PID参数整定背后的控制理论：从P、I、D本质到工程实践

调PID参数调到头秃的时候，我总会想起那句话：只知其然，而不知其所以然。翻来覆去试了几个晚上，好不容易凑出一组“能跑”的PID参数，可换个工况又拉胯了。问题出在哪？说到底，是我们把PID当成了一个“黑盒”，拧三个旋钮全凭手感和运气，很少有人从控制理论上想清楚——这三个旋钮到底改变了系统的什么？为什么加大比例系数会让系统振荡？为什么积分时间调太小会超调？为什么微分项在工业现场又经常被直接关掉？配齐了“参数手册”却缺了一堂“控制理论课”，这就是很多人调PID始终不得要领的根因。

这篇文章我想做的事情很简单：把PID参数从控制理论的角度完整拆开，讲清楚“为什么这么调”，而不是“照着口诀抄”。文章会从反馈控制的最底层逻辑说起，把P、I、D三个环节各自的物理意义、对闭环系统稳定性与动态品质的影响、以及整定方法背后的理论依据全部过一遍。无论你是刚接触控制系统的学生、刚入行的自动化工程师，还是在设备调试一线被温控、液位、压力、速度环折腾过的人，这篇文章都适合你。看完之后你再回头调参数，手里的三个旋钮就不再是“玄学”了。

1. 反馈控制的本质：为什么PID长得是这个样子

要理解PID，先得回答一个更基本的问题：为什么几乎所有工业过程控制，最终都收敛到了“比例-积分-微分”这三个动作的组合？这不是巧合，而是反馈控制理论推导出来的必然结果。

1.1 偏差是唯一的“情报来源”

任何闭环控制系统，本质都在做同一件事：测量被控量（比如温度、转速、液位），把它和目标值（设定值SV）做比较，得到偏差e(t)，然后根据偏差来决定怎么调整执行机构（比如阀门开度、变频器频率）。这里有一个很关键的认识——反馈系统感知外部世界变化的唯一渠道就是偏差。外界的扰动、负载的变化、被控对象参数的漂移，全部只能通过偏差的出现被控制器“看见”。

所以控制器本质上是一个“偏差处理器”。它需要回答三个连续的问题：偏差现在有多大？偏差在过去积累了多久？偏差未来会怎么变化？这三个问题的答案，就推导出了PID的三个组成项。比例项P回答“现在”，积分项I回答“过去”，微分项D回答“未来”。PID这个名字，并不是三个字母的随机拼接，而是反馈控制器在“现在-过去-未来”三个时间维度上做决策的完整框架。

1.2 从P到PI再到PID：控制器的“进化”逻辑

设想一个最原始的控制器，只有比例作用，输出u(t) = Kp × e(t)。偏差大，输出就大；偏差小，输出就小。这符合直觉，而且响应速度很快。但它有一个绕不开的毛病：要产生输出，就必须存在偏差。对被控对象来说，这个输出要维持住某个工作点，如果对象本身有能量损耗或物料泄漏，比例控制最终会稳定在一个“有残差”的状态上，这就是稳态误差，也叫静差。

怎么消除静差？唯一的办法是让控制器在偏差为零的时候仍然能保持相应的输出。在经典控制理论里，做到这一点的办法是对偏差做积分。积分项会把过去所有偏差“累计”起来，只要偏差不消除，积分输出就一直变化，直到偏差为零、积分项维持在一个恒定输出上。这就解释了为什么积分项的核心作用是“消除稳态误差”。

但积分项有个天生的缺陷：它只认历史，不看变化趋势。偏差正在快速增大和偏差正在快速收窄，在积分项看来没有任何区别，都在往同一个“账本”里累加。于是微分项出场——它测量偏差的变化速率，能预判偏差的趋势，在偏差还没真正变大之前就提前产生修正动作，相当于给控制器加了一个“阻尼”或者“预见性”。从控制理论的角度看，微分项增大了系统的阻尼比，抑制了超调，改善了动态品质。

