{
  "id": "pid-controller",
  "title": "PID控制器",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "PID控制器根据设定值与测量输出之间的偏差，结合比例、积分和微分作用来调节过程。",
  "category": "technology",
  "subcategory": "engineering",
  "type": "concept",
  "aliases": [
    "比例积分微分控制器",
    "比例—积分—微分控制器"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/pid-controller/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/pid-controller/",
      "json": "https://aiwiki.page/en/pid-controller.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "PID控制器是一种反馈控制器，结合比例、积分和微分三种作用来调节被测量。它将期望值（称为设定值）与实际过程输出进行比较，并根据两者的偏差计算出纠正指令。比例作用响应当前偏差，积分作用累积过去的偏差，微分作用则响应信号的变化速率。仅采用比例和积分作用的控制器称为PI控制器；在微分作用收益不大或测量噪声较大的场合，这类控制器尤为常见。\n\nPID控制是控制理论和工业自动化中的一项核心技术，用于调节温度、压力、流量、液位、电机转速等多种变量。它之所以重要，在于其数学结构简洁、计算资源需求相对较低，而且在多种过程中都能取得良好的控制效果。独立仪表、可编程逻辑控制器、分布式控制系统和嵌入式电子设备中都可见到PID控制功能。\n\n实际的PID控制器并不只是一个包含三项的方程。其性能取决于所选的数学形式、参数整定、测量信号滤波、采样、执行器的限制，以及与其他控制回路之间的相互作用。因此，有效的实现方案会在基本控制律的基础上，加入输出限幅、积分抗饱和、设定值加权，以及手动与自动运行模式之间的受控切换等功能。"
    },
    {
      "heading": "历史发展",
      "text": "PID控制源于将熟练操作人员的纠偏行为机械化的尝试。早在电子控制器出现之前，机械调速器就已通过调节动力输入来控制发动机转速。与詹姆斯·瓦特和蒸汽机密切相关的离心式调速器是一个重要先驱，不过它并不是现代意义上的三项控制器。这类装置确立了反馈在实践中的重要地位，同时也暴露出振荡、摩擦和工况变化等方面的难题。\n\n19世纪，调速器的数学研究取得了进展。詹姆斯·克拉克·麦克斯韦在1868年发表的论文《论调速器》中，运用微分方程分析了调速机构的稳定性。这项研究帮助人们认识到：即使每个部件看起来都在按预期方向发挥纠偏作用，反馈机构仍可能发生振荡或失稳。提供纠偏作用与确保系统整体行为稳定之间的区别，成为后来控制器设计中的一个基本认识。\n\n20世纪初的两项发展与三项控制密切相关。尼古拉斯·米诺尔斯基在1922年对船舶自动操舵的分析中，描述了分别与航向误差、误差累积及误差变化率相关的控制作用。他的工作将数学分析与对舵手操作的观察联系起来。与此同时，工业过程控制也沿着另一条独立的路径发展，主要采用气动和机械仪表。这些仪表利用压力信号、波纹管运动、节流元件和机械连杆，实现比例、复位和速率作用；这三个工业术语在历史上分别对应比例、积分和微分作用。\n\n20世纪30年代，商用三项气动控制器逐渐得到广泛应用。其参数通过机械调节来设定，而不是由软件变量表示，控制器的数学形式也取决于各部件的配置方式。这段历史有助于解释，为何至今仍有多种PID参数表示方式并存。