很多人第一次撞上PID控制算法，都是在Arduino项目里出了岔子之后。你给智能小车一个固定PWM，它偏要蛇形走位；你给加热棒通电，温度到了设定值还往上冲好几度才停；你想做个自平衡的东西，电机疯狂抖两下就倒地不起。这些问题的共同点在于：系统输出和目标值之间存在动态偏差，而且偏差成因根本没法用一条固定代码解决。PID控制算法干的事情，就是持续读回实际值、跟目标值比较、再决定执行器该怎么动。这篇文章我直接用Arduino实战的角度，把PID拆成"三个动作"讲清楚，给出能直接抄的完整代码和一套照做就能用的调参流程，适合正在折腾温度控制、智能小车、舵机云台、自平衡小车的朋友。
1. 先搞明白：PID到底替我们解决了一个什么问题
1.1 从"开环"到"闭环"：控制的本质是纠偏
在Arduino项目里，大部分人最早写的都是开环控制。开环的意思很简单：你给定一个输入，系统输出一个结果，但你对结果是否准确完全不关心。比如直接digitalWrite一个继电器让加热棒全功率加热，或者给直流电机一个固定PWM让它转，至于实际转速多少、温度多少，代码不闻不问。短期凑合能用，可一旦遇到负载变化、电源波动、机械摩擦这种外部干扰，结果就会肉眼可见地偏。
闭环控制就不一样。闭环必须有一个传感器持续测量被控对象的状态——温度、转速、角度、位置都可以——然后把测量值送回控制器，控制器拿它跟目标值比较，算出差值后调整执行器。这个"测量-比较-调整"的循环不停运转，系统就有了自我纠偏能力。Arduino里最常见的闭环场景就是PID控制的用武之地：你想让小车沿着线走，就让循迹传感器告诉控制器"偏了多少"；你想让云台稳在一个角度，就让陀螺仪/MPU6050告诉控制器"当前角度多少"。一句话：开环只负责"做"，闭环负责"做了之后看结果，不行再改"。
这里的差值，控制领域的说法叫误差e(t)，也就是目标值setpoint减去当前测量值input。PID算法接下来要做的事，本质上就是琢磨这个误差该怎么变成执行器输出。搞懂这条主线之后，后面所有代码和参数就都不难理解了。
1.2 PID在Arduino项目里最常见的三个战场
| 典型项目 | 传感器 | 执行器 | 控制痛点 |
|---|---|---|---|
| 恒温加热/温度控制 | DS18B20、NTC热敏电阻、热电偶 | 固态继电器、MOS管驱动加热棒、PTC | 热惯性大，容易超调；散热变化导致稳态偏高或偏低 |
| 智能小车/循迹小车 | 红外循迹模块、灰度传感器、编码器 | 直流减速电机、舵机 | 电机转速不一致、地面摩擦不一致导致跑偏 |
| 自平衡/舵机云台 | MPU6050、加速度计、编码器 | 直流电机、无刷电机、舵机 | 重力扰动持续存在，纯P会一直抖、一直稳不住 |
这三个场景恰好覆盖了PID控制最典型的系统特性。温度控制是大惯性系统，执行器加进去半天才有反应；小车是带轮子摩擦和电机差异的系统，误差来源分散且持续；自平衡系统最麻烦，外部重力每时每刻都在拉偏，而且系统天然不稳定，一松手就倒。不管特性多么不同，用PID去处理的逻辑都一样——先量误差，再按比例、积分、微分三个动作去补。明白这一点之后，你会发现换一个项目只是换传感器和执行器的接线，算法内核完全搬得过去。
1.3 五分钟的目标：不是背公式，而是理解三件事
网上随便搜PID控制算法，满屏都是传递函数和拉普拉斯变换，把新手直接劝退。其实那套数学工具是控制工程专业做理论分析用的，你让Arduino跑PID，根本不需要从头推导公式。我们真正要理解的，只有一个离散化的PID输出表达式，而且拆开看就是三件事加起来：
output = Kp * error // P：现在错多少，就按比例纠正多少 + Ki * integral // I：把历史误差积攒起来，消掉最后那点残余偏差 + Kd * derivative // D：看误差变化趋势，提前刹车，抑制超调Kp、Ki、Kd是三个系数，决定这个动作的力度。注意这里的"力度"不是越大越好，而是每一路该担什么责任。P负责当下，I负责还旧账，D负责预测未来。你调PID参数，就是在平衡这三个"性格"不同的合伙人，让它们配合得恰到好处。剩下的章节全部围绕这个公式展开：先讲三个系数到底什么意思，再上代码，再给调参套路，最后讲我实际踩过的坑。
