PID 控制算法(二):C 语言实现与应用
在本文中,我们将用 C 语言实现一个简单的 PID 控制器,并通过一个示例来演示如何使用 PID 控制算法来调整系统的状态(如温度、速度等)。同时,我们也会解释每个控制参数如何影响系统的表现。
什么是 PID 控制器?
PID 控制器是一种利用系统当前误差、误差的累积以及误差变化率来调整控制输出的算法。其主要思想是根据误差的不同特性(比例、积分和微分)来优化控制过程,使系统更加稳定并快速响应。
- 比例项(P):与当前误差成正比,能够快速响应误差。
- 积分项(I):与误差的累积成正比,用于消除持续的偏差。
- 微分项(D):与误差变化率成正比,用于预测并减少超调。
PID 控制器的控制公式为:

C 语言实现 PID 控制器
我们将用 C 语言编写一个简单的 PID 控制器,通过调整比例、积分和微分系数来实现对一个目标值的控制。假设我们的目标值是某个温度(比如 22°C),系统的当前温度是 20°C,我们希望通过 PID 控制器使系统的温度尽快稳定到目标值。
C 语言代码实现
#include <stdio.h>// 定义 PID 结构体
typedef struct {float Kp; // 比例系数float Ki; // 积分系数float Kd; // 微分系数float prev_error; // 上一次的误差,用于微分float integral; // 积分项,累积误差
} PID;// 初始化 PID 控制器
void PID_Init(PID *pid, float Kp, float Ki, float Kd) {pid->Kp = Kp;pid->Ki = Ki;pid->Kd = Kd;pid->prev_error = 0.0f;pid->integral = 0.0f;
}// 计算 PID 控制输出
float PID_Compute(PID *pid, float setpoint, float current_value) {// 计算当前误差float error = setpoint - current_value;// 积分项:累积误差pid->integral += error;// 微分项:当前误差与上次误差的差float derivative = error - pid->prev_error;// PID 控制公式:输出 = 比例项 + 积分项 + 微分项float output = pid->Kp * error + pid->Ki * pid->integral + pid->Kd * derivative;// 保存当前误差,为下一次微分做准备pid->prev_error = error;return output;
}int main() {// 创建并初始化 PID 控制器PID pid;PID_Init(&pid, 1.0f, 0.1f, 0.01f); // 设置 P、I、D 系数// 目标值(期望的系统状态)float setpoint = 22.0f; // 例如我们希望温度是 22°C// 初始系统值float current_value = 20.0f; // 初始温度为 20°C// 模拟系统响应,调整温度for (int i = 0; i < 10; i++) {// 计算 PID 输出float control_signal = PID_Compute(&pid, setpoint, current_value);// 假设控制信号直接影响系统值current_value += control_signal; // 模拟系统的响应// 打印每次的结果printf("Iteration %d: Current Value = %.2f, Control Signal = %.2f\n", i + 1, current_value, control_signal);}return 0;
}
代码解析
-
PID 结构体:我们首先定义了一个
PID结构体,其中包含了 PID 控制器的三个系数(Kp、Ki、Kd),以及用于计算微分项的prev_error和用于累积误差的integral。 -
PID_Init 函数:该函数用于初始化 PID 控制器,设置比例、积分和微分系数,并初始化误差和积分项。
-
PID_Compute 函数:该函数计算并返回 PID 控制器的输出。它首先计算当前误差(目标值减去当前值),然后计算积分项和微分项,最后通过 PID 控制公式返回控制输出。该输出将用于调整系统的状态。
-
主函数:在主函数中,我们创建并初始化 PID 控制器,设置目标值(例如目标温度为 22°C),并模拟系统的响应。每次迭代中,我们计算 PID 输出,并根据输出调整系统的状态(假设每次控制信号直接影响系统值)。
运行结果
假设目标温度为 22°C,初始温度为 20°C,程序将通过 PID 控制器不断调整温度,直到接近目标值。输出结果可能类似于以下内容:
Iteration 1: Current Value = 21.10, Control Signal = 1.10