标为“复位”的设定，在一种仪表上可能表示每分钟重复次数，在另一种仪表上则可能表示每次重复所需的分钟数；不了解具体约定，就不能贸然照搬参数值。\n\n1942年，约翰·G. 齐格勒和纳撒尼尔·B. 尼科尔斯发表了影响深远的整定方法，分别以过程响应测量和闭环持续振荡为依据。这些方法使控制器调节更加系统化，但对许多过程而言，其原始整定值可能过于激进。此后，电子模拟控制器成为气动仪表的补充；到了20世纪下半叶，数字控制随着工业计算机、微处理器和分布式系统的发展而不断普及。数字实现保留了人们熟悉的三项结构，同时使滤波、自动整定、诊断以及更复杂的约束处理更易于实现。"
    },
    {
      "heading": "控制律与物理意义",
      "text": "控制器接收设定值 \\(r(t)\\) 和实测过程输出 \\(y(t)\\)。两者之差称为控制误差，即\n\n\\[e(t)=r(t)-y(t).\\]\n\n一种常见的理想并联形式PID控制律为\n\n\\[u(t)=u_b+K_p e(t) +K_i\\int_{t_0}^{t}e(\\tau)\\,\\mathrm{d}\\tau +K_d\\frac{\\mathrm{d}e(t)}{\\mathrm{d}t},\\]\n\n其中，\\(u(t)\\) 为控制器输出，\\(u_b\\) 为偏置，\\(K_p\\)、\\(K_i\\) 和 \\(K_d\\) 分别为比例增益、积分增益和微分增益。输出可以表示阀门开度指令、加热器功率、电机转矩给定值，或发送给执行器的其他输入。受控设备通常称为被控对象或过程。\n\n比例作用会立即产生与误差成正比的校正量。误差增大一倍，比例项的输出也增大一倍。因此，在加热回路中，温度低于设定值越多，加热指令就越大。在恒定扰动作用下，仅采用比例控制通常会留下稳态偏差：必须存在一定的非零误差，才能维持用于校正的输出。但这一点并非普遍成立，因为本身具有积分动态特性的被控对象可能呈现不同的稳态特性。\n\n只要误差持续存在，积分作用就会不断改变控制指令。因此，即使误差很小，只要持续足够长的时间，也能产生相当大的校正量。在稳定且可达的平衡状态下，积分作用能够在误差为零时维持非零输出，从而消除仅靠比例作用维持输出时所需的偏差。从数学上看，积分保存了累积误差；从物理意义上看，它赋予了控制器记忆。当执行器无法执行所要求的指令时，这种记忆也会带来问题。\n\n微分作用响应的是误差的变化率，而不仅仅是误差的大小。当实测输出快速接近设定值时，它可以通过减小控制指令来提供阻尼。导数有时被描述为具有预测性，但它并不会显式预测扰动，也不会重建完整的过程模型。它只是对信号的局部变化趋势进行外推，其效用在很大程度上取决于测量质量和过程的动态特性。\n\n各增益的量纲不同。如果 \\(u\\) 以加热器输出百分比表示，\\(e\\) 以开尔文表示，那么 \\(K_p\\) 的单位为百分比每开尔文，\\(K_i\\) 的单位为百分比每开尔文秒，\\(K_d\\) 的单位为百分比秒每开尔文。因此，增益的数值取决于信号的标度和时间单位。即使实际物理行为完全相同，使用归一化信号的控制器与使用工程单位的控制器，所需的参数数值也可能相差很大。\n\n符号约定同样重要。选择增益时必须考虑过程的作用方向：开大加热阀可能使温度升高，而开大冷却阀则可能使温度降低。工业仪表中常使用“正作用”和“反作用”等术语，但其确切含义必须结合制造商对误差和输出的约定来理解。"
    },
    {
      "heading": "闭环动态与稳定性",
