或“不调”。但为了覆盖完整，实际会让三个输出（ΔKp、ΔKi、ΔKd）各用一张表。

下面是一张常用的ΔKp规则表，行是e，列是ec：

表里每个格子的物理含义要能解释。比如“误差为正大（转速远低于目标）且误差变化率为负大（转速还在加速靠近目标）”，此时转速正在快速回升，不能继续猛加Kp，所以输出是ZO或PM而不是PB；如果误差变化率也是正大（转速继续远离目标），才输出NB去强力压制。每条规则的输出都是在回答“这个误差状态下，哪个方向的系数修正能让系统下一拍更稳定”。

类似的表还需要给ΔKi和ΔKd各一份。Ki的规则倾向是“误差大时不积或少积，误差小时才多积”；Kd的规则倾向是“误差变化剧烈时加强微分，平稳时削弱微分”。这三张表加在一起才是完整的规则库。

3.3 解模糊与参数合成：重心法的可复现计算

模糊推理部分常用Mamdani型：每个规则强度取前件两个隶属度的较小值，再截断输出隶属度。最后用重心法去模糊化：

out = Σ(μ_i * c_i) / Σ μ_i

其中μ_i是第i条规则的激活强度，c_i是输出模糊集合的“代表值”（例如NB取-3，NM取-2，ZO取0，PB取3）。因为在Cortex-M3上跑完整的模糊集合运算是浪费的，工程上会简化成“离散代表点法”——把每个语言值看作一个标量代表点，规则表的输出直接取该标量的加权平均。

用代码表达就是：

float fuzzy_center(float *mu, int *idx, int n, const float *rep) { float sum_mu = 0.0f, sum_mu_c = 0.0f; for (int i = 0; i < n; i++) { sum_mu += mu[i]; sum_mu_c += mu[i] * rep[idx[i]]; } if (sum_mu < 1e-6f) return 0.0f; return sum_mu_c / sum_mu; }

激活规则最多2×2=4条，因为每个输入最多落在两个语言值上。循环次数固定，执行时间可预测。最后合成自整定后的参数：

Kp = Kp0 + kp_scale * out_p Ki = Ki0 + ki_scale * out_i Kd = Kd0 + kd_scale * out_d

Kp0、Ki0、Kd0是人工预整定的基底参数，kp_scale、ki_scale、kd_scale是输出比例因子。比例因子本质上也是量化因子的另一半，它决定“规则表说加大10%”到底加多少。设小了自整定等于没调，设大了又会振荡。这一组参数必须放在模糊规则同一优先级，不能只调规则表。

3.4 查表实现而不是在线推理：STM32F103的真实做法

虽然上面展示了在线模糊推理的代码，但STM32F103主频只有72MHz，控制周期如果做到5ms，完整跑49条规则也能接受。但工程上更常见的实现是离线路基化：提前把规则表在PC上或内部生成离散化查找表，在线只做双线性插值。

实现逻辑大致是：把模糊论域[-3,3]按步长1分成若干离散点，每个点存储事先计算好的ΔKp、ΔKi、ΔKd查表结果。在线根据量化后的e、ec，找到包围当前点的四个网格点，按距离加权插值。

/* 二维查表插值：x和y是量化后的模糊输入，grid是[Nx][Ny]输出值 */ float interp2d(float x, float y, const float **grid, int nx, int ny) { int ix = (int)(x - GRID_X0) / GRID_STEP; int iy = (int)(y - GRID_Y0) / GRID_STEP; if (ix < 0) ix = 0; if (ix >= nx-1) ix = nx-2; if (iy < 0) iy = 0; if (iy >= ny-1) iy = ny-2; float tx = (x - (GRID_X0 + ix * GRID_STEP)) / GRID_STEP; float ty = (y - (GRID_Y0 + iy * GRID_STEP)) / GRID_STEP; float v00 = grid[ix][iy]; float v10 = grid[ix+1][iy]; float v01 = grid[ix][iy+1]; float v11 = grid[ix+1][iy+1]; return (v00*(1-tx) + v10*tx)*(1-ty) + (v01*(1-tx)+v11*tx)*ty; }