2. 三个系数的人话解释：P是油门，I是账本，D是安全带
2.1 P：现在错多少，就纠正多少
比例项P是PID里最直觉的一环。它做的事情就是拿当前误差乘上一个系数Kp，作为修正输出。水温目标60℃，现在只有30℃，误差30，假设Kp=5，输出就是150，对应的PWM就是150/255，差不多六成力；等温度到58℃，误差剩2，输出变成10，加热力度大幅降低；到了60℃，误差0，P项输出0。
你会发现一个有意思的特性：P项在误差大的时候猛拉，误差小的时候轻轻推。这正是"比例控制"的含义——响应幅度跟偏差大小成比例。但P项单干有一个致命问题：如果误差永远不等于0，P项就永远有输出，可系统在某个位置稳定下来不再变化时，这个"误差不为0"的状态会一直留着。比如加热功率恰好只能维持到58℃，此时输出100%，误差2℃，再想往上顶就顶不上去了，这个残留的误差就叫稳态误差。又或者Kp调太大，误差还很小但输出已经很猛，系统直接冲过头，变成来回震荡。
对于Arduino新手，最直观理解P的方法是去看你的循迹小车：车偏右了，误差就是正的，P让左轮加速右轮减速；纠回来之后误差变小，差值也变小，车子就相对平稳。P太小小车转弯不够，P太大车头左右甩。等你亲手试过一轮，比看十遍公式都管用。
2.2 D：看变化趋势，提前刹车
微分项D处理的是"误差接下来会怎么变"。它的输入是误差的变化速率：误差快速缩小，说明系统正在狂奔向目标，此时如果不提前收力，大概率会冲过头。D项就是那个提前收力的动作——误差减得越快，它给出越强的反向修正，相当于踩刹车。还是温度控制的例子：温度冲到59.5℃，误差还有0.5℃，按P的算法输出已经很小了，但实际上热量还在往系统里灌，温度仍在快速上升，如果没有D项，它就会带着惯性冲到62℃再落回来。D项看到"误差在高速缩小，马上要变负"，赶紧把输出压低甚至压到0，让温度温和地爬到目标线。
但D项有个众所周知的毛病：它对噪声极其敏感。Arduino读传感器不可能一尘不染，DS18B20的分辨率波动、电机PWM带来的电源纹波、MPU6050的高频震动，都会让"误差变化率"瞬间乱跳。D项一放大噪声，输出就会跟着高频抖动，表现为执行器嗡嗡响、小车摆头、云台抽搐。所以在实际项目里，D项不是必须加的，而且加上之后通常要配合滤波。
2.3 I：记忆旧账，消除最后那点误差
积分项I更像一个会"记仇"的账本。只要误差不为0，它就把误差一点点累加起来，误差存在越久，累积值越大，输出补得越多。这能解决P项留下的稳态误差——你的发热芯或者电机摩擦力让系统卡在离目标还有2℃的地方，P项已经推不动了，但I项会一天天把旧账记着，持续增加输出，直到把这2℃顶上去。
不过"记仇"过头也很危险。如果误差一直很大，积分会迅速累到一个夸张的值，等系统真的到目标时，记账本里还堆着一大坨没还完的输出，导致温度猛冲或者小车猛摆，这就是后面会讲的积分饱和。实际代码里通常要限制积分累积的上限，或者在误差很大的时候暂停积分，目的就是不让这个"账本"失控。
2.4 把三个动作合成一个输出
写代码的时候，三个动作最后就是加起来。初期你甚至可以先把D和I置0，只留P跑起来看效果，再逐步加D和I。这种从简到繁的顺序，就是后面调参的基本思路。一个精简的Arduino PID计算片段长这样：
float computePID(float setpoint, float input, float dt) { float error = setpoint - input; // P float Pout = Kp * error; // I integral += error * dt; float Iout = Ki * integral; // D float derivative = (error - lastError) / dt; float Dout = Kd * derivative; lastError = error; float output = Pout + Iout + Dout; return output; }注意这里有一个容易被忽视的细节：I和D都跟dt（两次计算的时间间隔）有关系，积分要乘dt，微分要除以dt。如果dt不是固定值，同样的参数跑出来的效果会飘忽不定。这也是为什么我建议所有PID都要放在固定采样周期里执行，而不是想调就调。