Iteration 2: Current Value = 21.71, Control Signal = 0.61
Iteration 3: Current Value = 22.00, Control Signal = 0.29
Iteration 4: Current Value = 22.00, Control Signal = 0.04
Iteration 5: Current Value = 22.00, Control Signal = 0.01
Iteration 6: Current Value = 22.00, Control Signal = 0.01
Iteration 7: Current Value = 22.00, Control Signal = 0.00
Iteration 8: Current Value = 22.00, Control Signal = 0.00
Iteration 9: Current Value = 22.00, Control Signal = 0.00
Iteration 10: Current Value = 22.00, Control Signal = 0.00
PID 控制器参数的调整
PID 控制器的表现取决于三个系数:Kp(比例系数)、Ki(积分系数)和 Kd(微分系数)。这些参数需要根据实际系统的特性进行调节。例如:
- 比例系数 Kp:可以增加系统的响应速度,但过大时可能会导致过冲(超调)或不稳定。
- 积分系数 Ki:可以消除系统中的长期误差,但过大时会引入震荡。
- 微分系数 Kd:有助于抑制震荡和过冲,但过大时会导致系统的响应过于缓慢。
通过不断调整这些参数,我们可以优化系统的表现,达到更平滑、更快速的控制效果。
总结
本文通过一个简单的 C 语言示例实现了 PID 控制器,并展示了如何使用 PID 控制算法来调整系统的状态。PID 控制器是一种非常有效的控制方法,广泛应用于自动化控制领域。通过合适的参数调节,我们可以让系统在不同的控制任务中实现快速、稳定的响应。
相关文章:
PID 控制算法(二):C 语言实现与应用
在本文中,我们将用 C 语言实现一个简单的 PID 控制器,并通过一个示例来演示如何使用 PID 控制算法来调整系统的状态(如温度、速度等)。同时,我们也会解释每个控制参数如何影响系统的表现。 什么是 PID 控制器…...
Git本地搭建
Git本地搭建 (项目突然不给创建仓库了,为了方便管理项目只能自己本地搭建git服务) 为了在本地搭建Git环境并实现基本的Git操作,步骤如下: 安装Git软件 Windows:从Git官方网站下载并安装适用于Windows…...
ORB-SLAM2源码学习:Initializer.cc⑧: Initializer::CheckRT检验三角化结果
前言 ORB-SLAM2源码学习:Initializer.cc⑦: Initializer::Triangulate特征点对的三角化_cv::svd::compute-CSDN博客 经过上面的三角化我们成功得到了三维点,但是经过三角化成功的三维点并不一定是有效的,需要筛选才能作为初始化地图点。 …...
leetcode 2239. 找到最接近 0 的数字
题目:2239. 找到最接近 0 的数字 - 力扣(LeetCode) 加班用手机刷水题,补个记录 1 class Solution { public:int findClosestNumber(vector<int>& nums) {int ret nums[0];for (int i 1; i < nums.size(); i) {if…...
Rust实现内网穿透工具:从原理到实现
目录 1.前言2.内网穿透原理3.丐版实现3.1 share3.2 server3.3 client3.4 测试4.项目优化4.1 工作空间4.2 代码合并4.3 无锁优化4.4 数据分离4.5 错误处理4.6 测试代码4.7 参数解析本篇原文为:Rust实现内网穿透工具:从原理到实现 更多C++进阶、rust、python、逆向等等教程,可…...
【深度学习】1.深度学习解决问题与应用领域
深度学习要解决的问题 一、图像识别相关问题 物体识别 背景和意义:在众多的图像中识别出特定的物体,例如在安防监控领域,识别出画面中的人物、车辆等物体类别。在自动驾驶技术中,车辆需要识别出道路上的行人、交通标志、其他车辆…...
文档解析:PDF里的复杂表格、少线表格如何还原?
PDF中的复杂表格或少线表格还原通常需要借助专业的工具或在线服务,以下是一些可行的方法: 方法一:使用在线PDF转换工具 方法二:使用桌面PDF编辑软件 方法三:通过OCR技术提取表格 方法四:手动重建表格 …...
深圳大学-计算机系统(3)-实验三取指和指令译码设计
实验目标 设计完成一个连续取指令并进行指令译码的电路,从而掌握设计简单数据通路的基本方法。 实验内容 本实验分成三周(三次)完成:1)首先完成一个译码器(30分);2)接…...
