Ingeniería de software
Construyendo tu propio controlador PID desde términos de error hasta velocidad de motor en C
Guía práctica para implementar un bucle PID discreto en hardware embebido, que cubre los tres términos de control, ajuste Ziegler-Nichols, estrategias anti-windup y consideraciones de período de muestreo, todo ilustrado con código C portátil.

Por qué un controlador PID importa para el control de movimiento
El control de movimiento es uno de los problemas de control más comunes en ingeniería embebida. Ya sea que estés girando un motor DC, posicionando un servo o regulando la velocidad de un ventilador, el objetivo típicamente es hacer que una variable del sistema converja a un punto de referencia a pesar de las perturbaciones. Un controlador Proporcional-Integral-Derivativo (PID) es la herramienta de trabajo para esta tarea. Calcula una salida de control combinando tres términos derivados del error: la diferencia entre el punto de referencia y la variable de proceso.
En la práctica, los controladores PID aparecen desde termostatos simples hasta drives de servo de alto rendimiento. Su popularidad perdura gracias a un intercambio favorable: requieren solo unos pocos parámetros escalares (Kp, Ki, Kd) pero pueden lograr error en estado estacionario cero, buena rechazo de perturbaciones y estabilidad aceptable cuando están bien ajustados. En hardware embebido, implementar un bucle PID desde cero te brinda visibilidad completa sobre la lógica de control, permite programación de muestra determinista y evita la sobrecarga de bibliotecas específicas del proveedor opacas.
Este artículo asume que tienes una familiaridad básica con la programación en C y conceptos de sistemas embebidos como temporizadores y conversión analógica-digital. Proceederemos desde las fundaciones matemáticas hasta un fragmento de código portátil que puedes adaptar a tu propia plataforma.
Los tres términos: proporcional, integral y derivada desmitificados
El algoritmo PID opera sobre la señal de error e(t) = punto_referencia - variable_proceso. Cada término contribuye una acción correctiva basada en aspectos diferentes del error.
- Proporcional (P): La salida es proporcional al error actual. Un Kp alto reduce el tiempo de subida pero puede causar sobredisipación o error en estado estacionario si es muy bajo. El término P solo nunca conducirá el error a cero para un punto de referencia constante cuando hay una carga de perturbación.
- Integral (I): La salida es proporcional a la integral del error con el tiempo. El término I acumula el error pasado, eliminando el offset en estado estacionario. Sin embargo, una acción integral agresiva introduce retardo de fase y puede provocar sobredisipación u oscilación. El ganancia integral Ki determina qué tan agresivamente el error acumulado influye en la salida.
- Derivada (D): La salida es proporcional a la tasa de cambio del error. El término D predice el error futuro basado en su pendiente actual, añadiendo amortiguamiento al sistema. Mejora la estabilidad y reduce la sobredisipación, pero es sensible al ruido de medición; una señal de error ruidosa puede hacer que la salida de control chatter violentamente.
En tiempo discreto, las integrales y derivadas continuas ideales se aproximan. La elección de la aproximación afecta la estabilidad numérica y el comportamiento de ajuste, que exploraremos en la siguiente sección.
Ajustando tu primer bucle con el método Ziegler-Nichols
Antes de escribir código, los ganancias PID deben establecerse. Varios métodos de ajuste existen, pero el método Ziegler-Nichols en bucle cerrado es un punto de partida práctico para muchos sistemas de control de movimiento.
1. Establecer Ki = 0 y Kd = 0. 2. Aumentar Kp hasta que la salida exhiba oscilaciones de amplitud sostenida alrededor del punto de referencia. Este ganancia crítica se denota Kuc. 3. Registrar el período de oscilación Puc. 4. Aplicar las razones tabuladas Ziegler-Nichols para calcular ganancias iniciales: - Kp = 0.6 × Kuc - Ki = 2 × Kp / Puc - Kd = Kp × Puc / 8
Estas fórmulas producen una respuesta moderadamente agresiva. Si el sistema oscila excesivamente, reduzca todas las ganancias aproximadamente en un 20 % y vuelva a probar. Si la respuesta es demasiado lenta, aumente las ganancias con cautela. Tenga en cuenta que Ziegler-Nichols proporciona un punto de partida; el ajuste fino probablemente será necesario para tener en cuenta la dinámica específica de su planta, la tasa de muestreo y los límites del actuador.