3. 从零手写一个Arduino PID：不依赖库也能跑
3.1 自己写之前，先把采样周期想清楚
很多人的第一个念头是下载Arduino PID库。库当然能用，但对新手来说，库把很多关键细节封装起来了，你真的出了问题反而不知道从哪里排查。我建议至少自己手写一遍最简版本，跑通一个实际控制对象，再回去用库，那时候再看库里的SetTunings、SetSampleTime这些接口，完全是降维打击。
写PID的第一个关键决策是采样周期。PID不是越快越好，而是要跟你的被控对象匹配。温度控制是慢变量，100ms甚至500ms算一次完全够；小车循迹一般10~50ms；平衡小车姿态环可以5~10ms，但传感器读取要稳定。Arduino里最可靠的做法是用millis()做非阻塞定时，确保PID每隔固定周期跑一次，而不是用delay()。delay()会让整个程序卡住，一旦你在循环里还要读传感器、刷新屏幕、处理按键，采样周期就乱了。
3.2 完整示例：DS18B20温度控制加热棒
这个项目场景我实际做过，效果非常典型。传感器用DS18B20，执行器用MOS管驱动加热棒，PID输出直接给PWM，周期200ms。完整代码骨架如下（省略了库和引脚的细节，突出重点）：
#include <DallasTemperature.h> #include <OneWire.h> #define ONE_WIRE_BUS 2 #define HEATER_PIN 9 OneWire oneWire(ONE_WIRE_BUS); DallasTemperature sensors(&oneWire); float target = 60.0; float Kp = 30.0; float Ki = 0.5; float Kd = 5.0; float input = 0.0; float output = 0.0; float integral = 0.0; float lastError = 0.0; float lastTime = 0.0; const float MAX_OUTPUT = 255.0; const float MIN_OUTPUT = 0.0; void setup() { Serial.begin(115200); sensors.begin(); pinMode(HEATER_PIN, OUTPUT); lastTime = millis(); } void loop() { float now = millis(); float dt = (now - lastTime) / 1000.0; if (dt >= 0.2) { sensors.requestTemperatures(); input = sensors.getTempCByIndex(0); if (input > -100) { output = computePID(target, input, dt); // 输出限幅 output = constrain(output, MIN_OUTPUT, MAX_OUTPUT); analogWrite(HEATER_PIN, (int)output); } lastTime = now; } } float computePID(float setpoint, float input, float dt) { float error = setpoint - input; // P float Pout = Kp * error; // I：先限幅，防止积分饱和 integral += error * dt; integral = constrain(integral, MIN_OUTPUT / Ki, MAX_OUTPUT / Ki); float Iout = Ki * integral; // D：用误差变化率 float derivative = (error - lastError) / dt; float Dout = Kd * derivative; lastError = error; return Pout + Iout + Dout; }代码里有一个非常重要的细节：integral被constrain在一个范围里，直接限制了积分的权力。为什么？假设刚上电时误差是60℃，积分在几十个周期内就能堆到天上去，然后温度冲到60℃时积分还压不下来，系统就会大幅超调。加了这个限幅之后，积分最多贡献跟MAX_OUTPUT/Ki等量的输出，不至于失控。