查表法的好处是：浮点推理的开销被提前搬走，运行时的计算量只是几次整数索引和三次线性插值，时间抖动极小。这个机制也解释了为什么移植模糊PID时，规则表常常不是关键，量化因子才是——因为查表网格的坐标完全由量化因子决定。换个电机，把emax和ecmax按新额定值重新算一遍，规则表几乎不用动。

4. STM32F103上的落地：编码器、定时器与控制周期配合

模糊自整定增量式PID理论再漂亮，落到STM32F103上还要过三关：速度怎么测、占空比怎么发、控制周期怎么稳定。这三关任何一关出问题，看到的转速曲线都是一团乱麻。

4.1 编码器接口模式：用定时器硬件数脉冲，而不是外部中断

STM32F103的通用定时器可以直接工作在编码器模式，相当于硬件正交解码器。电机的编码器A相、B相分别接定时器的两个输入通道，只要把SMCR寄存器里的SMS配成011，定时器就会根据两路相位自动判断方向，并在CNT寄存器里加计数或减计数。整个过程不需要CPU介入，也不会因为中断延迟丢脉冲。

初始化代码大致是：

TIM_TimeBaseInitTypeDef TB; TIM_ICInitTypeDef IC; TB.TIM_Prescaler = 0; TB.TIM_CounterMode = TIM_CounterMode_Up; TB.TIM_Period = 0xFFFF; /* 16位自动重装 */ TB.TIM_ClockDivision = TIM_CKD_DIV1; TIM_TimeBaseInit(TIM3, &TB); IC.TIM_Channel = TIM_Channel_1; IC.TIM_ICPolarity = TIM_ICPolarity_Rising; IC.TIM_ICSelection = TIM_ICSelection_DirectTI; IC.TIM_ICPrescaler = TIM_ICPSC_DIV1; IC.TIM_ICFilter = 0x05; TIM_ICInit(TIM3, &IC); IC.TIM_Channel = TIM_Channel_2; IC.TIM_ICPolarity = TIM_ICPolarity_Rising; IC.TIM_ICSelection = TIM_ICSelection_IndirectTI; TIM_ICInit(TIM3, &IC); TIM_EncoderInterfaceConfig(TIM3, TIM_EncoderMode_TI12, TIM_ICPolarity_Rising, TIM_ICPolarity_Rising); TIM_Cmd(TIM3, ENABLE);

速度计算采用M法：每个控制周期读一次CNT，减去上一周的CNT，得到这段时间的脉冲增量，再除以单位时间得到速度。因为CNT是16位，可能发生溢出，但用int16_t去读CNT寄存器时，有符号减法能自动处理绕回问题——0xFFFF减0x0001得到-2，方向性是正确的。采样时间越短，分辨率越低，低速时可能几个周期才一个脉冲，需要根据实际脉冲频率决定控制周期。

4.2 速度闭环的时序：控制周期、PWM更新和中断优先级

速度环通常放在一个固定周期中断里执行，比如TIM2更新中断，周期5ms。每次中断做的事按顺序固定：读取编码器速度、计算误差和误差变化率、查模糊自整定表、算增量式PID、写PWM比较寄存器。写成代码是：

void TIM2_IRQHandler(void) { if (TIM_GetITStatus(TIM2, TIM_IT_Update)) { TIM_ClearITPendingBit(TIM2, TIM_IT_Update); int16_t cnt = (int16_t)TIM3->CNT; int16_t delta_pulse = cnt - last_cnt; last_cnt = cnt; float speed = (float)delta_pulse / pulses_per_rev / control_period_s; float e = target_speed - speed; float ec = e - last_e; last_e = e; fuzzy_update(&fuzzy, e, ec, &kp, &ki, &kd); float u = inc_pid_step(&pid, e); /* 绝对值限幅只在这里做，不反馈回pid.u_prev */ if (u > PWM_MAX) u = PWM_MAX; if (u < PWM_MIN) u = PWM_MIN; TIM_SetCompare1(TIM1, (uint16_t)u); } }