这就是PID为什么是“PID”，而不是别的什么字母组合。它是在对偏差的现在、过去、未来三个维度上，分别做比例放缩、累加记忆和速率感知的最简完整方案。

1.3 反馈控制系统的基本衡量指标

在进入参数调节的细节之前，还需要建立一套“评价语言”。调PID到底在调什么？从控制理论角度看，无非是这几个指标之间的折中：

• 稳定性：闭环系统必须收敛，不能发散或持续振荡。这是第一位的，不稳定，其他指标全部没有意义。
• 快速性：用上升时间衡量，从阶跃输入开始到第一次到达目标值的时间。
• 准确性：稳态误差，系统稳定后被控量与目标值的残余偏差。
• 超调量：被控量首次越过目标值的峰值超出量占设定变化的百分比。超调太大不仅难看，在很多场合是致命的（比如温控超调可能烧坏物料）。
• 调节时间：从扰动发生到系统重新进入并停留在允许误差带内的时间。

调PID，本质就是在快速性、准确性、稳定性和超调之间找一个适合具体工程对象的平衡点。不同对象偏重点完全不同——张力控制宁慢勿超调，液位控制可以接受较大的超调换快速性，电机转速环对带宽要求高。理解了这句话，你就能明白为什么PID参数“没有最好，只有最合适”。

2. 三个参数的物理意义：Kp、Ki、Kd到底动的是什么

很多人调PID的顺序是“先P再I最后D”，也有人反着来。但无论顺序如何，如果你不清楚每个参数在闭环系统里改动的究竟是什么，全靠试错，效率一定低，而且很难调出真正均衡的参数。

2.1 比例增益Kp：系统的响应刚度

比例项的输出直接正比于当前偏差。把Kp从0慢慢调大，你会发现系统响应变快，上升时间缩短。但Kp过大时，系统会趋向振荡，甚至发散。为什么？

这里可以引入“开环增益”的概念。把控制器和被控对象串起来，整个前向通道的增益变大，反馈环路变得“敏感”。从根轨迹的角度看，增大Kp就是让闭环极点沿着根轨迹向虚轴移动，一旦极点跨过虚轴进入右半平面，系统就失稳。所以Kp的物理意义可以理解为“系统的响应刚度”——刚度太低，动作绵软无力，偏差半天消不下去；刚度太高，动作过猛，系统来回震荡。

那“合适的Kp”在哪里？理想状态是让闭环主导极点落在有足够阻尼比的位置上，通常希望阻尼比在0.4到0.7之间，对应阶跃响应有大约5%到25%的超调量，响应速度又足够快。实际操作中，你通过阶跃响应看到的“临界振荡”，本质上就是闭环极点逼近虚轴的信号。

2.2 积分系数Ki：历史的“纠错账本”

积分项的输出与偏差随时间的累计量成正比。从频域看，积分环节给系统增加了一个在原点的极点，把系统的型别提高了一阶，从而消除对阶跃输入的稳态误差。这是一个纯理论层面的结论，但它解释了一个重要现象：只要被控对象自平衡能力有限（比如纯积分对象、一阶惯性加积分对象），没有积分项的闭环系统几乎不可能把稳态误差消到零。

积分速度太快（Ki过大）会带来两个问题。第一，积分“记账”太快，偏差还没被比例项纠正过来，积分输出已经冲过头了，导致超调增大。第二，积分项本身在相频特性上带来-90°的相位滞后，积分作用过强会显著降低相位裕度，系统产生低频振荡，这在温度控制系统中尤其常见——你会看到温度围绕目标值做周期性的缓慢摆动，幅度还不小，这就是“积分振荡”。

积分速度太慢（Ki过小）又会导致另一个问题：残差消除期拉得很长，系统到达目标值附近之后要磨蹭很久才走完最后一点偏差。工程上常用的折中办法是“先快后慢”——偏差大时降低积分作用甚至关掉积分，偏差小到一定程度再让积分全力工作。这就是后面要讲的积分分离算法。

2.3 微分系数Kd：系统的“刹车”与“预判”

微分项的输出与偏差变化速率成正比，用数学语言说就是Kd × de/dt。当偏差快速接近目标值时，de/dt为负，微分项会产生一个反向的修正力，正好“踩刹车”抑制超调。当偏差快速背离目标值时（比如突加负载），de/dt为正，微分项提前加大输出，比比例项更早做出反应。

从控制理论角度，微分项相当于在闭环系统中引入了一个“相位超前”环节，它提升了系统的相位裕度，让系统可以承受更大的比例增益而不振荡。这意味着微分作用调好了，你甚至可以把Kp再加大一点，兼顾快速性和阻尼。