Manejo de anti-windup y limitación de tasa en firmware
Un problema bien conocido en el control integral es el windup. Cuando la salida de control se satura: como el ciclo de trabajo PWM llegando al 0 % o 100 %—el error continúa acumulándose en el término integral. Al retirar la saturación, el integral acumulado causa una sobredisipación dramática, a menudo provocando inestabilidad o tiempo de asentamiento prolongado.
Estrategias anti-windup abordan esto limitando el crecimiento del término integral. El enfoque más común en firmware es *back-calculation*: cuando la salida se satura, el término integral se decrementa por una fracción del error de saturación, efectivamente arrastrando el estado acumulado de regreso a la región no saturada. Una implementación simple verifica si la salida computada excede los límites del actuador; si es así, el acumulador integral se ajusta en lugar de integrarse libremente.
Limitación de tasa en la salida es otra medida de protección útil, especialmente al accionar cargas de inercia baja o cuando el algoritmo de control se ejecuta a alta frecuencia. Al restringir el cambio en la salida por período de muestra (p. ej., Δu ≤ Δu_max), se evitan cambios bruscos de comando que podrían excitar resonancias mecánicas o estresar electrónica del driver. Tanto el anti-windup como la limitación de tasa son ortogonales a los términos P/I/D y deben implementarse como pasos posterior al cálculo de la suma PID cruda.
Implementación discreta vs. continua y efectos del período de muestreo
El algoritmo PID se formula originalmente en tiempo continuo, pero los procesadores embebidos operan en tiempo discreto. La transición del tiempo continuo al discreto requiere una consideración cuidadosa del período de muestreo Ts.
- Aproximación de Euler: La discretización más sencilla reemplaza la integral con una suma y la derivada con una diferencia finita. La ecuación de actualización se vuelve u[k] = Kp·e[k] + Ki·Σe[i]·Ts + Kd·(e[k] - e[k-1])/Ts. Esta forma es fácil de implementar pero puede introducir error numérico si Ts es demasiado grande o demasiado pequeño en relación con la dinámica del sistema.
- Selección del período de muestreo: El período de muestreo debe ser lo suficientemente rápido para capturar las dinámicas más rápidas de la planta (incluyendo el ancho de banda del sensor y el tiempo de ascenso del actuador) pero no tan rápido que la carga del procesador sea prohibitiva. Una regla práctica es elegir Ts ≤ 1/10 de la constante de tiempo dominante. Para el control de velocidad de motor, las tasas de muestreo en el rango de 1–10 kHz son comunes, dependiendo del tamaño del motor y el ancho de banda de control.
- Independencia del paso de tiempo: Algunas implementaciones escalan los términos integral y derivado por Ts de forma explícita, mientras que otras absorben Ts en las definiciones de ganancia (Ki_discrete = Ki_continuous × Ts). Cualquier convención que adopte, documentela claramente y mantenga la consistencia; cambiar la tasa de muestreo sin reajustar degradará el rendimiento.
Fragmento de código C práctico con comentarios
El siguiente fragmento de código ISO C99 implementa un controlador PID discreto con anti-windup y limitación de tasa. Está deliberadamente agnóstico de plataforma; necesitará proporcionar la medición de error, el punto de referencia y los límites del actuador desde su propia capa de abstracción de hardware.
/ * Controlador PID para control de velocidad de motor
* Compila con cualquier compilador C99.
* Asume invocación periódica desde un ISR de timer a período Ts.
*/
typedef struct {
float Kp; /**< Ganancia Proporcional */
float Ki; /**< Ganancia Integral (ya escalada por Ts) */
float Kd; /**< Ganancia Derivada (ya escalada por Ts) */
float out_min; /**< Salida mínima del actuador (p. ej., 0.0) */
float out_max; /**< Salida máxima del actuador (p. ej., 1.0) */
float out_rate_max; /**< Cambio máximo por muestra (p. ej., 0.1) */
float integral; /**< Acumulador interno integral */
float prev_error; /**< Error anterior para el término derivativo */
float last_output; /**< Salida anterior para limitación de tasa */
} pid_controller_t;
void pid_init(pid_controller_t *c, float Kp, float Ki, float Kd,
float out_min, float out_max, float out_rate_max)
{
c->Kp = Kp;
c->Ki = Ki;
c->Kd = Kd;
c->out_min = out_min;
c->out_max = out_max;
c->out_rate_max = out_rate_max;
c->integral = 0.0f;
c->prev_error = 0.0f;
c->last_output = (out_min + out_max) / 2.0f;
}
/* Compute the control output for the current error sample.