这段代码里值得注意的细节是：编码器计数读取用的是int16_t强制转换，这利用了有符号溢出自动回绕的特性；绝对值限幅没有改变pid内部的u_prev，而是直接限制最终写入PWM寄存器的值。两个限幅的层次完全不同，前者是内部状态，后者是设备保护。

优先级设计上，速度环中断必须放在较高优先级，至少要比串口、外部按键这类通信事件高。如果控制中断被低优先级事件反复打断，控制周期就会抖动，增量式PID里的差分项会把抖动当成误差变化率，造成额外噪声。触摸按键、LED刷新这类低优先级任务不要和速度环抢中断。

4.3 速度测量里的低通滤波与量化噪声

编码器本身有量化误差，尤其在低速时一个脉冲对应的速度跳变可能超过10%。增量式PID的微分项对这样的噪声非常敏感，容易表现为转速高频抖动。常见做法是在速度测量后加一阶低通滤波器：

speed_filt = speed_filt + alpha * (speed_raw - speed_filt)

alpha取值通常在0.2到0.5之间。alpha太小，速度反馈变得迟钝，模糊表看到的误差变化率不再真实；alpha太大，噪声直接透传。调试时可以从0.3起步，观察速度波形上是否还有毛刺。模糊自整定的输入ec使用滤波后的速度差，而不是原始值，否则规则表会被高频噪声带偏，频繁输出修正量。

5. 常见问题与避坑：从编码器读数到模糊规则表的五个典型事故

模糊自整定增量式PID老手也常在这些地方翻车。下面按现象、原因、解决三段式记录几条实操里最容易踩的坑。

5.1 编码器计数方向突变与计数溢出

现象：电机匀速转，每次读取到的速度却在正负之间跳变，转速曲线像锯齿。

原因：编码器计数CNT是16位寄存器，如果读取时刻恰好发生从0xFFFF到0x0001的溢出，直接用无符号减法会得到一个巨大的正数或负数。另外编码器模式下的方向切换也会让CNT朝反方向计数，如果读取和计算时不考虑方向，速度值会瞬时反向。

解决：用有符号类型读取CNT，并且每次只做相邻两个控制周期的差值。比如用int16_t强制转换后做减法，教科书式的绕回问题被自动消解。同时检查SMCR里的DIR位，方向切换时不要清零速度状态，而是继续用增量计算，让速度自然过渡到反方向。

5.2 PWM死区与低速抖动

现象：低速工况下电机转速忽快忽慢，严重时出现爬行甚至抖动，模糊自整定此时会不断输出修正，但转速纹丝不动。

原因：功率器件的开关死区、电机轴摩擦和PWM占空比的非线性，导致很小占空比变化不会真正改变电机电压。增量式PID在低速时每次只输出很小的Δu，这个量被死区吞掉，执行器不响应，误差一直存在，下一次又加一点，直到增量累积到超过死区才突然启动，于是形成“憋着走”的抖动。

解决：给增量式输出做一个死区补偿，在目标占空比附近设置一个最小的占空比修正步长，让到达死区边缘的Δu一次性越过死区。同时把delta_u_max限制得足够小，避免补偿步长引起可见的速度跳变。这个坑几乎是电机控制的必修课，上电就开始抖的情况大多数不是PID参数的问题，而是死区问题。

5.3 量化因子与规则表不匹配导致系统发散

现象：同一套模糊规则表，从一个小功率电机搬到一个大功率电机，上电后转速直接振荡发散，甚至触发过流保护。

原因：规则表里的“误差为正大”是一个相对概念。小电机的额定速度是3000rpm，emax设成4500rpm；换到大电机额定速度只有500rpm，emax还是4500rpm，那系统绝大部分误差都落在一个很小的模糊区间里，规则表永远在“很小误差”状态下工作，输出修正量远远不够。这不是规则表错了，而是量化因子没有跟随实际工况重新标定。