      "text": "PID控制通常采用负反馈：测量输出增大时，控制器会采取抑制这一增大趋势的动作。然而，负反馈并不能保证稳定性。时延和动态滞后可能导致校正动作来得太迟，反而增强振荡，而不是抑制振荡。因此，控制器设计需要考虑整个回路的行为，包括过程、执行器、传感器、滤波器以及通信时延。\n\n对于线性时不变系统，分析通常采用拉普拉斯变换。在零初始条件下，理想PID控制器的传递函数为\n\n\\[C(s)=K_p+\\frac{K_i}{s}+K_d s.\\]\n\n若被控对象的传递函数为 \\(G(s)\\)，则单位反馈下的开环传递函数为 \\(L(s)=C(s)G(s)\\)。从设定值到输出的闭环响应为\n\n\\[T(s)=\\frac{L(s)}{1+L(s)}.\\]\n\n特征方程 \\(1+L(s)=0\\) 的根决定了闭环极点。对于有限维连续时间有理模型，渐近稳定要求相关的闭环极点位于复平面的左半平面。若存在不稳定的隐藏模态或极零相消，仅检查约简后的输入—输出表达式还不够，需要进一步审慎分析。\n\n跟踪与扰动抑制之间的互补关系可通过灵敏度函数体现：\n\n\\[S(s)=\\frac{1}{1+L(s)},\\qquad S(s)+T(s)=1.\\]\n\n对于叠加在被控对象输出端的扰动，从扰动到输出的响应为 \\(S(s)\\)。因此，较高的低频回路增益能够减小缓慢变化的扰动的影响。积分作用会提高零频附近的回路增益，这也解释了为什么在闭环稳定且所需工作点可以达到时，积分作用能够消除恒定参考输入或恒定扰动所造成的稳态误差。\n\n改善某一项性能的参数设置，可能会使另一项性能变差。增大比例增益通常能加快响应，但可能降低稳定裕度。增强积分作用可以更快地消除稳态偏差，但也会引入相位滞后，并可能产生超调。微分作用可以在有用的频率范围内提供相位超前，不过实际使用的滤波会限制其高频特性。这些只是一般趋势，而非普遍规律：被控对象的零点、谐振、时延以及执行器动态都可能改变结果。\n\n一个简单的例子是一阶过程：\n\n\\[G(s)=\\frac{K}{\\tau s+1},\\]\n\n采用 \\(C(s)=K_p+K_i/s\\) 进行控制。其特征多项式为\n\n\\[\\tau s^2+(1+KK_p)s+KK_i.\\]\n\n该式直接表明了控制器参数如何改变闭环动态。加入传输时延后，问题会发生显著变化，因为时延会引入随频率变化的相位滞后。波德图和奈奎斯特稳定判据有助于评估各频率下的稳定性和鲁棒性。实际整定追求的是保留足够的裕度以应对建模误差，而不仅仅是保证某一个标称模型稳定。"
    },
    {
      "heading": "控制器形式与参数约定",
      "text": "“PID”这一名称并不对应唯一的方程。不同仪表和软件库采用的结构各不相同，看似等价的参数名称也可能具有不同含义。其中有三项重要区别：增益是相互独立还是相互依赖，结构是非交互式还是交互式，以及如何处理设定值变化。在更换控制器或将整定参数迁移到其他平台时，这些区别尤为重要。\n\n在并联形式中，三个增益是彼此独立的系数：\n\n\\[C(s)=K_p+\\frac{K_i}{s}+K_d s.\\]\n\n另一种广泛使用的形式是理想形式，也称相依形式：\n\n\\[C(s)=K_c\\left(1+\\frac{1}{T_i s}+T_d s\\right).\\]\n\n对于这一特定的不带滤波的结构，换算关系为\n\n\\[K_p=K_c,\\qquad K_i=\\frac{K_c}{T_i},\\qquad K_d=K_cT_d.\\]\n\n这里，\\(T_i\\) 为积分时间，\\(T_d\\) 为微分时间。增大 \\(T_i\\) 会减弱积分作用，而增大 \\(K_i\\) 则会增强积分作用。因此，将积分时间与积分增益混淆，会使调整方向与预期相反。\n\n较早的工业控制器可能用比例带来表示比例作用。在输入和输出量程采用一致的归一化方式时，以百分数表示的比例带与无量纲增益通常具有以下关系：\n\n\\[\\mathrm{PB}=\\frac{100}{K_c}.\\]\n\n比例带越小，比例作用越强。同样，积分作用也可能用复位速率来表示，例如每分钟重复次数，而不是每次重复所需的时间。单位换算至关重要：积分时间采用相同数值时，以秒为单位输入与以分钟为单位输入，实际时间相差 60 倍。