问题根源分析 #

你遇到的控制输出翻倍问题，核心是Python control库的PID离散化逻辑与MATLAB默认实现存在两处关键差异：

1. PID参数映射与实现形式：MATLAB的pid对象默认采用并行形式，你的pid_continuous函数对积分时间Ti、微分时间Td的计算逻辑和MATLAB的参数映射规则不匹配；
2. 离散化细节差异：MATLAB离散PID默认使用后向欧拉法处理积分项，且微分项的滤波实现、N参数的处理逻辑和你当前的实现有区别，同时control库sample_system的tustin离散默认缩放规则也和MATLAB不一致。

适配MATLAB的PID实现方案 #

下面给出两种可完全对齐MATLAB结果的实现方式，按需选择：

方案1：使用control库原生PID对象（推荐）

从control库0.9.0版本开始，官方提供了对齐MATLAB的PID类，直接调用即可保证离散化逻辑一致：

def pid_discrete_matlab_compat(Kp, Ki, Kd, Ts, N=1000):
    # 创建连续PID对象，参数完全对齐MATLAB的pid()
    Gc_cont = ctl.PID(Kp, Ki, Kd, N=N)
    # 采用MATLAB默认的后向欧拉法离散化
    Gc_discrete = ctl.sample_system(Gc_cont, Ts, method='backward')
    return Gc_discrete

替换你原有的pid_discrete函数即可，该实现直接复用官方对齐MATLAB的逻辑，能最大程度保证结果匹配。

方案2：手动实现MATLAB风格并行离散PID

如果需要手动编写，需严格遵循MATLAB并行离散PID的数学公式：

def pid_parallel_discrete(Kp, Ki, Kd, Ts, N=1000):
    z = ctl.TransferFunction.z
    if z is None:
        raise ValueError("Cannot create z-domain transfer function")
    
    # 积分项：采用MATLAB默认的后向欧拉离散
    integrator = Ki * Ts / (z - 1)
    # 微分项：对齐MATLAB带滤波的后向欧拉微分逻辑
    derivative = Kd * N * (z - 1) / (z + N * Ts - 1)
    # 比例项直接使用Kp，保持并行形式
    pid_controller = Kp + integrator + derivative
    
    return pid_controller

额外验证与注意事项 #

1. 反馈结构一致性：你原代码中的ctl.feedback(Gc * Gp, 1)是单位负反馈，和MATLAB的feedback(Gc*Gp,1)逻辑一致，这部分无需修改；
2. 参考输入与误差计算：确保ref的阶跃信号生成、e = ref - y_out的误差计算逻辑和MATLAB完全相同；
3. 版本兼容性：建议将control库升级到最新版（≥0.9.0），避免旧版本的API差异导致问题；
4. 抗积分饱和检查：如果MATLAB中开启了PID的抗积分饱和功能，Python中需要对应实现（可通过control库的AntiWindup模块补充）。

替换后重新运行仿真，控制输出u_m的初始值应该会和MATLAB的2327.93749436396完全匹配，后续曲线也会对齐。

内容来源于stack exchange