10/14和家征学长交流PID

今天讲了梯度下降的PID（类似于自适应PID）和模糊PID和分段PID、

梯度下降PID首先： 设定你的T为采样周期，然后一个梯度下降PID的周期是T的20~30倍，

S为偏差 S=h-target  （h为实际得到的值，target为设定值）

假设我们得到了S[0]~S[100]，可以通过这一百个值得到一个判断PID效果的函数结果，这个函数可以是

1.S=h-target（一般的线性）

2.S=（h-target）²

     n

3.S=（ Σ（h-target）² ）/n 这个是把误差进行放大，在你期望你的结果非常精准的时候用

4.S= e^(h-target)  同样是在希望误差非常小的时候使用

得到这个系统动态性能指标之后，

设p*为新的P值， p*=p- α（d S/ d p） α是学习指数

Ps:在编程中实现求偏导 利用偏导公式 dy/dx =(  f(x=Δx，y)-f(x,y)   )/Δx

然后P I D 依次进行梯度下降

 i*=i- α（d S/ d i࿰