基于PID算法的电机精准位置控制——实现0.1°精度的云台控制

基于PID算法的电机精准位置控制——实现0.1°精度的云台控制

引用

CSDN

1.

https://blog.csdn.net/weixin_44407238/article/details/145752232

系列文章目录

1.元件基础
2.电路设计
3.PCB设计
4.元件焊接
5.板子调试
6.程序设计
7.算法学习
8.编写exe
9.检测标准
10.项目举例
11.职业规划

摘要
在机器人、摄像头云台、无人机等场景中，电机的高精度位置控制是核心技术之一。本文以STM32/Arduino为例，结合增量式PID算法，详细讲解如何通过软硬件协同设计实现 0.1°精度 的云台控制，并提供完整的代码框架与调参技巧。

目录

1. 需求分析与硬件选型
2. PID控制原理与改进设计
3. 编码器的高精度数据采集
4. 代码实现与参数整定
5. 抗干扰优化与实验结果
6. 总结与扩展

一、需求分析与硬件选型

1.1 为什么需要0.1°精度？

• 应用场景 ：工业级云台需追踪快速移动目标（如高速无人机），医疗设备要求无抖动显微操作。
• 精度分解 ：若云台臂长10cm，0.1°角度误差对应末端位移仅约0.17mm，可满足多数高精度场景。

1.2 硬件选型关键点

注意 ：编码器分辨率需远高于目标精度（如14位编码器单圈16384步，0.022°/步）。

二、PID控制原理与改进设计

2.1 PID基础公式

位置式PID：    
u(t) =  Kp*e(t)  + Ki*∫e(t)dt  + Kd*(de/dt)    
增量式PID（推荐）：    
Δu(t)  =  Kp*(e(t)-e(t-1))  + Ki*e(t) +  Kd*(e(t)-2e(t-1)+e(t-2))    

选择增量式PID的原因 ：

• 避免积分饱和，适合电机频繁启停场景。
• 计算量小，对控制器资源占用低。

2.2 改进策略

1. 积分分离 ：误差较大时关闭积分，防止超调。
2. 死区补偿 ：误差小于0.05°时增大Kp，克服静摩擦力。
3. 前馈控制 ：添加速度前馈项，提升动态响应。

–

三、编码器的高精度数据采集

3.1 四倍频计数技术

//  伪代码：STM32编码器接口模式（TIM_EncoderMode_TI12）
void Encoder_Init()  {
    TIM_EncoderInterfaceConfig(TIM3,  TIM_EncoderMode_TI12,  
                                                        TIM_ICPolarity_Rising,  TIM_ICPolarity_Rising);
    TIM_SetAutoreload(TIM3,  0xFFFF);  // 16位计数器
}

• 四倍频后，14位编码器实际分辨率提升至16位（65536步/圈，0.0055°/步）。

3.2 数据滤波处理

//  滑动平均滤波（减少脉冲噪声）
float Filter_Encoder()  {
    static  float  buffer[5]  =  {0};
    float sum =  0;
    for(int  i=0;  i<4;  i++) {
        buffer[i]  =  buffer[i+1];
        sum  +=  buffer[i];
    }
    buffer[4]  =  Read_Encoder();
    return (sum  +  buffer[4])  /  5;
}

–

四、代码实现与参数整定

4.1 PID核心代码（C语言）

typedef struct  {
    float Kp,  Ki,  Kd;
    float error, last_error,  prev_error;
    float  integral;
}  PID_Controller;

float PID_Update(PID_Controller *pid,  float  setpoint,  float  actual)  {
    pid->last_error  =  pid->error;
    pid->error =  setpoint - actual;
    
    //  积分分离：仅在小误差时积分
  if(fabs(pid->error)  <  5.0)  {  //  5°内开启积分
        pid->integral +=  pid->error;
    }  else  {
        pid->integral  =  0;
    }
    
    float delta =  pid->Kp  *  (pid->error - pid->last_error) 
              + pid->Ki * pid->error 
              + pid->Kd * (pid->error - 2*pid->last_error + pid->prev_error);
  
  pid->prev_error = pid->last_error;
  return delta;
}

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24

4.2 参数整定步骤（Ziegler-Nichols改进法）

1. 将Ki、Kd设为0，逐渐增大Kp直至电机开始振荡（临界增益Ku≈120，振荡周期Tu≈0.1s）。

2. 根据以下规则设定参数：

   • Kp = 0.6*Ku = 72
   • Ki = 2*Kp/Tu = 1440
   • Kd = Kp*Tu/8 = 0.9

3. 微调规则：若存在稳态误差，增大Ki；若超调过大，增大Kd。

–

五、抗干扰优化与实验结果

5.1 抗干扰措施

• 硬件 ：电机电源与控制器隔离，编码器信号线使用双绞线。
• 软件 ：PWM频率设置为20kHz（超出人耳范围，减少噪音）。

5.2 实测数据

六、总结与扩展

1. 核心成果 ：通过PID+编码器四倍频+滤波算法，实现低成本高精度控制。
2. 扩展方向 ：

*   结合卡尔曼滤波预测目标轨迹
*   使用模糊PID适应变负载场景