但微分项有两个致命的工程弱点。第一，它对高频噪声极其敏感。测量信号里哪怕只有很小的噪声，一求导就会被放大得面目全非，控制器输出剧烈抖动，执行机构磨损严重。第二，当设定值阶跃变化时，偏差的瞬间变化速率极大，微分项会产生一个很窄但很高的“尖峰”输出，这就是“微分冲击”。所以在实际仪表和PLC实现中，很多厂家的D作用只作用于测量值（微分先行），而不对偏差求导，目的就是避免设定值突变时的冲击。到了现场你会发现，不少老工程师干脆把D设为0，就是因为噪声问题比超调问题更难处理。

2.4 三种作用的时间尺度差异

这里可以做一个简单的量级比较，帮助建立直觉。假设偏差从10衰减到0，如果系统时间常数是几秒，那么比例项“看见”的是当前瞬间的偏差，积分项需要几个调节周期才能把累计偏差攒出可观的输出，而微分项只看最近一瞬间的变化斜率。三种作用的工作时间尺度天然就不一样：D作用最快，P作用次之，I作用最慢。整定时“先P后I最后D”的顺序，本质上就是按照响应时间尺度从快到慢来安排——先把快速通道调稳，再加中速通道，最后才用慢速通道做精调。如果你反过来先把积分项调得很大，再来找比例增益，系统会变得很难判断，因为积分和比例的效应在输出端混叠在一起。

3. 整定方法的理论依据：为什么口诀是这样来的

网上流传的PID整定口诀很多，比如“参数整定找最佳，从小到大顺序查”“曲线振荡很频繁，积分量要往小扳”“偏差大时比例大，偏差小时比例小”。这些话本身没有错，但很多人背了口诀却不知道为什么。本节说说两个最常用的整定方法背后的控制理论逻辑。

3.1 临界比例度法：让系统处于“临界稳定”再退回来

Ziegler-Nichols方法中有一个经典操作：先只保留P作用，I和D关掉，然后逐步增大Kp，直到系统做等幅振荡。记下这个临界增益Ku和振荡周期Tu，再按经验公式算P、I、D参数。

这个方法的理论根基是：当系统处于等幅振荡状态时，闭环极点恰好位于虚轴上，这组Ku和Tu精确地表征了被控对象在稳定性边界上的动态信息——增益裕度为零，系统处于临界稳定。Ziegler-Nichols的经验公式本质上是把闭环极点从虚轴向左半平面“拉回”一个安全距离，用Tu确定系统的主导时间尺度，用Ku的比例系数确定稳定裕度。表格如下：

注意这里的Ti和Td是时间量纲，在工程上经常看到“Ki = Kp / Ti”的写法，就是从这里来的。积分时间是积分项累加“一份比例输出”所需的时间——积分时间越短，积分作用越强。这个换算关系如果不清楚，非常容易把参数填反。我看到不少人在PLC里把界面上的“Ki”当成纯粹的系数去填，结果Ti=0.125反而把积分作用拉到了最大，不振荡才怪。

3.2 过程响应曲线法：从对象阶跃响应直接建模

Z-N还有一种方法，对被控对象做开环阶跃响应测试，记录典型的S形响应曲线。在这条S形曲线上找到两个特征参数：滞后时间L和时间常数T，然后用经验公式整定。

这个方法的理论依据在于，大量工业被控对象可以近似为一阶惯性加纯滞后（FOPDT）模型，其传递函数形如 G(s) = K / (Ts + 1) × e^(-Ls)。滞后时间L代表控制的“盲区”——在这段时间里，任何控制动作都不会反映到测量值上；时间常数T代表对象的反应快慢。两者之比L/T直接决定了系统的可控性：L/T越大，系统越难控。对于这种对象，PID整定的本质问题变成了：已知L和T，选择怎样的控制器参数才能获得最好的动态补偿？Z-N公式其实是基于大量仿真经验得到的近优解。

这里有个很重要的直觉：滞后L越大，Kp就应该越小，Ti就应该越大。滞后大的系统不能“猛打方向”，因为打了方向之后要等很久才能看到反应，一旦反应出现往往已经过冲。这一点在温控、烟气处理这类大滞后系统里体现得非常明显。

3.3 临界比例度法解耦的“三重风险”

Z-N临界比例度法虽然经典，但在实际应用中要慎重。第一个风险是，它要求系统做等幅振荡，对很多不允许振荡的生产过程来说不现实。第二个风险是，对纯滞后特别大的系统（L/T > 0.5），临界比例度法整定出来的参数往往激进，超调很大，实际应用经常需要人工打折。第三个风险是，临界振荡频率附近的噪声往往会对Ku的判定产生干扰，你很难肉眼判断哪个幅值算“等幅振荡”。