关于DS18B20还有一点提醒：它默认分辨率是9~12位可配，12位转换时间最长750ms左右。如果采样周期设200ms，你会发现sensors.requestTemperatures()之后的读数其实还是上一次的，因为转换还没结束。这时候要么把采样周期放大到750ms以上，要么用一两个周期做流水线读取。这也是为什么很多温度PID项目把采样周期设在500ms~1s，效果反而比硬上100ms更稳。
3.3 为什么强烈建议自写一遍
直接安装Arduino PID库只需要三行代码就能跑，那为什么还要自写？我个人的经验是：调试PID参数的时候，你会反复问自己"这个输出到底怎么来的"，如果算法是黑盒，你只能靠猜。自己写一遍之后，你能随时在串口监视器里打印error、integral、derivative以及最终output，用数据判断是哪一项把系统搞砸了。比如看到温度没到目标但输出已经限幅到255，你就知道积分饱和了；看到温度还在上升但derivative在疯狂跳动，你就知道D项被噪声污染。这些直觉一旦建立起来，后面再用什么高级库都游刃有余。
还有一个很实际的原因：Arduino PID库默认把"设定值突变"也计入微分项，导致你手动改目标温度的时候，D项会突然爆一个大尖峰，输出瞬间拉满。这个问题自写代码时很容易绕开，后面我专门讲。
4. 调参实战：我用的整定套路，照着做就能稳定
4.1 调参前必须做的三件准备工作
很多人拿到PID第一步就是随机填三个数，然后看曲线不对再乱改。这是最浪费时间的方式。我调参前一定会按顺序做三件事：
第一，确认传感器数据本身是平滑的。把原始值直接打印到串口，连看几分钟，如果读数在真实值附近上下乱跳，先做滤波。最简单的移动平均或者一阶低通都行，否则后面所有判断都会被噪声误导。Arduino完全跟得上温度传感器这种低速采样，滤波开销可忽略。
第二，确认执行器的输出范围和PWM频率合理。加热棒用analogWrite(9, 0~255)，输出限幅设0~255即可。但舵机云台这类执行器不是PWM占空比越大越好，它的输出是舵机角度或速度限定值，限幅必须跟机械行程匹配，不然PID一个输出堵转你就得换舵机。
第三，确认采样周期固定。上一章代码里的if (dt >= 0.2)就是在做这个事。你能在串口里打印millis()差值，如果间隔抖动超过20%，先解决定时问题再谈调参。
4.2 只加P：从小到大找临界震荡
先把Ki和Kd都设成0，只留Kp，从很小开始逐渐加大。以温度控制为例，Kp=1基本没什么反应，升温慢悠悠；慢慢加到Kp=10，你会发现温度逼近目标时开始有轻微过冲；加到Kp=30，温度在目标附近来回波动，幅度几度；继续加到Kp=50，系统出现明显等幅震荡，温度在一定范围内来回冲。这个让系统刚好持续震荡的Kp，记作临界增益Ku，震荡周期记作临界周期Tu。
这里有个需要耐心的地方：每次改Kp都要让系统从同一个初始状态跑，跑到稳定或者震荡记录数据再改。我习惯把所有输出曲线记录成表格，用Arduino的串口绘图器看比用眼睛盯数字直观太多。串口绘图器是Arduino IDE里被严重低估的功能，把input和setpoint分别打印加上标签，就能看到两条线怎么靠近、怎么交错，整个调参过程效率高很多。
得到Ku和Tu之后，可以套一套经典的整定规则：
| 参数 | 临界比例度法推荐值 |
|---|---|
| Kp | 0.6 * Ku |
| Ki | 1.2 * Kp / Tu |
| Kd | Kp * Tu / 8 |
注意这只是一个起点，不是终点。实际Arduino项目里，如果被控对象惯性很大，比如加热棒，算出来的Kp可能还需要再缩一点；如果是快速响应的电机速度环，可能可以再激进一些。这套规则最大的价值是把你从"完全靠猜"拉到"有据可循"的区间里。
4.3 加D：压住超调，但别被噪声带偏
当你从震荡临界点把Kp按表里数值设置好，大概率系统还是会有超调，尤其加热棒这种热惯性大的对象。此时再把Kd加上去，从小到大试，观察超调量是否缩小、系统到达目标的时间是否变长。D项增大，相当于刹车变猛，超调会被压住，但代价是响应变慢，还可能出现高频抖动。
