在PID（比例积分微分）的比例积分微分

该我的我是最后几个以前的错误的总和，只能通过它的收益权。在PID（比例积分微分）的比例积分微分

使用错误（-1）来表示以前的错误，错误（-2）为表示在此之前的等错误... 'I' 可以被描述为：

I =（错误（-1 ）+误差（-2）+误差（-3）+误差（-4）等...）* I_GAIN

为什么当PID被设计为 '我' 而不是替代设计为坡关的重要性成为过去，例如：

I =（错误（-1）+（错误（-2）* 0.9）+（错误（-3）* 0.81）+（错误（-4）* 0.729）+等。）* I_gain

编辑：reworded

2011-03-20 alan2here

我认为这是题外话题。尝试http://math.stackexchange.com/ – CesarGon 2011-03-20 23:02:59

我认为最后几个错误的总和是积分。导数是错误的变化，而不是总和。导数“会减弱”系统，如果系数太低，系统会变得不稳定，因此您的积分不会逐渐减少。 – Faken 2011-03-20 23:03:39

谢谢，您的权利已更正。令人讨厌的是它可能会在任何一个堆栈站点中出现，如果我在这里没有得到答案，我可能会在数学站点重新发布。你是否在说，积分不会减少过去重要性的错误是因为D的影响？ – alan2here 2011-03-20 23:14:58

积分项是所有过去的错误的总和。您只需在每个时间步骤将错误添加到“集成商”。如果需要限制，如果超出范围，则将其限制在最小值或最大值。将该累加值复制到输出中，并添加比例和微分项，并在必要时再次钳位输出。

导数项是本和先前的错误（错误的变化率）之间的差。 P当然是正比于错误。

 
err = reference - new_measurement 
I += kI * err 
Derivative = err - old_err 
output = I - kD * Derivative + kP * err 
old_err = err

在那里，你有它。当然省略了限制。

一旦控制器达到基准值时，误差将变为零并且积分器将停止改变。噪声自然会使其反弹一点点，但它会保持在满足您的目标所需的稳态值，而P和D项用于减少瞬态的大部分工作。

请注意，在一个稳定状态，在我任期提供任何输出的唯一的事情。如果控制器已达到参考值并且需要非零输出，则由于误差将为零，所以仅由积分器提供。如果I术语使用加权误差，则它将开始衰减回零，并且不根据需要维持输出。

2011-03-21 00:49:04 phkahler

我不认为这意味着以前的所有错误，在你停止计数的一些错误之前，例如前面的20个错误，我们被指示使用我们'I'中的最后4个错误。 – alan2here 2011-03-21 01:24:47

谁指示你这样做？ – phkahler 2011-03-21 12:24:38

这不是最后4个，我已经重新评估过，它是值的最后10秒（更像是数百），但是每个人都说'不'会永远回去，因为这不是一个明智的PID方法。 – alan2here 2011-03-21 20:32:48

回答