\n\n交互式控制器，也称串联形式控制器，可写为\n\n\\[C(s)=K_s \\left(1+\\frac{1}{T_{is}s}\\right) (1+T_{ds}s).\\]\n\n将乘积展开可得\n\n\\[C(s)=K_s\\left[ 1+\\frac{T_{ds}}{T_{is}} +\\frac{1}{T_{is}s} +T_{ds}s \\right].\\]\n\n因此，调整微分时间也会改变实际的比例作用。将 \\(K_s\\)、\\(T_{is}\\) 和 \\(T_{ds}\\) 直接照搬到非交互式控制器中，通常无法得到相同的响应。微分滤波器还会使不同实现方式之间产生进一步的差异。\n\n另一种变体是两自由度控制器，它对设定值变化单独加权，与反馈信号区别处理：\n\n\\[u(t)=u_b+K_p\\bigl(br(t)-y(t)\\bigr) +K_i\\int e(t)\\,\\mathrm{d}t +K_d\\frac{\\mathrm{d}}{\\mathrm{d}t} \\bigl(cr(t)-y(t)\\bigr).\\]\n\n权重 \\(b\\) 和 \\(c\\) 会影响系统对设定值变化的响应，但不会改变作用于测量输出的反馈项。一种常见选择是 \\(c=0\\)，使微分作用仅针对测量值。取 \\(b<1\\) 可以减弱设定值突变引起的比例响应。因此，P、PI、PD 和 PID 配置都属于一个更广泛的控制器家族，其实际表现不仅取决于增益值，也取决于信号的连接方式。"
    },
    {
      "heading": "整定方法与性能指标",
      "text": "整定是指选择控制器参数，使跟踪性能、抗扰性能、稳定性、噪声敏感性和执行器动作之间达到可接受的平衡。不存在普遍适用的最佳参数设置。加热炉可能更注重较小的超调量和较少的阀门动作，而运动控制系统可能更注重快速跟踪。整定还取决于主要运行需求：是跟踪不断变化的设定值，还是在扰动下维持固定的工作点。\n\n经典的齐格勒—尼科尔斯法包括一种基于临界增益的闭环整定方法。关闭积分和微分作用后，逐步增大比例增益，直到回路出现持续振荡。此时的增益为 \\(K_u\\)，振荡周期为 \\(P_u\\)。用理想形式的参数表示，一组常见的经典PID整定参数为\n\n\\[K_c=0.6K_u,\\qquad T_i=\\frac{P_u}{2},\\qquad T_d=\\frac{P_u}{8}.\\]\n\n这些参数设置具有重要的历史意义，但往往会产生较大的超调和振荡。对于失稳可能损坏设备或危及过程安全的过程，刻意使系统接近持续振荡状态也并不合适。\n\n开环响应法则通过改变输入来辨识过程特性。一种常见的近似是一阶加纯滞后模型，\n\n\\[G(s)=\\frac{K e^{-\\theta s}}{\\tau s+1},\\]\n\n其中，\\(K\\) 为过程增益，\\(\\tau\\) 为时间常数，\\(\\theta\\) 为有效延迟。整定规则利用这些参数确定合适的增益。相对于时间常数而言延迟较大的过程，通常不能像延迟较小的过程那样采用激进的反馈控制。基于模型的方法往往会明确指定期望响应时间，与固定的整定表相比，这能让响应速度与鲁棒性之间的权衡更加清晰。\n\n自动整定可以通过受控激励来估计过程的动态特性。继电自整定与卡尔·约翰·奥斯特罗姆和托雷·海格隆德在20世纪80年代的研究有关，它暂时用一个开关元件替代线性控制器，以诱发振荡。对于幅值为 \\(d\\) 的理想对称继电器，若其产生的输出振荡近似为幅值为 \\(a\\) 的正弦波，则利用描述函数可估算出 \\(K_u\\approx4d/(\\pi a)\\)。这只是近似估计；滞环、不对称性、扰动以及过程的非线性特性都会影响估计结果。\n\n性能可以通过上升时间、调节时间、超调量、稳态误差和稳定裕度来评价。