我用过一个很笨但有效的测试方法：把目标温度在50℃和60℃之间来回切换，记录每次切换后的最大超调和稳定时间。切换能逼出系统在动态过程中的真实表现，比只盯着一条阶跃曲线全面得多。做这个测试的时候，务必盯着串口绘图器看derivative这个值——如果它在目标附近疯狂上下跳，说明D项在放大噪声，你需要把Kd调小，或者给derivative独立做一个低通滤波。
4.4 最后加I：补掉最后那点误差
P和D调好之后，系统一般已经能稳定在目标附近，但可能存在1~2℃的残余偏差，或者因为环境散热导致输出始终差一点。这时候把Ki从很小开始加，比如0.1、0.2、0.5，观察静态误差是不是慢慢被吃掉。
一个非常容易踩的坑是Ki调大之后系统开始低频震荡——温度以几十秒为周期来回漂。这就是积分项把输出顶过头然后又被顶回来的典型表现。遇到这种情况，别急着继续减Ki，先检查积分限幅是不是太高，把它降下来往往比单纯调Ki更有效。在我的温度项目里，积分限幅设成MAX_OUTPUT/Ki这个值之后，Ki能放得比之前更大，系统反而更稳。
5. 真实项目里的坑：烧坏一个加热棒之后学会的事
5.1 积分饱和：为什么温度会冲过头
印象最深的一次是给实验室小水箱做恒温，我没有加积分限幅，参数也还没调完就挂机睡觉去了。结果第二天起来水箱温度冲到85℃，加热棒旁边的东西烧变形了。事后用串口数据复盘，原因非常清晰：刚上电时水温只有18℃，误差40多度，Ki虽然不大，但每个周期都在累加，十分钟后integral已经大到让输出全程255；水温升到60℃时，P项已经变成负数了，但I项还在补、还在输出，温度自然一路冲过目标。这就是积分饱和——账本上欠了太多"旧账"，等系统真正到了目标，它还在固执地还账。
解决思路有三层：第一层是积分限幅，也就是代码里constrain(integral,...)，让积分的累计输出不会超过执行器上限；第二层是积分分离，当误差绝对值大于某个阈值时暂停积分累加，等误差缩小到阈值内再开始累积；第三层是输出积分回归，当输出被限幅到最大值时，不让积分继续往正方向增长，只允许它往反方向消减。三种方法可以在代码里组合使用，Arduino的新手从第一层开始就够用。
5.2 微分噪声：传感器抖动让D项发疯
还有一个高频翻车点来自微分项。DS18B20在12位分辨率下，相邻两次读数完全可能因为量化误差产生0.0625℃的跳变。如果采样周期200ms，这个跳变换算成变化率是0.3125℃/s，再乘上Kd=5，输出就多了1.5；如果噪声更大，D项输出能直接顶到几十，加热棒PWM跟着抖，温度控制质量急剧恶化。
解决这个问题的常用做法是给D项单独加低通滤波，也就是把derivative平滑一下：
derivative = (error - lastError) / dt; filteredDerivative = 0.8 * filteredDerivative + 0.2 * derivative; // 一阶低通 float Dout = Kd * filteredDerivative;调整filteredDerivative系数里的0.8和0.2，可以控制平滑程度。平滑越大，D项反应越慢，但噪声抑制越明显。另一个更彻底的做法是让微分只作用在"测量值的变化"上，而不是"误差的变化"上。因为目标值一般是固定值或缓慢变化，测量值才是真正带噪声的，但误差变化率同时包含了目标值突变和测量值噪声，你把目标值突变也微分了，自然就会在改设定值时炸一下。把导数项改成：
derivative = (input - lastInput) / dt; // 负号看情况就可以避免设定值突变带来的尖峰，这也是Arduino PID库的默认选项之一。
5.3 输出突变和手动/自动切换
在温度控制项目里，你可能希望系统一开始用手动PWM慢慢加热，到达某个温度后再切到PID自动控制。如果直接切换，PID的积分项初始值是0，而pid输出可能因为当前误差极大而瞬间跑到255，系统就会猛冲一下。工业领域管这个叫bumpless transfer，中文叫无扰切换。Arduino里实现不复杂：切换瞬间，用当前手动输出值反推一个积分初值，把integral设成(output - Kp*error)/Ki，这样PID在切换前后输出不会跳变。