我的建议是：临界比例度法只适合对安全性要求不高的实验室系统，或者作为快速获取“初始参数”的手段，拿这个初始参数去仿真里做进一步微调。在工业现场，如果条件允许，优先做开环阶跃响应，用过程响应曲线法建模，再在仿真环境里验证参数，最后才投到现场。这一步的区别，往往就是“调三天三夜”和“半小时搞定”的区别。

4. 实战角度的调节步骤：一套完整可复用的整定流程

理论说完了，要把理论落到现场去，还得有一套可操作的流程。这里分享我实际调试中比较常用的整定流程，每一步都对应着前面讲的原理，适合绝大多数温控、液位、流量、压力、速度等常规回路。

4.1 第一步：做开环测试，摸清对象的“脾气”

任何PID整定的第一步，不是去调Kp，而是做开环测试。把控制器切到手动模式，给执行机构一个阶跃输出（比如阀门从30%开到50%），记录被控量的响应曲线。这一步的目的是回答几个关键问题：

• 对象是有自平衡能力的（响应曲线最终水平），还是纯积分型的（响应曲线一直上升直到碰限幅）？
• 纯滞后时间L大概是多少？
• 从开始变化到到达63.2%变化量的时间常数T是多少？
• 响应的最终稳态变化量与输入阶跃之比，即对象增益K是多少？

这组数据，就是前面FOPDT模型的三个参数（K、T、L），后面整定参数的起点全靠它们。很多人跳过了这一步，上来就调P，本质上是闭着眼睛调——你连对象的时间常数和滞后的量级都不知道，怎么判断当前的Kp是快还是慢？

4.2 第二步：从P开始，找一个“稳定的快”

拿到对象模型后，先用公式估一个初始Kp（比如过程响应曲线法里的1.2×T/(K×L)，先取一半），投用闭环，做设定值阶跃，观察响应。然后以“每次增大30%-50%”的步长逐渐加Kp，直到看到约1/4衰减比（即第二个波峰的幅值大约是第一个波峰的1/4）的响应曲线。这个“1/4衰减比”不是一个随意拍脑袋的经验值，它对应闭环系统约0.4的阻尼比，兼顾了快速性和稳定裕度，在工程上给了系统足够的余量来应对模型不确定性和扰动。

注意：这期间I和D都保持关闭。P调整的核心判断标准，是系统是否稳定、是否够快，而不是有没有稳态误差。很多人一上来就为了消除静差加积分，结果比例还没找好就急着让积分顶上，问题被混在一起，很难定位。

4.3 第三步：加I，只克静差，不添乱

在P已经调稳的基础上，开始逐步减小积分时间Ti（注意不是增大积分系数）。初始Ti可以取对象时间常数T的1到2倍左右，观察静差消除速度和超调变化。如果静差消除太慢，就往小调Ti；如果出现低频振荡或超调明显变大，就往大调Ti。

这里面最典型的错误是：看到超调大了就减小Kp，却忽略了I可能也要跟着动。正确的逻辑是，在P已经稳定的前提下，I的引入会给系统增加相位滞后，相当于“吃掉”了一部分相位裕度，所以加了I之后往往适度加大Kp来把相位裕度找回来，形成一个“加I、补P”的联动调节。这和换了一个参数之后又要重新调另一个参数的“循环往复”不一样，它是基于理论预期的主动补偿。

4.4 第四步：加D，如非必要不轻易加

D的引入时机，是在P和I都已经稳定、但超调仍然太多、或者收敛速度还不够理想的时候。初始Td可以在0.1到0.25倍的Ti之间取值。从控制理论角度，D能提高阻尼，但也把高频噪声放大了。所以判断要不要加D的一个实际标准是：观察测量值的噪声水平——如果噪声在你可接受的范围之内，且超调确实影响生产，可以加；如果噪声本来就大，用软件滤波也压不下来，那宁愿接受多一点超调，也别贸然加D。

这里尤其提醒一个容易踩的坑：如果测量端没有滤波，D的加入会让控制器输出出现高频抖动。很多人会误以为是D参数太大，拼命减小Td，但实际上应该去处理测量噪声问题——比如改用微分先行算法，或者降低传感器的采样噪声。方向错了，怎么调都调不好。

