前几日写了一篇PID算法学习笔记，并幻想了一个场景进行算法仿真。经过不断探索后，博主发现，PID算法的精髓不在算法逻辑，而在于PID三个参数的值。本篇随笔将延续上次的仿真实验进行调试，总结PID调参的规律和方法。
前几日写了一篇PID算法学习笔记，并幻想了一个场景进行算法仿真。经过不断探索后，博主发现，PID算法的精髓不在算法逻辑，而在于PID三个参数的值。本篇随笔将延续上次的仿真实验进行调试，总结PID调参的规律和方法。
一、调参口诀
先看看百度找到的调参口诀。
参数整定找最佳， 从小到大顺序查。①
先是比例后积分， 最后再把微分加。②
曲线振荡很频繁， 比例度盘要放大。③
曲线漂浮绕大弯， 比例度盘往小扳。④
曲线偏离回复慢， 积分时间往下降。⑤
曲线波动周期长， 积分时间再加长。⑥
曲线振荡频率快， 先把微分降下来。⑦
动差大来波动慢， 微分时间应加长。⑧
理想曲线两个波， 前高后低四比一。⑨
一看二调多分析， 调节质量不会低。⑩
二、调参实战
口诀①，从小到大。根据${PID}$公式可知，积分常数${I}$越大，对输出值影响越小，而比例常数和微分常数越大，对输出值影响越大。
因此，以${(P,I,D)=(5,500,0)}$为初始值，其仿真曲线为
口诀②，先比例。先调节${P}$，分别为5，25，50。
如上图，比例系数越大，曲线越快接近设定值，${P}$为50时，效果最佳。
后积分。后调${I}$，分别为50, 5, 0.5
如上图，积分常数P越小，曲线越快达到设定值。当${P}$为0.5时效果最佳
再微分。再调${D}$，分别为0.005, 0.05, 0.5
如上图，${D}$值变大，曲线并没有明显变化。通过上面几次调节，暂时得到一组较优的PID值，为
${PID_{s}=(50,500,0)}$
进一步研究，以该值为基准，改变其中的值。
（1）改变P值，改变为500，发现曲线很快超出了设定值，但是如果不考虑稳定性的话，该曲线能更快接近设定值。
根据口诀⑨，这样的曲线可以称作“理想曲线”
根据口诀⑦可知，积分系数过大，需要减小。
三、总结
我的数学模型存在很多缺陷，并不能完全模仿真实环境。进行简单的调参后可以发现，P系数调节可能出现“一劳永逸”的情况。而I调节可以减弱P的某些过激行为，比如剧烈抖动变为缓慢震荡，D调节则增强这种行为。本实验中，D系数的作用并不明显，还应在以后的实验中多多观察。
最后，如果调成平均值会发生什么呢？
看，它是不是变得非常强大了……
我，不是说了我不是标题党吗？
专注于好玩！