对于普通爱好项目，一个更省事的办法是："不要手动切，直接让PID从启动开始就一直跑，只是把目标值设置成当前测量值附近，再一点一点抬升目标。"比如把目标值从当前温度开始每秒钟加1℃，系统永远处于"目标只比当前高一点"的状态，就不会有启动猛冲的问题。这个斜坡升温策略我后来一直用，简单粗暴，效果却比各种无扰切换都好。
5.4 固定采样周期：dt这个隐形变量
调试PID时最隐蔽的坑是采样周期不固定。如果你在loop里直接调computePID，而不是用整一个固定间隔，每次的dt就可能是几毫秒到几十毫秒随机变化。P项不受dt影响，但I和D项跟dt强相关，于是你会看到系统行为时好时坏，参数怎么调都感觉不稳。我遇到过一次类似情况：代码里有一个读取MPU6050的阻塞调用，偶尔耗时很长，导致PID周期突变，平衡小车时不时抽搐。排查了很久才用打印millis差值的办法发现，采样间隔在6ms到25ms之间乱跳。
解决办法就是无处不在的"采样子系统独立定时"：用一个if(millis() - lastTime >= interval)作为门槛，确保computePID固定周期执行。interval要根据项目特性选，温度控制选200ms~500ms，电机速度控制选10ms~50ms。选择标准很简单：能让传感器读到稳定值、执行器来得及响应的最短周期，就是最合适的周期。
6. 再往上走：仿真验证、前馈和串级PID
6.1 用Wokwi仿真平台先把参数跑个大概
如果你正在学习PID，手头硬件又没齐，完全可以用Wokwi这类在线仿真平台先在虚拟Arduino上跑跑看。Wokwi支持Arduino Uno和常见的传感器/执行器模型，也支持模拟串口输出。你可以在里面搭一个虚拟的温度控制回路或者小车模型，先用自己手写的PID代码跑出波形，再改参数看波形变化，整个过程零成本。
仿真最大的价值不是替代真实硬件，而是帮你建立"改参数-看波形"的即时反馈感。很多人在真实硬件上不敢乱调，怕烧东西；仿真环境随便折腾，Kp往大加，D往小减，观察系统从过阻尼到欠阻尼再到震荡，很快就知道每个系数到底长什么样。等回到真板子上，你已经对参数范围有了直觉，调起来会从容很多。唯一要记住的是，仿真模型的惯性、滞后和真实系统有差异，仿真得出的参数永远只是起点，上了硬件还是要重新整定一遍。
6.2 前馈补偿：别让PID一个人扛所有
PID再强也属于"事后纠偏"——必须先看到误差，才动输出。如果系统本身就有一个可预测的外部干扰或者固有趋势，完全可以让前馈先动，PID只处理剩下的偏差。拿温度控制举例：环境温度从25℃降到15℃时，维持60℃目标所需的加热功率会变化。与其等PID慢慢补误差，不如先根据环境温度的变化估算一个基础PWM加上去。Arduino里前馈的代码往往只是简单一行，但能显著减轻PID负担，让超调更小、响应更快。
在无人机或者平衡小车里，前馈也常见：根据目标角度变化率直接给一个前馈力矩，PID只负责修正模型没预测到的部分。对新手来说，我的建议是先把纯PID调稳，再加前馈，否则你很难判断当前的行为变化到底是前馈带来的还是PID自身调节的。
6.3 串级PID：什么时候才真的需要
串级PID是另一个进阶方向。简单说，外环处理"目标角度"这种慢变量，内环处理"角速度"这种快变量，内环的输出作为执行器的直接指令，外环的输出作为内环的目标值。自平衡车、双轴云台、四轴无人机之所以用串级，是因为单环PID在系统受到扰动时恢复速度不够，加入内环后，角速度可以被更快地控制住，外环只是给出"我需要转多快"的指令。
Arduino Uno跑串级PID毫无压力，两个PID环加起来计算量也很小。但我不建议一上来就上串级，先把单环PID玩明白、能自己调试稳定，再引入内环，这样出问题你才分得清到底是外环参数问题还是内环参数问题。串级PID的整定顺序也是先内环后外环，内环越快越好，外环再慢慢调。
最后说一个我自己吃了不少亏才明白的事情：PID调不出来时，大部分人第一反应是继续拧参数，但很多时候问题根本不在参数上，而在采样周期、传感器噪声、执行器响应和代码阻塞这些"外围因素"上。你在D项滤波上花十分钟，可能比调一晚上Kp有效得多。参数只是最后点睛的那一笔，底子打得稳，PID自然就稳了。希望这篇能把你的Arduino PID之路铺得平一点，少走几段弯路。