4.5 第五步：闭环阶跃响应验证与参数微调

四步走完之后，必须做闭环阶跃验证。给设定值一个允许范围内的阶跃（比如温度设定值从100度升到120度），记录完整的响应曲线。重点看四个指标：

• 第一个波峰的峰值和出现时间；
• 超调量是否在可接受范围内；
• 振荡几次后进入稳态误差带；
• 稳态误差有多大。

如果超调偏大，可以适当减小Kp或加大Td；如果振荡次数过多，多半是I太强，增大Ti；如果响应太慢，加大Kp但保持Td和Ti的比例关系。通常到这里，参数已经八九不离十了。后面如果要精益求精，可以做鲁棒性测试——加不同幅值的外部扰动，看系统恢复速度；或者在对象工作点变化的情况下看控制品质是否还能接受。

我把整定过程中可能遇到的典型问题和对应调整方向整理成一张表，现场调试时可以对照参考：

5. 工程中那些“调不好”的隐藏原因：PID本身不背锅

很多时候参数在试验阶段调得好好的，一上现场就变了样；或者某个回路昨天还好好的，今天就振荡了。这种“玄学现场”背后，往往不是PID参数的问题，而是系统某个环节出现了理论假设之外的偏差。控制理论有个基本前提——模型和实际基本吻合，如果没有，先别急着怀疑参数。

5.1 执行机构饱和：积分饱和的元凶

最常见、也最容易被忽略的是执行机构饱和。当偏差持续存在且很大（比如启动阶段设定值跳了一大步），积分项会持续累积到一个非常高的值，导致控制器输出很快达到执行机构的限幅值（比如阀门全开100%）。此时系统已经处于开环状态，但积分项还在拼命累加“想要更大”的账。等到偏差开始缩小，积分输出却仍然保持在大数值上，控制器输出长期“卡”在限幅处，被控量严重超调。

这就是“积分饱和”（Integral Windup），在温控系统里表现尤其明显——升温到设定值后温度还要冲高一大截，回落过程又很漫长。控制理论里标准的解决办法是抗积分饱和（Anti-Windup）算法：当控制器输出到达限幅时，冻结积分项的累加，甚至把积分输出的值主动“拉回”到与限幅兼容的水平。很多现代PID控制器都有这个功能，但在老式仪表和老PLC算法里未必有，需要你自己写。

我用一个简单的伪代码说明积分限幅的实现思路：

// 抗积分饱和：当输出限幅时，冻结积分累加 if (output >= output_max && error > 0) { integral = integral; // 输出已到上限且还有正偏差，停止累加 } else if (output <= output_min && error < 0) { integral = integral; // 输出已到下限制且有负偏差，停止累加 } else { integral += Ki * error * dt; // 正常累加 }

另一种做法是“条件积分”，只在偏差绝对值小于某个阈值时才让积分生效。这两种方式都能有效防积分饱和，但要注意：冻结积分不等于清空积分——你把积分清零的那一刻，输出会发生跳变，执行机构会猛地抖一下，这对阀门寿命和过程平稳都不利。

5.2 微分噪声：D项的“双刃剑”

再强调一遍，D项对噪声的敏感是结构性的，不是参数设置问题。任何传感器都有噪声，而求导运算对高频分量天然就是“放大器”。现场最常见的处理方式有三种：一是对测量值做低通滤波，二是采用微分先行结构（只对测量值求导），三是缩短控制周期让单个控制步里的噪声影响降低。但缩短控制周期对执行机构要求又提高了——控制周期太短，阀门动作过于频繁，气缸和阀门密封圈磨损很快。这个度要自己权衡，一般温度回路控制周期1-10秒，压力回路100-500毫秒，流量回路50-200毫秒，电机电流环则在微秒到毫秒级。

5.3 对象非线性和时变性：一套参数不可能包打天下

控制理论里的PID整定通常假设被控对象在工作点附近是近似线性的。但真实过程几乎都是非线性和时变的——阀门的流量特性、换热器的传热系数随温度变化、电机电阻随温升变化。举例来说，一个换热器在冷态启动时时间常数可能只要几十秒，温度接近设定值时传热温差变小、时间常数可能变成几分钟。如果你在冷态调好一套参数，到高温段可能振荡；如果在高温段调好，冷态时又显得迟钝。

对这种问题，理论上的处理办法是把PID参数做成工作点的函数（增益调度），或者采用自适应控制算法。工程上更常见的做法是：取多个典型工作点分别整定参数，在工作点切换时做参数线性插值；或者干脆接受“略微保守”的全局参数，换取整个工作区间内都不发散。后面这种“保守法”在工程上反而更常用——控制的目的首先是不出事，其次才是优化品质。

