1、什么是PID？
PID是一种经典且广泛应用的自动控制算法，全称是Proportional-Integral-Derivative Control（比例-积分-微分控制）。它核心目标是：让系统的输出快速、稳定、准确地跟踪设定的目标值。
生活举例：
- 假设我要控制一个烧水壶，目标温度是100℃。
- 目前的温度是20℃。
- 误差 = 目标 - 当前 = 80 ℃。
PID就是三个工人，它们合伙决定该给加热器多大的功率。
1.1 P(Proportional)-----------比例（只看现在）
-
性格：直肠子、鲁莽。
-
逻辑：“误差有多大，我就出多大力，争取维持到我的目标值”
-
行为：现在的误是80℃，很大！P说：”全功率加热！“。
-
缺点：永远到不了目标值（静差）
- 场景：当水温到达99℃时，误差只有1℃，P计算出的力气太小（比如1%功率），这点功率可能还不够抵消散热，于是水温卡在99%不动了，这就是静差。
1.2 I(Integral)------------积分（纠正过去）
- 性格：记仇、有耐性。
- 逻辑：”只要误差还在，我就一直在小本本上记账，时间越久，我越生气，力气越大。“
- 行为：P卡在99℃不动了。I 看了一会说：“怎么还是99度？不行！” I 开始慢慢增加输出，知道把水温推到100℃。I 主要用来消除误差。
- 缺点：反应慢，容易过头（超调）。因为它看的是历史积累。
1.3 D(Derivative)---------------微分 （预测未来）
- 性格：预言家，冷静。
- 逻辑：“我看的是变化的趋势。如果你冲得太快，我就踩刹车。“
- 行为：水温20℃迅速升到80℃。D发现温度上升率太快了，预测会冲过头。D说：”慢点慢点！减小功率！”即使此误差还很大，D也会产生一个负向的力来抑制过冲。
|---------Kp(比例环节)------------
| |
| +
---------输入误差（error）----------------Ki∫dt(积分环境)------- +⚪------》输出
| +
| |
|---------kd d/dt(微分环境)-------
2、如何确定PID参数
2.1凭感觉便利法（不推荐）
- 先调Kp，让系统快速响应。
- 再调Ki，以消除稳态误差。
- 最后调Kd，以消除震荡。
缺点多多：
-
风险高，代价大：
- “试凑”意味着需要系统先跑起来，如果只是普通小型设备也就算了，如果是几吨重的机械臂，高温锅炉或者无人机等，先调P看有没有震荡，可能设备直接炸机了、烧毁了或者撞坏了。
- 盲目试凑无法预知系统的边界，容易引起安全事故。
-
无法保证最优解：
- 调出来的参数可能能用，电机能转，也能停。但它是不是最快的？是不是最省电的？是不是抗干扰最强的？无从知晓。
- 我们可能在一个次优的参数陷阱里打转，而永远找不到那个完美的参数组合。
-
不可复制玄学：
- 今天如果手感好调好了A机器，明天来了一台一模一样的B机器，但是摩檫力大了一些，参数就不行了，又要重新测，缺乏鲁棒性。
2.2科学计算法（nb）
核心逻辑是：先懂对象，再出参数。
-
被控对象建模
- 这是最难的一步，也是最科学的一步。
-
实现：
- 做法：进行建模，这里的建模不是指画3D图，而是数学建模。我们需要知道电机的电感、电阻、转动惯量、摩擦系数，然后写出它的传递函数，比如 G(s) = K/(Ts+1)。
- 意义：一旦有了数学模型，就不需要通电了，我们可以再MATLAB/Simulink里完全模拟它的行为。
-
画波特图
-
做法：利用数学模型分析系统的频域特性。
-
意义：波特图能告诉你这个系统的脾气：
- 带宽：系统反应能有多块？
- 相角裕度：系统离发疯震荡还有多远的距离？
-
-
根据指标计算Kp，Ki，Kd
-
做法：进行计算
- 比如客户要求：“调节时间小于100ms，超调量小于5%”。
- 工程师利用控制理论公式，直接推导出满足上述需求的三个指标。
-
结果：算出来的参数填进去，通常第一次上电就能达到90%的效果，然后进行微调。
-