Java Swing 编程全面解析:从 AWT 到 Swing 的进化之路
目录 前言 一、AWT 简介 1. 什么是 AWT? 2. AWT 的基本组件 3. AWT 编程示例 二、Swing 的诞生与进化 1. Swing 的特点 2. Swing 和 AWT 的主要区别 3. Swing 的基本组件 三、Swing 编程的基础示例 四、Swing 的高级功能 1. 布局管理器 2. 事件监听 3…...
mysql数据库启动出现Plugin ‘FEEDBACK‘ is disabled.问题解决记录
本人出现该问题的环境是xampp,异常关机,再次在xampp控制面板启动mysql出现该问题。出现问题折腾数据库之前,先备份数据,将mysql目录下的data拷贝到其他地方,这很重要。 然后开始折腾。 查资料,会发现很多…...
2025年大模型对智能硬件发展的助力与创新创意
随着人工智能(AI)技术,尤其是大模型的快速进步,智能硬件领域正在经历前所未有的变革。到2025年,大模型不仅能为智能硬件提供强大的算法支持,还能通过数据处理、智能决策和系统集成等方面的创新,推动硬件设备的性能提升和功能拓展。本文将从多个维度分析大模型对智能硬件…...
Tensor 基本操作1 unsqueeze, squeeze, softmax | PyTorch 深度学习实战
本系列文章 GitHub Repo: https://github.com/hailiang-wang/pytorch-get-started 目录 创建 Tensor常用操作unsqueezesqueezeSoftmax代码1代码2代码3 argmaxitem 创建 Tensor 使用 Torch 接口创建 Tensor import torch参考:https://pytorch.org/tutorials/beginn…...
Python - itertools- pairwise函数的详解
前言: 最近在leetcode刷题时用到了重叠对pairwise,这里就讲解一下迭代工具函数pairwise,既介绍给大家,同时也提醒一下自己,这个pairwise其实在刷题中十分有用,相信能帮助到你。 参考官方讲解:itertools --- 为高效循…...
Docker可视化管理工具Portainer
Portainer简介 Portainer 是一个轻量级的、开源的容器管理工具,提供了一个直观的 Web 用户界面(UI),用于管理 Docker 和 Kubernetes 环境。它简化了容器的部署、监控和管理,特别适合不熟悉命令行操作的用户或团队。 …...
WPF实战案例 | C# WPF实现大学选课系统
WPF实战案例 | C# WPF实现大学选课系统 一、设计来源1.1 主界面1.2 登录界面1.3 新增课程界面1.4 修改密码界面 二、效果和源码2.1 界面设计(XAML)2.2 代码逻辑(C#) 源码下载更多优质源码分享 作者:xcLeigh 文章地址&a…...
leetcode 面试经典 150 题:有效的括号
链接有效的括号题序号20题型字符串解法栈难度简单熟练度✅✅✅ 题目 给定一个只包括 ‘(’,‘)’,‘{’,‘}’,‘[’,‘]’ 的字符串 s ,判断字符串是否有效。 有效字符串需满足: 左括号必须…...
python学opencv|读取图像(三十九 )阈值处理Otsu方法
【1】引言 前序学习了5种阈值处理方法,包括(反)阈值处理、(反)零值处理和截断处理,还学习了一种自适应处理方法,相关文章链接为: python学opencv|读取图像(三十三)阈值处理-灰度图像-CSDN博客 python学o…...
GBase8c aes_encrypt和aes_decrypt函数
在数据库中,aes_encrypt和aes_decrypt函数进行加解密时使用的块加密模式。 GBase8c 与 MySQL 的aes_encrypt和aes_decrypt函数区别: 1、GBase8c 中的初始化向量init_vector不能为空 2、MySQL的加密模块block_encryption_mode 为aes-128-ecb,…...
【2024年华为OD机试】(B卷,100分)- 数据分类 (Java JS PythonC/C++)
一、问题描述 题目描述 对一个数据a进行分类,分类方法为: 此数据a(四个字节大小)的四个字节相加对一个给定的值b取模,如果得到的结果小于一个给定的值c,则数据a为有效类型,其类型为取模的值;如果得到的结果大于或者等于c,则数据a为无效类型。 比如一个数据a=0x010…...