积分型指标也很常用，包括绝对误差积分，\n\n\\[\\mathrm{IAE}=\\int_0^\\infty |e(t)|\\,\\mathrm{d}t,\\]\n\n以及时间加权绝对误差积分，\n\n\\[\\mathrm{ITAE}=\\int_0^\\infty t|e(t)|\\,\\mathrm{d}t.\\]\n\n后者对持续到后期的误差施加更大的惩罚。数值数学优化可以使这类指标最小化，但如果只追求跟踪误差最小，可能会导致过度的控制动作或不足的鲁棒性。因此，有实际意义的整定应当考虑执行器限制、测量噪声、合理范围内的过程变化以及预期的扰动模式，而不能只依据单一的理想化阶跃响应。"
    },
    {
      "heading": "测量噪声、滤波与微分作用",
      "text": "理想微分环节的增益与频率成正比。对于角频率为 \\(\\omega\\) 的正弦测量分量，微分作用会将其幅值放大 \\(K_d\\omega\\) 倍。因此，幅度很小但变化很快的测量误差也可能引起较大的输出波动。这使得理想的数学微分无法直接用于物理实现，也解释了为什么噪声较大的流量和压力控制回路往往不采用微分作用。\n\n实际的微分项会使用信号滤波器。一种常见形式为\n\n\\[C_D(s)=\\frac{K_d s}{1+T_f s},\\]\n\n其中，\\(T_f>0\\) 为滤波时间常数。在低频下，该表达式近似于微分环节；但在高频下，其增益趋近于有限值 \\(K_d/T_f\\)。在理想形式的 PID 中，分母通常写成 \\(1+T_d s/N\\)，其中 \\(N\\) 表示微分时间与滤波时间之比。\\(N\\) 的取值乃至其确切含义，都取决于具体实现。\n\n滤波需要权衡。更强的滤波能够抑制噪声，却也会引入滞后，削弱微分作用所提供的有益相位超前。对整个测量信号进行滤波，还会延迟比例和积分响应。因此，许多控制器会对微分通路单独滤波，而对整体测量信号的滤波则仅做到过程所需的程度。合适的配置取决于信号的信噪比、所需的控制带宽，以及执行器快速动作可能造成的后果。\n\n对误差施加微分作用还会产生另一个问题：在理想方程中，设定值的突变阶跃会产生冲激式的微分响应。在采用采样和滤波的控制器中，这表现为幅度很大但有限的输出瞬态，称为微分冲击。对测量输出施加微分作用，可以避免仅由设定值变化引起的冲击：\n\n\\[u_D(t)\\approx-K_d\\frac{\\mathrm{d}y(t)}{\\mathrm{d}t},\\]\n\n这里默认已采用实际所需的滤波。这一改动保留了对测得的过程变化的微分响应，同时使其不受参考值突变的影响。\n\n传感器的安装位置可能与滤波同样重要。温度传感器若离加热器太远，会引入传输延迟；若离得太近，则可能主要响应局部加热，而非受控物料的温度。通过较长导压管连接的压力传感器可能引入额外的动态特性。校准能够确定示值与实际物理量值之间的关系，但无法消除滞后、安装位置不当或动态失真。\n\n量化、间歇更新以及偶发尖峰也会影响微分估计。即使实际运动平稳，以数字形式报告且按离散增量变化的位置，也可能使基于差分的速度估计出现噪声。改善传感测量、合理设计估计方法以及采用适当的回路架构，可能比一味增强滤波更有效。PID 整定无法恢复测量系统未能充分采集的物理信息。"
    },
    {
      "heading": "执行器限制、积分饱和与运行模式切换",