解决：移植时先固定规则表，只改两个量化因子Ke和Kec。把emax设为目标系统最大可能速度偏差，ecmax设为最大允许加速度对应的误差变化率。如果是同步电机还可以根据编码器线数自动换算，但大多数场景直接按额定转速的1.2倍取emax就是合理的起点。

5.4 启动瞬间猛冲与积分初值问题

现象：上电给目标转速，电机瞬间冲到满速，随后又掉回来，来回甩动。

原因：增量式PID里u_prev初始化为0，而启动时误差很大，模糊规则表给出的Kp又很高，第一拍Δu直接冲上限幅，占空比从0跳到接近100%。更麻烦的是，启动瞬间误差变化率ec非常大，规则表可能认为“误差正在快速靠近”而提前减少Kp，但u_prev已经冲上去了，系统需要一个漫长的回摆过程。

解决：启动阶段加软启动斜坡，目标转速不是直接跳变，而是按一个斜率逐渐爬升。同时在第一个控制周期强制把pid.u_prev初始化为当前占空比基线值，而不是0。很多代码里u_prev初始化成0只是图省事，实际上在带载启动时这个初值会让模糊PID的在线修正完全失效。

5.5 自整定越调越大，最终救不回来

现象：系统运行几秒后出现等幅振荡，振荡幅度逐渐增大，Kp被越调越大，恢复不了稳定。

原因：模糊自整定的输出没有被限幅。规则表给出的修正方向是对的，但修正量没有任何约束，Kp被一轮轮加大，最后触发了系统的共振点。尤其是当误差和误差变化率都在一个方向时，规则表可能连续多个周期同时放大Kp和Kd，形成正反馈。

解决：对修正后的Kp、Ki、Kd做硬限幅，还要对修正量本身做一阶低通滤波，让参数变化速度远低于系统响应速度。例如：

kp_target = kp0 + kp_scale * out_p; kp = kp + 0.2f * (kp_target - kp);

这样系数修正不是瞬时跳变，而是微积分式地靠向目标。即使规则表某几拍输出异常，参数也不会瞬间跑到危险区域。这个0.2的平滑因子可以看作第二层自整定速度，比单独调规则表更能抑制发散。

6. 设计的边界：模糊规则表的取舍与验证方法

模糊自整定的边界在于：它只是在误差空间的一组离散点附近做线性插值，回归本质是分段增益调度。它不能替代系统辨识，也不能适应规则表里没见过的工况。比如负载突变不是靠规则表本身解决的，而是靠Kp、Ki、Kd被规则表推到高增益区域的结果。规则表的作用是让PID参数跟随工况移动，而不是让系统获得新的稳定性。所以选型时要想清楚：如果负载变化范围极大，且变化频率超过控制周期十倍以上，模糊自整定的价值会大打折扣，这时更适合做模型参考自适应或扰动观测器。

验证方法也有讲究。先在仿真里把三张规则表导出成矩阵，逐点扫描输入空间，看输出曲面是否连续、有没有明显跳变的“悬崖”。如果某两个相邻格子的输出修正量差异过大，实际系统里会表现为参数抖动。再在真实硬件上记录启动、突加负载、快速反转三个场景的响应曲线，重点观察模糊表触发前后Kp、Ki、Kd是否在合理范围内平滑变化，而不是只看转速曲线是否好看。

我一般会这么处理任何一套新的模糊自整定代码：先冻结规则表，只按编码器线数和额定速度改量化因子，然后空载从0到额定速度跑一遍，再看是否出现阶梯状响应。如果出现，先查量化因子是不是把误差压缩得太小；如果一切正常，再逐步加负载验证规则表的Ki趋势。从那以后我每次做模糊PID移植，都会强制走一遍这个流程。希望帮到你。

本文还有配套的精品资源，点击获取