5.4 采样速率和控制周期的匹配问题

数字PID和模拟PID有一个重要区别：数字PID是离散化的，控制器输出只有在每一个控制周期更新一次。理论上，控制周期至少要快于系统主导频率的10倍以上才比较安全，否则离散化引入的相位滞后会影响稳定性。对于滞后很大的温度对象，1秒周期的离散化影响很小；但对于快速电机回路，如果你用1秒去控制，等下一个周期到来之前，被控量可能已经跑出去很远了。

一个我见过的典型案例：有台设备速度波动超标，技术员把PID参数反复调了两个星期都没用，后来发现PLC的控制周期居然被设置成了3秒，而速度环的时间常数只有200毫秒。把控制周期缩短到50毫秒，再配合现场整定，波动立竿见影地降下来了。所以调试PID之前，先检查控制周期和对象时间常数的匹配关系，这个步骤能省掉大量无意义的工作。

6. 超越经典PID：什么时候需要更高级的手段

给足篇幅讲PID的局限，也是为了让你知道在什么情况下应该停止在PID上死磕。控制理论发展至今，已经有很多成熟的高级控制手段可以选。我按实际工作的使用频率和难度，把它们分成三档。

6.1 前馈控制：主动出击，而不是被动纠偏

纯PID是“有偏差才动作”的被动反馈，对频繁且幅值较大的扰动的抑制效果天然有限。如果显著扰动是可测量的——比如蒸汽压力波动、进料流量波动、环境温度变化——可以用前馈控制主动补偿。前馈控制的本质是建立一个扰动到执行机构之间的补偿通道，让扰动一出现，执行机构就按补偿方向动作，不给偏差发展壮大的机会。典型做法是“前馈+反馈”的复合控制：前馈负责抵消主要扰动，反馈负责兜底。

在某化工反应釜的温度控制案例中，进料流量是主要的扰动源。我在原有温度PID回路的基础上，把进料流量信号接入一个前馈补偿函数，用流量变化量乘以一个补偿系数直接叠加到PID输出上。效果是：进料扰动引起的温度波动从原先的±5度降到了±1度以内，而且PID参数完全没动。不是PID调得好，是让它干活的难度降低了。

6.2 串级控制：内环快打，外环稳打

如果被控对象内部存在两个有明显时间尺度差异的环节，串级控制往往有奇效。以加热炉温度控制为例，温度是慢变量，炉膛温度或燃料流量是快变量。用温度环作为主环，输出作为燃料流量环的设定值，流量环再闭环调节阀门。这样，燃料压力的扰动会被内环快速消除，根本来不及对温度造成影响。

串级的控制理论原理是“把扰动抑制靠近扰动源”，通过内环的快速反馈先抑制扰动，让外环面对的等效对象更简单、更接近线性。串级调试的顺序一定是从内环到外环：先把内环调到快速且稳定，再把内环当作外环的被控对象来整定外环参数。千万别内外环一起调，否则出了问题根本分不清是内环没调稳还是外环没调稳。

6.3 模型预测控制与自适应：老三样不够用了

对于多变量、强耦合、带约束的过程，比如精馏塔的温度-液位-压力控制，或者大滞后对象的优化控制，常规PID力不从心。模型预测控制（MPC）的思路是：根据被控对象的模型，在每一个控制周期内预测未来一段时间的系统响应，然后在线求解一个带约束的优化问题，得到当前时刻的最优控制动作。它在复杂工业过程里大放异彩，但易用性和计算资源要求明显高于PID。

自适应的思路则是让控制器参数随对象特性变化，比如增益调度、自整定、模型参考自适应。对工程人员来说，最现实的分界线是：对象是否单回路、是否线性、是否有强耦合、是否有硬约束。如果只是单回路的非线性问题，先试增益调度就够了；如果有明显的耦合和约束，再考虑MPC。

我个人的经验体会是：很多场景其实用不到高级算法，PID加上前馈、串级、抗饱和这些“经典组合拳”已经可以覆盖绝大多数工业回路。高级算法不是万能的，它对模型精度的要求往往比PID苛刻得多，模型不准，MPC一样算不出好东西。所以千万别觉得PID“低级”就想直接上高级控制——先把PID背后的控制理论吃透，你再判断什么时候该升级，以及升级方案应该长什么样，心里才有谱。