      "text": "实际的执行器都受到约束。阀门的开度不能超过行程极限，加热器不能输出负功率，电机驱动器也有电流和转矩限制。有些设备还存在变化速率限制、死区和摩擦。PID方程给出的控制指令可能超出这些物理能力，因此必须区分控制器内部计算的输出与被控对象实际接收的输入。\n\n当执行器无法提供所要求的校正作用，而积分环节仍在持续累积误差时，就会发生积分饱和。例如，温度设定值大幅提高后，加热器以最大功率运行。只要测量温度仍低于目标值，不受限制的积分器就会不断增大其输出分量。当温度接近设定值时，已累积的积分量可能仍要求全功率加热，从而造成过大的超调和缓慢的恢复过程。\n\n钳位法也称条件积分法，是一种抗积分饱和方法。当输出已饱和，且误差会使输出进一步向饱和方向发展时，暂停积分；当积分有助于使控制指令回到可用范围时，则继续积分。在饱和期间一概停止积分的做法并不理想，因为这可能阻止积分状态向恢复所需的方向变化。\n\n反算抗饱和法则将所要求输出与实际可提供输出之间的差值反馈到积分器中。若 \\(v\\) 为未受限的控制器输出，\\(u\\) 为限幅后的输出，\\(I\\) 为积分分量，则一种常见的结构为\n\n\\[\\frac{\\mathrm{d}I}{\\mathrm{d}t} =K_i e+\\frac{u-v}{T_t},\\]\n\n其中，\\(T_t\\) 为跟踪时间常数。在饱和期间，校正项会将积分状态拉向与实际可实现输出相符的值。该参数的整定很重要：跟踪过快，可能与控制器的其他动态环节产生不良相互作用；跟踪过慢，则仍会留下严重的积分饱和。\n\n输出限幅并非积分饱和的唯一来源。下游选择器可能选用另一台控制器的指令；执行器可能处于手动模式；速率限制器也可能阻止执行器按要求动作。外部复位反馈通过跟踪适当的下游信号，而非仅跟踪控制器自身经过内部限幅的输出，来应对这些情况。跟踪信号必须反映相关的实际施加指令，并以与系统架构一致的方式纳入积分环节。\n\n模式切换也需要同样谨慎地处理。在手动运行期间，操作员直接设定输出。如果恢复自动控制时积分状态与当前输出不匹配，输出就可能发生跳变。无扰切换通过初始化或跟踪控制器状态，使自动控制指令在切换之初与当前运行指令一致。若比例分量和微分分量分别记为 \\(P\\) 和 \\(D\\)，则切换时适当的积分分量为\n\n\\[I=u_{\\text{manual}}-u_b-P-D.\\]\n\n这样可以避免仅由模式切换引起的输出突变，但有意改变设定值或原本存在的误差仍可能导致输出随后发生变化。可靠的实现会将手动运行、控制器跟踪、输出限制和启动初始化统一纳入一套协调一致的状态管理方案。"
    },
    {
      "heading": "数字实现与数值特性",
      "text": "现代 PID 控制器大多以采样算法的形式运行。在采样时刻 \\(k\\)，软件读取测量值、计算误差、更新内部状态，并给出输出。采样间隔 \\(T_s\\) 成为控制器动态特性的一部分。将连续时间设计移植到软件中时，必须考虑数值近似、执行延迟，以及两次更新之间控制指令的保持方式。\n\n一种简单的离散积分更新方式为\n\n\\[I_k=I_{k-1}+K_iT_s e_k.\\]\n\n采用梯形近似时，则为\n\n\\[I_k=I_{k-1}+\\frac{K_iT_s}{2}(e_k+e_{k-1}).\\]\n\n这些表达式近似的是同一个连续积分，但其离散时间频率特性不同。未经滤波的后向差分微分项为\n\n\\[D_k=K_d\\frac{e_k-e_{k-1}}{T_s},\\]\n\n不过，实际实现通常会加入滤波，而且往往对测量值而非误差求微分。\n\n例如，对测量值求微分并进行滤波，可近似表示为\n\n\\[D_k=\\alpha D_{k-1} -(1-\\alpha)\\frac{K_d}{T_s}(y_k-y_{k-1}),\\]\n\n其中\n\n\\[\\alpha=\\frac{T_f}{T_f+T_s}.\\]\n\n这一表达式由一阶滤波微分环节的后向欧拉近似得到。它说明，前一次的微分状态、新的测量值增量与采样间隔共同决定计算结果。如果任意选用平滑系数，而不检查它与 \\(T_s\\) 的关系，那么当执行频率变化时，控制器的实际特性也会随之改变。\n\n位置式根据偏置以及当前的比例、积分和微分分量计算完整输出。增量式（也称速度式）则计算输出的变化量，通常使用当前误差与先前误差之间的差分。