* Returns the saturated, rate-limited output.
*/
float pid_compute(pid_controller_t *c, float setpoint, float process_variable, float Ts)
{
float error = setpoint - process_variable;
/* --- Proportional term --- */
float p_term = c->Kp * error;
/* --- Integral term with back-calculation anti-windup --- */
/* Accumulate error; if output would saturate, pull integral back */
c->integral += c->Ki * error * Ts;
float raw_output = c->last_output + p_term + c->integral + c->Kd * (error - c->prev_error) / Ts;
/* Anti-windup: if raw output saturated, adjust integral to reduce saturation */
if (raw_output > c->out_max) {
c->integral -= (raw_output - c->out_max);
raw_output = c->out_max;
} else if (raw_output < c->out_min) {
c->integral += (c->out_min - raw_output);
raw_output = c->out_min;
}
/* --- Rate limiting --- */
/* Constrain how much the output can change from the previous sample */
float output_delta = raw_output - c->last_output;
if (output_delta > c->out_rate_max) {
raw_output = c->last_output + c->out_rate_max;
} else if (output_delta < -c->out_rate_max) {
raw_output = c->last_output - c->out_rate_max;
}
/* Store state for next invocation */
c->prev_error = error;
c->last_output = raw_output;
return raw_output;
}Nota sobre el escalado de ganancias: En este fragmento, Ki y Kd se esperan en unidades de tiempo continuo (p. ej., Ki en 1/s). La multiplicación por Ts dentro del término integral y la división por Ts en el término derivativo hacen que las ganancias dependan de la tasa de muestreo. Si cambia la frecuencia de muestreo, debe re-escalar Ki y Kd proporcionalmente, o volver a ajustar el bucle usando el nuevo Ts.
Lista de verificación: verificando su implementación PID en hardware
Antes de desplegar un bucle PID a un sistema de producción, valide los siguientes ítems en el hardware objetivo:
- [ ] Estabilidad de la tasa de muestreo: Confirme que el bucle de control se ejecuta en el período Ts previsto. Use un osciloscopio o analizador lógico para verificar que el jitter esté dentro de los límites aceptables; un jitter excesivo degrade la acción derivativa.
- [ ] Respuesta al paso del punto de referencia: Aplique un cambio repentino del punto de referencia y registre la variable de proceso. Verifique sobredisipación, tiempo de asentamiento y error en estado estacionario. Ajuste Kp, Ki, Kd de forma iterativa.
- [ ] Rechazo de perturbaciones: Introduzca una perturbación conocida (p. ej., una carga de torque repentina en un motor) y observe el tiempo de recuperación. El término integral debe eliminar el offset, pero un Ki excesivo puede causar oscilación.
- [ ] Saturation y anti-windup: Impulse el actuador a sus límites físicos (p. ej., 0 % o 100 % ciclo de trabajo). Verifique que el término integral no se windup; la salida debe regresar suavemente al punto de referencia una vez retirada la carga.
- [ ] Robustez al ruido: Añada ruido de medición intencional o observe el ruido real del sensor. Monitoree la salida de control por chatter; si el término derivativo amplifica el ruido excesivamente, considere filtrar el error o reducir Kd.
- [ ] Comportamiento de limitación de tasa: Observe el cambio de salida por muestra. Debe respetar la restricción out_rate_max sin causar oscilación de límite.
- [ ] Precisión numérica: Si su sistema usa aritmética de 16-bit fijo, verifique que el integral acumulado y las sumas intermedias no desborden. Considere escalar ganancias o usar un tipo intermedio más amplio.
- [ ] Documentación: Registe los valores finales de ganancia, el período de muestreo y los parámetros de anti-windup/limitación de tasa usados. Esto ayuda al reajuste futuro o migración de plataforma.
Recuerde que este artículo no reemplaza una evaluación de seguridad específica del sitio. Para maquinaria crítica para la seguridad, siempre realice un análisis de riesgo completo y valide el sistema de control bajo condiciones operativas peor caso.
---
*Palabras clave: PID, control embebido, velocidad de motor, programación en C, anti-windup, control discreto, Ziegler-Nichols*
Prueba el método en el LABBanco de simulación →