机器学习 vs 深度学习
目录 一、机器学习 1、实现原理 2、实施方法 二、深度学习 1、与机器学习的联系与区别 2、神经网络的历史发展 3、神经网络的基本概念 一、机器学习 1、实现原理 训练(归纳)和预测(演绎) 归纳: 从具体案例中抽象一般规律…...
ubuntu搭建nfs服务centos挂载访问
在Ubuntu上设置NFS服务器 在Ubuntu上,你可以使用apt包管理器来安装NFS服务器。打开终端并运行: sudo apt update sudo apt install nfs-kernel-server创建共享目录 创建一个目录用于共享,例如/shared: sudo mkdir /shared sud…...
全球首个30米分辨率湿地数据集(2000—2022)
数据简介 今天我们分享的数据是全球30米分辨率湿地数据集,包含8种湿地亚类,该数据以0.5X0.5的瓦片存储,我们整理了所有属于中国的瓦片名称与其对应省份,方便大家研究使用。 该数据集作为全球首个30米分辨率、覆盖2000–2022年时间…...
论文浅尝 | 基于判别指令微调生成式大语言模型的知识图谱补全方法(ISWC2024)
笔记整理:刘治强,浙江大学硕士生,研究方向为知识图谱表示学习,大语言模型 论文链接:http://arxiv.org/abs/2407.16127 发表会议:ISWC 2024 1. 动机 传统的知识图谱补全(KGC)模型通过…...
NLP学习路线图(二十三):长短期记忆网络(LSTM)
在自然语言处理(NLP)领域,我们时刻面临着处理序列数据的核心挑战。无论是理解句子的结构、分析文本的情感,还是实现语言的翻译,都需要模型能够捕捉词语之间依时序产生的复杂依赖关系。传统的神经网络结构在处理这种序列依赖时显得力不从心,而循环神经网络(RNN) 曾被视为…...
R语言速释制剂QBD解决方案之三
本文是《Quality by Design for ANDAs: An Example for Immediate-Release Dosage Forms》第一个处方的R语言解决方案。 第一个处方研究评估原料药粒径分布、MCC/Lactose比例、崩解剂用量对制剂CQAs的影响。 第二处方研究用于理解颗粒外加硬脂酸镁和滑石粉对片剂质量和可生产…...
PHP 8.5 即将发布:管道操作符、强力调试
前不久,PHP宣布了即将在 2025 年 11 月 20 日 正式发布的 PHP 8.5!作为 PHP 语言的又一次重要迭代,PHP 8.5 承诺带来一系列旨在提升代码可读性、健壮性以及开发者效率的改进。而更令人兴奋的是,借助强大的本地开发环境 ServBay&am…...
Linux基础开发工具——vim工具
文章目录 vim工具什么是vimvim的多模式和使用vim的基础模式vim的三种基础模式三种模式的初步了解 常用模式的详细讲解插入模式命令模式模式转化光标的移动文本的编辑 底行模式替换模式视图模式总结 使用vim的小技巧vim的配置(了解) vim工具 本文章仍然是继续讲解Linux系统下的…...
大数据驱动企业决策智能化的路径与实践
📝个人主页🌹:慌ZHANG-CSDN博客 🌹🌹期待您的关注 🌹🌹 一、引言:数据驱动的企业竞争力重构 在这个瞬息万变的商业时代,“快者胜”的竞争逻辑愈发明显。企业如何在复杂环…...
如何做好一份技术文档?从规划到实践的完整指南
如何做好一份技术文档?从规划到实践的完整指南 🌟 嗨,我是IRpickstars! 🌌 总有一行代码,能点亮万千星辰。 🔍 在技术的宇宙中,我愿做永不停歇的探索者。 ✨ 用代码丈量世界&…...
Ray框架:分布式AI训练与调参实践
Ray框架:分布式AI训练与调参实践 系统化学习人工智能网站(收藏):https://www.captainbed.cn/flu 文章目录 Ray框架:分布式AI训练与调参实践摘要引言框架架构解析1. 核心组件设计2. 关键技术实现2.1 动态资源调度2.2 …...