增量式在某些实现中较为方便，但并不会从根本上消除积分饱和问题。饱和、状态初始化、参数变化和输出跟踪仍需显式处理。\n\n采样速度应足以分辨预期的闭环动态，但不存在适用于所有过程的通用采样间隔。热系统或许允许以秒为单位的更新间隔，而电机电流环可能需要短得多的更新周期。采样过慢会增加延迟，并丢失动态信息。如果测量值未及时更新、数值微分噪声较大，或者执行器无法以相应速度响应，仅仅提高采样速度并不能保证控制效果更好。\n\n时序的确定性同样重要。在操作系统下运行的控制器任务可能受到调度抖动的影响，而联网传感器传来的数据可能存在延迟或时间间隔不规则的问题。设计时可以维持严格受控的固定周期，也可以显式计入实际经过的时间，并相应地妥善处理状态更新。采样前需要进行信号处理，以防止高频分量混叠到测量频带内；混叠一旦发生，数字滤波就无法将其完全消除。数值精度、溢出、输出量化以及无效的传感器读数，也都必须在实现中加以处理，而不能仅依赖理想的 PID 方程。"
    },
    {
      "heading": "串级控制、前馈控制与工业应用",
      "text": "PID 控制器常作为更大控制结构中的组成部分运行。在串级控制中，外环控制器为内环控制器设定参考值。内环调节的变量通常响应更快，或更接近执行器。例如，外环温度控制器可以给出蒸汽流量设定值，而内环流量控制器则调节阀门。这样，蒸汽供应发生扰动时，流量环就能在该扰动的全部影响体现于响应较慢的温度测量值之前加以纠正。\n\n串级控制要求内外环的动态特性有足够的差异。内环的响应必须明显快于外环，外环控制器才能将其视为有效的从属系统。否则，两个回路之间可能产生强烈的相互作用，难以体现串级控制的优势。内环的整定、输出限幅、模式处理和跟踪行为也会影响外环；内环发生饱和时，外环控制器可能需要采取抗积分饱和措施。\n\n前馈控制根据测得的参考量或扰动量，在其引起输出偏差之前就施加控制作用。例如，当物料处理量发生变化时，炉窑控制器可以调整燃料输入，同时由 PID 反馈纠正模型误差和未测得的扰动。前馈控制需要估计测得的扰动会如何影响过程，以及操纵输入如何抵消这种影响。由于这些估计并不完美，前馈控制是对反馈控制的补充，而不是替代。\n\n在过程控制和化学工程中，PI 和 PID 回路用于调节流量、压力、容器液位、组分和温度。流量回路通常采用 PI 控制，因为其响应可以很快，而测量噪声可能使微分作用不适用。对于存在多个显著滞后环节且测量噪声足够小的温度回路，微分作用可能有助于改善控制效果。如果容器的用途是缓冲上游流量波动，而不是迫使下游立即作出补偿，则可以有意将液位控制设定得较慢。\n\n在电动机驱动和机器人学中，常见的结构是电流环、速度环和位置环逐层嵌套。PI 控制器常用于调节电动机电流，而外环则生成转矩、速度或位置参考值。机械共振、传动间隙、编码器分辨率和电流限值都会显著影响可实现的性能。因此，一个看似简单的位置环，实际上可能依赖大量底层控制与估计工作。\n\n楼宇系统将 PI 或 PID 控制用于空气调节、供暖、通风及热泵设备。实验室则将其用于烘箱、环境试验箱和实验装置。工业工厂可以通过数据采集与监视控制系统提供设定值和测量值，但监测与监控通信不同于执行快速反馈回路。同样，普通过程控制器并不会自动成为安全仪表系统；保护功能在架构、可靠性和生命周期方面有各自独立的要求。"
    },
    {
      "heading": "工作范围限制与高级替代方案",
      "text": "当过程在某个工作点附近能够用稳定或易于控制的动态模型充分描述，并且主要只有一个操纵输入和一个受控输出时，PID 控制最容易应用。实际过程往往不满足这些条件。过程增益可能随生产速率、流体性质、温度或设备配置而变化。即使软件和参数设置完全不变，在一种工况下表现良好的控制器，也可能在另一种工况下变得响应迟缓或出现振荡。\n\n增益调度通过根据测得的运行条件调整控制器参数，来应对可预测的变化。例如，加热系统在低风量和高风量下可能需要不同的参数设置。增益调度也带来了自身的设计问题：不同参数组之间的切换必须避免输出突变，而且可能需要调整积分状态以保持连续性。在若干固定工作点上表现稳定，本身并不能证明系统在工作点变化过程中也能表现良好。\n\n较长的时延会带来更根本的限制。如果校正动作需要很长时间才能影响测量值，控制器就无法立即获得有关其作用效果的反馈。此时，通过提高增益来强求更快的响应，反而可能引起振荡。具有逆响应特性的过程也存在类似困难：输入变化后，输出最初的变化方向与其最终变化方向相反。这些特性限制了反馈控制所能达到的性能，而不只是说明整定不佳。\n\n多输入多输出系统中存在的相互作用，可能无法通过彼此独立的 PID 回路妥善处理。调节一个阀门可能会改变多个压力或组分，而另一个控制器又通过不同路径作用于这些相同的变量。回路配对、解耦以及协调式上层控制可以减弱这些相互作用。在要求较高的场合，模型预测控制会显式地建立耦合动态模型，并在约束条件下计算未来的控制动作。这类系统通常仍在底层保留 PI 或 PID 控制器，作为快速的局部调节回路。\n\n还有一些限制来自设备，而非控制规律。阀门黏滞可能造成反复出现的周期性波动，因为只有当控制指令变化到足以克服摩擦时，执行器才会动作。传感器漂移可能使控制器精确地维持一个错误的指示值。容量不足的加热器或泵无法达到超出其能力范围的设定值。在这些情况下，增强积分作用可能会加重输出饱和，却无法消除根本原因。\n\n因此，评估时应将跟踪误差与硬件故障、扰动、非线性及建模误差区分开来。有用的运行记录包括设定值、测量输出、控制指令、执行器的实际响应、运行模式以及限幅状态。在有代表性的工况下进行测试，可以查明主要问题究竟是阻尼不足、时延过大、饱和、相互作用，还是测量质量不佳。对于涉及危险设备的回路，此类测试仍须遵循工厂既定的操作规程，并受保护系统约束；PID 整定不能替代独立的安全防护措施。"
    }
  ],
  "links": [
    "control-theory",
    "automation",
    "programmable-logic-controller",
    "distributed-control-system",
    "james-watt",
    "steam-engine",
    "actuator",
    "integral",
    "derivative",
    "negative-feedback",
    "sensor",
    "linear-time-invariant-system",
    "laplace-transform",
    "transfer-function",
    "bode-plot",
    "ziegler-nichols-method",
    "process-safety",
    "mathematical-optimization",
    "signal-filter",
    "signal-to-noise-ratio",
    "calibration",
    "algorithm",
    "operating-system",
    "signal-processing",
    "feedforward-control",
    "process-control",
    "chemical-engineering",
    "electric-motor",
    "robotics",
    "air-conditioning",
    "heat-pump",
    "scada",
    "model-predictive-control"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}